刘必林

摘 要：信息技术的快速发展，逐渐催生了大数据技术的出现并逐渐渗透到经济社会发展的各个领域，大数据时代已经悄然来临。作为当前最火爆的信息技术之一，大数据给经济学和统计学的研究既带来了便利，也带来了挑战。本文基于大数据的视角，开展了劳动经济统计指标体系的优化研究，旨在为行业人员提供借鉴。

关键词：大数据；劳动经济统计；优化

当前，大数据（Big Data）技术快速发展，对人们的生活工作方式和社会形态产生了重要的影响，大数据时代的到来已经成为人们的共识。大数据在为各个学科带来便利性的同时，也带来了一定的挑战，逐步成为各个学科无法回避的问题。当前，“榨菜指数”成为时下经济统计学领域的热门话题，所谓的“榨菜指数”是人们根据涪陵榨菜在我国华南、华北、华东等不同地区销售份额的变化，对以榨菜为主要消费群体的农民工在全国范围内的流动趋势进行预测得到的统计情况。那么大数据对于以“榨菜指数”为代表的劳动经济统计有什么影响？为了解决这个疑问，本文在大数据时代的背景下，开展了劳动经济统计指标体系的优化研究。

一、大数据理论与大数据时代概述

大数据是近年来迅速蹿红的热门名词，其起源于计算机技术并逐渐渗透到人们生活各个领域。目前大数据已经逐步引起互联网公司以及相关部门的广泛重视。对于大数据的定义，最早可以追溯到麦肯锡公司的报告，但是目前业内尚没有统一的标准。通常情况下，对于无法在短时间内应用常规技术进行收集、处理与分析的海量信息数据被称之为大数据。可以看出，大数据具有数据体量大、真实性高、运转速度快、数据多样性等特点。

大数据的影响力和重要性在与日俱增，对经济社会发展的各个方面产生了深远的影响，毋庸置疑，大数据的时代已经来临。随着信息技术的发展，大数据将呈现以下几点趋势：首先，数据来源面越来越广，数据种类不断丰富。随着互联网技术、计算机技术的快速发展，相应的数据范围、数据种类必将日益增多，与传统数据相比，大数据是海量的信息，混杂特性将越来越明显；其次，数据的存储与分析技术将进一步快速发展，超级计算机、云存储等硬件设备为数据存储与计算分析能力的提高奠定了强有力的基础；第三，大数据分析的重视程度将与日俱增，海量数据的分析，既需要强大的硬件设备，也需要科学的分析方法，二者相结合，才能从海量数据中提取出有价值的信息；第四，大数据技术发展赖以生存的相关政策和法律法规需要进一步完善，国家层面上需要制定有效的鼓励政策以及法律法规促进大数据的建设工作，并保证大数据技术在法律框架下健康发展。

二、大数据理论对经济学统计的影响

目前，经济学研究的趋势逐渐向数理经济学靠拢，更注重通过数据和模型开展定量研究得到的结论。在数理经济学研究方面，早在上世纪六十年代，瑞典皇家科学院通过将经济学纳入诺贝尔奖的方式，鼓励业内人士针对经济现象充分利用数理模型开展相关研究，自此，数学和数据开始备受经济学研究人员的重视，数理经济学逐渐成为经济学研究的主流，据相关统计显示，超过九成的诺贝尔经济学奖得主在经济研究的过程中开展了数理分析工作，目前西方经济学界甚至推崇“无数学不科学”的理念，可见人们对于数学和数据的重视程度。在我国，越来越多的经济研究开始向数理化方向发展[1-2]。受此影响，与经济学紧密联系的统计学对于数据和模型分析的依赖程度也越来越高。

传统的劳动经济体系中，大多借助社会调查的方式完成劳动力流动性的统计工作，在具体实施中，一般先建立科学的样本库，通过实地考察收集数据并进行量化处理，最终实现对劳动力流动情况的分析和测算。在大数据时代背景下，这种传统的统计方法将迎来根本性的改变，依托大数据技术，数据的采集会跳出研究对象主体的限制，而是以间接的方式构建数据联系，进而形成趋势性的研究结果，在这个过程中数据的可获得性和关联性将得到大幅提升。

可以看出，在大数据时代，统计学的发展一方面要面临诸多的危机和挑战，另一方面也将迎来广阔的发展机遇。依托于大数据技术，数据的采集将更加方便，可以为经济学分析提供海量的数据样本，此外数据处理和分析技术的进步，可以促进经济学研究的效率的大大提升。比如本文提及的“榨菜指数”案例中，劳动经济统计的最终目的是对劳动力流动趋势做出科学的判断。传统统计方法在数据收集方面以小样本为主，流程复杂，耗费时间多，并且在数据分析上会有主观倾向。在大数据模式下，以整体性的数据代替小样本数据，可以有效的避免数据在时效性和有效性方面的缺陷，通过充分利用数据之间的相关关系做出趋势判断，能更好的达到数据统计的目标。

大数据理论与数理经济学的发展是紧密联系的，主要体现在以下三方面。首先，大数据技术顺应了数理经济学的发展趋势，可以拓展研究视野。众所周知，经济学是一门研究客观世界经济运行规律的学科，其研究对象主要针对的是经济运行的客观世界。劳动经济统计则是通过收集样本数据，通过科学分析，对客观世界的经济行为以及经济现象进行描述。大数据的突出特点是体量大、种类多，也有经济学者称之为数据量的无限性。在经济学领域中，无论是个人行为还是团体行动，从生活消费到商品交易，都会产生大量的数据信息，在信息技术快速发展的今天，这些数据信息都会被详细的记录下来。显然，这些庞大的数据可以反应出复杂的社会现象，因此，经济学研究的范围也将呈现出无限性的特点。借助先进的数据处理工具，建立合理的数据相关性，就能对某一特定领域的现象进行研究探讨；其次，大数据与经济学数理化相融合，可以有效提升研究工具的有效性。大数据的优势不仅仅在于数据来源的广泛性，还包括分析工具和方法的多样性。在经济统计数据分析方面，传统方法大多是通过抽样分析来构建合理的因果关系；但是在大数据模式下，传统的概率分析等算法已经难以满足解决复杂问题的需求，神经网络算法、贝叶斯空间模型、空间技术零膨胀模型等众多新的算法不断涌现出来，此外相关分析法逐渐代替传统因果分析法成为解决复杂经济问题的首选，可以看出，在大数据时代，数据分析已经跨越了简单的数学运算阶段，开始逐渐向复杂的数学建模阶段发展，数据处理效率呈几何级数增长，大大提升了研究工具的有效性；第三，大数据可以进一步推动社会科学的理性化发展。社会研究注重社会现象的主观分析，自然科学更倾向于客观研究，二者在这方面是截然相反的。事实上，大数据除了作为定量研究的工具之外，还可以应用于定性分析中。对于社会研究中的制度、文化等无法直接抽样调查的部分，可以采用构建相关性的方式分解研究，对研究命题进行定性分析，推动社会科学的数理化研究进展。需要注意的是，大数据虽然具有众多的优势，但并不是万能的，科学研究的主体是具体的研究者，而大数据并非是处理实际问题的唯一解决办法，在实际操作中需要具体问题需要具体分析，选择最优的解决方法。但是大数据可以客观、真实的反映社会现象，有助于我们及时发现问题，并为研究人员提供了一种可实现的研究思路和方法，带给研究人员更多的思考和启迪。

三、大数据时代背景下劳动经济指标体系

劳动经济统计情况，可以客观的反映国家经济的实际运营情况，在国民经济统计中占据着重要的地位[3]。为了更好地统计分析国民经济状况，可以从劳动力市场、劳动报酬、劳动关系等角度构建劳动经济学统计指标体系。其中，失业率、劳动收入、企业工伤死亡率等是重点的一级指标，一级指标下可以进一步细分为二级指标、三级指标等等，进而形成劳动统计报表，并由经济普查人员开展填报工工作。这种模式在实际运营中存在一定的局限性，影响了统计数据的准确性，在大数据时代下，需要重点考虑统计指标的内容、数据采集的可实施性以及数据的灵活性等方面。第一，注重不同劳动统计指标相互之间的联系。目前我国的劳动统计报表中，对于统计指标进行了科学详细的划分，通过该报表收集的数据对于分析国民经济情况有重要的意义。但是在实际操作过程中，受地域之间统计标准和范围差异的影响，“数据打架”的现象常有发生，因此，科学的设定劳动统计指标，具有重要的意义；其次，注重数据采集方式的优化，构建以劳动者个人为填报主体的数据库。随着国家户籍制度的改革，构建个人账户性的劳动数据库的设想将成为可能，但是该工作涉及面广，工程浩大，对劳动者本人素质和建设数据库的技术方法都提出了较高的要求；第三，注重数据处理和分析方法的研究。对于收集的海量数据，需要構建科学的模型并采用有效的分析方法，为形成趋势性的研究结论服务。综上，大数据时代下，经济学的数理化趋势将成为主流，劳动经济学数据统计工作也需要相应的进行改变，其中更新指标体系、优化数据采集方式和分析方法是重要的研究内容。

参考文献：

[1] 蔡庆丰， 郭春松， 陈诣之. 大数据思维在金融学研究中的运用[J]. 经济学动态， 2015（3）：104-114.

[2] 田茂再. 大数据时代统计学重构研究中的几个热点问题[J]. 统计研究， 2015， 32（5）：3-12.

[3] 岳晓宁， 丁宇. 大数据时代统计学重构浅析[J]. 沈阳大学学报（自然科学版）， 2017， 29（3）：250-253.