京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代更要讲契约精神_数据分析师考试
“契约严守”不仅是人类文明发展史上的一项美德,也是检验现代社会市场发育水平和法治发达程度的试金石。从全球范围来看,在那些市场经济更为成熟、法治化水平更高的地区,契约精神相对更为浓厚;而在那些规则意识不强、社会诚信度不高的地方,市场的成熟程度和经济的发展水平通常都比较低。党的十八届四中全会明确提出,要弘扬中华优秀传统文化,增强法治的道德底蕴,强化规则意识,倡导契约精神。
早在两千多年前,孔子就作出了关于契约精神的经典评论:“人而无信,不知其可也”。契约精神之所以能够成为千古传唱的美德,是因为这一朴素道德教化的背后蕴含着简明却深刻的道理,即现代经济学所言的“社会信用”。信用是人与人之间顺利开展社会交往活动的基础要素,是人际社会交往的润滑剂。社会信用不局限于独立的社会个体之间,还发生在个人与群体之间、群体与群体之间,个人与机构之间、机构与机构之间。可以说,哪里有社会交往,哪里就需要社会信用。
因为一个人信守诺言,能够在未来如约履行承诺,才使得与其交往的相对人对其产生信任和预期,并敢于与之大胆地交往合作,最终达到各自利益的协同实现。相反,如果一个人言而无信,那么,交往相对人要么是采取各种防范措施,以保证交往预期在未来得以实现,但却因此产生高昂的交往成本;要么是畏手畏脚,决定交往前须再三观察和等待,但却因此贻误了最佳交往时机;要么是干脆避而远之,因防不胜防而拒绝参与交往,但却因此浪费了潜在的交往机会。而无论是哪一种情形,都偏离了我们的理想选择。
以人类的契约实践和制度发展史为例,历史研究表明,在“政治国家”出现之前,人类社会已经存在契约交易。不过,这主要限于熟人之间的交易和陌生人之间的即时交易,而陌生人之间的信用交易发生的概率很低。因为,在这一时期,契约精神尚未在陌生人之间得到充分的培育。在“政治国家”出现之后,国家强制执行合同现象也随之发生。这不仅为陌生人之间的信用交易提供了安全保证,促进了更大规模的社会财富流通和更高水平的社会经济发展,而且还让人们在更频繁的契约实践中感受到了契约严守的魅力,培育了更加浓厚的契约精神。相应的,陌生人主动履约的动力逐渐从“国家强制”上升为一种社会生活习惯。
不过,在大数据时代来临之前,人类的契约实践在很大程度上表现为分散的社会个体之间的小规模交易。个人通常可以便捷而充分地获取交易信息,并能自主作出理性的交易决策,实现个人与个人之间的相互合作。市场的参与者主要限于个体交易当事人。相应地,社会信用主要发生在个人与个人之间。在小规模交易中,除了需要国家强制执行合同和特殊情况下保护弱者之外,社会信用的建立和维系并不过多地涉及个人之外的机构、政府和其他社会组织。只要个体交易人能够普遍践行契约精神,讲诚实守信用,社会信用体系就能得以有效建立和维系,社会交易就能得到比较好的开展。
然而,大数据时代引发了前所未有的知识革命,正深刻地改变着传统的商业模式、政府角色和生活理念:交易场所日益从实体柜台走向网络平台,交易形态逐渐从分散小众交易扩展到规模化集中交易,交易规模不断从小宗交易扩大到大宗买卖,凡此等等。在以大数据为基础搭建的市场中,参与者远不限于单个个体。网络交易平台提供者、大宗交易机构和政府监管部门都在日益复杂的交易结构中扮演着十分重要的角色,成为新型市场得以发生和运转的必备力量。
大数据需要大智慧。在这个时代,我们一方面有机会去创造更广阔的市场交易空间,通过大数据分析实现供给和需求的高效匹配;另一方面也需要调整和改变传统的市场观念,换一种眼光去看待众多市场参与者之间的角色关系。特别是在日益复杂的交易结构中,由于各方主体需要实行更精细化的分工与合作,社会信用的形成和维系机制就显得更为微妙。在由大数据支撑的市场有机体中,信用发生于个人、机构和政府等各类主体之间,是整个有机体得以健康运行的润滑剂。各方主体相互交织在一起,任何一方主体都成为社会信用的建设者和维系人。社会信用已经远远超越了“个人间”这一相对狭小的范畴,演变为一种集合性、规模性现象。每一次守约行动都在优化这个有机体的信用基础。只有当各方主体都严格秉持契约精神,适度考虑各相对人的利益诉求时,才能为新型市场的广大参与者和观望者提供明确而稳定的预期,从而激励更大规模、更高水平的市场交易与合作,让各方主体都能从相互合作中受益。
反之,在由大数据组织起来的市场有机体中,任何一方实施的偏离契约精神的行为,都有可能引发系统性信用风险。这种风险的影响范围远不限于直接的利害关系人,其还包括有机体中的其他利害关系人,甚至还包括这个机体本身的有机存续和健康成长。诚然,“言不信、行不果”未必都是唯利是图的机会主义行为,其也有可能是“特殊情势”下的无奈之举。但无论如何,此种行为在给某一方甚至多方主体带来短暂好处的同时,却蕴含着规模化的信用赤字风险,引发各类高昂社会交往成本,不利于各方主体和整个有机体的可持续发展和长远利益。
在这个意义上,大数据时代在带给我们更多社会福利的同时,也在呼唤更高水平的契约精神。大数据时代的契约精神不仅排斥机会主义行为,而且要求我们主动考虑众多社会同伴的合理预期,并前瞻性地采取预防措施,避免那些迫使违约的“特殊情势”的出现,从而实现各交往当事人的广泛合作与共赢。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13