當今人類社會已進入到了大數據時代。大數據改變了人類的決策方式，這種改變是一種革命性的。

大數據時代有以下三個方面的顯著特點：

首先，“海量數據”最大限度解決了人類主觀世界與客觀世界之間的信息不對稱性難題。

借助數字化和網絡技術，特別是互聯網的普及，自然界、社會及人類自身的各種結構化、非結構化數據被充分挖掘出來，人類有能力獲得真實世界完整的海量信息。量變到質變，人們對世界的認識能力和水平得到空前提升。這是一個令人震驚得不知所措的變化。

比如，淘寶網上交易數據，可以很清楚揭示哪些品種的商品走俏，用以指導供貨和后面的生產。“以銷定產”不再僅僅是一句口號，而是一種機制。隨著人類交易活動全面數字化，這種清晰可見的經營模式將極大地節約資源、提高效率。有人說，用戶體驗是互聯網時代最優秀的商業智慧，喬布斯的蘋果、馬化騰的微信、周鴻祎的360、雷軍的小米等，無不因重視用戶體驗而獲得巨大成功。而我們說，只有在大數據時代，才有真正的用戶體驗，因為CEO們掌握的不再是樣本數據、抽樣數據，更不是個案感覺，而是全樣本大數據，以此指揮供應系統，完全按正態分布的多數用戶的需要組織生產。

微博、微信等自媒體出來后，人們碎片化時間被充分用起來了，它真正改變了人們的行為和生活習慣。人們在交流著工作、生活信息；分享著人生經驗和智慧；傳達各種利益訴求以及對國家、人類社會發展的建議。一個大數據的思想市場形成了。

其次，“相關分析”突破了傳統簡單的因果分析方法，并利用數據一致性法多方驗證。

相關分析是大數據時代的一個代表性方法論。沒有大數據時，因為無法獲得全樣本數據，我們只能做一些基于抽樣數據的相關性分析，所得到的結論也只能是局部的、參考性的。而我們從事的一些生產生活實踐活動，只能依靠一些簡單的因果邏輯推理來指導，且需要實踐效果的反饋來檢驗理論、修補理論、完善理論。這個方法成本高、效率低不說，還很容易產生失誤，有時候是重大失誤。這種被動局面在大數據時代因為有了全樣本相關分析，就很容易克服了。

比如，人們可以通過數代人海量數據的相關性分析，驗證轉基因食品究竟是不是危害了人類健康，這比醫學因果邏輯檢驗更靠譜。再比如，對沖基金通過量化模型，可以找到兩支沒有因果關系、但很有規律的反向走勢的投資品種，而做無風險套利的對沖操作。還比如，我們在考察經濟是否復蘇時，可以通過直接考察GDP，也可以利用數據一致性法，考察PMI、CPI、就業、稅收、信貸量、貨運量、發電量等指標，甚至也還可以考察榨菜銷量、女人裙子長短這些沒什么因果關系但有很好的相關性指標，等等。類似例子不甚枚舉。這就是大數據相關分析方法的魅力所在。

當然，人們目前能夠做基于海量數據的相關分析，如上所述，這已經產生了許多令人驚艷的結論，人們目前還沒有能力去探明這些相關變量之間的因果邏輯，但相信人類最終總會解決這個問題。

最后，“瞬間互動”節約了巨大的社會創新的試錯成本。

試錯是自然科學的唯一方法，人們能夠做自然科學的試錯實驗，愛迪生發明都是在千百次反復的失敗實驗中最后成功的；但我們不能做社會變革實驗，因為有路徑依賴，“開弓沒有回頭箭”，一個文化大革命試錯，影響的不是一個項目、一個企業，影響的是整整一代人！改革之難就難在這里，不允許出錯！大數據為我們創造了一個通過“瞬間互動”的糾錯機制。過往我們在做政策實驗時，往往采取摸著石頭過河的方式，通過樹立榜樣的方式，比如開辦深圳經濟特區來試錯。現在不同了，為推廣群眾路線的執政理念，我們可以通過“排隊買包子”的方式，并與網友進行充分互動，以檢驗政策效果。瞬間互動最大限度減少試錯成本、節約了交易費用，最明顯的改進是大大減少決策的失誤，不犯顛覆性錯誤。這在人類歷史以前是不可想象的。有了大數據，我們才能有能力擺脫社會實踐的路徑依賴，做頂層設計。

我們說，大數據是資源配置的第三只手。因為市場在資源配置中起決定作用和更好地發揮政府的作用，都離不開信息的支撐作用。資源最優配置需要經濟主體政府、企業、居民等克服動物精神的理性決策和行動，而有了信息才有理性決策，有了理性決策才有理性行為及行為效果。大數據為我們創造了一種克服信息不對稱性的完全信息環境，使得理性決策才能夠實現。大數據改善決策，這不僅是一個理論，更應該成為全民的一種自覺行動、一種習慣。

[page]

理性決策來源于領導層，而頂層設計需要大數據支撐。下面是若干典型領域應用大數據的例子。

(1)銀行等金融領域

銀行表面經營的是貨幣，實際上經營的是風險。銀行吸收存款，發放貸款，而最有挑戰的是貸款決策。銀行的核心競爭力就是它擁有比普通百姓更有水平的投資眼光。銀行的息差就是投資家眼光的報酬。而投資家眼光的形成需要有競爭情報和決策支持系統的支撐。決定銀行競爭力的不是核心地段的漂亮辦公大樓，不是分布在街道各處眾多的柜臺，而是搜集信息并形成正確決策的能力。在大數據時代，有觀點甚至認為成本巨大的傳統柜臺可能會消失，被網絡所取代。從這個意義上說，銀行業是信息行業。

我國銀行競爭情報系統目前正處在探索和開創階段，信息內容需要包括以下八個主要方面：

——高管意圖：中央及各級政府的規劃、政策，以及決策者偏好等信息。

——形勢判斷：宏觀、金融、行業、區域、國際等經濟形勢信息。

——競爭格局：主要競爭者相同業務市場占有率和競爭優勢劣勢信息。

——客我關系：信貸市場需求與供給關系及其決定的出價條件信息。

——投資機會：貸款意愿和還款能力信息。

——風險提示：可能出現壞賬的各種潛在因素信息。

——用戶信用：信用記錄。互聯網企業涉足銀行業最強大的競爭力所在。

——國外經驗：國外同行專業經驗。

除銀行外，金融領域最有挑戰的是證券投資決策。股票、期貨、黃金、外匯等投資品，通過利用信息不對稱性獲取超額利潤，信息是證券投資的生命。工作模型就是：一是大數據，二是在此基礎上的量化模型，三是投資策略。

無論是銀行，還是證券投資，資產投資組合戰略最重要。這就需要有良好的頂層設計，以系統把控投資機會與規避風險，謀求收益最大化。當然，一個給力的大數據支撐是必不可少的。

[page]

(2)政府

政府的工作，重要內容是體制、機制和政策。體制就是經濟系統的運行平臺，機制就是經濟系統的運行流程，政策就是經濟系統的運行規則。政府需要通過頂層設計進行體制改革和機制、政策調整，以外部性改善優化經濟系統運行的生態，進而提高經濟系統的運行效率。政府的頂層設計需要大數據做支撐，沒有大數據就沒有頂層設計。信號失真導致政策失誤的例子古今中外比比皆是，判斷失誤導致決策失誤的例子也是不勝枚舉。

首先，國家需要一個強大的經濟數據庫。為了獲得真實可靠的數據，國家統計局與百度、阿里巴巴等合作，利用大數據改進政府統計的科學性和及時性。比如物價指數，統計局全國選取幾千個樣本點觀測同一個市場幾個代表性的商品，定期采集數據，加權匯總。這就不如用淘寶實際交易商品及價格變化計算得及時、準確。

當然，大數據不僅包括結構化的定量數據，還包括大量非結構化的文本數據和圖音視等非結構化的定性數據。一個標準的政府經濟數據庫，不僅僅是統計，還應該包括宏觀、金融、行業、區域、國際等方面的動態、統計、觀點(含當時及歷史)信息。所以，光有國家統計局的統計數據是不夠的，還需要有專門的機構，搜集經濟系統含統計在內的各類信息，做成專業的數據庫。

其次，國家也需要有智庫。經濟體制改革、經濟發展規劃、經濟政策與措施，都需要進行充分的調查、分析、討論，最終形成方案。大數據時代拒絕拍腦袋決策。頂層設計基于數據庫基礎上的分析模型，是時代賦予的一個特征。所以，一個智庫行業和思想市場的形成，既有必要性，也有可行性。

比如，我們可以通過建立宏觀經濟計量模型，按相關分析方法，用歷史數據擬合各類經濟變量間的關系，形成方程集。如果我們要調整政策，比如減稅，我們可以把減稅變量代入模型，演算減稅所帶來的GDP、CPI、就業等各種指標的變化，藉此來定量判定該政策的效果。這個工作在沒有定量大數據前是不可能完成的。

[page]

(3)高校圖書館

數字圖書館是伴隨信息技術發展而產生的一個概念，是高校的大數據系統。在信息時代，作為海量知識載體的圖書館，特別是高校圖書館，已突破傳統大建筑大藏書量的物理概念，而延伸到網絡的虛擬領域。衡量一個高校圖書館的能力，要綜合看線上線下為讀(瀏覽)者提供信息的能力，所以，館藏水平不以藏書量衡量，而要以信息儲量衡量。

高校是個智庫，也是培養人才的地方，數字圖書館是高校最重要的基礎設施建設之一。特別是財經類院校，大數據一方面可以支撐其專家從事各類經濟研究，另一方面也是學生學習資料的強大支撐。

數字圖書館的經濟信息內容范圍更廣泛，包括經濟動態數據庫、統計數據庫、經濟論文庫、經濟視頻、政策法規庫等，還可訂制經濟模型與分析平臺，包括CGE、政策模擬、投入產出、景氣指數、績效評價等模型。

除此之外，企業、研究機構、中介組織、媒體，甚至個人，都需要了解動態經濟信息，都要關注經濟形勢與政策，以便能夠與時俱進，提高決策水平。小而言之，大數據可以提高每個個體的選擇和行動效能；大而言之，通過改善決策，整個國民經濟系統能夠總體效率得以大幅度提高。

重視大數據不僅是一種態度，更是一種水平。