京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06