序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇大數據分析材料范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

[關鍵詞]大數據；宏觀經濟；機遇與挑戰；分析

[DOI]10.13939/ki.zgsc.2016.42.028

2015年9月份，國務院與工信部聯合印發了《促進大數據發展行動綱要》，明確要求在“十三五”規劃中重點推動大數據的發展和應用，建立運行平穩、安全高效的經濟運行新機制，這也為在大數據時代下更加精準、更加高效地開展宏觀經濟分析提供了政策保障。

1 大數據在宏觀經濟分析中的重要作用

1.1 為宏觀經濟分析提供豐富的數據支持

我國經濟發展正處于“三期疊加”的關鍵時期，影響宏觀經濟發展的因素也是多種多樣，要想保證宏觀經濟分析結果的準確性和時效性，就必須以大量的數據信息做樣本，對數據樣本進行客觀、專業的處理和評估。傳統的宏觀經濟數據獲取方式存在諸多弊端：一方面是數據樣本數量有限，難以反映出影響宏觀經濟發展的整體因素；另一方面是數據獲取途徑少，時效性低，往往與現階段的經濟發展現狀不相符合。而大數據技術借助于計算機、互聯網和電子信息技術，能夠在短時間內獲取各個部門、各個行業的經濟發展數據，例如全國旅游消費總額、全國商品房年銷售總量等。可以說，只要數據分析部門獲取了相應的數據調查權限，就可以隨時調用管轄范圍內與宏^經濟分析相關的數據內容，從而極大地豐富了宏觀經濟分析所需的樣本容量和樣本種類，確保了宏觀經濟分析的準確性和時效性。

1.2 為宏觀經濟分析提供更多的方法

傳統的宏觀經濟分析手段，由于受技術條件和工作理念的影響，往往采用統計分析和隨機抽樣分析的方式，近似地反映或推斷出宏觀經濟的分析結果。隨著市場經濟的深化改革和我國經濟體制結構的轉變，傳統的宏觀經濟分析手段難以適應國家經濟發展的需要，云時代的到來和大數據技術的出現為宏觀經濟分析提供了更多種類、更加簡便的分析方法。例如，傳統的宏觀經濟分析由于獲取數據困難，因此采用“隨機抽樣反映整體”的分析方法，其分析結果與實際情況必然會存在較大誤差；而大數據的分析是以海量的數據樣本為基礎，并且樣本種類豐富，基本上涵蓋了影響宏觀經濟發展的所有行業，在此基礎上得出的分析結論無限趨近于我國宏觀經濟發展的實際情況，提高了宏觀經濟分析的可靠性。

1.3 優化了宏觀經濟分析的技術

大數據分析與單純的計算機數據統計的不同之處在于：計算機數據統計只能進行初步的數據分類和整理，并以數字、圖標等形式展示出來，雖然具有較強的直觀性，但是不能深層次地反映宏觀經濟內容。而大數據分析融合了計算機、電子信息和數學建模等多個專業技術，以海量數據為基礎，建立數學分析和統計模型，利用分析模型對數據進行深層次的分析、處理和加工，并結合了語音識別、圖像識別等技術，提高了數據分析技術的專業化水平。

2 大數據在宏觀經濟分析中的機遇與挑戰

2.1 大數據時代宏觀經濟分析具有的機遇

大數據技術融合了多種現代化數據獲取和分析技術，為宏觀經濟的精確分析提供了諸多便利條件，從當前的發展形式看，大數據在宏觀經濟分析中的主要機遇有以下幾方面：首先，大數據技術使“在短時間內獲取海量數據”成為了可能，為宏觀經濟分析提供了必要的基礎保障。無論是進行宏觀經濟分析還是其他各類專業統計，數據獲取都是最基礎也最為關鍵的環節。數據樣本的豐富度和樣本容量，直接決定了后期分析結果能否反映實際情況，而數據樣本越多，則最終分析結果越趨近于實際。除此之外，宏觀經濟是一個動態發展、不斷變化的過程，這就要求數據樣本在“獲取-分析-得出結論”這一過程中占用盡可能少的時間。因此，數據分析師歷來重視數據樣本數量和樣本獲取速度，大數據技術兼具上述兩種分析要素，在宏觀經濟分析中占據較大優勢。其次，大數據擴充了宏觀經濟分析的空間廣度，使數據價值得以體現。通過計算機互聯網獲取基礎的數據信息，不僅能夠有效跨越時間和空間的限制，而且在數據價值上也得到了一定的提升，并且利用專業數據分析軟件和數學模型，拓展了數據所包含信息的深度與廣度，為新時期進行宏觀經濟分析提供了有力支持。

2.2 大數據時代宏觀經濟分析面臨的挑戰

大數據技術在帶來諸多便利的同時，其自身也存在著一些有待改進的地方，主要表現為：首先，大數據所采集的數據量大，但是缺乏有效的數據篩選標準，導致數據中夾雜著部分無用或不相干的信息。例如我們在采集“全國旅游消費總額”相關的數據時，可能會搜索到與旅游相關的“交通運輸量”的信息，但是這些信息并不會對宏觀經濟分析起到影響，反而增加了樣本總容量。因此，如何加強信息甄別和篩選，是下一步大數據技術優化的重要內容；其次，數據的安全性仍然有待提高。由于前期采集數據量非常大，但是進行宏觀分析是一些相對漫長的過程，這些數據在保存期間如何確保安全性，關系到后期宏觀經濟分析的最終結果。雖然部分數據庫建立了相對完善的防火墻和病毒查殺系統，但是也很難徹底根除非法訪問的風險；最后，大數據時代的宏觀經濟分析需要大量專業化人才，但是從現階段相關從業人員的整體情況看，大數據分析人才數量難以滿足行業發展需要。

3 提升大數據對宏觀經濟分析作用的對策

3.1 構建良好的大數據獲取環境

政府應當主導建立一個大數據的收集體系，在一些重要的宏觀經濟領域制訂大數據的收集計劃，從而保證大數據的獲取。為此政府部門應當做好以下具體的工作：首先，政府部門要從思想認識上提高對大數據的重視程度，對于大數據在宏觀經濟研究中的價值予以認可。從而在實際的工作中能夠形成穩定的資金投入并在政策法規上為大數據的應用提供便利條件。其次，政府應當加大高校或者是相關研究機構在大數據應用上的研究投入力度，支持研究機構在大數據應用上的深度挖掘，從而更好地發揮大數據的作用。最后，政府應當支持企業采用現代化的信息管理手段，從而為大數據的獲取提供基礎性的條件。利用企業的信息化系統可以快速地獲取企業的相關發展數據信息，從而為宏觀經濟的大數據分析提供基礎材料。

3.2 提升大數據的采集與管理工作水平

制定規范化的大數據采集與管理體系，保障用于宏觀經濟發展的大數據均能夠得到有效的采集，并且還要確保數據的真實性。在利用大數據進行宏觀經濟的分析中大數據是基礎的分析材料，所以有效地采集到大數據是十分重要的。首先，要規范大數據的采集工作流程，制定科學的大數據采集體系，從而促進大數據采集工作的有序開展。其次，對于在大數據采集過程中因小集體利益而不配合采集的個人或者是單位，應對其進行一定的處罰，從而威懾這些干擾大數據采集工作的不良情況。最后，要對大數據采集人員進行培養和提升，從而使其掌握較為熟練的大數據管理技能，為大數據的更好地應用提供條件。

3.3 培養大數據分析與應用人才

在大數據的應用中人才是其中的關鍵性組成部分，高素質的大數據分析與應用人才能夠為宏觀經濟的分析提供有力支撐。為此，就必須在大數據人才培養上進行改進和提升。為此，應當做好以下內容：首先，政府部門應當重視大數據分析與應用人才的培養，出臺各類支持性的培養政策。其次，高校應當根據現實的需求而開始相關的專業和課程，從而發揮大數據分析與應用人才培養的基地作用，以便為社會輸送大量的大數據專業應用人才。最后，企業也應當在大數據人才培養上做出自己的貢獻，對于企業內部的數據管理人員進行專業技能提升的培訓，從而幫助他們掌握更多的大數據分析與應用的實際技能。

4 大數據與宏觀經濟政策制定

大數據革命為政府的宏觀經濟政策制定提供了機會。政府在政策制定上可以通過大數據分析系統提升公共服務質量，增加服務種類，并為公共服務提供更好的政策指導。同時，在大數據分析的運用、提高效率與其他政策和技術協同以及為公共服務領域帶來變革等方面，政府可以加大重視和投入力度，為經濟的進一步發展提供支持。

大數據給政府的經濟統計工作帶來了巨大影響。首先，面對大數據帶來的技術變革，政府應該將其納入政府統計之中。經濟統計要充分利用大數據時代提供的技術和條件，促進政府統計工作的變革。例如“10億價格項目”便是政府應對大數據變革的成功典范。其次，面對大數據帶來的統計對象擴充，政府不但應當重視結構化數據，更應當重視挖掘非結構化數據，以期找尋出恰當的經濟統計指標。大數據時代，非結構化數據包含更多信息，而且利用互聯網進行的數據挖掘，不僅可以得到數字資源，文本數據也可以通過挖掘獲得。最后，面對大數據帶來的統計資源的拓展，政府應該將其統計資源拓展到政府以外，重視拓寬其他數據資源。在過去，政府靠自己的力量收集數據，但在大數據時代，人人都是數據的制造者。例如，谷歌和百度等數據巨頭擁有大量政府無法獲取的數據資源。政府要想辦法讓數據巨頭將數據放到統計中來，而不能僅靠自己調查統計。

5 結論與展望

大數據時代極大地拓寬了信息來源、提高了獲取信息的時效性，同時，新信息的非結構化對宏觀經濟分析的技術和方法提出了新的要求。在大數據背景下，由于數據噪聲的存在，宏觀經濟數據挖掘變得十分重要，這就要改進技術，加強對非結構化和半結構化數據的挖掘。實時、快速、海量的數據為更加準確的宏觀經濟預測提供了可能，宏觀經濟預測模型也有待于進一步更新。在大數據時代，可以將機器學習算法引入宏觀經濟分析，改進宏觀經濟分析技術，解決“維數災難”，提高宏觀經濟分析的準確性。大數據時代也將促進政府經濟政策制定的變革，提升政策的時效性，提高政府服務效率。

參考文獻：

[1]文桂江，李昕.大數據時代我國宏觀經濟數據的沖突與協調[J].河北經貿大學學報，2014（5）：131-133.

[2]崔光N.房地產價格與宏觀經濟互動關系實證研究――基于我國31個省份面板數據分析[J].經濟理論與經濟管理，2013（1）：157-162.

[3]戴成峰，張連增.我國財產保險區域差異與宏觀經濟的關系研究――基于省際面板數據的實證分析[J].保險研究，2012（11）：142-153.