第四节 大数据的主要应用领域

大数据是移动互联网、云计算和物联网等技术发展的必然趋势，是分析决策方式、科学研究范式和创新思维模式的重要突破，如今大数据的应用不仅仅限于互联网行业，已经渗透到各行业和应用领域，成为组织发展的生产因素和未来竞争的核心要素。

一 政府决策

国家大数据战略的出台为数字治理理论与大数据技术的应用与融合创造了条件。各地各级政府都开始尝试将大数据技术应用于政府决策领域，大数据驱动政府决策在科学性、有效性、精准性等方面的效果逐渐显现。目前大数据在政府决策方面有以下几种情况应用较为普遍。

1.搜集和分析舆论、民情方面

随着技术的发展，智能终端的普及为人们提供了新的社交方式，人们更喜欢通过微博、微信、贴吧等渠道及时表达对事件的观点与看法，庞大的网民数量和超长的上网时间成为各类数据来源的保障。这些庞大而混杂的数据信息需要进行一定的加工和转化，才能够应用于政府部门的决策，而大数据技术在加工和转化的过程中将起到重要作用。经过有效分析和处理，政府部门可以及时掌握社会民众心态的状况与变化趋势，为社会问题、社会态势的发现和处理提供直接依据，实现公众议程向政策议程的转化。如2018年政府工作报告吸收了中国政府网提供的“教育”和“医疗保障”两则网民意见。这两则网民意见不仅是民众高度关注的民生话题，同时也是政府制定公共政策过程中应该予以优先解决的问题。通过网络平台充分听取群众呼声更有助于对政策目标进行清晰明确的界定。

2.公共服务方面

大数据在公共服务方面的应用最为普遍和成熟。以医疗卫生服务为例，通过健康医疗大数据平台可以拓宽就医渠道，打破信息传递障碍，让居民就医更加便捷。例如，福州市计划推出“互联网+智慧医疗”服务应用，打造数字医疗九大平台，其中互联网医疗服务平台将建设统一的预约挂号平台，汇集二、三级医院挂号资源池，提供网络、电话、微信、APP等多种预约挂号途径，实现统一的全时、全科、全程预约挂号。厦门大学附属第一医院也推行了“互联网+”与医疗的融合方案，运用先进的移动信息技术助力医疗卫生行业的发展，使更多的居民体会到智慧医疗带来的便捷^[32]。同时，对社会公众健康医疗数据的挖掘，有助于深入分析个别地区集中出现某一病情的原因，为政府降低患病诱因、治理环境、制定政策等提供强有力的技术支持。不难看出，大数据的应用使公共需求得以更好满足、民生得以更好保障，并促进人民美好生活的愿望能更好得到实现。

3.应急处理方面

地方政府可以根据大数据提供的实时动态监测、人流趋势分析、人群画像分析等信息，对诸如大型群体性活动、节假日旅游景区等进行人流的智能把控，一旦数据分析提示出现异常人群密集情况或超过场所的最高承受量，管理机构就能够提前采取应急措施，预防复杂问题的出现。又如对自然灾害预测方面，过去的数据收集和分析方式存在难度大、成本高等问题，而物联网的发展则可以借助大量廉价的传感器摄像头和无线通信网络，实现实时数据监控收集，再利用大数据预测分析，最终做到精准预测，从而降低自然灾害损失。

大数据不仅是新技术，更是一种全新的思维模式和工作方法。大数据技术在社会治理领域的应用正是各级政府转变思维模式、创新工作方法的体现。同时，通过大数据分析对不同的政策方案反复对比，可以尽量减少人为干扰，努力做到好中选优、精准施策。因此，有效运用大数据推动经济发展，完善社会治理，提升政府科学决策和服务能力，打造精准治理、多方协作的社会治理新模式，具有一定的现实意义。

二 经济预测

传统宏观经济预测方法经过几十年的发展，模型多种多样且较为全面，能对各种各样情况下的数据结构进行分析和预测，但使用的数据存有缺点，导致无法进一步提高模型预测的效果，存在根本性的瓶颈问题。大数据并不是对传统宏观预测模型方法的革新，而是对传统宏观预测模型方法的补充和改进。通过对传统统计分析方法使用数据的改进，突破传统方法的根本局限，从而提高模型的预测效果，扩大应用范围。^[33]

1.研究通货膨胀问题方面

传统的宏观统计数据需要在经济运行发生后，通过相关部门统计汇总，这个过程需要较长时间，一般统计的数据指标都是滞后一年或者滞后一个季度的数据。而通过网络传输数据信息，利用网络自动传输销售商品种类和价格数据，能达到实时计算过去指定时间段的CPI指数。如通过传感器收集每天的全部商品交易数据，直接计算当月的通货膨胀率，这种方法得到的数据会是实时的，并且是近乎全样本数据。人们通过互联网来搜索自己感兴趣的内容，如果居民感受到日常生活中价格的普遍上涨，那么就会通过网络搜索来了解关于“通货膨胀”的话题，通过网络中搜索“通货膨胀”相关的词汇搜索量作为通货膨胀指标，关于“通货膨胀”搜索量越大，那么居民感受到的“通货膨胀”越强，表明实际的通货膨胀越高，从而构建了用“通货膨胀”搜索量为指标来预测通货膨胀。

2.研究失业率问题

美国最早利用网络搜索数据作为宏观经济指标研究的失业率情况，通过搜索引擎相关词条搜索情况来分析预测美国失业率情况，发现网络搜索量与美国失业率之间存在较强的关系。虽然中国官方没有提供失业率的数据，但是网民会通过网络搜索来反映失业率的情况，利用百度搜索引擎的搜索数据来构建失业率的指标，并且用构建的指标分析与其他中国宏观经济指标之间的联系，发现相关性较强，这种构建起来的失业率指标可以用于辅助分析预测中国经济情况，并且研究表明基于网络搜索数据预测的失业率能够比官方数据更早反映失业率趋势变化。

3.研究社会消费问题

如有学者使用Google Insights数据作为预测美国私人消费情况的指标，通过对比使用传统统计数据做指标和包含Google Insights指标预测美国私人消费增长率发现，通过主成分分析法来对Google Insights进行降维后加入模型可以提高20%的准确率。淘宝交易平台利用网络交易数据构建了价格指数，提供两种不同的价格指数——阿里巴巴网购价格指数和网购核心商品价格指数，前者是基于生活消费理论编制的，反映阿里巴巴网购平台总体支出价格水平的变化；后者提供了固定篮子理论出发的阿里核心商品价格指数，反映了核心商品价格指数。基于阿里巴巴网购交易大数据，也很方便测算食品类、烟酒类、办公用品及服务等不同类别的细致的价格指数。

通过大数据技术和方法，获取及时性的数据，结合传统的宏观预测和分析模型，既能有效利用经济理论解释经济问题，又能通过大数据获取的数据信息突破传统统计数据存在的问题，有效提高宏观经济预测和分析的效果，为宏观经济预测和分析带来新的突破。

三 社会民生

大数据时代，给人们带来了方便、快捷的生活，极大地影响和改变了人类的生产和生活方式，引发了社会生活各个层面的深刻变化，给社会发展带来了新的平台和机遇，加快了民生问题解决的速度。

1.交通方面

通过对交通数据的收集和分析挖掘，来对现有交通设施性能进行改善，提高其利用效率。例如，杭州市通过集中的数据中心将全市卡口、电子警察、视频监控、流量检测设备、信号机、诱导设备等有效地连接起来，从交通案件侦破能力、交通警察对机动车辆的监管能力到利用关联车辆的数据分析能力，都得到了极大提升。2016年，深圳市推出Deep View交通大数据平台；2017年，研发了实时在线仿真系统和智能车路协同系统并在龙岗区上路试验，组建了交通大数据行业研发中心；2018年，又推出了智慧道路系统和智慧品质交通，在一定程度上利用大数据解决了交通方面的部分问题。

2.医疗方面

随着医疗改革的逐渐深入，医疗卫生信息化越来越重要，医疗信息化需要数据的有效集成和精确分析。比如，依靠大数据技术，上海浦东新区公共卫生部门可以通过覆盖全区域的居民健康档案和电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过系统的集成疾病监测和响应程序，快速对疫情和传染病进行响应。江苏省淮安市构建满足市级区域卫生信息基础平台和居民健康档案信息系统，此技术支撑着淮安市级数据中心、居民健康档案数据库、电子病历数据库、卫生资源数据库及卫生应急管理、新农合管理、健康卡管理系统等一系列淮安市卫生信息化应用，为淮安市进一步深化医疗体制改革、完成卫生信息区域共享、建立居民健康档案系统、提高居民健康水平打下基础。

3.教育方面

华中科技大学近年来推广了个性化大数据的实践。研究者通过数据梳理出学生在校期间生活和学习的主线，这些数据包括教务类数据、图书馆进出和借书、党员组织发展、校园卡刷卡等。在每一位学生面临毕业时，输入自己的校园账号，就能获得一个名为《光阴的故事——致某某》的统计报告，这是校方基于对每个人的数据收集并将数据放在故事化的场景进行叙述后设计出的产品，可以让毕业生们重新回顾和整理在校期间的学习、读书、餐饮等各方面数据。上海海洋大学利用大数据技术，使新生通过校方平台入学报到，能够提前申请绿色通道、选购生活用品及提前申请勤工助学岗位等，完成大部分的报到手续。这样就减少了新生报到时的烦琐手续，同时减轻了学生、家长和校方在报到日的压力。大数据还能够为学习和教师的教学提供参考，及时、准确地评估学生的学业状况，发现学生潜在问题，进而预测学生未来可能的表现。

随着社会和经济的发展，各行业各类用户对于智能化的要求将越来越高，今后大数据技术会在越来越多领域得到广泛应用，将极大提升各级单位和机构的信息化服务水平。随着信息技术和人类生产生活交汇融合，未来大数据应用的涉及面将会更广泛，也更注重解决实际问题。

---

[1]Gang-Hoon Kim，Silvana Trimi，and Ji-Hyong Chung，“Big-data Applications in the Government Sector”，Communications of the ACM ，2014 Volume 57 Issue 3：78-85.

[2]Hen，H.，Chiang，R.H.L.，and Storey，V.C.，“Business Intelligence and Analytics：From Big Data to Big Impact”，MIS Quarterly 36，4 （Dec.2012），1165-1188.

[3]T.H.Davenport，“What do We Talk about When we Talk about Analytics？” Enterprise Analytics，T.H.Davenport，ed.，Pearson Education，2013，pp.9-18.

[4]于施洋、王建冬、童楠楠：《国内外政务大数据应用发展述评：方向与问题》，《电子政务》2016年第1期。

[5]Big Data is a Big Deal，http：//www.whitehouse.gov/blog/2012/03/29/big-data-big-deal.

[6]连玉明等：《大数据蓝皮书：中国大数据发展报告No.1》，社会科学文献出版社，2017。

[7]连玉明等：《大数据蓝皮书：中国大数据发展报告No.1》，社会科学文献出版社，2017。

[8]Hen， H.， Chiang， R.H.L.， and Storey， V.C.， Business Intelligence and Analytics： From Big Data to Big Impact， MIS Quarterly 36， 4 （Dec.2012）， 1165-1188.

[9]李国杰、程学旗：《大数据研究：未来科技及经济社会发展的重大战略领域》，《战略与决策研究》2012年第6期。

[10]〔英〕维克托·迈尔-舍恩伯格、肯尼思·库克耶：《大数据时代：生活、工作与思维的大变革》，盛杨燕、周涛译，浙江人民出版社，2012，第232页。

[11]张兰廷：《大数据的社会价值与战略选择》，中共中央党校博士学位论文，2014，第17页。

[12]刘涛雄、徐晓飞：《大数据与宏观经济分析研究综述》，《国外理论动态》2015年第1期。

[13]连玉明等：《大数据蓝皮书：中国大数据发展报告No.1》，社会科学文献出版社。

[14]连玉明等：《大数据蓝皮书：中国大数据发展报告No.1》，社会科学文献出版社，2017。

[15]裴艳、苏乐、王月：《基于投入产出模型的大数据产业经济影响力分析》，《电信网技术》2018年第5期。

[16]程承坪、邓国清：《大数据与社会主义市场经济体制——兼与马云先生和张旭昆教授商榷》，《探索与争鸣》2018年第4期。

[17]O.hlhorst， F.J.，Big Data Analytics： Turning Big Data Into Big Money，John Wiley ＆ Sons， Hoboken， NJ， 2013.

[18]Fingar P.，Dot Cloud： The 21st Century Business Platform Built on Cloud Computing，Meghan-Kiffer Press， 2009： 4.

[19]黄仁宇：《中国大历史》，生活·读书·新知三联书店，2007。

[20]〔以色列〕尤瓦尔·赫拉利著《今日简史》，林俊宏译，中信出版集团，2018。

[21]威廉·配第：《政治算术》（2卷本版），商务印书馆，2010。

[22]〔美〕哈里·兰德雷斯、〔美〕大卫·C.柯南德尔：《经济思想史》（第四版），周文译，人民邮电出版社，2011。

[23]〔英〕弗里德里希·冯·哈耶克：《哈耶克文选：哈耶克论文演讲集》，冯克利译，江苏人民出版社，2000。

[24]刘涛雄、徐晓飞：《大数据与宏观经济分析研究综述》，《国外理论动态》2015年第1期。

[25]〔美〕哈里·兰德雷斯、〔美〕大卫·C.柯南德尔：《经济思想史》（第四版），人民邮电出版社，2011。

[26]U.M.Fayyad，R.Uthurusamy， etc.“KDD-95”， First International Conference on Knowledge Discovery and Data Mining， August 20-21， 1995.

[27]〔英〕维克托·迈尔-舍恩伯格、肯尼思·库克耶：《大数据时代：生活、工作与思维的大变革》，盛杨燕、周涛译，浙江人民出版社，2012。

[28]李华杰、史丹、马丽梅：《基于大数据方法的经济研究：前沿进展与研究综述》，《经济学家》2018年第6期。

[29]张涛、刘宽斌：《“大数据”在宏观经济预测分析中的应用》，《社会科学文摘》2018年第8期。

[30]Barabasi A.L.，The Hidden Pattern Behind Everything We Do，Boston， MA： Dutton Books，2010.

[31]黄燕芬、张超：《大数据情绪指数与经济学研究：现状、问题与展望》，《教学与研究》2018年第5期。

[32]何林生：《大数据驱动政府科学决策：现状与前景》，《福建行政学院学报》2019年第1期。

[33]张涛、刘宽斌：《“大数据”在宏观经济预测分析中的应用》，《社会科学文摘》2018年第8期。