经济运行工作是政府管理经济的重要方式,对促进经济又好又快发展起到了重要作用。不久前,国务院印发《关于加强数字政府建设的指导意见》提出,强化经济运行大数据监测分析,提升经济调节能力。
以5G、大数据、人工智能等为代表的新一代信息技术革命正在深刻影响着当前经济社会运行的各领域、各方面、各环节,技术变化已然成为推进宏观调控理念变革和方法创新的深刻动因。一套快速有效、适配变化、智能精准的经济监测预测方法,既是进一步有效提升宏观调控水平的重要支撑,又是政府加快顺应时代变化的重要路径,更能够为我国实现高质量发展、推进高水平开放提供强大的驱动力。
四大难题挑战传统监测方式 在传统经济监测方式中,受制于数据统计、分析方式等因素,存在数据鲜活度不够、效率低、精准度低等问题。随着技术的进步,传统方式成为经济监测发展的掣肘问题。
传统经济监测预测方法大多基于历史统计数据进行分析或预测,容易受制于统计数据的时效性。传统统计数据主要是通过开展经济普查、抽样调查、重点调查、典型调查等手段,利用层层报送数据的方式汇总计算相应宏观经济指标,这种方法最明显的缺陷是具有很强的时滞性。在应对重大突发事件和高频度经济震荡时,传统经济监测预测方法很可能会导致政府决策部门后知后觉,容易造成决策失误等严重后果。
2、细分难
统计样本的数量和样本获取的成本往往成反比,随着统计样本量的增加,统计过程中的时间成本、人力成本和资金成本等均会相应急速增高,因此统计样本的覆盖范围存在一定的局限性。由于传统经济监测预测方法高度依赖统计数据样本,一旦样本出现偏颇,一方面,很容易导致分析预测结果精度不足,另一方面,很难为细分行业及新兴行业的经济决策提供有效支撑。
3、客观难
传统统计数据的产生需要大量使用人工进行搜集、加工、上报、汇总,人为参与的程度较深、耗费的时间周期较长,统计流程也较为复杂。由于人为参与了全过程中过多环节,无论是出于主观考虑或出现客观失误,都极易发生数据迟报、漏报、瞒报、误报等现象,此时往往会存在统计样本真实性偏差的隐患,如果使用这种存在偏差的数据进行经济监测预测,则会进一步扩大误差范围。
4、精准难
以经济学家主导的经济监测预测模型拥有相对成熟的经济理论作为支撑,主要包括结构化计量预测模型、非结构化时间序列预测模型和动态随机一般均衡预测模型三类,其能够较好地解释经济社会运行的关键影响因素。当前,经济整体发展环境面临诸多风险和不确定性,传统计量方法的种种假设常常不符合当下的经济现实。同时,传统经验理论往往与现实情况会产生一定偏差,传统经济监测预测模型略显乏力。 数据驱动经济监测转型升级 解决传统经济监测下的难题,有效利用微观数据和新型技术手段改进经济监测预测方法,已经成为政府决策者和研究界共同关注的热点问题。数据驱动化的经济监测预测,可以通过汇聚多源数据、突破关键环节和沉淀数据资产来实现。 汇聚多源数据。尽可能大范围引入可持续稳定获取的细粒度数据资源,包括但不限于裁判文书、企业关联、就业招聘、专利论文、搜过引擎、新闻舆情、招标中标、网站运行等相关数据。 突破关键环节。大面积应用机器学习、知识图谱、自然语言处理等信息技术,一方面可以减少人工假设和人为经验的控制程度,另一方面可以从多源细粒度数据中抽取大量的数据特征,不断尝试数据特征的组合方式,与监测预测目标结果进行自动化碰撞,并根据监测预测效果不断优化调整数据特征及相应算法,最终由机器自动化选择一种最优这组合从而达到经济精准监测预测效果。 沉淀数据资产。断沉淀经济监测预测各环节的过程性数据,利用技术手段加深数据提取的广度和深度,通过实践过程中所沉淀的数据特征库、算法模型库、预测指标库不断倒逼技术方法迭代升级,加快弥合经济监测预测与新技术之间的缝隙。 融象数科站在技术前沿,按照“1个数字底座+5大任务目标”的总体框架建设,建设经济智治平台。聚焦宏观调控决策、经济发展分析、数字经济治理等领域,加强数据整合、汇聚、治理,构建治理数据库,运用大数据强化经济运行动态感知、监测分析、预警预测,加强覆盖经济运行全周期的统计监测和综合分析能力,强化经济趋势研判。 通过产业智研、企业智判、政策智定、资源智配、服务智达5大核心功能,充分发挥经济智治平台作用,赋能传统产业转型升级和新兴产业高质量发展,持续提升经济调节的科学性、预见性和有效性,助力地方经济发展提速。
经济运行工作是政府管理经济的重要方式,对促进经济又好又快发展起到了重要作用。不久前,国务院印发《关于加强数字政府建设的指导意见》提出,强化经济运行大数据监测分析,提升经济调节能力。
以5G、大数据、人工智能等为代表的新一代信息技术革命正在深刻影响着当前经济社会运行的各领域、各方面、各环节,技术变化已然成为推进宏观调控理念变革和方法创新的深刻动因。一套快速有效、适配变化、智能精准的经济监测预测方法,既是进一步有效提升宏观调控水平的重要支撑,又是政府加快顺应时代变化的重要路径,更能够为我国实现高质量发展、推进高水平开放提供强大的驱动力。
四大难题挑战传统监测方式 在传统经济监测方式中,受制于数据统计、分析方式等因素,存在数据鲜活度不够、效率低、精准度低等问题。随着技术的进步,传统方式成为经济监测发展的掣肘问题。
传统经济监测预测方法大多基于历史统计数据进行分析或预测,容易受制于统计数据的时效性。传统统计数据主要是通过开展经济普查、抽样调查、重点调查、典型调查等手段,利用层层报送数据的方式汇总计算相应宏观经济指标,这种方法最明显的缺陷是具有很强的时滞性。在应对重大突发事件和高频度经济震荡时,传统经济监测预测方法很可能会导致政府决策部门后知后觉,容易造成决策失误等严重后果。
2、细分难
统计样本的数量和样本获取的成本往往成反比,随着统计样本量的增加,统计过程中的时间成本、人力成本和资金成本等均会相应急速增高,因此统计样本的覆盖范围存在一定的局限性。由于传统经济监测预测方法高度依赖统计数据样本,一旦样本出现偏颇,一方面,很容易导致分析预测结果精度不足,另一方面,很难为细分行业及新兴行业的经济决策提供有效支撑。
3、客观难
传统统计数据的产生需要大量使用人工进行搜集、加工、上报、汇总,人为参与的程度较深、耗费的时间周期较长,统计流程也较为复杂。由于人为参与了全过程中过多环节,无论是出于主观考虑或出现客观失误,都极易发生数据迟报、漏报、瞒报、误报等现象,此时往往会存在统计样本真实性偏差的隐患,如果使用这种存在偏差的数据进行经济监测预测,则会进一步扩大误差范围。
4、精准难
以经济学家主导的经济监测预测模型拥有相对成熟的经济理论作为支撑,主要包括结构化计量预测模型、非结构化时间序列预测模型和动态随机一般均衡预测模型三类,其能够较好地解释经济社会运行的关键影响因素。当前,经济整体发展环境面临诸多风险和不确定性,传统计量方法的种种假设常常不符合当下的经济现实。同时,传统经验理论往往与现实情况会产生一定偏差,传统经济监测预测模型略显乏力。 数据驱动经济监测转型升级 解决传统经济监测下的难题,有效利用微观数据和新型技术手段改进经济监测预测方法,已经成为政府决策者和研究界共同关注的热点问题。数据驱动化的经济监测预测,可以通过汇聚多源数据、突破关键环节和沉淀数据资产来实现。 汇聚多源数据。尽可能大范围引入可持续稳定获取的细粒度数据资源,包括但不限于裁判文书、企业关联、就业招聘、专利论文、搜过引擎、新闻舆情、招标中标、网站运行等相关数据。 突破关键环节。大面积应用机器学习、知识图谱、自然语言处理等信息技术,一方面可以减少人工假设和人为经验的控制程度,另一方面可以从多源细粒度数据中抽取大量的数据特征,不断尝试数据特征的组合方式,与监测预测目标结果进行自动化碰撞,并根据监测预测效果不断优化调整数据特征及相应算法,最终由机器自动化选择一种最优这组合从而达到经济精准监测预测效果。 沉淀数据资产。断沉淀经济监测预测各环节的过程性数据,利用技术手段加深数据提取的广度和深度,通过实践过程中所沉淀的数据特征库、算法模型库、预测指标库不断倒逼技术方法迭代升级,加快弥合经济监测预测与新技术之间的缝隙。 融象数科站在技术前沿,按照“1个数字底座+5大任务目标”的总体框架建设,建设经济智治平台。聚焦宏观调控决策、经济发展分析、数字经济治理等领域,加强数据整合、汇聚、治理,构建治理数据库,运用大数据强化经济运行动态感知、监测分析、预警预测,加强覆盖经济运行全周期的统计监测和综合分析能力,强化经济趋势研判。 通过产业智研、企业智判、政策智定、资源智配、服务智达5大核心功能,充分发挥经济智治平台作用,赋能传统产业转型升级和新兴产业高质量发展,持续提升经济调节的科学性、预见性和有效性,助力地方经济发展提速。