中国非物质遗产

董希淼:在宏观经济分析中 大数据能做什么?

  早在1980年,未来学家阿尔温·托夫勒在《第三次浪潮》一书中,就提出了“大数据”(Big Data)的概念。2012年底,《》刊文宣称,“大数据时代”已经来临。基于研究的视角,大数据时代不但大大地拓宽了信息来源,而且提高了获取信息的时效性,为宏观经济分析提供强大的支持,或将改变宏观经济研究范式。

  11月19日,在JDD-2019京东全球科技探索者大会上,数科发布一份《2019基于大数据的中国人口迁移和城镇化发展研究报告》。在京东数科副总裁、首席经济学家沈建光现场展示的PPT上,笔者发现了许多有别于传统宏观经济研究范式的互联网大数据新方法。

  宏观经济研究的基础是真实可靠的数据,如何提升统计数据的准确性和时效性是全世界面临的共同难题。以人口统计为例,中国现行的人口统计调查方法体系是以经常性的人口抽样调查为主体,以人口普查为基础,重点调查等为补充的多种方法的运用。但随着经济社会的快速发展,现有的人口统计调查方法与政府、机构、企业对人口信息多层次、精细化、时效性的需求变得不适应,在实践中显露出许多不足和问题。

  而JDD大会现场展示的这套研究系统,则基于京东实时更新的大数据,创新性地创建了消费分析和人口迁移研究平台,从宏观经济发展、人口迁移等多个维度,对宏观经济进行分析和预测。京东平台上3亿用户产生的海量实时更新的数据,无疑是京东数科进行大数据宏观经济研究的底气。与传统统计数据相比,京东平台大数据充分覆盖流动人口,并且通过收货地址的变迁动态呈现人口变化,更具实时性和多样性。

  基于这些大数据,实时性的人口迁移数据报告,每个星期都可以出一个。而在真实性方面,京东的大数据完全看交易,不用自己填表或者自己报。当然,京东的大数据不可能取代国家统计局等原有的统计和研究方法,研究宏观经济仍将参照统计局的数据,相互之间可以互补。应该是说,利用京东大数据进行宏观经济分析,其弱点是不能像统计局那样全国范围内进行抽样调查,好处是即时性和真实性,可以作为官方数据的有益补充。

  所以,这份基于京东大数据的研究报告非常有意思。比如,通过“人口迁移看消费”部分,我们可以观察出京津冀、长三角、珠三角等重要都市圈的发展形态,更度地识别迁移人口的结构化特征,包括年龄、职业、学历、购买力等;在城市层面,报告系统勾勒出了北京、上海和全国城市的人口迁入、迁出的数量与结构化特征。报告揭示,北上广深这些万众瞩目的一线年均呈现出了人口的净迁出,其中北京的出入流动性和净迁出人口数都是最大的。

  除了“人口迁移看消费”部分,笔者观察到,这套系统还包括“宏观看消费”版块和“京东消费分析”版块。其中,“宏观看消费”涵盖可支配收入、财富效应和信贷环境;“京东消费分析”包括消费概览、品类分析和消费预测等等。

  同时,研究报告展示了一些有关都市圈效应的有意思的结论。比如,在二线城市都市圈中,成都、青岛表现出很强的都市圈效应和对周边城市的辐射能力;武汉、长沙、大连、沈阳、哈尔滨等都市圈效应不显著;西安既具备较强的周边辐射能力,又与一线城市保持联系——除北京外,西安人口迁移前五大城市均为都市圈内部城市;郑州与周边的人口联系紧密,城市集群效应较强,其人口迁移前十大城市中,除北京和上海外,其他全部来自都市圈内部;武汉和长沙与都市圈内外的联系则较为均衡,都市圈效应不显著;杭州和南京的省内龙头优势明显。与杭州人口迁移往来最多的城市大部分位于浙江,而南京的前十大流入流出地均位于江苏。

  利用大数据方法和技术进行宏观经济研究,在国际上已有先例。例如,谷歌公司研发的Google Trend(谷歌趋势)可以预测房地产、旅游等诸多经济领域;高盛利用科技公司Kensho的产品将国际劳工局的数据汇编成定期摘要,分析就业市场变化和预测走向——这一模式可以在国际劳工局发布数据后仅几分钟就能通过模型呈现结果,除了帮助的销售部门应对客户咨询,Kensho产品还帮助研究人员完成一些初级工作。

  而在国内,大数据在宏观经济研究中的应用仍处于起步阶段,主要集中在失业率、通货膨胀、宏观消费、市场以及GDP预测等方面,未来将有较大的发展空间。而京东数科这份大数据研究报告的发布,透露出京东数字科技集团的一个小心思。从JDD大会现场展示的这套宏观经济研究系统,我们可以预见,品牌升级一周年的京东数科,不仅正在布局助力产业数字化和智能化,还将为政府和研究机构的政策制定、经济分析提供有力的数据支持。

  当然,应用经济大数据做宏观经济预测并非完美无缺。未来,应积极探索并逐步解决数据维度、数据噪声、数据安全等问题,充分挖掘大数据带来的大智慧,提高宏观经济分析和预测的时效性、客观性和准确性,更好地服务中国经济高质量发展。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。