鄭鵬飛 李菁菁

關(guān)鍵詞：海關(guān)大數(shù)據(jù)；GTA;R語言教學

1引言

對貿(mào)易數(shù)據(jù)進行統(tǒng)計和分析，是我國海關(guān)的傳統(tǒng)重要職能之一。2021年，我國貨物進出口總額突破39萬億元，比上年增長21 .4%。其中，出口21.7萬億元，增長21.2%；進口17.4萬億元，增長21. 5%。進出口貿(mào)易規(guī)模飛速增長，對海關(guān)統(tǒng)計分析人員的數(shù)據(jù)處理能力提出了更高的要求。然而，依據(jù)我國的海關(guān)統(tǒng)計制度，海關(guān)貿(mào)易數(shù)據(jù)的采集依賴各海關(guān)日常業(yè)務中產(chǎn)生的海量報關(guān)單，匯總以后具有來源廣、字段多、跨度大、體量大等特征，原始數(shù)據(jù)經(jīng)常會到達數(shù)百萬行甚至上億行，面對如此規(guī)模的數(shù)據(jù)，傳統(tǒng)的Excel，Tableau等辦公軟件基本很難使用或者無法使用，需要使用新的工具才能實現(xiàn)“快、廣、深”的目標[1]。

作為一種綜合分析、科學預測的技術(shù)手段，大數(shù)據(jù)技術(shù)為構(gòu)建統(tǒng)籌全局、系統(tǒng)集成、協(xié)同高效的海關(guān)數(shù)據(jù)分析體系提供了可能[2]。歐美發(fā)達國家海關(guān)的實踐已經(jīng)表明，大數(shù)據(jù)技術(shù)可以成為海關(guān)數(shù)據(jù)分析的“效率倍增器”。例如，美國海關(guān)開發(fā)的“全球自動布控系統(tǒng)”能夠迅速將旅客、艙單等信息與其他數(shù)據(jù)庫進行綜合比對，大幅提升了對“高風險旅客”的篩查效率。

鑒于此，《“十四五”海關(guān)發(fā)展規(guī)劃》將“科技興關(guān)動力強勁，創(chuàng)新應用能力大幅提升”作為主要目標之一，強調(diào)要“以大數(shù)據(jù)驅(qū)動風險防控、通關(guān)監(jiān)管、稅收征管、檢驗檢疫等海關(guān)主要業(yè)務運行，形成大數(shù)據(jù)智能應用生態(tài)，提升大數(shù)據(jù)輔助治理能力?！?/p>

2統(tǒng)計軟件R語言特征

為使人才培養(yǎng)符合大數(shù)據(jù)處理的需求，目前很多高校都開設了諸多統(tǒng)計軟件課程[3]，如Python，R，Stata，SAS，SPSS，MATLAB等。其中，R語言是一種功能強大、被諸多高校所青睞的課程，它具有以下幾個基本特征。

（1）R是開源軟件[4]。可以在它的網(wǎng)站及其鏡像中下載任何有關(guān)的安裝程序、源代碼、程序包及其源代碼、文檔資料。標準的安裝文件自身就帶有許多模塊和內(nèi)嵌統(tǒng)計函數(shù)，安裝好后可以直接實現(xiàn)許多常用的統(tǒng)計功能。

（2）R是一種可編程的語言。作為一個開放的統(tǒng)計編程環(huán)境，語法通俗易懂，很容易學會和掌握語言的語法。而且學會之后，我們可以編制自己的函數(shù)來擴展現(xiàn)有的語言。這也就是為什么它的更新速度比一般統(tǒng)計軟件（如SPSS，SAS等）快得多。大多數(shù)最新的統(tǒng)計方法和技術(shù)都可以在R中直接得到。

（3）所有R的函數(shù)和數(shù)據(jù)集是保存在程序包里面的[5]。只有當一個包被載人時，它的內(nèi)容才可以被訪問。一些常用、基本的程序包已經(jīng)被收入標準安裝文件中，隨著新的統(tǒng)計分析方法的出現(xiàn)，標準安裝文件中所包含的程序包也隨著版本的更新而不斷變化。在另外版安裝文件中，已經(jīng)包含的程序包有：base-R的基礎(chǔ)模塊、mle-極大似然估計模塊、ts-時間序列分析模塊、mva-多元統(tǒng)計分析模塊、survival-生存分析模塊等。

（4）R具有很強的互動性[6]。如圖1所示，除了圖形輸出是在另外的窗口處，它的輸入輸出窗口都是在同一個窗口進行的，輸入語法中如果出現(xiàn)錯誤會馬上在窗口中得到提示，對以前輸入過的命令有記憶功能，可以隨時再現(xiàn)、編輯修改，以滿足用戶的需要。輸出的圖形可以直接保存為JPG，BMP，PNG等圖片格式，還可以直接保存為PDF文件。另外，和其他編程語言與數(shù)據(jù)庫之間有很好的接口。

綜上所述．R語言是一門適合大數(shù)據(jù)分析的強大工具。然而，凡事都有其兩面性，與圖形界面豐富的傳統(tǒng)統(tǒng)計軟件相比，R語言具有一定的學習門檻，初學者往往需要輸入至少一萬行代碼才能入門[7]，而且很多程序包的學習甚至比R語言本身還要復雜（如ggplot2軟件包）。

3教學難點

在當前的R語言類課程教學中，主要存在兩個難點。

（1）教學時長偏短。在大多數(shù)高校的人才培養(yǎng)方案中，R語言類課程的教學時長都是16周、32學時，教學內(nèi)容多聚焦于數(shù)據(jù)結(jié)構(gòu)、基本語法，難以使學生快速掌握大數(shù)據(jù)分析能力[8]。

（2）難以獲取數(shù)據(jù)來源。海關(guān)高度重視數(shù)據(jù)保密工作，海關(guān)采集并保有的很多數(shù)據(jù)都涉及國家機密。雖然海關(guān)統(tǒng)計部門也通過其數(shù)據(jù)公布平臺定期發(fā)布海關(guān)數(shù)據(jù)（如圖2所示），但其體量與“大數(shù)據(jù)”的特征存在較大的差距[9]。

除海關(guān)數(shù)據(jù)外，很多其他來源的大數(shù)據(jù)都涉及商業(yè)機密，既難以供學生在課堂上操作實踐，也可能與海關(guān)數(shù)據(jù)分析的主題相去甚遠。

4基于GTA數(shù)據(jù)的教學案例

GTA是全球關(guān)貿(mào)數(shù)據(jù)庫（Global Trade Atlas）的簡稱，它將全球200多個國家和地區(qū)海關(guān)所提供的進出口統(tǒng)計信息整合成一個全面的、雙邊的商品貿(mào)易數(shù)據(jù)庫，使全球貿(mào)易分析人員按需搜索并下載所需數(shù)據(jù)成為可能。該數(shù)據(jù)庫同時提供逐筆的貿(mào)易信息，數(shù)據(jù)來源廣、體量大、跨度久，是用來進行海關(guān)大數(shù)據(jù)分析教學的絕佳數(shù)據(jù)。

4.1分析目標

驗證“十三五”期間我國優(yōu)勢出口產(chǎn)業(yè)是否發(fā)生了明顯地向其他國家轉(zhuǎn)移。

4.2解決思路

第一階段：基于GTA數(shù)據(jù)庫，將我國2015年的全部出口報關(guān)單按6位數(shù)HS編碼進行分組并匯總金額，按倒序排列，取出前200位HS編碼（TOP 200商品）作為我國2015年優(yōu)勢產(chǎn)業(yè)代碼。

第二階段：計算2015年，全世界各個國家和地區(qū)的TOP 200商品出口金額，計算包括我國在內(nèi)的各個國家和地區(qū)這200種商品的出口份額（Share2015）。

第三階段：基于GTA數(shù)據(jù)庫，查找2019年全世界各個國家和地區(qū)TOP 200商品的出口金額，計算包括我國在內(nèi)的各個國家和地區(qū)這200種商品的出口份額（Share2019）。

也可以繪制成圖形，更清晰直觀地展示5年內(nèi)我國在TOP 200商品出口份額的變化情況，如圖3所示。

計算結(jié)果如表1所列（局部），不僅能得到在目標5年內(nèi)TOP 200商品中國的市場份額變化情況，還能得到該商品市場份額增加的前5名國家和減少的后5名國家（因篇幅限制，此處僅顯示前1和后1），即回答了“我們的份額是從誰那搶來的”或者“我們的份額被誰搶走了”的現(xiàn)實問題。

總體來看，在TOP 200商品中，我國出口份額增加的商品有95種，減少的有105種，基本保持穩(wěn)定，即2015～2019年間，我國并未發(fā)生明顯的產(chǎn)業(yè)鏈流失。

5結(jié)束語

在大數(shù)據(jù)人才培養(yǎng)過程中，統(tǒng)計軟件R語言等可編程開源軟件是較為普遍的選擇。然而，由于海關(guān)數(shù)據(jù)的特殊性和難以獲取性，貼近海關(guān)數(shù)據(jù)分析實際的實踐教學相對困難。本文以GTA數(shù)據(jù)為例，利用難度不高的代碼對海關(guān)統(tǒng)計分析領(lǐng)域的一個常見問題進行了較為清晰的解答，為海關(guān)大數(shù)據(jù)分析教學提供了新的思路。