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
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26