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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25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