京公网安备 11010802034615号
经营许可证编号:京B2-20210330
运用大数据服务供给侧改革
我国“十三五”的中心任务是提高经济增长的质量和效益,而推动供给侧改革构建高精尖经济结构也是为了更好地服务这个中心任务。可以说,宏观经济的质量和效益源于中观产业,中观产业又源于微观的市场主体即企业。所以,作为市场主体的企业质量好坏直接会给经济带来影响。
那么,在北京构建高精尖经济结构的大背景下,我们如何来判断哪些是高精尖的企业?哪些企业经济贡献非常大?哪些对外投资辐射特别强、专利技术多、人均纳税高,而且获得过国际资本和国内优质资源投资,单位能耗特别小呢?对此,北京市政协委员、龙信数据首席数据科学家屈庆超给出了答案。
屈庆超指出,当下运用大数据对企业信息进行监测不仅能为政府提供宏观经济数据,同时在中观上也能反映一个产业的发展动态,在微观上也能反映企业的相关信息,有助于精准助力供给侧改革,构建高精尖经济结构。
当下,政策的红利激发了市场的活力,从2014年到2015年,我国新增市场主体超过400万,相当于每分钟新增8家企业。这样庞大的微观群体集中的数据将能反应海量的信息。但由于政府部门各管一段,数据不透明,这就对他们识别哪些是高精尖企业,哪些是技术尖端企业等带来壁垒。
屈庆超对记者表示,“一个企业的发展其实是多维的,我们通过建立模型,测算出北京有将近3万家高精尖企业,这些企业无论在经济总量、研发投入、专利授权量和纳税方面都占到了北京市总量的50%以上。后来我们又详细地进行了划分,发现海淀区和朝阳区就占了50%以上的高精尖企业,其中海淀区占比最高。由此,能够得出结论,未来在高精尖产业构建中,海淀区会有很大的经济增长潜力。这就是大数据的作用。”
大数据的价值就在于它的应用。屈庆超又举例说,北京有1.6万家企业获得了风险投资,只占北京企业总数的1%,但他们的品牌商标数量却占了北京企业品牌商标总数的8%;这1%的企业同时占了北京总体企业专利数总量的11%;产品著作权占了北京市企业总量的12%。我们现在为什么需要大数据?原因就在于过去的统计方法在社会的变革中很难适应当前的需要了,我们的政府在做决策的时候需要更加精准、更加科学的数据,需要大数据和大数据思维,来实现治理能力的现代化,以便精准助力供给侧改革。
可以说,下一轮的信息革命将是内容的互联、数据的互联。相应地,政府职能的转变和未来对宏观经济的调控与管理的手段都将会继续优化和改进。屈庆超认为,未来的数据将不仅仅是政府部门的数据,还需和社会、互联网、大数据企业共建数据,使所研究的区域更有系统性。
因此,屈庆超建议,政府部门应协同大数据企业一起,把数据共建、共享起来,建立北京市的企业大数据融合中心,服务首都经济的精准治理。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26