https://mmbiz.qpic.cn/mmbiz_png/zrzepLV0gEbW230FB3mERnF0micKo1Fs9GJic0bPxIRXdPwOgVpCDESKNicodcmtR2n7Mm31nrapzh5DnMT6lStmg/640?wx_fmt=png

文/观察者

宏观经济研究的时效性空前重要，而京东大数据率先提供了一种可能性。

耗时耗力的宏观经济研究，一向给人高深莫测、皓首穷经的感觉。

不过，传统的经济研究“模式”可能已经到了不得不变的时候——随着新经济、新技术与现实社会的共振频率越来越快，宏观经济研究要“突破自我”，不仅要与深度博弈，还要“与时间赛跑”，解决滞后性的问题。

11月19日，《2019中国人口迁移和城镇化发展研究报告》出炉，有意思的是，这份报告不是相关决策部门的研究结果，而是京东数科大数据能力的“外溢”。

确切地说，这是一份基于大数据的人口流动研究报告，核心依据是京东账户收货地址的变迁——京东有3亿多的用户账户，而用户收货地址的变动，恰恰又是一个可以实时掌握的维度。

京东数科的“数据思维”或“大数据模式”，很可能就是宏观经济研究的未来模式。

01

宏观经济研究的方式、方法，往往会直接决定结果，而京东大数据研究报告的结果是出人意料的，并且有着显而易见的决策价值。

比如，关于一线城市的人口流动，从报告上来看，北京的人才吸纳和流出模式，与其他一线城市有着明显的不同。从人才流出来看，北京与上海、广州和深圳的人口交互非常密切，但与此同时，北京流出人口中的“主流”，并非在以北京为中心的都市圈内停留，而是转向数千公里以外的上海、广州等城市。这与“京津冀”都市圈的政策导向产生了偏差，特别是，北京没有能够起到对河北腹地强辐射的作用。

https://mmbiz.qpic.cn/mmbiz_png/zrzepLV0gEbW230FB3mERnF0micKo1Fs9ibjmeB5OJT3ic9yYNAMPQ2MsycRqv0JQIB0Q0wuSbjwnfwrDYEb0Jltg/640?wx_fmt=png

（图片来自京东数科）

北京的人才吸纳模式也与众不同。相比部分“老北漂”的选择流出，北京每年又有“新北漂”流入。尽管北京流出人口相对大于流入人口，但是，相比其他城市，北京对年轻人依然是极具吸引力的。以广州人口的流动为例，无论是迁入城市和迁出城市，第一名都是北京。

https://mmbiz.qpic.cn/mmbiz_jpg/zrzepLV0gEbW230FB3mERnF0micKo1Fs9Mog2ktuAicia0VGiaQ5MMKkb3FeVWd03o3f2Jkx6lNnvfDM9faAWWF3mg/640?wx_fmt=jpeg

（图片来自京东数科）

京东数科的大数据对“北京模式”的挖掘是一种创新性的发现。以往我们只讲“京津冀”，只讲长三角珠三角，但更多的是笼统判定其人口走向，并没有考虑跨区域融合，甚至区域功能这种微妙的变迁，所以采用传统的，相对静态的数据采集方式不足以对其进行更准确定位。

在京东的这份报告中，起码体现了大数据宏观研究的两个优势。一方面，京东大数据的数据覆盖是很完善的，而从京东亿级客户群体反馈出来的变迁中，通过不同的维度，我们可以采撷出更加灵活多变的信息。另一方面，由于可以实时掌握海量数据，以及大数据分析的速度非常快，大数据宏观研究在时效性上的优势非常突出。

02

报告产出的时效性，是大数据宏观研究最突出的亮点之一。

多数宏观经济研究报告发挥价值的前提，不是能不能拿到诺贝尔经济学奖，而是能不能解决滞后性的问题，为决策提供及时的指导。

宏观决策，往往意味着试错，但京东数科的大数据提供了一种新的可能性——在京东城镇化研究报告的案例中，通过京东用户收货地址的变化，大数据可以像监测城市交通一样实时监测人口流动，从而显示出城镇化决策与预期结果的偏差，减少决策的试错成本。

大数据宏观研究的价值，体现在其对传统宏观研究的超越。在京东的大数据系统中，有两种突破至关重要且显而易见：一是数据维度的突破，二是技术的突破。我们会发现，传统的城镇化研究之所以耗时耗力，首先是因为需要大量的社会调研和人口统计，毕竟，在传统的统计方式之下，住户搬迁与否，只有住户主动申报或统计部门定期调查才能获知。而与此同时，在人口流动非常频密的当下，等到研究报告出炉，数据本身可能已经与现实情况出现了偏差。

同时我们也会看到，京东数科大数据的支撑，不仅在于拥有3亿用户的数据，也在于拥有传统宏观研究机构难以企及的研发投入。一方面，京东数科把真金白银投向了最前沿的科技领域，今年4月，京东就曾发布了《京东区块链技术实践白皮书(2019)》，另一方面，从应用领域来看，京东数科的大数据、AI创新已经超越研究的层面，在扶贫、城市管理等痛点显著的领域已经相继开始落地，这也同样是宏观研究“时效性”的一种反应。

事实上，未来的大数据对于宏观研究、宏观决策，将产生远远超越其目前所能体现出的价值。由于互联网、大数据、人工智能的发展，像GDP这种传统的经济指标，已经明显落后于时代的发展，其核心的原因就在于，在传统的宏观研究框架下，过时的“数据思维”，已经让越来越多的价值难以被计算，更不要说去支持决策。