时间:2022-06-12 16:24:39
序论:写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感,挖掘那些隐藏在内心深处的真相,好投稿为您带来了七篇大数据分析材料范文,愿它们成为您写作过程中的灵感催化剂,助力您的创作。
[关键词]大数据;宏观经济;机遇与挑战;分析
[DOI]10.13939/ki.zgsc.2016.42.028
2015年9月份,国务院与工信部联合印发了《促进大数据发展行动纲要》,明确要求在“十三五”规划中重点推动大数据的发展和应用,建立运行平稳、安全高效的经济运行新机制,这也为在大数据时代下更加精准、更加高效地开展宏观经济分析提供了政策保障。
1 大数据在宏观经济分析中的重要作用
1.1 为宏观经济分析提供丰富的数据支持
我国经济发展正处于“三期叠加”的关键时期,影响宏观经济发展的因素也是多种多样,要想保证宏观经济分析结果的准确性和时效性,就必须以大量的数据信息做样本,对数据样本进行客观、专业的处理和评估。传统的宏观经济数据获取方式存在诸多弊端:一方面是数据样本数量有限,难以反映出影响宏观经济发展的整体因素;另一方面是数据获取途径少,时效性低,往往与现阶段的经济发展现状不相符合。而大数据技术借助于计算机、互联网和电子信息技术,能够在短时间内获取各个部门、各个行业的经济发展数据,例如全国旅游消费总额、全国商品房年销售总量等。可以说,只要数据分析部门获取了相应的数据调查权限,就可以随时调用管辖范围内与宏^经济分析相关的数据内容,从而极大地丰富了宏观经济分析所需的样本容量和样本种类,确保了宏观经济分析的准确性和时效性。
1.2 为宏观经济分析提供更多的方法
传统的宏观经济分析手段,由于受技术条件和工作理念的影响,往往采用统计分析和随机抽样分析的方式,近似地反映或推断出宏观经济的分析结果。随着市场经济的深化改革和我国经济体制结构的转变,传统的宏观经济分析手段难以适应国家经济发展的需要,云时代的到来和大数据技术的出现为宏观经济分析提供了更多种类、更加简便的分析方法。例如,传统的宏观经济分析由于获取数据困难,因此采用“随机抽样反映整体”的分析方法,其分析结果与实际情况必然会存在较大误差;而大数据的分析是以海量的数据样本为基础,并且样本种类丰富,基本上涵盖了影响宏观经济发展的所有行业,在此基础上得出的分析结论无限趋近于我国宏观经济发展的实际情况,提高了宏观经济分析的可靠性。
1.3 优化了宏观经济分析的技术
大数据分析与单纯的计算机数据统计的不同之处在于:计算机数据统计只能进行初步的数据分类和整理,并以数字、图标等形式展示出来,虽然具有较强的直观性,但是不能深层次地反映宏观经济内容。而大数据分析融合了计算机、电子信息和数学建模等多个专业技术,以海量数据为基础,建立数学分析和统计模型,利用分析模型对数据进行深层次的分析、处理和加工,并结合了语音识别、图像识别等技术,提高了数据分析技术的专业化水平。
2 大数据在宏观经济分析中的机遇与挑战
2.1 大数据时代宏观经济分析具有的机遇
大数据技术融合了多种现代化数据获取和分析技术,为宏观经济的精确分析提供了诸多便利条件,从当前的发展形式看,大数据在宏观经济分析中的主要机遇有以下几方面:首先,大数据技术使“在短时间内获取海量数据”成为了可能,为宏观经济分析提供了必要的基础保障。无论是进行宏观经济分析还是其他各类专业统计,数据获取都是最基础也最为关键的环节。数据样本的丰富度和样本容量,直接决定了后期分析结果能否反映实际情况,而数据样本越多,则最终分析结果越趋近于实际。除此之外,宏观经济是一个动态发展、不断变化的过程,这就要求数据样本在“获取-分析-得出结论”这一过程中占用尽可能少的时间。因此,数据分析师历来重视数据样本数量和样本获取速度,大数据技术兼具上述两种分析要素,在宏观经济分析中占据较大优势。其次,大数据扩充了宏观经济分析的空间广度,使数据价值得以体现。通过计算机互联网获取基础的数据信息,不仅能够有效跨越时间和空间的限制,而且在数据价值上也得到了一定的提升,并且利用专业数据分析软件和数学模型,拓展了数据所包含信息的深度与广度,为新时期进行宏观经济分析提供了有力支持。
2.2 大数据时代宏观经济分析面临的挑战
大数据技术在带来诸多便利的同时,其自身也存在着一些有待改进的地方,主要表现为:首先,大数据所采集的数据量大,但是缺乏有效的数据筛选标准,导致数据中夹杂着部分无用或不相干的信息。例如我们在采集“全国旅游消费总额”相关的数据时,可能会搜索到与旅游相关的“交通运输量”的信息,但是这些信息并不会对宏观经济分析起到影响,反而增加了样本总容量。因此,如何加强信息甄别和筛选,是下一步大数据技术优化的重要内容;其次,数据的安全性仍然有待提高。由于前期采集数据量非常大,但是进行宏观分析是一些相对漫长的过程,这些数据在保存期间如何确保安全性,关系到后期宏观经济分析的最终结果。虽然部分数据库建立了相对完善的防火墙和病毒查杀系统,但是也很难彻底根除非法访问的风险;最后,大数据时代的宏观经济分析需要大量专业化人才,但是从现阶段相关从业人员的整体情况看,大数据分析人才数量难以满足行业发展需要。
3 提升大数据对宏观经济分析作用的对策
3.1 构建良好的大数据获取环境
政府应当主导建立一个大数据的收集体系,在一些重要的宏观经济领域制订大数据的收集计划,从而保证大数据的获取。为此政府部门应当做好以下具体的工作:首先,政府部门要从思想认识上提高对大数据的重视程度,对于大数据在宏观经济研究中的价值予以认可。从而在实际的工作中能够形成稳定的资金投入并在政策法规上为大数据的应用提供便利条件。其次,政府应当加大高校或者是相关研究机构在大数据应用上的研究投入力度,支持研究机构在大数据应用上的深度挖掘,从而更好地发挥大数据的作用。最后,政府应当支持企业采用现代化的信息管理手段,从而为大数据的获取提供基础性的条件。利用企业的信息化系统可以快速地获取企业的相关发展数据信息,从而为宏观经济的大数据分析提供基础材料。
3.2 提升大数据的采集与管理工作水平
制定规范化的大数据采集与管理体系,保障用于宏观经济发展的大数据均能够得到有效的采集,并且还要确保数据的真实性。在利用大数据进行宏观经济的分析中大数据是基础的分析材料,所以有效地采集到大数据是十分重要的。首先,要规范大数据的采集工作流程,制定科学的大数据采集体系,从而促进大数据采集工作的有序开展。其次,对于在大数据采集过程中因小集体利益而不配合采集的个人或者是单位,应对其进行一定的处罚,从而威慑这些干扰大数据采集工作的不良情况。最后,要对大数据采集人员进行培养和提升,从而使其掌握较为熟练的大数据管理技能,为大数据的更好地应用提供条件。
3.3 培养大数据分析与应用人才
在大数据的应用中人才是其中的关键性组成部分,高素质的大数据分析与应用人才能够为宏观经济的分析提供有力支撑。为此,就必须在大数据人才培养上进行改进和提升。为此,应当做好以下内容:首先,政府部门应当重视大数据分析与应用人才的培养,出台各类支持性的培养政策。其次,高校应当根据现实的需求而开始相关的专业和课程,从而发挥大数据分析与应用人才培养的基地作用,以便为社会输送大量的大数据专业应用人才。最后,企业也应当在大数据人才培养上做出自己的贡献,对于企业内部的数据管理人员进行专业技能提升的培训,从而帮助他们掌握更多的大数据分析与应用的实际技能。
4 大数据与宏观经济政策制定
大数据革命为政府的宏观经济政策制定提供了机会。政府在政策制定上可以通过大数据分析系统提升公共服务质量,增加服务种类,并为公共服务提供更好的政策指导。同时,在大数据分析的运用、提高效率与其他政策和技术协同以及为公共服务领域带来变革等方面,政府可以加大重视和投入力度,为经济的进一步发展提供支持。
大数据给政府的经济统计工作带来了巨大影响。首先,面对大数据带来的技术变革,政府应该将其纳入政府统计之中。经济统计要充分利用大数据时代提供的技术和条件,促进政府统计工作的变革。例如“10亿价格项目”便是政府应对大数据变革的成功典范。其次,面对大数据带来的统计对象扩充,政府不但应当重视结构化数据,更应当重视挖掘非结构化数据,以期找寻出恰当的经济统计指标。大数据时代,非结构化数据包含更多信息,而且利用互联网进行的数据挖掘,不仅可以得到数字资源,文本数据也可以通过挖掘获得。最后,面对大数据带来的统计资源的拓展,政府应该将其统计资源拓展到政府以外,重视拓宽其他数据资源。在过去,政府靠自己的力量收集数据,但在大数据时代,人人都是数据的制造者。例如,谷歌和百度等数据巨头拥有大量政府无法获取的数据资源。政府要想办法让数据巨头将数据放到统计中来,而不能仅靠自己调查统计。
5 结论与展望
大数据时代极大地拓宽了信息来源、提高了获取信息的时效性,同时,新信息的非结构化对宏观经济分析的技术和方法提出了新的要求。在大数据背景下,由于数据噪声的存在,宏观经济数据挖掘变得十分重要,这就要改进技术,加强对非结构化和半结构化数据的挖掘。实时、快速、海量的数据为更加准确的宏观经济预测提供了可能,宏观经济预测模型也有待于进一步更新。在大数据时代,可以将机器学习算法引入宏观经济分析,改进宏观经济分析技术,解决“维数灾难”,提高宏观经济分析的准确性。大数据时代也将促进政府经济政策制定的变革,提升政策的时效性,提高政府服务效率。
参考文献:
[1]文桂江,李昕.大数据时代我国宏观经济数据的冲突与协调[J].河北经贸大学学报,2014(5):131-133.
[2]崔光N.房地产价格与宏观经济互动关系实证研究――基于我国31个省份面板数据分析[J].经济理论与经济管理,2013(1):157-162.
[3]戴成峰,张连增.我国财产保险区域差异与宏观经济的关系研究――基于省际面板数据的实证分析[J].保险研究,2012(11):142-153.