浅析大数据与经济学

摘 要

• 文章从大数据的发展现状分析入手,讨论了大数据对传统经济学带来的机遇与挑战。运用大数据经济学的概念，分析了大数据经济学与信息经济学、信息技术等相关学科的关系。并将理论研究与实践应用实时地统一在一起,最后对大数据经济学发展前景进行了展望,认为大数据经济学不仅将理论科学、实验科学、复杂现象模拟统一在一起,而且将自然科学和社会科学统一在一起,具有非常好的发展前景。
• 关键词：大数据 大数据经济学 传统经济学 大数据统计学

前 言

• 自微博成立以来，新浪微博的用户已经增至5亿人，每天就要发布4亿多条讯息，每天更新的照片超过1000万张，美国的Facebook公司利用将近10万亿条价格记录来预测飞机票的价格，准确率高达75%，采用该系统购票每张机票平均可节省50美元。据专家预测未来几年的全球大数据将会增加8倍，世界上存储的数据将达到1.2ZB。美国麦肯锡公司（McKinset&Company）曾对全球的大数据分布做了一个研究和统计，中国每年的新增数据量约为250PB，美国约为3500PB，欧洲约为2000PB，可见大数据已经深深地充斥了人类经济社会的诸多角落。
• 《计算机学报》刊登的“架构大数据：挑战、现状与展望”一文列举了大数据分析平台需要具备的几个重要特性，对当前的主流实现平台——并行数据库、MapReduce及基于两者的混合架构进行了分析归纳，指出了各自的优势及不足，同时也对各个方向的研究现状及作者在大数据分析方面的努力进行了介绍，对未来研究做了展望。著名未来学家阿尔文？夫勒（1980）很早就在其经典著作《第三次浪潮》中，将大数据热情地赞誉为“第三次浪潮的华彩乐章”。2012年世界经济论坛发布了《大数据、大影响》的报告，从金融服务、健康、教育、农业、医疗等多个领域阐述了大数据给世界经济社会发展带来的机会。从某种程度上说，大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。明白这一点至关重要，也正是这一点促使该技术具备走向众多企业的潜力。大数据最核心的价值就是在于对于海量数据进行存储和分析。相比起现有的其他技术而言，大数据的“廉价、迅速、优化”这三方面的综合成本是最优的。
  那么，大数据对经济夜来说意味着什么？对传统经济学会带来哪些冲击？传统经济学又应该如何面对大数据带来的挑战？

1. 论文概述

1.1 研究背景及意义

1.1.1 研究背景

• 近年来，随着大数据、云计算、区块链、人工智能等新技术的快速发展，这些新技术与金融业务深度融合，释放出了金融创新活力和应用潜能，这大大推动了我国金融业转型升级，助力金融更好地服务实体经济，有效促进了金融业整体发展。在这一发展过程中，又以大数据技术发展最为成熟、应用最为广泛。从发展特点和趋势来看，“金融云”快速建设落地奠定了金融大数据的应用基础，金融数据与其他跨领域数据的融合应用不断强化，人工智能正在成为金融大数据应用的新方向，金融行业数据的整合、共享和开放正在成为趋势，给金融行业带来了新的发展机遇和巨大的发展动力。

• 大数据涉及的行业过于广泛，除金融外，还包括政治、教育、传媒、医学、商业、工业、农业、互联网等多个方面。根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大行业潜力最高高。具体到行业内每家公司的数据量来看，信息、金融保险、计算机及电子设备、公用事业四类的数据量最大。可以看出，无论是投资规模和应用潜力，信息行业（互联网和电信）和金融行业都是大数据应用的重点行业。

1.1.2 研究意义

大数据在带来巨大技术挑战的同时，也带来巨大的技术创新与商业机遇。不断积累的大数据包含着很多在小数据量时不具备的深度知识和价值，大数据分析挖掘将能为行业/企业带来巨大的商业价值，实现各种高附加值的增值服务，进一步提升行业/企业的经济效益和社会效益。由于大数据隐含着巨大的深度价值，美国政府认为大数据是“未来的新石油”，对未来的科技与经济发展将带来深远影响。因此，在未来，一个国家拥有数据的规模和运用数据的能力将成为综合国力的重要组成部分，对数据的占有、控制和运用也将成为国家间和企业间新的争夺焦点。

1.2 大数据的发展现状

1.2.1国内大数据发展现状

• 在政府层面，科技部“十二五”部署了关于物联网、云计算的相关专项。2012年，中科院院长白春礼院士呼吁中国应制定国家大数据战略。同年3月，科技部发布的《“十二五”国家科技计划信息技术领域2013年度备选项目征集指南》中的“先进计算”板块己明确提出“面向大数据的先进存储结构及关键技术”，国家“973计划”、“863计划”、国家自然科学基金等也分别设立了针对大数据的研究计划和专项。目前已立项“973计划”项目2项，“973计划”青年项目2项，国家自然科学基金重点项目2项。
• 在学术研究层面，国内许多高等院校和研究所开始成立大数据的研究机构。与此同时，国内有关大数据的学术组织和活动也纷纷成立和开展。2012年中国计算机学会和中国通信学会都成立了大数据专家委员会，教育部也在人民大学成立“萨师煊大数据分析与管理国际研究中心”。近年来开展了许多学术活动，主要包括:CCF大数据学术会议、中国大数据技术创新与创业大赛、大数据分析与管理国际研讨会、大数据科学与工程国际学术研讨会、中国大数据技术大会和中国国际大数据大会等。
• 在产业层面，国内不少知名企业或组织也成立了大数据产品团队和实验室，力争在大数据产业竞争中占据领先地位。

1.2.2 国外大数据发展现状

• 在学术界，美国麻省理工大学(MIT)计算机科学与人工智能实验室(CSAIL)建立了大数据科学技术中心(ISTC)。ISTC主要致力于加速科学与医药发明、企业与行业计算，并着重推动在新的数据密集型应用领域的最终用户体验的设计创新。大数据ISTC由MIT作为中心学校，研究专家们来自MIT、加州大学圣巴巴拉分校、波特兰州立大学、布朗大学、华盛顿大学和斯坦福大学等6所大学。通过明确和资助领域带头人、提供合作研究中心的方式，目标是发掘共享、存储和操作大数据的解决方案，涉及Intel，Microsoft，EMC等多家国际产业巨头。
• 在产业界，国外许多著名企业和组织都将大数据作为主要业务，例如IBM，Microsoft，EMC，DELL，HP等国际知名厂商都提出了各自的大数据解决方案或应用。IBM宣布了收购StarAnalytics(星分析公司)软件产品组合的消息。除了StarAnalytics，在IBM最新的收购计划中，Splunk和NetApp是最热门的收购目标。据不完全统计，从2005年起，IBM花费超过160亿美元收购了35家与大数据分析相关的公司。此外，IBM还和全球千所高校达成协议，就大数据的联合研究、教学、行业应用案例开发等方面开展全面的合作。无疑，欧美等国家对大数据的探索和发展已走在世界前列，各国政府已将大数据发展提升至战略高度，大力促进大数据产业的发展。

1.3 论文研究主要内容

• 考虑到大数据给传统经济学带来的巨大冲击和影响，迫切需要对此进行研究，斯坦福大学的教授、沃尔玛全球电子商务的高级副总裁、WalmartLabs的共同创立者AnandRajaraman发明了一个新词Econinformatics，指将计算机科学和信息技术应用于经济学领域，特别指应用于大数据的经济分析。由于该词和InformationEconomics的意义相近，翻译成中文后更容易混淆，加上其和Ecoinformatics（生态）相近，因此并不是一个好的名词。本文提出大数据经济学（Big DataEconomics或Economics ofBigData），给出如下定义：大数据经济学是在经济学研究和应用中采用大数据并且采用大数据思想对传统经济学进行深化的新兴交叉学科。大数据经济学不仅要研究如何建模、管理和应用大数据，而且要深入研究传统经济学如何应对大数据带来的挑战并进行改良，大数据经济学需要经济学家、领域专家和信息技术专家等密切合作，对人文社科与自然科学的跨学科研究提出了更高的要求，并且对整个经济学、社会学、公共管理等将带来革命性变革。大数据经济学的研究内容包括：大数据计量经济学（BigData Econometrics）、大数据统计学（BigData Statistics）、大数据领域经济学。
• 在以上大数据经济学的各学科中，大数据统计学是基础，大数据计量经济学是研究方法，而大数据领域经济学是具体的运用，他们之间存在着密切的共生关系。大数据由于是基于总体的，很大程度上解决了传统宏观经济学与微观经济学缺乏较强逻辑联系的问题，此外大数据对传统计量经济学带来的一个有益之处就是，结构化的大数据更加接近正态分布，这样就降低了小样本假设检验失效问题。

2.论文相关理论基础

2.1 大数据经济学的概念

• 大数据计量经济学（BigData Econometrics）。这是和传统计量经济学对应的一个学科，也是大数据经济学下面的子学科。在大数据背景下，经济学建模与分析方法与传统计量经济学完全不同，迫切需要采用全新的思路和方法进行研究。对信息技术专家们而言，大数据经济学仅仅是算法和建模问题，但是如果没有经济学理论指导，没有经济学家的思维，必然会导致研究方向的迷失。一些大数据领域的学者认为“要相关，不要因果”，这是非常要不得的，传统经济学理论至今仍然到处闪烁着智慧的光芒，对经济现象的深入见解时刻发挥着重要的作用，所以大数据背景下的经济学分析不能主要靠信息技术的建模专家来进行，必须继续依靠大数据计量经济学家。
• 大数据统计学（BigData Statistics）。如前所述，大数据给统计学带来的挑战是革命性的，在某些领域，传统统计学所采用的抽样调查方式必将彻底淘汰。此外，传统统计学所要求的精确数据与数据加工方式可能是画蛇添足甚至败笔之举，人们更加重视对一手数据而不是经过加工过的二手统计数据进行分析。大数据时代，人们更加关注原始数据、关注半结构化甚至非结构化数据，浏览记录、查询关键词、微薄文字、照片等等都是宝贵的数据资源。在大数据时代，传统统计学也必须进行变革，对数据储存手段、处理设备、处理方法都提出了新的要求。
• 大数据领域经济学。包括大数据生态经济学、大数据环境经济学、大数据金融学、大数据城市经济学、大数据工业经济学、大数据农业经济学、大数据交通经济学、大数据建筑经济学、大数据商业经济学、大数据信息经济学、大数据人口经济学等学科，借用大数据的思想和技术来进行各应用经济领域的研究。

2.2 大数据经济学与传统经济学的关系

• 大数据经济学刚刚提出，现在讨论其与其他学科的关系也许为时尚早。大数据经济学与与传统经济学是一种互补共存关系，在大数据经济学诞生之初，由于大数据经济学理论和技术尚不成熟，虽然大数据经济学发展很快，但仍然以传统经济学为主，随着大数据经济学的发展，两者会达到某种均衡。毕竟，大数据不能解决所有的经济学问题，一些研究仍然无法获得大数据，需要采用传统经济学解决的问题留待传统经济学解决，需要大数据经济学解决的问题由大数据经济学解决。

2.3 大数据经济学与信息经济学的关系

• 大数据是现代信息技术高速发展的产物，因此必须研究大数据经济学与信息经济学的关系。传统信息经济学（InformationEconomics）包括两个部分：宏观信息经济学与微观信息经济学，严格意义上讲，这两者并没有必然的关系。Machlup和Porat是宏观信息经济学的创始人，又称为情报经济学、信息产业经济学，主要从产业经济学角度研究信息这一特殊商品的生产、流通、利用以及经济效益的一门新兴学科，研究视角集中在信息化与产业经济学，是经济学的重要分支。
• Stigler和Arrow是微观信息经济学的创始人，又称为理论信息经济学，研究不对称信息理论、信息商品的分析、信息成本和价格、信息市场分析、信息搜寻理论等，提出用不完全信息理论来修正传统的市场模型中信息完全对称的假设，又称契约理论或机制设计理论。

2.4 大数据经济学在未来发展的趋势

• 大数据经济学将是21世纪经济学的重大进展之一。它是随着大数据在人类经济社会中的应用而产生的，目前尚处于萌芽阶段，其实践远远超越理论，可以预见的是，不久的将来是大数据经济学的理论建构和高速发展期，借助高度发达的现代信息技术，大数据经济学理论可以随时得到检验和修正，这样一开始大数据经济学就处在一个很高的研究和应用水平上，其发展速度远远高于其他任何新兴学科，这也是现代信息技术对新兴学科的重要贡献之一。

• 从学科分类上，目前的经济学包括理论经济学与应用经济学两个一级学科，可以预计的是，随着大数据经济学的日益发展与成熟，大数据经济学将成为和理论经济学与应用经济学并列的一级学科，是经济学一级学科中的“小弟弟”。图灵奖得主JimGray
  2007年在美国国家科学研究委员会发表演讲，指出科学研究共经历了4个阶段：数千年前，人类注重采用实验科学来描述自然现象；几百年前，人类注重理论科学；几十年前，人类转向计算科学，模拟复杂现象；而今天，人类进入数据探索阶段，将理论科学、实验科学、复杂现象模拟趋于统一。JimGray的结论主要针对自然科学，对大数据经济学而言，不仅是将理论科学、实验科学、复杂现象模拟统一在一起，而且将自然科学和社会科学统一在一起，将理论研究与实践应用实时地统一在一起，大数据经济学将是智能经济学。

3. 大数据在经济领域的应用

3.1 大数据在经济领域的研究现状

• 近年来，数据科学和机器学习应对一系列主要金融任务的能力已成为一个特别重要的问题。
• 风险管理是金融机构极其重要的领域，负责公司的安全性，可信度和战略决策。风险可以来自很多来源，例如竞争对手，投资者，监管机构或公司的客户。此外，风险的重要性和潜在损失可能不同。因此，主要步骤是识别，优先考虑和监控风险，这是机器学习的完美任务。通过对大量客户数据，金融借贷和保险结果的训练，算法不仅可以增强风险评分模型，还可以提高成本效率和可持续性。数据科学和人工智能（AI）在风险管理中最重要的应用是识别潜在客户的信誉。为了为特定客户建立适当的信用额度，公司使用机器学习算法来分析过去的支出行为和模式。 这种方法在与新客户或具有简短信用记录的客户合作时也很有用。
• 管理客户数据，对于金融公司来说，数据是最重要的资源。因此，高效的数据管理是企业成功的关键。今天，在结构和数量上存在大量的金融数据：从社交媒体活动和移动互动到市场数据和交易细节。金融专家经常需要处理半结构化或非结构化数据，手动处理这些数据是一个巨大的挑战。人工智能工具，特别是自然语言处理，数据挖掘和文本分析有助于将数据转化为智能数据治理和更好的业务解决方案，从而提高盈利能力。
• 预测分析现在是金融服务的核心。值得特别关注的是预测分析，它揭示了预测未来事件的数据模式，可以立即采取行动。通过了解社交媒体，新闻趋势和其他数据源，这些复杂的分析方法已经实现了预测价格和客户终生价值，未来生活事件，预期流失率和股市走势等主要应用。
  最重要的是，这种技术可以帮助回答复杂的问题如何最好地介入。总而言之，实时和预测分析显着改变了不同金融领域的状况。通过Hadoop，NoSQL和Storm等技术，传统和非传统数据集以及最精确的算法，数据工程师正在改变财务用于工作的方式。
• 深度个性化和定制。企业认识到，在当今市场竞争的关键步骤之一是通过与客户建立高质量的个性化关系来提高参与度。这个想法是分析数字客户体验，并根据客户的兴趣和偏好对其进行修改。人工智能在理解人类语言和情感方面取得重大进展，从而将客户个性化提升到一个全新的水平。数据工程师还可以建立模型，研究消费者的行为并发现客户需要财务建议的情况。预测分析工具和高级数字交付选项的结合可以帮助完成这项复杂的任务，在最恰当的时机指导客户获得最佳财务解决方案，并根据消费习惯，社交人口趋势，位置和其他偏好建议个性化服务。

3.2 大数据在经济领域存在的问题

• 大数据在经济领域存在问题主要就是数据共享及数据保护的问题。大数据的应用，前提是要有大数据，而在很多金融机构而言，并没有所谓的大数据，何谈应用呢。我们知道，在次级类用户的信用评价中，非征信数据发挥着重要的作用，但是要获得有价值的数据并不容易。一般来讲，盈利性质的商业公司和企业都不会轻易泄露自己的数据、建模方法和分析过程，这个无可厚非，但客观上便产生了这样一种效果，几大互联网巨头变成了数据黑洞，用户的数据进得去、出不来，可以为企业自身而用，但不能为整个行业或社会而用。此外，散落在税务、公积金、海关、工商等领域的数据梳理和整合，也是漫长的过程。

3.3 大数据在经济领域未来的发展前景

• 当前，数据成为继土地、劳动力、资本、技术之后最为活跃的生产要素，数据流带动资金流、人才流、技术流、物资流，成为推动经济高质量发展和人民生活改善的基础性、战略性资源。大数据作为以海量、多维数据作为关键生产要素，以大数据技术产品和应用为核心内容的新兴技术和产业，是推动生产方式变革、生产关系再造和生活方式改变的重要抓手，是实现稳增长、促改革、调结构、惠民生和推动政府治理能力现代化的内在需要和必然选择。“十三五”时期，我国大数据从无到有，市场规模持续扩大，行业应用快速推广，大数据发展水平逐渐成为衡量国家和地方综合实力的重要标准之一。

4. 结论

• 大数据技术为金融行业带来了裂变式的创新活力，其应用潜力有目共睹，但在数据应用管理、业务场景融合、标准统一、顶层设计等方面存在的瓶颈也有待突破。数据资产管理水平仍待提高。主要体现在数据质量不高、获取方式单一、数据系统分散等方面。应用技术和业务探索仍需突破。主要体现在金融机构原有的数据系统架构相对复杂，涉及的系统平台和供应商较多，实现大数据应用的技术改造难度很大。同时，金融行业的大数据分析应用模型仍处于起步阶段，成熟案例和解决方案仍相对较少，需要投入大量的时间和成本进行调研和试错。系统误判率相对较高。
• 行业标准和安全规范仍待完善。金融大数据缺乏统一的存储管理标准和互通共享平台，对个人隐私的保护上还未形成可信的安全机制。顶层设计和扶持政策还需强化。体现在金融机构间的数据壁垒较为明显，各自为战问题突出，缺乏有效的整合协同。同时，行业应用缺乏整体性规划，分散、临时、应激等特点突出，信息价值开发仍有较大潜力。
• 总的来看，大数据在金融行业的应用起步比互联网行业稍晚，其应用深度和广度还有很大的扩展空间。金融行业的大数据应用依然有很多的问题需要克服，同时需要国家出台促进金融大数据发展的产业规划和扶持政策，也需要行业分阶段推动金融数据开放、共享和统一平台建设，强化行业标准和安全规范。只有这样，大数据技术才能在金融行业中稳步应用发展，不断推动金融行业的发展提升。

参考文献

• [1]舒童.论大数据背景下经济统计的机遇与挑战[J].今日财富(中国知识产权),2020(12):12-13.

• [2]赵昌洲.大数据时代信息经济发展趋势及对策探究[J].现代商,2020(33):91-93.

• [3]舒童.经济统计中大数据分析的应用探究[J].现代营销(经营版),2020(12):122-123.

• [4]孔维亮.大数据在现代经济管理中的应用探究[J].山西农经,2020(20):119-120.