楊田田

摘? 要：改革開放以來，我國的GDP總量穩(wěn)定增長，但是這種“穩(wěn)增長”已經(jīng)不能依靠傳統(tǒng)的粗放式發(fā)展模式，必須要將理性分析和轉(zhuǎn)方式、調(diào)結(jié)構(gòu)緊密連接起來，尤其是隨著互聯(lián)網(wǎng)的興起，在面臨大數(shù)據(jù)的背景之下，該如何轉(zhuǎn)變經(jīng)濟(jì)模式成為了國家經(jīng)濟(jì)發(fā)展的重要戰(zhàn)略決策。

關(guān)鍵詞：大數(shù)據(jù);經(jīng)濟(jì)轉(zhuǎn)型;商業(yè)

中圖分類號(hào)：G209??????????? 文獻(xiàn)標(biāo)識(shí)碼：A??????????? 文章編號(hào)：1672-8122（2015）01-0126-02

一、引 言

廣義上講，大數(shù)據(jù)是無法在一定時(shí)間內(nèi)用通常的軟件工具進(jìn)行收集、分析、管理的大量數(shù)據(jù)的集合[1]，IBM將大數(shù)據(jù)基本特征用4V+1C來總結(jié)：Volume、Variety、Value Velocity和Complexity，即數(shù)據(jù)規(guī)模大、種類繁多、價(jià)值密度低、處理速度快和復(fù)雜性，NetApp認(rèn)為大數(shù)據(jù)大分析（Analytic）、高帶寬（Bandwidth）和大內(nèi)容（Content）這三個(gè)因素，其中大分析從信息方面幫助用戶獲取有效價(jià)值，高帶寬更快處理數(shù)據(jù)，大內(nèi)容實(shí)現(xiàn)信息擴(kuò)展性。據(jù)統(tǒng)計(jì)90%的數(shù)據(jù)是近幾年才出現(xiàn)的，據(jù)世界著名咨詢公司Gartner調(diào)查可知，信息量每年正以近60%的速度遞增，到2020年，預(yù)計(jì)全球數(shù)據(jù)量將達(dá)到35ZB，這個(gè)定律也被稱為“大數(shù)據(jù)摩爾定律”。數(shù)據(jù)生成信息，信息構(gòu)成知識(shí)，知識(shí)促進(jìn)決策，也就意味著大數(shù)據(jù)對(duì)于轉(zhuǎn)型中的經(jīng)濟(jì)具有建設(shè)性的指導(dǎo)意義。

改革開放三十年來，我國主要依靠廉價(jià)勞動(dòng)力的投入、高消耗資源和政府大規(guī)模投資實(shí)現(xiàn)了經(jīng)濟(jì)高速增長，但是第三產(chǎn)業(yè)的疲軟使經(jīng)濟(jì)發(fā)展的產(chǎn)業(yè)鏈處于相對(duì)低的位置;由于收入分配不均和各種例如看病難、買房難等原因影響國內(nèi)消費(fèi)低迷和內(nèi)需不足;同時(shí)融資難和貸款難的問題造成我國小經(jīng)營商因缺乏流通資金無法創(chuàng)業(yè)。

大數(shù)據(jù)的出現(xiàn)可以改善經(jīng)濟(jì)萎靡的現(xiàn)狀，麥肯錫也在大數(shù)據(jù)方面做過研究，并且指出，大數(shù)據(jù)的應(yīng)用已經(jīng)滲透到各行各業(yè)，逐漸成為了重要的生產(chǎn)因素[2]，對(duì)于生產(chǎn)力的提高具有推動(dòng)性的作用。大數(shù)據(jù)應(yīng)用包括人力資源管理、客戶關(guān)系管理、金融投資、供應(yīng)鏈管理和衛(wèi)生保健、市場營銷、食品醫(yī)療等領(lǐng)域，已成為維系社會(huì)發(fā)展的重要因素[3]。極為重要的是在互聯(lián)網(wǎng)高速發(fā)展的今天，為經(jīng)濟(jì)轉(zhuǎn)型提供了鋒利的武器。但是如何收集數(shù)據(jù)、分析數(shù)據(jù)、建立數(shù)據(jù)模型和利用大數(shù)據(jù)轉(zhuǎn)型也成為當(dāng)今社會(huì)和企業(yè)面臨的問題。

二、大數(shù)據(jù)給市場資金帶來的影響

拉動(dòng)中國經(jīng)濟(jì)增長有三駕馬車，投資、內(nèi)需和出口。對(duì)于經(jīng)濟(jì)轉(zhuǎn)型而言，調(diào)整經(jīng)濟(jì)結(jié)構(gòu)，提高投資效率是經(jīng)濟(jì)轉(zhuǎn)型的重點(diǎn)，除了引進(jìn)外資，建立合資企業(yè)之外，還推行許多融資方式，例如，電子商務(wù)平臺(tái)的發(fā)展積累了海量數(shù)據(jù)，對(duì)這些互聯(lián)網(wǎng)上的海量信息進(jìn)行挖掘與分析，得出的規(guī)律要比現(xiàn)實(shí)中發(fā)布的數(shù)據(jù)更真實(shí)，在2010年與2011年阿里巴巴開設(shè)兩家小額貸款公司，信貸投放窗口是小貨公司，目標(biāo)客戶只限于阿里電商平臺(tái)的注冊(cè)會(huì)員商戶，一切貸款程序線上操作完成，阿里巴巴旗下的阿里金融曾創(chuàng)下日均完成貸款接近一萬筆，自2010年以來總計(jì)投放貸款280億元，為超過13萬家小微企業(yè)和個(gè)人創(chuàng)業(yè)者提供融資服務(wù)，貸款的不良率控制在1%以內(nèi)。

同時(shí)完善銀行貸款的靈活性，傳統(tǒng)銀行貸款遵循的是“二八定律”，即全力支持20%的高端用戶，而對(duì)于80%的低端用戶由于利潤微弱而選擇放棄，但是這對(duì)于經(jīng)濟(jì)發(fā)展，尤其是個(gè)體戶、小商販的再生產(chǎn)施以致命性打擊，為此某些銀行推出微貸款，解決這類問題，例如民生銀行的小微貸款，民生銀行商貸通是中國民生銀行向中小企業(yè)主、個(gè)體工商戶等經(jīng)營商戶提供的快速融通資金、安全管理資金、提高資金效率等全方位的金融服務(wù)產(chǎn)品。截至2013年9月末，該行小微企業(yè)貸款余額達(dá)到4040億元，5年來總計(jì)發(fā)放1.2萬億小微貸款，達(dá)到170萬戶小微企業(yè)客戶，貸款不良率有效控制在0.52%，對(duì)于用戶的信用度的考量源于他們的網(wǎng)絡(luò)海量數(shù)據(jù)或者經(jīng)營賬單，這對(duì)于融資和企業(yè)再生產(chǎn)具有重大意義。

三、大數(shù)據(jù)能夠促進(jìn)企業(yè)創(chuàng)新

在大數(shù)據(jù)時(shí)代，要想獲得豐富的信息必須對(duì)數(shù)據(jù)進(jìn)行深度挖掘和分析，企業(yè)可以從中極大獲益，比爾·弗蘭克斯的《駕馭大數(shù)據(jù)》向讀者提供了鮮活的例子，網(wǎng)購、汽車保險(xiǎn)業(yè)、機(jī)械制造業(yè)、電力業(yè)、博彩業(yè)、網(wǎng)絡(luò)游戲等行業(yè)的“大數(shù)據(jù)”記錄則會(huì)被企業(yè)拿來用于預(yù)測(cè)市場，利用這些數(shù)據(jù)源，企業(yè)能夠細(xì)分客戶，更加精準(zhǔn)地挖出客戶需求和制定營銷戰(zhàn)略，并且能夠預(yù)測(cè)潛在客戶的行為，提高客戶忠誠度和對(duì)產(chǎn)品的粘著度，增強(qiáng)企業(yè)競爭力。

企業(yè)是市場經(jīng)濟(jì)的單元格，每個(gè)企業(yè)的健康發(fā)展又會(huì)促使經(jīng)濟(jì)穩(wěn)步增長，為此企業(yè)靈活的經(jīng)營方式也必然能夠成為經(jīng)濟(jì)轉(zhuǎn)型的潤滑劑。美國沃爾瑪連鎖超市中買尿布的消費(fèi)者會(huì)順便買啤酒，這是因?yàn)橄掳嗪蟮恼煞蚴芷拮訃谕性谫I尿布的同時(shí)又會(huì)順手購買自己愛喝的啤酒，馬云利用阿里巴巴“大數(shù)據(jù)”中詢盤指數(shù)和成交指數(shù)的強(qiáng)相關(guān)性成功預(yù)測(cè) 2008 年金融危機(jī)，而及時(shí)更新的淘寶“CPI”又讓他成功預(yù)測(cè)通貨膨脹，有效地規(guī)避投資風(fēng)險(xiǎn)，成功的營銷，在企業(yè)主獲利的同時(shí)也拉動(dòng)了國家的內(nèi)需，對(duì)促進(jìn)消費(fèi)者的購買力提供了有效之道。

四、大數(shù)據(jù)促進(jìn)產(chǎn)業(yè)升級(jí)

經(jīng)濟(jì)轉(zhuǎn)型就是從粗放型模式中解脫出來，沖破低回報(bào)率的牢籠，為此就需要國家支持新型產(chǎn)業(yè)的出現(xiàn)，大數(shù)據(jù)的出現(xiàn)使得新興產(chǎn)業(yè)也隨即出現(xiàn)——信息聚合平臺(tái)，他們通過海量的網(wǎng)絡(luò)數(shù)據(jù)挖掘，然后建立數(shù)據(jù)模型，通過圖表或者其他形式將數(shù)據(jù)源或者數(shù)據(jù)分析提供給企業(yè)，未來大數(shù)據(jù)的經(jīng)濟(jì)價(jià)值也會(huì)逐日提高，這些數(shù)據(jù)會(huì)像基礎(chǔ)設(shè)施一樣，由數(shù)據(jù)提供方、管理者、監(jiān)管者、執(zhí)行者等構(gòu)成，數(shù)據(jù)的復(fù)合使用會(huì)成為一大產(chǎn)業(yè)。阿里巴巴有100多個(gè)數(shù)據(jù)分析家，對(duì)不同部門的不同數(shù)據(jù)進(jìn)行分析，共享數(shù)據(jù)的分析以及和數(shù)據(jù)管理員、企業(yè)管理層形成合作性的數(shù)據(jù)分析。GNIP可以為社交網(wǎng)絡(luò)提供API聚合，為WordPress、Twitter、新浪微博、Facebook等網(wǎng)站挖掘網(wǎng)絡(luò)數(shù)據(jù)。艾瑞能夠提供網(wǎng)絡(luò)行為監(jiān)測(cè)數(shù)據(jù)，樣本超過了20萬中國網(wǎng)民，樣本涵蓋1000多個(gè)軟件和3000多家網(wǎng)站，這些無疑促進(jìn)了新興產(chǎn)業(yè)的興盛，推動(dòng)了商業(yè)模式的重新組建和構(gòu)成。

五、大數(shù)據(jù)型人才

根據(jù)經(jīng)濟(jì)學(xué)山體效應(yīng)理論，可以看出人才的重要性。山體效應(yīng)即自然生活中，一些山體達(dá)到的高度就是地下水達(dá)到的高度。根據(jù)這一自然界的客觀規(guī)律構(gòu)建山體效應(yīng)理論，即以山體表示一個(gè)國家或地區(qū)的經(jīng)濟(jì)社會(huì)整體，用一條山形線表示整體中存在不均衡的勞動(dòng)發(fā)展智力水平，這一山形線的高點(diǎn)即山頂處表示整體的經(jīng)濟(jì)社會(huì)發(fā)展水平，代表這一國家或地區(qū)現(xiàn)實(shí)經(jīng)濟(jì)社會(huì)中，智力發(fā)展的最高勞動(dòng)水平?jīng)Q定這個(gè)經(jīng)濟(jì)社會(huì)整體的發(fā)展水平（如圖所示）[4]。

在大數(shù)據(jù)經(jīng)濟(jì)時(shí)代，尤其需要經(jīng)濟(jì)和大數(shù)據(jù)分析復(fù)合型人才，因此對(duì)于高技術(shù)人才的培養(yǎng)也是經(jīng)濟(jì)轉(zhuǎn)型步伐中極具重要的一步，麥肯錫預(yù)測(cè)2018年，美國可能缺少14萬-19萬擁有深度分析的人才，并且缺少懂得使用相應(yīng)工具分析大數(shù)據(jù)作出合理決策的管理和分析人員達(dá)到獎(jiǎng)金150萬，而中國電商阿里巴巴業(yè)務(wù)經(jīng)理牛秦予說道，“國內(nèi)不缺數(shù)據(jù)挖掘人才，但很難找到數(shù)據(jù)科學(xué)家?！币粋€(gè)國家勞動(dòng)力素養(yǎng)直接關(guān)系著國家經(jīng)濟(jì)的高度，所以培養(yǎng)新型高端人才是迫在眉睫的戰(zhàn)略部署。

六、總 結(jié)

綜上所述，在大數(shù)據(jù)時(shí)代，顛覆傳統(tǒng)商業(yè)模式必須要足夠的個(gè)性化，這也會(huì)成為未來商業(yè)發(fā)展的最終目標(biāo)和新驅(qū)動(dòng)力[5]，而對(duì)數(shù)據(jù)的分析和使用，又會(huì)為經(jīng)濟(jì)轉(zhuǎn)型給予了充足的養(yǎng)分和可持續(xù)發(fā)展的土壤，維克托·邁爾·舍恩伯格認(rèn)為“大數(shù)據(jù)開啟了一次重大的時(shí)代轉(zhuǎn)型。為此世界各方大國都將大數(shù)據(jù)建設(shè)納入國家意志，奧巴馬在2012年3月發(fā)布《大數(shù)據(jù)研究和發(fā)展倡議》[6]，投資 2.5億美元，用于啟動(dòng)大數(shù)據(jù)發(fā)展計(jì)劃，隨后英國、加拿大、澳大利亞、法國、日本等30多個(gè)國家也相繼啟動(dòng)大數(shù)據(jù)計(jì)劃，而中國也要緊隨國際潮流的步伐，早日實(shí)施大數(shù)據(jù)計(jì)劃，大力促使我國經(jīng)濟(jì)的轉(zhuǎn)型。

參考文獻(xiàn)：

1. 盧勝軍，王忠軍，栗琳.賽博空間與大數(shù)據(jù)雙重視角下的錢學(xué)森情報(bào)思想[J].情報(bào)理論與實(shí)踐，2013（4）.
2. 鄭玲微.大步跨入“大數(shù)據(jù)”時(shí)代[J].信息化建設(shè)，2013（1）.
3. MCAFEE，EBRYNJOLFSSON.Bigdata：the management revolution [J].Havard Business Review，2012（10）.
4. 錢津.勞動(dòng)效用論[M].北京：社會(huì)科學(xué)文獻(xiàn)出版社，2005
5. 郭國慶，錢明輝.市場營銷學(xué)通論（第四版）[M].北京：中國人民大學(xué)出版社，2011.
6. Big Data Across the Federal Government[EB/OL]http：//www. whitehouse. gov/sites/default/files/microsites/ostp/big_ data_ fact_ sheet. Pdf，2013-01-24.

[責(zé)任編輯：思涵]