陈沁:让大数据链接,发挥指数的“晴雨表”价值

2019年12月18日       来源: 人民网-产经频道

今日,由人民日报社主办的“2019中国品牌论坛”在北京举行。论坛以“质量立国,品牌强国”为主题,围绕习近平总书记在河南考察时提出“三个转变”的重要指示,即“推动中国制造向中国创造转变、中国速度向中国质量转变、中国产品向中国品牌转变”。在论坛现场,记者采访到了成都数联铭品科技有限公司首席经济学家陈沁。

记者:大数据在近年来,无论在宏观经济研究还是在实践应用上,都有了长足的进展,您如何看待大数据的发展和变革?

陈沁:近年来大数据其实已经不再是一个非常前沿的词语,人们早就知道大数据的定义是什么。一个显著的变化是,人们越来越多地找到了它能够落地实践的地方,而这些实践中我认为最重要的一个关键词在于“链接”。大数据的链接,第一需要将数据特征给链接到数据主体上,包括个人的数据,企业的数据。例如我所在的公司,成都数联铭品科技有限公司,曾经做过这样几项工作,第一是为贵州省搭建精准扶贫平台。因为每个人的很多数据散落在不同的部门,在没有链接在一起时,我们要识别一个人是否贫困是很困难的。所以我们在云上贵州做了这样一个系统,将个人的不同数据接口打通。通过这个平台可以甄别哪些人虽然表面看起来贫困,但是可能在别处有房、有车、有公司,那他可就不属于精准扶贫的范畴内。公司层面的数据也是这样,比如一家小微企业想要贷款,我们需要将他的水电使用、网络使用、社保纳税、招聘创新等一系列信息全部链接起来之后,才能拼出完整的公司拼图,告诉我们这家公司的真实情况如何。大数据要落地实践的第二个“链接”存在于数据主体和技术服务企业之间,比如我们在进行政务服务,征信服务,为上交所、深交所进行金融交易服务,甚至是为一些安全部门提供较为敏感的技术服务,都是这种链接的体现。这些部门拥有数据,而我们拥有成熟的大数据服务技术,那么如何将我们的技术与数据结合起来,同时满足安全性、隐私性、合规性的具体要求就是我们工作的核心部分。我们还在这条路上不断地探索,让数据和数据链接,让数据所有者和数据服务商链接,我认为这是大数据在这些年来不断往实践发展的主题。

记者:在宏观经济研究和指数方面,您是业界的专家,那么您都有过哪些尝试?

陈沁:我和我的团队进行过不少宏观经济和指数方面的尝试。3年半前,我们和财新传媒一起发布了新经济指数。在发布之初就得到过李克强总理的肯定。我们的思路有两条,第一,传统统计方法在经济剧烈转型时可能因为抽样框的老化而失效,需要更前瞻、更全面、更能体现企业行为的大数据;二,中国经济的引擎在慢慢出现变化,之前在劳动力供给充裕、资本回报率较高的情况下,传统制造业是这样的引擎,那么未来,人口红利逐渐消失,资本回报率下降,新的引擎在哪里?我们使用大数据,识别企业行为,划分企业类型之后,建立了“新经济指数”,它的含义是新经济企业的投入在每个月总经济投入中的占比。打一个比方,你可以想象有一池湖水,我现在想要测量湖水的温度,但是我的温度计失效了,怎么办?很幸运,我们看到湖面上有一群鸭子,这群鸭子分为两种,一种对湖水温度很敏感——我们称之为新经济企业,它们以轻资产和高技能人力资本投入为特征,进入退出的速度很快——另一种对湖水温度不敏感,我们称之为传统企业。那么我们可以看到,当湖水温度上升的时候,那群很敏感的鸭子就下水了,但那群不敏感的鸭子还没下水;而水温下降的时候,很敏感的鸭子也会先上岸。所以,我们去看这两种鸭子在这群鸭子里面的比例,就可以知道湖水温度到底是上升还是下降。这就是所谓的“春江水暖鸭先知”,也是指数所发挥的“晴雨表”价值所在。我们使用新经济指数不断对中国经济进行前瞻性的监测,并多次提前一个季度左右对经济变化做出了准确判断,例如在本次11月经济数据公布前,我们就已经再10月2日和11月2日对四季度经济回暖进行了提前的判断。使用这种方法论,我们已经发现了非常多非常有趣而且有用的经济景气前瞻指标,我们也在尝试将这个方法和投资联系起来,让它真正能够产生作用。

记者:大数据的应用日益广泛,我们了解到您在服务国家部委和地方相关职能部门方面也有诸多成功案例,您能否分享一下?

陈沁:我们以新经济指数和以此为基础的大数据宏观经济研究作为主线,为许多国家部委和地方智能部门进行过服务,例如国家发改委、海关总署、国家粮食局、国家信息中心、上海市、湖北省、成都市、贵阳市发改委等等,使用大数据建立能够提前预判经济变化的宏观经济指标,以及能够发现具体问题的微观经济地图,在相关部门进行经济调度时起到的作用非常大。比如一个简单的例子,我们都知道地方经济部门很关注固定资产投资这个指标,那么固定资产投资其实是可以提前用很多数据计算出来的,我们用许多类似挖掘机开挖时间这样的指标,我们会去看土地市场的变化,原材料市场的变化,招聘市场的变化,哪些人开始被大量招聘了,他们和那些固定资产投资相关的工作产生的岗位有关,等等。通过数据的变化,我们可以提前测算出固定资产投资的变化。