首先，大數(shù)據(jù)將徹底改變經(jīng)濟(jì)學(xué)使用數(shù)據(jù)的實(shí)時(shí)性。大數(shù)據(jù)收集的都是實(shí)時(shí)數(shù)據(jù)，現(xiàn)在很多企業(yè)都在利用實(shí)時(shí)數(shù)據(jù)，奇怪的是經(jīng)濟(jì)學(xué)研究卻主要使用匯總數(shù)據(jù)，很少使用實(shí)時(shí)數(shù)據(jù)。匯總數(shù)據(jù)一般最精準(zhǔn)的就是當(dāng)天的數(shù)據(jù)，比如匯率，而像通脹數(shù)據(jù)則是當(dāng)月的。

　　其次，大數(shù)據(jù)將使經(jīng)濟(jì)學(xué)可調(diào)用的數(shù)據(jù)集規(guī)模極度擴(kuò)大。經(jīng)濟(jì)學(xué)研究調(diào)用的一般是成千上萬個(gè)時(shí)間點(diǎn)（一般最小的時(shí)間點(diǎn)是天）的數(shù)據(jù)，相對(duì)于大數(shù)據(jù)而言，這樣的研究樣本是很小的，所以經(jīng)濟(jì)學(xué)研究對(duì)研究者的統(tǒng)計(jì)學(xué)功力依賴很大。然而大數(shù)據(jù)可以調(diào)用數(shù)百萬、數(shù)千萬甚至是更多的數(shù)據(jù)，因此研究者的統(tǒng)計(jì)學(xué)功力就顯得沒那么重要。

　　第三，大數(shù)據(jù)可以同時(shí)觀察多個(gè)變量之間的互動(dòng)。經(jīng)濟(jì)學(xué)常用的數(shù)據(jù)分析方法是時(shí)間序列分析，一般只能研究?jī)蓚�(gè)變量之間的互動(dòng)，比如狹義貨幣是如何影響通脹的。

　　第四，大數(shù)據(jù)結(jié)構(gòu)更少，但層次更多。比如在零售領(lǐng)域，傳統(tǒng)經(jīng)濟(jì)學(xué)的數(shù)據(jù)收集呈矩形，有N個(gè)觀察時(shí)間點(diǎn)和K個(gè)變量，一般K遠(yuǎn)遠(yuǎn)小于N。而大數(shù)據(jù)記載的只是一系列消費(fèi)行為，其數(shù)據(jù)并非矩形，也沒有更復(fù)雜的結(jié)構(gòu)，你可以用統(tǒng)計(jì)學(xué)方法把這些數(shù)據(jù)構(gòu)造成無限多個(gè)矩形數(shù)據(jù)集。

　　最后，大數(shù)據(jù)將徹底改變經(jīng)濟(jì)學(xué)對(duì)數(shù)據(jù)記錄之間關(guān)系的看法。傳統(tǒng)經(jīng)濟(jì)學(xué)認(rèn)為每一個(gè)記錄的數(shù)據(jù)都是獨(dú)立的，或者可以集結(jié)成面板數(shù)據(jù)，歸根結(jié)底也就是時(shí)間序列的衍生物。但大數(shù)據(jù)卻非如此，比如社交網(wǎng)絡(luò)上人與人之間的互動(dòng)數(shù)據(jù)是高度復(fù)雜的，傳統(tǒng)的經(jīng)濟(jì)學(xué)模型無法揭示社交網(wǎng)絡(luò)上人與人之間的互動(dòng)關(guān)系，必須使用大數(shù)據(jù)的方法。

　　企業(yè)運(yùn)用大數(shù)據(jù)的場(chǎng)景主要是記錄運(yùn)營(yíng)過程和結(jié)果，并構(gòu)建涵蓋范圍廣泛的預(yù)測(cè)類算法。比如Amazon和Netflix應(yīng)用預(yù)測(cè)模型為客戶推薦影視劇和書籍。預(yù)算類算法的可使用范圍遠(yuǎn)遠(yuǎn)超越了電子商務(wù)。比如在醫(yī)療保險(xiǎn)領(lǐng)域，保險(xiǎn)公司通過將病人的付費(fèi)情況和治療效果數(shù)據(jù)導(dǎo)入預(yù)算類算法，可以計(jì)算其“風(fēng)險(xiǎn)系數(shù)”，然后通過風(fēng)險(xiǎn)系數(shù)來調(diào)整保費(fèi)標(biāo)準(zhǔn)，而在大數(shù)據(jù)技術(shù)之前，“風(fēng)險(xiǎn)系數(shù)”是由病人的病史和相應(yīng)的統(tǒng)計(jì)學(xué)分析方法來確定的。其實(shí)，大數(shù)據(jù)若應(yīng)用到政府領(lǐng)域，也可以極大地改變經(jīng)濟(jì)政策分析和經(jīng)濟(jì)學(xué)研究。

　　首先，大數(shù)據(jù)會(huì)極大地釋放出政府公共事務(wù)管理數(shù)據(jù)的潛在威力。通過管理稅收系統(tǒng)、社保系統(tǒng)以及法規(guī)條例，政府積累了海量的顆粒狀數(shù)據(jù)。公共管理數(shù)據(jù)在很大程度上沒有被充分利用，主要原因是政府有關(guān)部門缺乏大數(shù)據(jù)硬件、軟件和人才基礎(chǔ)，另外這些數(shù)據(jù)也沒有通過開放的端口給私營(yíng)數(shù)據(jù)供應(yīng)商使用，而且各地方政府的數(shù)據(jù)收集標(biāo)準(zhǔn)不一，難以統(tǒng)一維護(hù)和管理。在這方面，許多歐洲國(guó)家走在世界前列，其中央政府將各級(jí)地方政府的教育、醫(yī)保等數(shù)據(jù)整合成了針對(duì)全國(guó)人口的大數(shù)據(jù)庫(kù)。

　　公共管理數(shù)據(jù)的潛力非常巨大，這些數(shù)據(jù)涵蓋不同個(gè)人、企業(yè)和機(jī)構(gòu)相當(dāng)長(zhǎng)期的各類行為和狀況，一般是面板結(jié)構(gòu)的，數(shù)據(jù)質(zhì)量也很高。而且由于這些數(shù)據(jù)集的涵蓋面是普遍的，其可以和其它涵蓋面更具選擇性的數(shù)據(jù)集搭配使用。

　　如果政府向私營(yíng)數(shù)據(jù)供應(yīng)商有限開放這些公共管理數(shù)據(jù)的應(yīng)用端口，對(duì)經(jīng)濟(jì)政策分析和經(jīng)濟(jì)學(xué)研究無疑將產(chǎn)生巨大推動(dòng)。

　　比如經(jīng)濟(jì)學(xué)家Thomas Piketty和Emmanuel Saez利用美國(guó)國(guó)稅局的數(shù)據(jù)構(gòu)建了美國(guó)最富家庭占全國(guó)收入比例的歷史數(shù)據(jù)集。他們的相關(guān)研究成果對(duì)奧巴馬以來的決策者產(chǎn)生了極大的影響，美國(guó)最富家庭所占全國(guó)收入比例和所占全國(guó)納稅總額比率的嚴(yán)重不對(duì)稱以及日益失衡成為了決策者和立法者探討稅收政策改革的一個(gè)話題焦點(diǎn)。

　　另外一個(gè)例子是：經(jīng)濟(jì)學(xué)家John Wennberg與其同事調(diào)用了長(zhǎng)達(dá)數(shù)十年的美國(guó)醫(yī)保（Medicare）數(shù)據(jù)，發(fā)現(xiàn)人均醫(yī)保支出數(shù)據(jù)中有相當(dāng)大一部分?jǐn)?shù)據(jù)差異（variation）無法用健康狀況、保費(fèi)價(jià)格來解釋，而且和體檢結(jié)果數(shù)據(jù)也沒有明顯相關(guān)性。Wennberg領(lǐng)銜的這項(xiàng)研究證實(shí)了美國(guó)原有醫(yī)保系統(tǒng)的嚴(yán)重效率缺失，其研究成果在推進(jìn)奧巴馬醫(yī)改法案的進(jìn)程中備受關(guān)注。

　　其次，大數(shù)據(jù)可以改變政府測(cè)算經(jīng)濟(jì)活動(dòng)的方式。政府在經(jīng)濟(jì)活動(dòng)的測(cè)算方面扮演著極其重要的角色，比如通貨膨脹率、失業(yè)率和GDP等等的測(cè)算都是由政府主導(dǎo)的。一般而言，政府都是通過調(diào)研的方式來測(cè)算經(jīng)濟(jì)活動(dòng)的。比如國(guó)家統(tǒng)計(jì)局會(huì)派出調(diào)研員去商店手動(dòng)收集成千上萬商品的價(jià)格，然后將這些數(shù)據(jù)匯總成不同的通脹指數(shù)——CPI就是其中之一。然而大數(shù)據(jù)技術(shù)可以更大規(guī)模地收集物價(jià)數(shù)據(jù)，甚至可以做到實(shí)時(shí)收集。

　　比如，由麻省理工學(xué)院斯隆商學(xué)院教授Alberto Cavallo和Roberto Rigobon發(fā)起的10億物價(jià)項(xiàng)目（BPP），通過成百上千個(gè)電商網(wǎng)站和手機(jī)應(yīng)用的端口可以收集數(shù)以10萬計(jì)商品的實(shí)時(shí)價(jià)格數(shù)據(jù)，從而可以實(shí)時(shí)發(fā)布通脹數(shù)據(jù)，而不是像國(guó)家統(tǒng)計(jì)局那樣每個(gè)月發(fā)布一次。

　　再次，大數(shù)據(jù)在企業(yè)部門的一個(gè)巨大作用就是使企業(yè)的議題探討和決策過程更大程度上得到大數(shù)據(jù)分析的支持，并且有些公司還在用大數(shù)據(jù)進(jìn)行廣泛的運(yùn)營(yíng)實(shí)驗(yàn)，相比之下，公共部門在這些方面進(jìn)展十分遲緩。

　　政府收集了大量的公共事務(wù)管理數(shù)據(jù)，這些數(shù)據(jù)對(duì)經(jīng)濟(jì)政策分析和經(jīng)濟(jì)學(xué)研究助益極大，但利用效率卻極低。

　　比如，醫(yī)保部門有過去幾十年的每一筆醫(yī)保索賠記錄，稍加整理就可以得出無數(shù)個(gè)人的病史數(shù)據(jù)集，通過大數(shù)據(jù)挖掘和預(yù)測(cè)類算法，可以得出關(guān)于不同治療方案和過程的非常詳細(xì)的成本效益分析，從而使醫(yī)保支出的效益大大提高。以此類推，政府部門完全可以用大數(shù)據(jù)技術(shù)對(duì)醫(yī)保和稅收等涉及財(cái)政收支的政策法規(guī)改革調(diào)整進(jìn)行一定范圍的精準(zhǔn)實(shí)驗(yàn)，再根據(jù)效果去調(diào)整相關(guān)政策法規(guī)。

　　未來，經(jīng)濟(jì)學(xué)家將更多地使用上面所描述的大數(shù)據(jù)挖掘技術(shù)，經(jīng)濟(jì)學(xué)數(shù)據(jù)分析被時(shí)間序列壟斷的局面也將被打破，預(yù)測(cè)類算法將取代變量之間的因果分析，機(jī)器學(xué)習(xí)將取代統(tǒng)計(jì)模型。

　　政府公共事務(wù)管理數(shù)據(jù)的應(yīng)用端口將更趨開放，其數(shù)據(jù)衍生產(chǎn)品前景遠(yuǎn)大，許多重要的經(jīng)濟(jì)指標(biāo)將可以做到實(shí)時(shí)發(fā)布，公共部門的議題探討和決策過程將更多地獲取大數(shù)據(jù)的支持。根據(jù)Statista的數(shù)據(jù)，經(jīng)濟(jì)咨詢服務(wù)（經(jīng)濟(jì)咨詢公司）在美國(guó)的市場(chǎng)規(guī)模已超過300億美元（近2000億元人民幣），這并不包括銀行、投行和公共機(jī)構(gòu)內(nèi)部的經(jīng)濟(jì)分析部門，一旦包括起來，其市場(chǎng)規(guī)模將更大。經(jīng)濟(jì)咨詢服務(wù)未來在中國(guó)也應(yīng)該成為一個(gè)千億元級(jí)別的產(chǎn)業(yè)，大數(shù)據(jù)技術(shù)將使該行業(yè)發(fā)生根本性的技術(shù)革命，愿景不可估量。

　　未來，政府公共事務(wù)管理數(shù)據(jù)的應(yīng)用端口將更趨開放，其數(shù)據(jù)衍生產(chǎn)品前景遠(yuǎn)大，許多重要的經(jīng)濟(jì)指標(biāo)將實(shí)時(shí)發(fā)布，公共部門的議題探討和決策過程將更多地獲取大數(shù)據(jù)的支持。