大數據背景下經濟學發展的思考

蔣新宇

【摘 要】21世紀以來，數據呈指數爆炸式增長，全球進入大數據時代。在大數據時代下的經濟學的核心假設和研究方法都發生了變化，數據驅動發展范式逐漸成為經濟學主要的發展范式。本文從經濟學核心假設、研究方法的角度，闡述大數據時代下經濟學發展的變化，具體分析數據驅動模型對經濟學在數據處理，供求關系、數學建模、因果關系和經濟預測的影響。本文的研究有利于深入理解大數據時代下經濟學發展變化，對大眾在信息時代更好的參與經濟活動、理解市場經濟的運行有促進作用。

【關鍵詞】大數據；經濟學；數據驅動范式

一、引言

計算機和互聯網信息技術的飛速發展，人類從工業社會進入信息社會。隨著信息化的迅速普及，人們提出了大數據的概念。“大數據”這一概念首次提出在1998年，阿爾文·托夫勒將大數據稱為“第三次浪潮的華彩樂章”。隨后，從20世紀九十年代中期開始，世界金融界開始重視數據研究，這一時期為未來研究大數據奠定基礎。

進入21世紀，物聯網和移動終端的出現，可以收集到的數據以指數級的速度增長。IBM的研究稱，整個人類文明所獲得的全部數據中，有90%是過去兩年內產生的。而到了2020年，全世界所產生的數據規模將達到今天的44倍，標志著人類社會的大數據時代真正到來。國家信息中心今年發布了2017年全球中國信息社會報告指出：全球126個樣本國家中的57個國家已經進入信息社會。人類進入信息社會以后，基于信息資源特性基礎上的信息經濟的運作原理和運行規律導致社會發生了一系列變化。因此在大數據時代的背景下，基于數據研究經濟學規律的大數據經濟學應運而生。

二、大數據背景下經濟學的特征

（一）相關文獻研究

基于大數據時代的經濟學的研究理論，最早由斯坦福大學教授Anand Rajaraman在理論層面進行探索，并且提出Econinformatics的概念，他指出數據經濟學是將計算機科學和信息技術應用于經濟學領域，特別指應用于大數據技術進行經濟分析， 強調技術層面。隨后，國內外學界進行對大數據經濟的研究。

李文蓮等學者結合大數據海量數據和數據實時性的特點，分析論證了大數據對傳統行業的沖突，為大數據在商業模式上的創新提供了基礎。俞立平等人直接通過經濟數據的分析指出大數據對傳統經濟學內在變化的影響。維克多·邁爾·舍恩伯格、肯尼斯·庫克耶提出，大數據的核心在于預測，大數據可以基于對實時數據的分析可以很快得到當前的變化趨勢等等。之后諸多的國內外學者的研究指出相比以往傳統數據在計算能力、數據收集與分析處理方法上的落后性、粗略性，大數據經濟發展借助互聯網、物聯網、人工智能等信息技術，可以獲取更全面廣泛的信息資源、從而將物質社會的方方面面標記為數字度量，縮小誤差范圍，剝離表象直達本質地挖掘規模數據中的黃金信息甚至較為準確地預測未來。

（二）大數據時代下經濟學研究的新特征

1.基于數據整體的研究

大數據背景下經濟學的研究對象為數據的整體，而傳統經濟學的數據處理對象是有限樣本的抽樣，幾乎很少涉及整體數據的處理與研究。大數據時代下研究對象的改變主要是數據可得性的體現，大數據時代下經濟學之所以能夠對整體數據進行研究，主要得益于物聯網、互聯網等信息技術所具備的海量數據分析能力。

2.基于數據驅動的研究范式

傳統經濟學的研究范式為模型驅動范式，即在研究事物特征時常采用構建數學模型的方式，以此利用數據建模思想探究經濟事件的規律，但是這種研究方式一定程度上具有思維的局限性。主要原因在于數學模型的運用具有局限性，基于有限樣本抽樣的數學模型不一定可以發揮最佳的效果，而且導致研究結果存在偶然性。

大數據時代下基于數據科學的數據驅動研究范式可以有效的避免有限樣本抽樣固有的缺陷。數據采集、數據處理、數據分析技術的巨大進步，使得經濟學家可以直接對總體進行直接全面的研究，同時大數據技術還可以分析傳統經濟學忽視的結構化數據，如網頁文章、用戶瀏覽記錄等數據信息，極大地實現了對數據的精準解讀，促進了經濟學研究的發展。

3.基于多樣化的數據統計手段

傳統經濟學的統計手段主要運用的是指數計算，抽樣后選取若干指標進行統計。這樣不僅效率低，而且成本大，存在很多弊端。在大數據時代下經濟數據統計的多樣化手段，尤其是檢索方式，可以通過使用搜索引擎敲上瀏覽網站的關鍵詞，就能基本獲取信息。相比之下，大數據統計集省財、提高效率等優勢于一體，符合資源節約而價值升級的綠色理念。

三、大數據對經濟學的影響

（一）經濟學核心假設發生改變

資源有限性和需求的無限性是傳統經濟學研究的核心假設。經濟學研究的目的在有限的資源里進行有效配置來滿足人們的需要，因此研究資源的高效配置和供求關系一直是經濟學的核心。在信息社會到來之前，農業社會有形的土地，工業社會有形的資本的生產要素具有總量上的有限性，有形的資源具有排他性，體現在微觀經濟學中生產可能性曲線為稀缺性和選擇性。而信息的計量單位是比特，比特具有2的冪次規律，因此，數據的增長也呈冪次規律（即指數級變化）。由此可見，信息以及人類基于信息的加工、提煉和系統性的探索所產生的知識作為信息社會的核心生產要素具有共享使用和無限增長的特性。數據信息資源共享的邊際成本為零，使得信息具有明顯的規模遞增的規律。這將前所未有的擴展生產可能性曲線。使得經濟發展突破了規模經濟的邊際效應，可以實現一直增長。因此，大數據時代背景下，基于資源有限性的假設收到了沖擊，這對經濟學的研究有重大影響。

（二）經濟學供求關系發生改變

供求分析是經濟學分析框架的一個核心的分析手法。大數據時代供求關系基于資源有限性的核心假設發生了重大的改變。大數據在一定程度上改善生產要素供給的有限性。大數據改變了供需原有的空間格局，在更層次上構建的新的供求關系。在農業社會和工業社會，點對點的區域性市場是基本的供求空間格局。而在信息社會，信息技術的發展沖破了地域的障礙和限制，極大限度的改變了傳統社會的供需空間格局。在供應方的角度，大數據技術的發展使得智能制造、零庫存和共享經濟等成為可能，提升了供應方的競爭優勢。在需求方的角度，大數據使得買家可以更全面、更迅捷的掌握產品信息，并在交易中占據主動地位，進而倒逼生產者更好的提供產品和服務。因此，大數據時代技術的發展，共同提高了供需雙方的能力和水平，進而在更高層次上構建了新的供求關系。

（三）突破了經濟學因果限制

探究經濟現象之間的內在聯系以及因果關系一直是傳統的經濟學模型驅動模式的研究的目標。在傳統經濟學的研究中，經濟學家按照經濟學科的研究流程探究事物發展的潛在特征研究探索事物之間的因果關系。而大數據時代下，基于數據驅動模式的研究則建立在掌握海量的數據信息并直接進行分析綜合的基礎之上，即迅速快捷又強化了多種事物之間的相關性而削弱了因果作用，使研究的經濟學價值朝著深度、廣度挖掘拓展。

（四）對經濟學建模的挑戰

大數據時代下經濟學的研究借助云計算以及分布式處理技術，構建關于某一研究對象的海量數據模型，從而達到最接近于真實的數據研究結果。大數據時代下的數據模型改善傳統經濟學建模的不足之處，獲取最接近于滿意值的數據分析結果，有利于降低無關因素對研究結果造成的干擾程度。相比之下，傳統經濟學研究需要依賴專業的團隊和專業的機器，研究門檻較高，研究條件較為簡陋，這就會使某些研究無法在簡單的條件下完成，而大數據背景下的經濟學研究則可以運用云平臺計算，從而廣泛處理社會數據分析和經濟動態走向研究。

（五）具有預測學習功能

由于傳統經濟學研究過程數據少的缺點使得傳統的經濟學模型驅動研究范式具有極大的滯后性，研究的結果缺乏前瞻思維和預測功能，具體體現為：結論模糊、趨勢難以定位、人為因素干擾、準確性較差。在大數據時代下數據驅動研究可以通過實時性大規模的數據集減少了已知信息與被預測信息之間的時間差。同時數據科學的發展，進一步削弱了專家的分析論證，減少了人為因素對原始數據價值的泯滅，從而使得研究結果的預測更加精準。

四、大數據時代下經濟學的應用

（一）提高企業在宏微觀的決策效率和管理能力

經濟學研究的目的是為了解決實際經濟生活過程中問題，最終在不同的層面提出相應的解決策略。從實際運用的角度來看，大數據時代下的金融企業利用大數據分析價值客戶的需求，以對應做出相應的策略，實現經濟收益。對于銀行來說，發展的焦點在于發現潛在的客戶并挖掘出客戶對應的價值。銀行通過采用數據挖掘等先進技術對客戶的數據進行分析，以此準確定位目標客戶，優化客戶營銷和服務策略，使其成為價值客戶。近年來，金融行業使用大數據分析來獲取客戶、經營客戶和服務客戶，能有效提高決策效率，幫助金融機構實現以事實為中心的經營方法。大數據同時可以幫助金融機構，以數據為基礎，逐步從靜態的現象分析和預測，過渡到針對場景提供動態化的決策建議，從而更精準地對市場變化做出反應；大數據還可以強化數據資產管理能力，金融機構大量使用傳統數據庫，成本較高，而且對于非結構化數據的存儲分析能力不足，通過大數據底層平臺建設，可以再不分場景替換傳統數據庫，并實現文字、圖片和視頻等更加多元化數據的存儲分析，有效提升金融機構數據資產管理能力。

（二）大數據可實現精確營銷服務。

精準營銷是大數據的影響下重要的營銷方式，企業通過數據挖掘的分析技術，準確定位不同需求的消費人群，從而針對不同人群特征實現不同的營銷服務，降低營銷成本。從理論研究上看，大數據時代下的數據經濟研究無疑取代了傳統的經濟研究，利用大數據的海量數據特點和大數據強大的計算能力，完全可顛覆傳統的經濟學假設辦法，可更加直接實時地通過經濟數據分析，發現經濟內在的變化規律，使得企業通過大數據可以更好的識別客戶需求，打造良好客戶體驗，提升綜合競爭力。

五、結束與展望

在大數據時代下，海量的數據以及數據科學發展給經濟學研究帶來了新的研究思路。雖然，數據經濟目前仍處于發展階段，在實際應用上并沒有涉及社會全方面，在金融、零售等領域的運用上，也遠未釋放它的潛能。不同機構間的數據還未真正流動起來，對應的完整的生態產業鏈還未形成。但是，大數據的熱潮仍將繼續，隨著大數據經濟的完備，市場經濟將被注入更強勁有效的新的力量，社會經濟體系也將迎來新格局。

【參考文獻】

[1]錢瑤. 大數據時代背景下數量經濟學應用前景分析[J]. 黑河學院學報， 2017（12）.

[2]高見， 周濤. 大數據揭示經濟發展狀況[J]. 電子科技大學學報， 2016， 45（4）：625-633.

[3]許辰迪. 淺談數據驅動研究范式在經濟研究中的變革與創新[J]. 財經界（學術版）， 2018（8）.

[4] 葉明. 信息經濟學：信息時代的經濟學[J]. 社會科學， 1987（4）：59-62.

[5] 薩爾坦·科馬里， 科馬里， 姚坤，等. 信息時代的經濟學[J]. 2001.

[6]維克多·邁爾·舍恩伯格，肯尼斯·庫克耶.大數據時代[M].盛楊燕、周濤譯.杭州：浙江人民出版社，2013.