自18世纪以来,人类经历了三次重大的技术革命。前两次技术革命,通过有形实物资本积累推动的资本深化进程,构成了经济增长的主要动力。
信息技术革命的核心技术是计算机技术和基于计算机技术的互联网。然而,在人类生产、贸易和生活方式的改造上,信息技术革命的典型特征是什么呢?如果说是互联网普及后整个经济社会的网络化,现在的互联网似乎仅仅是第二次工业革命中经济社会“网络化”的延续。更为关键的是,如果这是一场革命,我们应该观察到单位劳动时间上的产出增长。根据很多研究,,上世纪90年代以来的单位产出增速实际上要大大慢于第二次工业革命时期。
与如今IT界普遍的技术乐观情绪不同,经济学界看起来更想提出一个冷静的问题:信息技术革命是“革命”吗?技术革命并非简单的技术发明,而是这种发明在经济中的广泛运用,并最终全面、彻底取代一切陈旧的东西。对此,前两次革命中,我们都可以观察到一个重要的现象:技术发明与这种技术的广泛运用之间存在明显的时滞——短则几十年,长则上百年。
既然技术的普遍运用要滞后于技术发明本身,那么,以计算机、尤其是互联网为核心技术发明的信息技术革命究竟何时才能在经济、社会发展中引发真正的革命呢?回答这个问题的前提是找到信息技术革命改造人类生产、贸易和生活方式的典型特征——“用数据(data)生产信息(information)和知识(knowledge)”。
现代电子通讯技术和网络与工业革命时期的电报电话技术及经济社会网络存在根本性的不同:虽然都是技术进步推动的网络化,但前者除了在网络化的程度上远非后者可比之外,更是通过从模拟技术到数字技术的转化,实现了数字化(digitalization)——有人称之为“数字革命”。随着传感技术、存储技术和计算技术的发展,在现代网络中,所有相互作用都会留下可以存储、处理的数字足迹。这些数据在规模和种类上远远超出了常规技术能够存储和处理的能力,从而被称作所谓的“大数据”。
“大数据”是近几年来愈发时髦的概念。虽然并无统一定义,但其特征可以用四个“V”来界定,即数据量大(Volume)、数据处理速度快(Velocity)、数据类型多样(Variety)、数据价值(Value)。经济金融理论界和实务界,对大量(Volume)、实时(Velocity)数据的处理和分析并不陌生,但大数据在规模和速度上与以往的数据类型存在量级的差异,更为不同之处在于数据类型的多样性:大数据需要处理的对象不仅包括传统的结构化数据(如股市交易时间序列、GDP等),还包括许多非结构化数据(如视频、音频、文本信息等),后者的数据规模和增长速度远高于前者,且处理这两类数据的技术和理论都是不一样的。
如同几百年前欧洲人“发现”了新大陆和新大陆上令人垂涎的金矿资源一样,数字革命的结果就是新大陆上的新金矿——大数据。在所有人和物都可能被网络化,并在数字空间留下数字足迹的时代,需要始终记住的一个基本观念是:数据是资产。不过,获取大数据的目的首先在于通过分析产生信息,而从数据到信息的过程需要有IT技术的支持,这包括:数据存储和查询技术、数据处理技术、数据应用技术等。
与以往以有形的实物资本积累推动的资本深化和“实物资本表现型技术进步”不同,信息技术革命的“革命性”集中表现在数据资产大规模累积、并变成能够直接加入到生产函数中的数据资本的过程。从数据资产的积累到数据资本的形成,至少从三个方面形成了降低成本、提高生产率的效应:
第一,信息透明度的可得性大大提高,从而极大地降低交易成本,使得企业识别客户、管理内部流程的效率得到极大提高,宏观经济的管理能力也将出现飞跃式上升。在零售业、电子商务和制造业,客户分层、客户体验、量身定制正在成为潮流;而在宏观经济层面,随着实时、大量数据的产生和运用,过去基于月度、季度、甚至年度的过时经济预测将会变成对经济总体状况实时把握的即时播报。
第二,企业和社会的风险管理能力得到极大的提高。在企业层面,风险管理能力的提高显然是降低错误投资的概率、提升生产率的有效手段;在宏观经济层面,一个典型的例子是如果能够利用大数据,将雷曼兄弟公司这样的企业视为一个网络关键节点或者连接不同子网络的关键“桥”(bridge),来分析和把握其系统重要性,或可避免危机带来的巨大损失。
第三,正在并将继续形成新的生产、生活和交易方式。贸易和生产制造领域已经演化出了以网络为基础新的营销、仓储、供应链和市场组织形式,而基于“实体经济”的金融业也在发生深刻变革。例如,过去几年我国诞生的所谓“互联网金融”,如果摒弃其中“网上高利贷”的泡沫,可以发现,诸如阿里巴巴这样的企业正是利用了电子商务过程中产生的大数据,让这些数据成为企业增殖的数据资本。
在数据资产的积累和数据资本形成过程中,两个自然的问题是:谁拥有这样的数据资产?谁能够将数据资产变成数据资本?从国家层面看,这涉及到21世纪全球实力格局的再造。根据麦肯锡的统计,2010年北美、欧洲、日本新储存的数据分别达到3500、2000和400 拍字节(petabyte),我国只有250拍字节。作为全球名义GDP的第二大经济体,我国在数据资产的积累方面处于大大落后的状态。数据处理和分析能力是数据资产变成数据资本的前提,就此能力而言,人才是重中之重。
未来是属于大数据时代的。数据资产的积累、数据资本的形成及其推动的数据资本深化和“数据资本表现型技术进步”将成为人类经济社会发展的新大陆。在《万历十五年》中,黄仁宇说中国人不擅“数目字管理”。希望在这一次,我们能够吸取教训。
数据分析咨询请扫描二维码
数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21