地方金融的数字化手段（一）：把大数据作为宏观经济研究的窗户

自2014年《政府工作报告》首次提及“大数据”以来，依靠大数据提升地方政府治理能力开始受到各级政府关注。2017年，习近平总书记在中央政治局第二次集体学习时强调，要实施国家大数据战略加快数字中国建设，运用大数据提升国家治理现代化水平。

2020年4月9日，中共中央国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，其中创造性地将数据作为第五大要素提出，并强调了数据要素的三大发展方向：一是推进政府数据开放共享；二是提升社会数据资源价值；三是强调加强数据资源整合和安全保护。

这三大发展方向，在笔者看来，如何发挥各地大数据局的数据统合能力，借助有研究能力的社会力量，在确保安全合规的前提下，对该部分数据进行脱敏和结构化，有助于形成对地方经济运行更好的研究工具。

主体：大数据管理机构

截至2020年底，已有至少19个省级地方设立了大数据管理机构。在隶属关系上，大数据管理机构一般为政府直属机构、部门管理机构或事业单位；在组建模式上，存在对相关部门职能进行重组、在原有职能部门增加职责、加挂牌子三种模式；在职责范围上，主要关注于宏观战略规划和促进数字产业发展，对于统筹整合政府数据资源的重视较为不足。

在第八次机构改革中，职能整合组建新机构是大数据管理局成立的主要途径，以此途径成立的大数据管理机构约占总数的70%。职能整合后组建主要是将原本分散在各部门的有关数据管理、电子政务等职能划归大数据管理部门。改革前涉及这方面职能的部门主要有：政府办公厅、经信（工信）部门、发改委、电子政务中心、智慧办等。因此在成立早期，如何高效统合各个政府部门的数据资产，是大数据管理局重要的工作。

此外，这一阶段对“数据”的理解，更多的集中于数据和信息服务产业，以及智慧城市建设，因此大数据管理机构的服务对象是当地企业，特别是同以上产业相关的企业。
在第八次机构改革后，大数据管理机构在原有职能基础上，更为注重对大数据发展战略的顶层设计与政府各部门间的统筹协调，并且多地区将“互联网+政务服务”和“政府数字化建设”作为机构的工作重点。

不过到目前，大数据管理机构更多的精力还是围绕“数据如何形成资产”在进行着力，“数字资产如何形成价值”，成功案例还不够多。大量政务数据和公共数据，如何在合规和安全的前提下向社会进行开放共享，是未来政务工作重要的组成部分。

扩展：国资搭台，国企唱戏

从各地实践来看，借助企业力量开展数字政府运营已经成为政府的普遍选择。例如，广东省成立数字广东网络建设有限公司，负责全省数字政府建设运营。组建模式上，数字广东由腾讯持股49%，三大运营商持股51%，保持国有控股属性的同时最大程度借助科技企业力量。管理模式上，广东省政务服务数据管理局和数字广东分工负责“管”、“运”两方面职责，并同步在省、市、县设立分支机构，密切配合开展建设。

其他省份如浙江、贵州、河南、广西、山西也都采取这种模式，由主管政府部门保留数字政府顶层设计、法规制度、督查评估等管理职能，平台建设、日常维护等运营职责则剥离至数字企业，不同之处在于数字运营企业的股权结构情况、技术依托情况存在一定差异。“管运分离”模式很好地发挥了技术和行政统筹优势，既解决了政府技术人员匮乏、技术手段落后等问题，加速了政府数字化转型进程，同时也催生了一大批数字经济产业，壮大了数字产业化。

 部分省份数字政府运营公司股权结构情况

沿着这一方向再进一步，则是依托地方数据资产，形成国资牵头的商业机构，对数据资产的商业化进行努力，典型代表是北京金控集团。

北京金控集团选择了金融产业同大数据的结合，因为金融产业对大数据资产的应用场景丰富，经验成型，且投入产出比更高。

但过往经验中，金融企业机会主义地寻求数据支持，存在数据难以获得，以及数据获得方式不当等问题，金融机构与数据方直联飞线，容易形成了“数据孤岛”和“架空线”，在产生资源浪费和重复建设的同时，数据精确和数据安全等问题也令人关注。

北京金控集团成立了国内首家普惠型金融大数据公司——北京金融大数据有限公司，其正在建设的金融大数据平台，已被明确为北京市政务数据在金融领域社会应用的统一接口，承担金融大数据统进统出、制度化管理、创新社会应用三个功能。

目前该部分数据的应用场景，主要集中于金融普惠领域，这也和个人信贷、小微企业信贷、个人和企业征信等场景相对成熟，技术门槛不高，市场需求大且迫切都有关系。

场景：大数据支持宏观经济监测

近年来，运用大数据强化宏观经济分析和形势研判，已经成为国家战略。习近平总书记指出，要建立健全大数据辅助科学决策和社会治理的机制。国家“十四五”规划明确提出，要加强宏观经济治理数据库等建设，健全宏观经济政策评估评价制度和重大风险识别预警机制。在党中央、国务院的高度重视和坚强领导下，以及社会各界的广泛参与和大力推动下，利用大数据提升政府治理、宏观决策和产业转型水平，已经成为社会各界广泛共识。

信息科学领域的研究者相信，当收集的经济社会运行微观主体相关信息量足够多、内容足够丰富时，大数据就会对宏观经济运行产生很强的监测预测能力。著名学者Barabasi指出，“如果你知道一个人过去的所有社会数据，那么你对他未来行为的预测的准确性将达到93%”。

2012年3月29日，美国白宫网站发布的《大数据研究和发展倡议》（Big Data Research and Development Initiative）提出，实施大数据计划旨在帮助美国获得从海量复杂数据集中萃取知识的能力，借此提高国家应对急迫挑战的水平，大数据上升成为美国的国家战略。美国宏观经济运行的多个相关部门都在积极探索利用大数据等新技术手段改进宏观经济运行分析，如美国经济分析局（BEA）尝试对比机器学习和替代性数据在经济预测中的效果，美国劳工统计局（BLS）尝试利用第三方数据、企业数据和Web抓取的零售商API数据来优化消费者价格指数（CPI）的数据采集，美国人口普查局利用机器学习和公共数据尝试自动化生成北美工业分类系统（NAICS）代码，等等。

2017年，《国家发展改革委“智慧发改”建设规划》（发改办厅〔2017〕1959号）正式印发，提出打造智慧决策大脑的设想，要求“面向重大决策需求，构建‘智慧发改’决策算法库、模型库、指标库、知识库，开展各类大数据分析指标与传统统计指标的回归比对和关联分析，逐步推动经验智慧与人工智能融合创新，为加强和创新宏观调控提供强有力技术支撑。”根据文件要求，将原国家发展改革委互联网大数据分析中心改名为国家发展改革委大数据中心，推进归集位置信息、电子商务、交通物流、招投标、专利软著、自媒体等各种大数据资源，并面向国家发展改革委等上级机构开展重大政策大数据评估研究。

从前期对国内外宏观经济大数据监测预测领域的研究方法的梳理也可以看到，目前经济运行大数据分析所使用的方法大致可以分为四类：一是统计分析方法，如ARMA模型、LASSO算法、向量自回归（VAR）、灰度关联分析、协整检验、主成分分析、多元线性回归、时序分析等，主要是将利用大数据手段构建的各种新指标与传统计量经济学的分析模型相结合，实际上是均衡范式在大数据环境下的进一步延续。二是复杂网络方法，如社会网络分析（SNA）、图模式识别、网络特征空间、二部图分析等，这类方法主要侧重于对微观经济主体的行为关联性进行分析挖掘，识别其中的潜在模式和演化趋势，大致可以对应于演化范式下的行为依赖性分析。三是人工智能方法，如潜在语义分析、支持向量机、贝叶斯分类、观点识别、新词发现、情感分析、回归树、随机森林、卷积神经网络等等，这类方法目前在宏观经济中主要应用场景是对微观行为主体的观点性文本进行分析挖掘，大致对应于演化范式下的观念依赖性分析。四是时空分析方法，如时空分布、位置分布、行为轨迹分析、区域关联网络分析等等，这类方法大致可以对应于演化范式下的时空依赖性分析。

财新数据在这方面也有不少经验，通过对互联网数据的采集以及非标数据的聚合，在此基础上进行宏观经济研究，形成对一些特定经济现象的监测和预测。成功案例包括：

1）2016年以来财新数据推出了全球第一个通过大数据模型分析的宏观经济指数——万事达卡财新BBD中国新经济指数，每个月结合互联网公开数据进行分析，计算当月新经济占整体国民经济的比重；

2）财新数据和国家气候中心合作推出的“中国气候风险指数”，基于国家气候中心的气候预测数据，对宏观经济未来的气候影响进行量化分析，并继续延展到农产品产量、工业生产计划、再保险和期货交易等领域；

3）财新数据同某家互联网电商公司合作，基于全行业的电商行为数据，计算当月全国居民消费的价格指标、动能指标和信心指标。

试想，如果除了地方发改委、经信局等机构，还会有不少研究机构如财新数据这样，能够基于地方大数据运营平台脱敏后的公共数据，进行地方经济和社会运转情况的监测和预测，在领导需要的时候，一份防患于未然的报告就递到领导手里。那大数据管理机构的作用，就发挥到位了。

扩展：合规就拿入场券

各地通过大数据管理机构和大数据运营企业的协作，已经基本建立了大数据的运营管理平台，也有不少地方政府已经成立了大数据交易所。未来可以有更多的商业机构，在大数据交易所进行交易，并将数据资产形成价值。

如何圈定哪些商业机构有权利获得数据？数据的使用场景是不是需要获得数据的资质进行分级、分类？

但毋庸置疑，数据本身形成的智慧，未来会越来越重要。商业机构会非常依赖这部分数据的使用权。而这就围绕着大数据资产形成了一个闭环生态。这个生态内，企业追随数据的价值，而政府部门提供数据。

如果把数据类比过往的土地等生产资料，可以不可以理解为，政府将为企业提供一个非常关键的生产资料？如果是，那么这个生态就将是收敛和聚集的，在数据资产能够发挥更大效能的地方，企业会越聚越多。

这就会使得，大数据的应用，在地方政府之间，形成马太效应。大数据运营平台本身，也类似于过往的很多开发区运营公司，将拥有发债、发股等等资本化和资本运营的空间和能力。

如果大数据运营平台本身，建立一整套孵化和投资的机制，就像过往的引导基金一样，那么在既定数据生态内的商业企业，会是非常欢迎融入这样的机制内的。就像地方开发区的引导基金投资入区企业一样，双赢且利益绑定。

这样，数字资产本身商业化的实现，建立了数据运营平台这样的生态中心，生态内的商业机构和生态中心之间可以形成资本关联的驱动力，数据资产就真正意义上实现了资本化。

改革开放头二十年，地方政府比开工厂的速度；再二十年，地方政府比开发土地的速度；未来二十年，地方政府就要比数据资产的生态整合能力了。

比如这就是财新数据平台（caixindata.com）上面诸多非标数据库的一个，聚合了各个行业月度广告花费的数据。