
大数据更容易把握市场这只无形的手
马云近日在谈到大数据时表示,过去一百多年,人们都崇尚市场经济。但未来三十年会发生很大变化,计划经济将会越来越大。究其原因就在于数据的获取,可以让人们更容易把握市场这只无形的手。
从目前政治经济业态来看,这无论如何都是一个大是大非的问题。会不会回到计划经济?如何回到计划经济?需要给予非常明确的回答。
马克思主义在市场经济和计划经济到底哪个好问题上有条件地选择了计划经济。这个条件是物质高度发达,人们有高超、准确的预见性,对市场特别是物质生产与需求有强有力的掌控力、预见性与洞察力。如果没有异常高超的手段、预见性与掌控力,那么实施计划经济只能使得资源配置效率大大降低。最终是商品匮乏,经济停滞,从而引发各类矛盾爆发,危及到政权存亡。超越历史阶段实施计划经济对国家经济等各个方面的伤害几乎是毁灭性的,前苏联的解体就是最典型的例子。
相对于计划来说,在人们没有能力对市场进行计划时,市场是高效配置资源的方式,无形之手相对公平地指挥着市场运转。但自由市场一个弊端是,日积月累使得各种风险越来越大,最终爆发金融危机、经济危机,对生产力造成巨大破坏。而这种周期性危机一直无法有效消除,至今仍没有良方医治。
总体来说,在现阶段市场经济利大于弊,而计划经济弊远远大于利。不过,马云所说的计划经济将越来越多的逻辑是建立在大数据大发展基础上。同是计划经济手段提高与方式出现大飞跃的问题。如果大数据使得人们可以对市场有一个彻底认知,精准把控的话,计划经济或者准确的说是计划手段或越来越多。从理论上讲,以互联网、移动互联网、智能移动互联网、物联网、大数据、云计算、传感技术、自动驾驶、个性化定制、VR、AR、MR、AI等为主要特征的第四次工业革命的到来,决定了新的理论特别是新的经济理论急需诞生。出现新的理论没有悬念。
这里需要强调两点,一是马云混淆了计划经济与计划的本质区别。前者是一种经济体制,后者是一种经济手段。手段会越来越好,但不一定非要回到计划经济体制时代。二是马云所说的计划经济是从科技创新角度而言,是技术倒逼变革而来,这里的计划经济不是人、部门、团体包括政治团体主观把控与计划的,而是大数据技术来完成的,不存在人为的主观性因素。而大数据本身离实施计划经济所要求的认知、技能同样还差很远。
大数据仅仅是基础或者是基础设施而已。有了互联网特别是移动互联网,使得我们对每一个经济体的行为交易轨迹可以通过在网上挖掘出来。这是一个翻天覆地的技术大变革。这或许为计划奠定了基础。但是,仅有数据是不够的,不进行计算、分析与挖掘,再多的大数据也只不过相当于一堆破铜烂铁的废品。
马云与马克思一样,仍是规划出了一个计划经济的美好前景而已!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23