劉中顯 成卓

我國(guó)宏觀經(jīng)濟(jì)運(yùn)行正面臨諸多新問(wèn)題新挑戰(zhàn)，迫切需要做好政策儲(chǔ)備。前瞻性地研判宏觀經(jīng)濟(jì)走勢(shì)，僅僅依靠統(tǒng)計(jì)數(shù)據(jù)稍顯滯后。市場(chǎng)日趨復(fù)雜和多元，采用大數(shù)據(jù)分析方法一定程度上能夠彌補(bǔ)如此局限，是提高宏觀經(jīng)濟(jì)研判效率、積極應(yīng)對(duì)內(nèi)外部挑戰(zhàn)的必要工具。阿里巴巴作為全球互聯(lián)網(wǎng)公司市值第五名企業(yè)，匯聚了海量經(jīng)濟(jì)數(shù)據(jù)，在大數(shù)據(jù)應(yīng)用于行業(yè)分析、景氣判斷、經(jīng)濟(jì)預(yù)測(cè)等宏觀經(jīng)濟(jì)研究方面進(jìn)行了有益的探索，值得借鑒。

一、初期探索：前瞻性精準(zhǔn)預(yù)判的優(yōu)勢(shì)初步顯現(xiàn)

早在2008年初，阿里巴巴就成功地應(yīng)用大數(shù)據(jù)預(yù)測(cè)出世界貿(mào)易拐點(diǎn)。根據(jù)常識(shí)，買(mǎi)家在采購(gòu)商品前，會(huì)比較多家供應(yīng)商的產(chǎn)品，反映到阿里網(wǎng)站統(tǒng)計(jì)數(shù)據(jù)中，就是查詢(xún)點(diǎn)擊數(shù)量和購(gòu)買(mǎi)點(diǎn)擊量會(huì)保持一個(gè)相對(duì)穩(wěn)定的數(shù)值。阿里綜合各個(gè)維度的海量數(shù)據(jù)建立了“點(diǎn)擊量—購(gòu)買(mǎi)量”的用戶(hù)行為模型。2008年初，阿里平臺(tái)上歐美買(mǎi)家的查詢(xún)點(diǎn)擊數(shù)急劇下滑。根據(jù)該用戶(hù)行為模型，阿里前半年時(shí)間預(yù)測(cè)出了世界貿(mào)易的拐點(diǎn)。這成為阿里較早應(yīng)用大數(shù)據(jù)研究宏觀經(jīng)濟(jì)的成功案例，也顯示出大數(shù)據(jù)在宏觀經(jīng)濟(jì)分析應(yīng)用中所具有的前瞻性精準(zhǔn)預(yù)判優(yōu)勢(shì)。

二、基本邏輯：底層數(shù)據(jù)—指標(biāo)集—經(jīng)濟(jì)模型

隨著物聯(lián)網(wǎng)、云計(jì)算、人工智能等新一代信息技術(shù)的發(fā)展，阿里逐漸采集、匯聚、整理、分析和研究其平臺(tái)內(nèi)外的數(shù)據(jù)，形成了“數(shù)據(jù)—指標(biāo)—模型”的大數(shù)據(jù)研究宏觀經(jīng)濟(jì)的基本邏輯。

（一）匯聚阿里生態(tài)圈全域數(shù)據(jù)

阿里主要采集的數(shù)據(jù)包括：淘寶天貓、新零售、飛豬、螞蟻金服、大阿云、高德、釘釘、大文娛、阿里健康、站外數(shù)據(jù)等阿里生態(tài)經(jīng)濟(jì)圈的全域數(shù)據(jù)。具體包括電商、零售、生活、工具、商業(yè)基礎(chǔ)設(shè)施、外部等6大類(lèi)13小類(lèi)72種數(shù)據(jù)，其中既包括基本畫(huà)像、行為偏好、社會(huì)交往、財(cái)富狀況等消費(fèi)者數(shù)據(jù)，也包括商品/品牌、行業(yè)/地域、風(fēng)險(xiǎn)/價(jià)值等商業(yè)數(shù)據(jù)。數(shù)據(jù)采集方式為數(shù)據(jù)庫(kù)接入、外部數(shù)據(jù)爬取、輿情數(shù)據(jù)，以及通過(guò)人脈、經(jīng)驗(yàn)、內(nèi)部管理層級(jí)等手工錄入。之后進(jìn)行數(shù)據(jù)清洗。數(shù)據(jù)清洗方法：一是根據(jù)統(tǒng)計(jì)局、省市縣、貧困縣、農(nóng)產(chǎn)品等分類(lèi)整理；二是對(duì)文本進(jìn)行結(jié)構(gòu)化；三是對(duì)輿情等數(shù)據(jù)進(jìn)行情感分析，最后得到經(jīng)濟(jì)與社會(huì)數(shù)據(jù)、人脈關(guān)系數(shù)據(jù)。

（二）提取經(jīng)濟(jì)數(shù)據(jù)指標(biāo)集合

基于匯聚起來(lái)的經(jīng)濟(jì)數(shù)據(jù)，阿里從新零售、消費(fèi)升級(jí)、產(chǎn)業(yè)發(fā)展、區(qū)域經(jīng)濟(jì)、全球化、中小企業(yè)雙創(chuàng)、平臺(tái)經(jīng)濟(jì)治理、數(shù)據(jù)技術(shù)政策、技術(shù)普惠和社會(huì)責(zé)任等十個(gè)維度提取經(jīng)濟(jì)數(shù)據(jù)指標(biāo)集合，共涉及28類(lèi)指標(biāo)。總體上看，這些指標(biāo)包括主要四類(lèi)：一是區(qū)域經(jīng)濟(jì)發(fā)展指標(biāo)，包括城鎮(zhèn)化、淘寶村等方面指標(biāo)；二是行業(yè)發(fā)展指標(biāo)，包括產(chǎn)業(yè)帶、小微企業(yè)活躍度、綠色產(chǎn)品、農(nóng)產(chǎn)品、國(guó)產(chǎn)品牌、老字號(hào)等方面的指標(biāo)；三是人的指標(biāo)，包括消費(fèi)升級(jí)、大學(xué)生、殘疾人、婦女等方面的指標(biāo)；四是國(guó)家關(guān)系指標(biāo)，包括貿(mào)易、旅游、金融等方面的指標(biāo)。

（三）構(gòu)建模型展開(kāi)經(jīng)濟(jì)研究

阿里在底層數(shù)據(jù)和指標(biāo)集合的基礎(chǔ)上，構(gòu)建模型開(kāi)展經(jīng)濟(jì)研究。模型的邏輯是通過(guò)A（指標(biāo)）變化看B的情況：一是分析就業(yè)、消費(fèi)者福利、普惠金融等領(lǐng)域指標(biāo)，得出阿里價(jià)值；二是分析消費(fèi)品價(jià)格、信息化、創(chuàng)業(yè)等領(lǐng)域指標(biāo)，為政府價(jià)格監(jiān)測(cè)、供給側(cè)結(jié)構(gòu)改革、智能制造、雙創(chuàng)等政策提供決策支撐；三是分析AI/IOT/BC技術(shù)趨勢(shì)、平臺(tái)治理、數(shù)據(jù)規(guī)范等領(lǐng)域指標(biāo)，對(duì)未來(lái)發(fā)展進(jìn)行預(yù)測(cè)；四是分析數(shù)據(jù)經(jīng)濟(jì)。如，通過(guò)母嬰用品指標(biāo)分析二胎情況、通過(guò)冬裝指標(biāo)分析氣候、通過(guò)食鹽指標(biāo)分析人口分布、通過(guò)進(jìn)口保健品指標(biāo)分析供給側(cè)改革、通過(guò)人員流動(dòng)指標(biāo)分析房地產(chǎn)和區(qū)域發(fā)展不平衡狀況。

三、主要特點(diǎn)：圍繞數(shù)據(jù)全生命周期開(kāi)展“小核心、大協(xié)作”的數(shù)據(jù)能力整合

阿里充分利用大數(shù)據(jù)時(shí)代的顛覆性數(shù)據(jù)算力，圍繞阿里生態(tài)內(nèi)外海量數(shù)據(jù)的采集、匯聚、分析和反饋等核心環(huán)節(jié)，以“小核心、大協(xié)作”的內(nèi)外部資源配置模式，組織“內(nèi)部少量數(shù)據(jù)分析團(tuán)隊(duì)+規(guī)模龐大內(nèi)部數(shù)據(jù)清洗團(tuán)隊(duì)和外部研究團(tuán)隊(duì)”，探索開(kāi)展宏觀經(jīng)濟(jì)分析，并對(duì)數(shù)據(jù)全生命周期進(jìn)行安全保障。

（一）體現(xiàn)了及時(shí)、精準(zhǔn)、低成本、高顆粒度和大樣本等大數(shù)據(jù)獨(dú)特優(yōu)勢(shì)

一是及時(shí)性。阿里互聯(lián)網(wǎng)平臺(tái)積累起來(lái)的數(shù)據(jù)存儲(chǔ)在開(kāi)放、即時(shí)的網(wǎng)絡(luò)空間中，交易數(shù)據(jù)、價(jià)格數(shù)據(jù)、瀏覽痕跡、位置信息等一切信息從相關(guān)主體使用互聯(lián)網(wǎng)起，即刻被記錄在網(wǎng)絡(luò)平臺(tái)中。這些數(shù)據(jù)被特定算法提取出來(lái)并用于處理和分析經(jīng)濟(jì)問(wèn)題，不存在時(shí)滯。二是精準(zhǔn)性。阿里互聯(lián)網(wǎng)平臺(tái)按照實(shí)際電子商務(wù)交易情況記錄數(shù)據(jù)信息，減少辦理人員人工登記的操作，提供相對(duì)更加原始的數(shù)據(jù)信息，而非人工搜集并經(jīng)過(guò)處理后的數(shù)據(jù)信息，體現(xiàn)了分析精確性的特征。三是低成本。阿里平臺(tái)大數(shù)據(jù)是用戶(hù)使用過(guò)程中自動(dòng)被記錄下來(lái)的，不需人工調(diào)查和搜集。用于經(jīng)濟(jì)分析的數(shù)據(jù)是通過(guò)算法等技術(shù)手段提取出來(lái)加以整理獲得的，很大程度上降低了數(shù)據(jù)獲取成本。四是高顆粒度。阿里互聯(lián)網(wǎng)平臺(tái)匯聚了10萬(wàn)余種具體商品的交易數(shù)據(jù)，擺脫了傳統(tǒng)經(jīng)濟(jì)研究集中在國(guó)家總量數(shù)據(jù)、行業(yè)總體數(shù)據(jù)等非細(xì)化數(shù)據(jù)的局限，使得阿里可以開(kāi)展更加細(xì)化、更加具體的經(jīng)濟(jì)研究。五是大樣本量。阿里互聯(lián)網(wǎng)平臺(tái)生態(tài)中既有大企業(yè)，也有大量規(guī)模以下的小微企業(yè)，使阿里擁有海量的樣本數(shù)，可以相對(duì)獲取總體或者接近全體的樣本信息。

（二）內(nèi)部以部門(mén)合作方式生成和分析價(jià)格變動(dòng)等宏觀經(jīng)濟(jì)指標(biāo)

阿里巴巴以清晰科學(xué)的部門(mén)專(zhuān)業(yè)化分工開(kāi)展大數(shù)據(jù)經(jīng)濟(jì)分析研究，基本分工方式為：少量經(jīng)濟(jì)分析人員+大量數(shù)據(jù)采集和清洗人員。經(jīng)濟(jì)分析人員配置較少。通常情況下，一項(xiàng)大數(shù)據(jù)經(jīng)濟(jì)分析任務(wù)僅配置3名研究人員左右、全職工作3—6個(gè)月完成。數(shù)據(jù)采集清洗人員規(guī)模龐大。阿里配置了常設(shè)的百人規(guī)模的團(tuán)隊(duì)負(fù)責(zé)數(shù)據(jù)采集和清洗工作。具體的工作內(nèi)容龐雜而細(xì)碎。例如，a為b購(gòu)買(mǎi)商品，a在北京下單和支付，b在沈陽(yáng)收貨。當(dāng)經(jīng)濟(jì)分析任務(wù)是研究區(qū)域消費(fèi)購(gòu)買(mǎi)力時(shí)，數(shù)據(jù)采集清洗團(tuán)隊(duì)要通過(guò)算法識(shí)別出該“支付和收貨不同城”的交易類(lèi)別，并將其歸入a所在的北京地區(qū)數(shù)據(jù)集。

目前，阿里巴巴生產(chǎn)的常規(guī)指數(shù)包括網(wǎng)購(gòu)價(jià)格指數(shù)、區(qū)域電商指數(shù)、云棲指數(shù)（用于測(cè)度云計(jì)算應(yīng)用情況）。其中，主要用于宏觀經(jīng)濟(jì)研究的為網(wǎng)購(gòu)價(jià)格指數(shù)?？傮w上看，網(wǎng)購(gòu)價(jià)格指數(shù)由兩類(lèi)指數(shù)構(gòu)成。一是阿里網(wǎng)購(gòu)核心商品價(jià)格指數(shù)（aSPI—core）。該指數(shù)是固定籃子價(jià)格指數(shù)，通過(guò)圈定阿里零售平臺(tái)上近五百個(gè)基本分類(lèi)下接近10萬(wàn)種核心商品作為“固定籃子”，每月追蹤“固定籃子”內(nèi)商品和服務(wù)實(shí)際網(wǎng)購(gòu)成交價(jià)格變化，以刻畫(huà)網(wǎng)購(gòu)主流商品和服務(wù)的一般物價(jià)水平波動(dòng)，從而從網(wǎng)絡(luò)零售渠道反映宏觀物價(jià)走勢(shì)。二是阿里巴巴全網(wǎng)網(wǎng)購(gòu)價(jià)格指數(shù)（aSPI）。該指數(shù)用以反映全網(wǎng)總體網(wǎng)購(gòu)支出價(jià)格水平的變化。它不但包含了商品層面一般價(jià)格變動(dòng)，還包含了新產(chǎn)品涌現(xiàn)所形成的消費(fèi)結(jié)構(gòu)變動(dòng)信息。兩組指數(shù)均由十大分類(lèi)指數(shù)構(gòu)成，分別是食品、煙酒及用品、衣著、家庭設(shè)備及維修服務(wù)、醫(yī)療保健和個(gè)人用品、交通和通信、娛樂(lè)教育文化用品及服務(wù)、居住、辦公用品和服務(wù)及愛(ài)好收藏投資。十大分類(lèi)指數(shù)下還包括了近五百個(gè)基本分類(lèi)價(jià)格指數(shù)。

（三）對(duì)外以項(xiàng)目制開(kāi)展宏觀經(jīng)濟(jì)單個(gè)領(lǐng)域研究合作

一是與清華大學(xué)合作開(kāi)展京津冀“電商→區(qū)域一體化”促進(jìn)指數(shù)研究。該研究采集阿里平臺(tái)在京津冀地區(qū)銷(xiāo)售大數(shù)據(jù)，度量電商對(duì)區(qū)域經(jīng)濟(jì)一體化的影響效果。指數(shù)體系分為區(qū)域差異性指數(shù)、專(zhuān)業(yè)化分工指數(shù)以及城市間互動(dòng)指數(shù)等三個(gè)“橫向”維度，另外還有區(qū)域?qū)用婧统鞘袑用孢@兩個(gè)指數(shù)的“縱向”維度。指數(shù)間通過(guò)幾何加權(quán)平均方法進(jìn)行合成，從而得到電子商務(wù)對(duì)區(qū)域一體化促進(jìn)指數(shù)。

二是與國(guó)務(wù)院發(fā)展研究中心合作開(kāi)展重點(diǎn)城市價(jià)格監(jiān)測(cè)，選取阿里平臺(tái)在重點(diǎn)城市的重點(diǎn)產(chǎn)品消費(fèi)情況，監(jiān)測(cè)重點(diǎn)城市的消費(fèi)發(fā)展。

三是與國(guó)家發(fā)改委的合作。采集阿里平臺(tái)消費(fèi)大數(shù)據(jù)，分析消費(fèi)構(gòu)成比例變化，用于對(duì)“十三五”規(guī)劃中消費(fèi)升級(jí)的評(píng)估。該研究分析中高端商品消費(fèi)、信息消費(fèi)、個(gè)性消費(fèi)比例變動(dòng)，判斷消費(fèi)升級(jí)情況；分析長(zhǎng)江經(jīng)濟(jì)帶、粵港澳等地區(qū)消費(fèi)占比，判斷消費(fèi)的區(qū)域增長(zhǎng)動(dòng)力情況；分析盒馬鮮生、天貓小店等消費(fèi)占比，判斷新業(yè)態(tài)消費(fèi)發(fā)展情況。

（四）從數(shù)據(jù)全生命周期梳理出14個(gè)安全域設(shè)立50個(gè)安全管理過(guò)程

阿里大數(shù)據(jù)宏觀經(jīng)濟(jì)分析涉及復(fù)雜的數(shù)據(jù)流程和龐大的數(shù)據(jù)量，并涉及阿里生態(tài)內(nèi)外的多方數(shù)據(jù)主體。為此，阿里在數(shù)據(jù)產(chǎn)生、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)使用、數(shù)據(jù)傳輸、數(shù)據(jù)共享、數(shù)據(jù)銷(xiāo)毀等數(shù)據(jù)全生命周期共梳理出14個(gè)安全域。其中，數(shù)據(jù)產(chǎn)生環(huán)節(jié)包括數(shù)據(jù)權(quán)利管理、數(shù)據(jù)分類(lèi)分級(jí)等2個(gè)安全域。數(shù)據(jù)存儲(chǔ)環(huán)節(jié)包括存儲(chǔ)介質(zhì)安全、存數(shù)數(shù)據(jù)安全、數(shù)據(jù)可用性管理等3個(gè)安全域。數(shù)據(jù)使用環(huán)節(jié)包括身份認(rèn)證與訪問(wèn)控制、加密管理、數(shù)據(jù)使用行為監(jiān)控、數(shù)據(jù)使用過(guò)程安全等4個(gè)安全域。數(shù)據(jù)傳輸環(huán)節(jié)包括網(wǎng)絡(luò)安全管理等1個(gè)安全域。數(shù)據(jù)共享環(huán)節(jié)包括數(shù)據(jù)共享基本原則、數(shù)據(jù)共享安全等2個(gè)安全域。數(shù)據(jù)銷(xiāo)毀環(huán)節(jié)包括數(shù)據(jù)清理、數(shù)據(jù)介質(zhì)的銷(xiāo)毀等2個(gè)安全域。在每個(gè)安全域，阿里又細(xì)分出50個(gè)安全管理過(guò)程。在每個(gè)安全管理過(guò)程中，都制定了相關(guān)的規(guī)章、工作流程，并能夠?qū)Π踩芾淼慕Y(jié)果進(jìn)行量化分析和可視化展示。目前，這些數(shù)據(jù)安全管理流程逐漸被阿里平臺(tái)上的企業(yè)所使用，向這些企業(yè)賦能。

四、借鑒阿里經(jīng)驗(yàn)，推動(dòng)宏觀經(jīng)濟(jì)研究智能化發(fā)展

（一）探索推進(jìn)智庫(kù)與互聯(lián)網(wǎng)平臺(tái)“經(jīng)濟(jì)分析+數(shù)據(jù)采集清洗”模式合作

阿里與清華大學(xué)、國(guó)務(wù)院發(fā)展研究中心等高端智庫(kù)合作的分工，通常采取阿里的數(shù)據(jù)能力與高端智庫(kù)的研究能力結(jié)合。建議發(fā)揮高端智庫(kù)經(jīng)濟(jì)研究人員規(guī)模較大、專(zhuān)業(yè)齊全的優(yōu)勢(shì)，推進(jìn)與互聯(lián)網(wǎng)平臺(tái)公司開(kāi)展對(duì)接合作。通過(guò)研究需求導(dǎo)向，積極推進(jìn)高端智庫(kù)與互聯(lián)網(wǎng)平臺(tái)溝通，逐步解決當(dāng)前大數(shù)據(jù)宏觀經(jīng)濟(jì)分析中數(shù)據(jù)編碼、分類(lèi)、時(shí)間、空間等口徑不一致問(wèn)題，解決基礎(chǔ)信息采集、分析、使用的困難。

（二）研究建立大數(shù)據(jù)宏觀經(jīng)濟(jì)監(jiān)控指標(biāo)體系

大數(shù)據(jù)研究宏觀經(jīng)濟(jì)正在發(fā)生三個(gè)轉(zhuǎn)變：從依靠傳統(tǒng)統(tǒng)計(jì)數(shù)據(jù)向依靠互聯(lián)網(wǎng)非統(tǒng)計(jì)數(shù)據(jù)轉(zhuǎn)變，從監(jiān)測(cè)預(yù)測(cè)宏觀經(jīng)濟(jì)總量向監(jiān)測(cè)預(yù)測(cè)宏觀經(jīng)濟(jì)先行指標(biāo)轉(zhuǎn)變，從中長(zhǎng)期監(jiān)測(cè)預(yù)測(cè)向?qū)崟r(shí)監(jiān)測(cè)預(yù)測(cè)轉(zhuǎn)變。但也應(yīng)看到，大數(shù)據(jù)應(yīng)用宏觀經(jīng)濟(jì)研究更多是對(duì)價(jià)格、消費(fèi)等進(jìn)行客觀描述，較少采用結(jié)構(gòu)性的方法來(lái)分析，缺乏經(jīng)濟(jì)理論支撐。因此，建議發(fā)揮高端智庫(kù)的經(jīng)濟(jì)研究理論優(yōu)勢(shì)，圍繞網(wǎng)絡(luò)搜索、社交媒體、電子商務(wù)、終端定位和業(yè)務(wù)交易等大數(shù)據(jù)源，探索建立基于非傳統(tǒng)數(shù)據(jù)的宏觀經(jīng)濟(jì)監(jiān)測(cè)預(yù)測(cè)體系，提升宏觀經(jīng)濟(jì)形勢(shì)分析以及重點(diǎn)行業(yè)、重點(diǎn)區(qū)域發(fā)展實(shí)時(shí)監(jiān)測(cè)預(yù)測(cè)的大數(shù)據(jù)應(yīng)用能力，以及中美貿(mào)易戰(zhàn)等突發(fā)事件應(yīng)急研究相應(yīng)能力。

（三）著力解決數(shù)據(jù)使用中的安全隱患

互聯(lián)網(wǎng)平臺(tái)公司的大數(shù)據(jù)中，微觀數(shù)據(jù)主體是多元的。一方面，基礎(chǔ)數(shù)據(jù)和初步合成數(shù)據(jù)涉及生態(tài)圈中小企業(yè)、平臺(tái)企業(yè)商業(yè)秘密，有較強(qiáng)的企業(yè)數(shù)據(jù)隱私性。另一方面，當(dāng)眾多微觀數(shù)據(jù)運(yùn)用大數(shù)據(jù)技術(shù)合稱(chēng)為宏觀數(shù)據(jù)后，會(huì)涉及國(guó)家經(jīng)濟(jì)安全。因此，建議著力關(guān)注數(shù)據(jù)應(yīng)用的安全問(wèn)題。鑒于我國(guó)高端智庫(kù)的信息化團(tuán)隊(duì)普遍規(guī)模較小，建議借鑒阿里等平臺(tái)公司對(duì)數(shù)據(jù)全生命周期的安全管理模式，建立智庫(kù)大數(shù)據(jù)使用規(guī)章、制度、流程，合理安全使用大數(shù)據(jù)。

（作者單位：中國(guó)宏觀經(jīng)濟(jì)研究院、國(guó)家發(fā)展改革委經(jīng)濟(jì)所）