宏觀經(jīng)濟(jì)分析如何借助大數(shù)據(jù)

姜疆

大數(shù)據(jù)時(shí)代對(duì)數(shù)據(jù)的挖掘、處理和分析的方式，對(duì)于傳統(tǒng)的宏觀經(jīng)濟(jì)分析，無疑是一次大的革新

在新常態(tài)下，我國經(jīng)濟(jì)面臨的形勢和任務(wù)更加復(fù)雜艱巨，政府宏觀決策對(duì)宏觀經(jīng)濟(jì)分析的準(zhǔn)確性和時(shí)效性提出了更高的要求。隨著大數(shù)據(jù)時(shí)代的到來，借助大規(guī)模數(shù)據(jù)生產(chǎn)、分享和利用，以嶄新的思維和技術(shù)去分析，將揭示海量數(shù)據(jù)背后所隱藏的宏觀經(jīng)濟(jì)運(yùn)行模式。

大數(shù)據(jù)方法和技術(shù)不僅可以被深度地應(yīng)用在微觀分析、行業(yè)研究領(lǐng)域，也可以運(yùn)用在宏觀決策之中。未來，大數(shù)據(jù)既是企業(yè)占領(lǐng)市場、贏得機(jī)遇的利器，也是政府進(jìn)行宏觀調(diào)控、國家治理、社會(huì)管理的信息基礎(chǔ)。而大數(shù)據(jù)時(shí)代對(duì)數(shù)據(jù)的挖掘、處理和分析的方式，對(duì)于傳統(tǒng)的宏觀經(jīng)濟(jì)分析，無疑是一次大的革新。

大數(shù)據(jù)應(yīng)用于宏觀經(jīng)濟(jì)分析的趨勢

傳統(tǒng)的宏觀經(jīng)濟(jì)分析通常是通過對(duì)比主要宏觀經(jīng)濟(jì)指標(biāo)、建立宏觀經(jīng)濟(jì)計(jì)量模型、仿真宏觀經(jīng)濟(jì)動(dòng)力系統(tǒng)，對(duì)宏觀經(jīng)濟(jì)形勢及未來發(fā)展趨勢進(jìn)行判斷與預(yù)測。

在當(dāng)前的大數(shù)據(jù)時(shí)代，越來越多的宏觀經(jīng)濟(jì)政策制定者和相關(guān)專家學(xué)者都已經(jīng)意識(shí)到，大數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)分析有著革命性的影響。目前，在宏觀經(jīng)濟(jì)分析及預(yù)測中運(yùn)用大數(shù)據(jù)方面，無論是國外還是國內(nèi)，從新型宏觀經(jīng)濟(jì)指數(shù)構(gòu)建，到建立新型大數(shù)據(jù)宏觀經(jīng)濟(jì)預(yù)測模型，各方面都取得了一定的進(jìn)展。

早期大數(shù)據(jù)在宏觀經(jīng)濟(jì)分析領(lǐng)域的應(yīng)用，主要集中在建立新的宏觀經(jīng)濟(jì)指數(shù)，以便更加準(zhǔn)確的反應(yīng)宏觀經(jīng)濟(jì)運(yùn)行狀況。這方面的工作主要基于個(gè)人的交易記錄，包括像一些歐洲國家將銷售點(diǎn)掃描數(shù)據(jù)納入CPI指數(shù)編制。

特別引起關(guān)注的是麻省理工學(xué)院的經(jīng)濟(jì)學(xué)家利用網(wǎng)上購物交易數(shù)據(jù)創(chuàng)建的BBP項(xiàng)目 （Billion Prices Project），基于不斷變化的一籃子商品所計(jì)算的日度通脹指數(shù)。這種實(shí)時(shí)的通貨膨脹指數(shù)能夠比相應(yīng)的官方數(shù)據(jù)更好地反映實(shí)際經(jīng)濟(jì)運(yùn)行的情況。當(dāng)年，在雷曼兄弟公司倒閉后，BPP 的數(shù)據(jù)顯示，大部分美國企業(yè)幾乎立刻開始削減價(jià)格，這就表明總需求已經(jīng)減弱。而相比之下，官方通脹機(jī)構(gòu)公布的數(shù)據(jù)直到當(dāng)年11月，即在10月CPI數(shù)據(jù)公布后，才對(duì)通貨緊縮有所反應(yīng)。

“企業(yè)發(fā)展工商指數(shù)”是宏觀經(jīng)濟(jì)分析領(lǐng)域中典型的大數(shù)據(jù)應(yīng)用案例，也是我國政府在大數(shù)據(jù)挖掘領(lǐng)域的首創(chuàng)成果。該指數(shù)包括10 個(gè)對(duì)宏觀經(jīng)濟(jì)具有顯著先行性的指標(biāo)，可以提前1～2 個(gè)季度預(yù)測宏觀經(jīng)濟(jì)發(fā)展趨勢。它改變了傳統(tǒng)的抽樣統(tǒng)計(jì)方式，利用大數(shù)據(jù)挖掘技術(shù)，對(duì)工商全量、動(dòng)態(tài)的全國企業(yè)登記數(shù)據(jù)進(jìn)行分析，發(fā)掘大數(shù)據(jù)價(jià)值，并采用合成企業(yè)發(fā)展工商指數(shù)，以判斷宏觀經(jīng)濟(jì)走勢。

除了宏觀經(jīng)濟(jì)分析與預(yù)測方面相關(guān)指數(shù)的建構(gòu)，從宏觀經(jīng)濟(jì)分析與預(yù)測研究的國際趨勢看，使用大數(shù)據(jù)集，建構(gòu)監(jiān)測預(yù)測的模型，進(jìn)行經(jīng)濟(jì)預(yù)測越來越廣泛，逐漸成為很多國家央行進(jìn)行經(jīng)濟(jì)預(yù)測的新方法和新工具。

在應(yīng)用互聯(lián)網(wǎng)大數(shù)據(jù)進(jìn)行經(jīng)濟(jì)分析及預(yù)測中，使用網(wǎng)絡(luò)搜索引擎或網(wǎng)絡(luò)社交媒體記錄的關(guān)鍵詞，會(huì)有數(shù)據(jù)獲取及時(shí)、樣本統(tǒng)計(jì)意義明顯等優(yōu)勢，預(yù)測精度較高。

Google Trends每天都在產(chǎn)生大量與經(jīng)濟(jì)發(fā)展相關(guān)的查詢結(jié)果，且這些查詢結(jié)果與當(dāng)下的經(jīng)濟(jì)活動(dòng)之間必然存在著不容忽視的關(guān)系，或許可以對(duì)預(yù)測當(dāng)下的經(jīng)濟(jì)活動(dòng)起到非常重要的作用。并且，在此基礎(chǔ)上，Choi H. &. Varian H.（2016）舉例說明了如何利用Google Trends預(yù)測美國零售業(yè)、汽車、住房和旅游的銷售情況。

還有相關(guān)機(jī)構(gòu)引用專業(yè)數(shù)據(jù)分析軟件公司SAS的研究數(shù)據(jù)，以社交網(wǎng)絡(luò)活躍度增長作為失業(yè)率上升的早期征兆，幫助政府判斷就業(yè)形勢和經(jīng)濟(jì)狀況，以更好地制定經(jīng)濟(jì)政策。在社交網(wǎng)絡(luò)上，網(wǎng)民們更多地談?wù)摗拔业能嚪旁谲噹煲呀?jīng)快兩周了”、“我這周只去了一次超市”這些話題時(shí)，顯示網(wǎng)民可能面臨巨大的失業(yè)壓力；當(dāng)網(wǎng)民開始討論“我要出租房屋”、“我準(zhǔn)備取消度假”這些話題時(shí)，顯示出這些網(wǎng)民可能已經(jīng)失業(yè)，面臨巨大的生存壓力，這些指標(biāo)是失業(yè)后的滯后標(biāo)志性指標(biāo)。

樣本統(tǒng)計(jì)轉(zhuǎn)為總體普查

大數(shù)據(jù)的發(fā)展對(duì)于宏觀經(jīng)濟(jì)分析最為顯著的積極影響，莫過于使宏觀經(jīng)濟(jì)分析從樣本統(tǒng)計(jì)時(shí)代走向總體普查時(shí)代。大數(shù)據(jù)時(shí)代的宏觀經(jīng)濟(jì)分析中，傳統(tǒng)的樣本假設(shè)方式被拋棄，轉(zhuǎn)而以真實(shí)的海量數(shù)據(jù)來進(jìn)行計(jì)算機(jī)的自動(dòng)分析。

我們知道，傳統(tǒng)的經(jīng)濟(jì)分析包括經(jīng)濟(jì)計(jì)量分析是建立在抽樣統(tǒng)計(jì)基礎(chǔ)之上的，在傳統(tǒng)的抽樣統(tǒng)計(jì)分析中，往往以假設(shè)檢驗(yàn)為基本模式，依靠的數(shù)據(jù)主要是樣本，將樣本假設(shè)為整體，然而，這種分析往往與事實(shí)存在或多或少的出入。

與傳統(tǒng)宏觀經(jīng)濟(jì)分析總是局限于小規(guī)模樣本數(shù)據(jù)有所不同，在大數(shù)據(jù)時(shí)代，隨著信息覆蓋范圍和數(shù)據(jù)量迅速提升，數(shù)據(jù)樣本的體量會(huì)極大地提高，甚至可以達(dá)到樣本即總體的程度。例如，就物價(jià)而言，每一筆在電子商務(wù)網(wǎng)站成交的交易信息都能記錄在案。這樣的情況下，宏觀經(jīng)濟(jì)分析的可靠性必然大大加強(qiáng)。

同時(shí)，隨著信息量的極大拓展和處理信息能力的極大提高，使得宏觀經(jīng)濟(jì)的分析不再局限于傳統(tǒng)的統(tǒng)計(jì)分析模式，而是將抽樣分析轉(zhuǎn)變?yōu)榭傮w分析。這一點(diǎn)對(duì)宏觀經(jīng)濟(jì)分析意義重大，因?yàn)楹暧^經(jīng)濟(jì)系統(tǒng)紛繁復(fù)雜，如果能將對(duì)整體宏觀經(jīng)濟(jì)變量的分析建立在盡可能多的關(guān)于經(jīng)濟(jì)主體行為的信息以及其他諸多經(jīng)濟(jì)變量的信息的基礎(chǔ)上，無疑將會(huì)極大地提高宏觀經(jīng)濟(jì)分析的準(zhǔn)確性。

基于推特（Twitter）平臺(tái)表達(dá)的公共情緒用來預(yù)測股市變動(dòng)，是很典型的例子。2008年3月到12月長達(dá)九個(gè)月間，270萬Twitter用戶推送的多達(dá)970萬條的消息，經(jīng)過情緒評(píng)估工具——Opinion Finder 和GPOMS 被分別賦值并評(píng)估為“積極”與“消極”兩種情緒和“calm（冷靜）”、“alert（警覺）”、“ sure（確信）”、“vital（活潑）”、“kind（美好）”、“happy（高興）”六種情緒。結(jié)果發(fā)現(xiàn)，在道瓊斯工業(yè)平均指數(shù)和GPOMS中的“calm（冷靜）”情緒之間存在相關(guān)性。進(jìn)一步研究發(fā)現(xiàn)，“calm（冷靜）”情緒可以很好地預(yù)測道瓊斯工業(yè)平均指數(shù)在未來2到6天的漲跌情況，而且這種每日預(yù)測的準(zhǔn)確率高達(dá)到87.6%。

大數(shù)據(jù)時(shí)代，可獲得大而全的可得數(shù)據(jù)，甚至可拋棄原有的假設(shè)檢驗(yàn)的模式，這些優(yōu)勢是傳統(tǒng)經(jīng)濟(jì)分析方法無法想象和實(shí)現(xiàn)的，無疑將會(huì)極大地提高宏觀經(jīng)濟(jì)分析的準(zhǔn)確性和可信度，不僅可以更加準(zhǔn)確了解宏觀經(jīng)濟(jì)形勢，還有利于正確做出宏觀經(jīng)濟(jì)發(fā)展的預(yù)測，從而更加合理地制定宏觀經(jīng)濟(jì)政策。

變量個(gè)數(shù)無限增多

在當(dāng)前大數(shù)據(jù)時(shí)代，數(shù)據(jù)的可得性和多樣性導(dǎo)致樣本量無限增大，同時(shí)變量個(gè)數(shù)無限增多，這有利于應(yīng)用大量模型進(jìn)行研究，并應(yīng)用完備的數(shù)據(jù)信息，提高預(yù)測的準(zhǔn)確性。

經(jīng)濟(jì)預(yù)測模型可以分為兩類：一是傳統(tǒng)的小模型預(yù)測，這類模型往往通過建立時(shí)間序列、橫截面或面板方程來進(jìn)行經(jīng)濟(jì)分析。傳統(tǒng)的小模型預(yù)測的特點(diǎn)是僅使用較少的變量，像VAR模型的變量個(gè)數(shù)通常小于10個(gè)。二是大模型預(yù)測，這類模型往往使用成百上千個(gè)變量，因而大模型預(yù)測利用的信息非常豐富。

小模型預(yù)測理論比較成熟、方法相對(duì)簡單。但是，小模型預(yù)測有天然的缺陷，那就是變量的完整通常是不可能的，而預(yù)測的效果受限于其所使用的變量。

使用小模型進(jìn)行預(yù)測時(shí)必須仔細(xì)挑選預(yù)測變量，然而仁者見仁智者見智，無論是根據(jù)理論還是根據(jù)經(jīng)驗(yàn)進(jìn)行變量的選擇，其過程必然會(huì)存在差異，其結(jié)果也更是可想而知，而且甚至?xí)a(chǎn)生一些爭議。比如，基于菲利普斯曲線預(yù)測通脹時(shí)，有的研究使用失業(yè)率作為預(yù)測變量，也有研究使用GDP缺口或者產(chǎn)能利用率。

清華大學(xué)經(jīng)濟(jì)學(xué)研究所所長劉濤雄教授就指出，由于模型變量選擇、參數(shù)設(shè)置、估計(jì)方法以及滯后期選擇等的不同，預(yù)測結(jié)果會(huì)產(chǎn)生很大的偏差。

小模型預(yù)測方法這一天然的局限是很難調(diào)和的，主要是因?yàn)閿?shù)據(jù)樣本有限而導(dǎo)致增加很多變量不可行。這使小模型預(yù)測的結(jié)論往往和經(jīng)濟(jì)現(xiàn)實(shí)嚴(yán)重脫節(jié)。我們很難想象中央銀行會(huì)僅僅根據(jù)少數(shù)幾個(gè)變量進(jìn)行宏觀預(yù)測，并據(jù)此做出決策。即便是一家企業(yè)也不會(huì)如此草率。

通過大數(shù)據(jù)挖掘，可以使得變量大大增加。這就為經(jīng)濟(jì)預(yù)測從小模型預(yù)測轉(zhuǎn)變?yōu)榇竽Ｐ皖A(yù)測創(chuàng)造了條件，應(yīng)用大量模型進(jìn)行分析及預(yù)測，可以應(yīng)用完備的數(shù)據(jù)信息，從而提高預(yù)測的準(zhǔn)確性。

在美國，銀行通常依靠FICO得分做出貸款與否的決定，F(xiàn)ICO分大概有15-20個(gè)變量，諸如信用卡的使用比率、有無未還款的記錄等。而一家名為ZestCash的金融機(jī)構(gòu)，在決定是否向客戶放貸的時(shí)，分析的卻是數(shù)千個(gè)信息線索。ZestCash正是依靠其強(qiáng)大的對(duì)于大數(shù)據(jù)的處理和分析能力，形成了其獨(dú)特的核心競爭力。

未必因果關(guān)系 而是相關(guān)關(guān)系

傳統(tǒng)的經(jīng)濟(jì)計(jì)量分析以尋找相關(guān)事物（變量）的因果關(guān)系為核心，而大數(shù)據(jù)條件下的經(jīng)濟(jì)分析通常則著眼于挖掘相關(guān)事物（變量）的相關(guān)關(guān)系。

在復(fù)雜的宏觀經(jīng)濟(jì)系統(tǒng)中，許多經(jīng)濟(jì)變量的因果關(guān)系往往難以準(zhǔn)確檢驗(yàn)，或者因果結(jié)論經(jīng)常廣受質(zhì)疑。然而，在如今的大數(shù)據(jù)時(shí)代，更加重視可靠相關(guān)關(guān)系的發(fā)掘，并且充分利用相關(guān)關(guān)系對(duì)于經(jīng)濟(jì)預(yù)測、經(jīng)濟(jì)政策制定與評(píng)估的作用，則無疑為宏觀經(jīng)濟(jì)分析打開了另一片廣闊的空間。

在“小數(shù)據(jù)”時(shí)代，宏觀經(jīng)濟(jì)中的因果關(guān)系分析其實(shí)并不容易，耗費(fèi)的精力大、時(shí)間多。特別是，要從建立假設(shè)開始，進(jìn)而不斷地進(jìn)行一系列假設(shè)的實(shí)驗(yàn)，而一個(gè)個(gè)假設(shè)要么被證實(shí)，要么被推翻。不過，無論被證實(shí)還是被推翻，由于二者都始于假設(shè)，這些分析就都有受偏見的可能，所以極易導(dǎo)致錯(cuò)誤。

同時(shí)，由于計(jì)算機(jī)能力的不足，在小數(shù)據(jù)時(shí)代，大部分相關(guān)事物（變量）關(guān)系的分析局限于尋求線性關(guān)系。然而，實(shí)際上的情況要復(fù)雜得多，在現(xiàn)實(shí)宏觀經(jīng)濟(jì)中，總能夠發(fā)現(xiàn)的是相關(guān)事物（變量）的“非線性關(guān)系”。

當(dāng)然，在小數(shù)據(jù)世界的宏觀經(jīng)濟(jì)分析中，相關(guān)關(guān)系也是存在并有價(jià)值的；不過，在大數(shù)據(jù)時(shí)代的宏觀經(jīng)濟(jì)分析中，相關(guān)關(guān)系才將大放異彩。維克托·邁爾-舍恩伯格與肯尼思·庫克耶（Victor？Mayer-Schonberger &. Kenneth？Cukier）認(rèn)為，建立在相關(guān)關(guān)系分析基礎(chǔ)上的預(yù)測是大數(shù)據(jù)的核心。通過應(yīng)用相關(guān)關(guān)系，可以比之前更容易、更快捷、更清楚地分析事物（變量）。

英國華威商學(xué)院為預(yù)測股市的漲跌，使用谷歌趨勢（Google Trends）共計(jì)追蹤了98個(gè)搜索關(guān)鍵詞。這中包括“債務(wù)”、“股票”、“投資組合”、“失業(yè)”、“市場”等與投資行為相關(guān)的詞，也包括“生活方式”、“藝術(shù)”、“快樂”、“戰(zhàn)爭”、“沖突”、“政治”等與投資無關(guān)的關(guān)鍵詞。結(jié)果發(fā)現(xiàn)有些詞條，諸如“債務(wù)”，成為預(yù)測股市的主要關(guān)鍵詞。

“谷歌流感趨勢”為預(yù)測季節(jié)性流感的暴發(fā)，對(duì)2003年和2008年間的5000萬最常搜索的詞條進(jìn)行大數(shù)據(jù)“訓(xùn)練”，試圖發(fā)現(xiàn)某些搜索詞條的地理位置是否與美國流感疾病預(yù)防和控制中心的數(shù)據(jù)相關(guān)。

谷歌并沒有直接推斷哪些查詢?cè)~條是最好的指標(biāo)，相反，為了測試這些檢索詞條，谷歌總共處理了4.5億個(gè)不同的數(shù)字模型。將得出的預(yù)測與2007年和2008年美國疾控中心記錄的實(shí)際流感病例進(jìn)行對(duì)比后，谷歌公司發(fā)現(xiàn)，它們的大數(shù)據(jù)處理結(jié)果發(fā)現(xiàn)了45條檢索詞條的組合，將它們用于特定的數(shù)學(xué)模型，預(yù)測結(jié)果與官方數(shù)據(jù)的相關(guān)性高達(dá)97%。

在大數(shù)據(jù)時(shí)代來臨之前，盡管相關(guān)關(guān)系已被充分證明大有用途，可是相關(guān)關(guān)系的應(yīng)用很少。這是因?yàn)橛脕碜鱿嚓P(guān)關(guān)系分析的數(shù)據(jù)同用來做因果關(guān)系分析的數(shù)據(jù)一樣，也很少，也不容易得到，并且收集有關(guān)的數(shù)據(jù)，在過去相對(duì)來說，也費(fèi)時(shí)費(fèi)力，也會(huì)耗資巨大。不過現(xiàn)如今，可用的數(shù)據(jù)如此之多，也就不存在這樣的難題了。特別是現(xiàn)在，有關(guān)專家們正在研發(fā)能發(fā)現(xiàn)并對(duì)比分析“非線性關(guān)系”的必要工具?？傊幌盗酗w速發(fā)展的新技術(shù)和新軟件從多方面提高了有關(guān)分析工具發(fā)現(xiàn)宏觀經(jīng)濟(jì)變量相關(guān)關(guān)系的能力，這就好比立體畫法可同時(shí)從多個(gè)角度來表現(xiàn)人物或事物。

在大數(shù)據(jù)時(shí)代，這些新的分析工具和思路為我們提供了一系列新的視野和有用的預(yù)測，使我們看到了很多以前不曾注意到的宏觀經(jīng)濟(jì)中的聯(lián)系，掌握了以前無法理解的復(fù)雜的國民經(jīng)濟(jì)動(dòng)態(tài)。

時(shí)滯變即期

目前對(duì)宏觀經(jīng)濟(jì)的分析研究所采用的資料，主要依賴于各種統(tǒng)計(jì)調(diào)查系統(tǒng)發(fā)布的統(tǒng)計(jì)數(shù)據(jù)，但面臨的最明顯的缺陷之一便在于關(guān)于宏觀經(jīng)濟(jì)統(tǒng)計(jì)的數(shù)據(jù)具有很強(qiáng)的時(shí)滯性。而大數(shù)據(jù)經(jīng)濟(jì)模型可以充分利用數(shù)據(jù)的實(shí)時(shí)性，提高分析或預(yù)測的時(shí)效性，為經(jīng)濟(jì)預(yù)警和政策制定提供最快速的資料和依據(jù)。

一般來說，依賴統(tǒng)計(jì)部門的宏觀經(jīng)濟(jì)數(shù)據(jù)的發(fā)布都存在時(shí)間滯后的問題。由于不能及時(shí)獲取宏觀經(jīng)濟(jì)發(fā)展的數(shù)據(jù)信息，也就不能對(duì)當(dāng)下的宏觀經(jīng)濟(jì)形勢作出準(zhǔn)確判斷。例如，政府公布的季度GDP 往往會(huì)有1個(gè)月的滯后期，而反映全面經(jīng)濟(jì)社會(huì)狀況的統(tǒng)計(jì)年鑒的滯后期會(huì)達(dá)到3個(gè)月左右，這對(duì)及時(shí)了解宏觀經(jīng)濟(jì)形勢、預(yù)測與預(yù)警都是非常不利的，基于此統(tǒng)計(jì)進(jìn)行的預(yù)測甚至被認(rèn)為助長了宏觀經(jīng)濟(jì)波動(dòng)。

在互聯(lián)網(wǎng)技術(shù)的輔助下相關(guān)宏觀經(jīng)濟(jì)的分析部門能夠快速地收集到主要宏觀經(jīng)濟(jì)發(fā)展數(shù)據(jù)，如全社會(huì)的用電量、全社會(huì)的商品銷售總額以及商品房的購買量等。這些大數(shù)據(jù)的獲取時(shí)間較短，有的數(shù)據(jù)甚至是立即可以獲得。

而隨著互聯(lián)網(wǎng)尤其是移動(dòng)互聯(lián)網(wǎng)的發(fā)展，產(chǎn)生了大量的即時(shí)傳播數(shù)據(jù)，如企業(yè)通過微博、微信第一時(shí)間發(fā)布產(chǎn)品、人事等重要信息； 普通用戶實(shí)時(shí)針對(duì)特定事件或?qū)ο蟀l(fā)表見解和態(tài)度，等等。

這些即時(shí)傳播的非結(jié)構(gòu)化數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)的走勢也產(chǎn)生了重要影響。通過大數(shù)據(jù)軟件處理平臺(tái)，可以實(shí)時(shí)追蹤和搜集這些即時(shí)數(shù)據(jù)，并快速對(duì)數(shù)據(jù)進(jìn)行分析和處理，從而提高宏觀經(jīng)濟(jì)的時(shí)效性，為經(jīng)濟(jì)活動(dòng)參與者贏得決策時(shí)間。

在日本北九州市八幡東區(qū)東田地區(qū)實(shí)行的“八幡東區(qū)綠色鄉(xiāng)村構(gòu)想”中，日本IBM公司除了設(shè)立城市整體能源管理系統(tǒng)、綜合性移動(dòng)管理系統(tǒng)外，還參與了控制整個(gè)城市的城市指揮中心建設(shè)。得益于該公司處理和分析大數(shù)據(jù)的高效工作，當(dāng)?shù)匦姓C(jī)關(guān)可以實(shí)時(shí)掌握城市能源的情況，并將分析的結(jié)果同氣象信息結(jié)合，詳細(xì)預(yù)測48小時(shí)之后電力等能源的供需狀況。如果發(fā)現(xiàn)將有電力不足的情況發(fā)生，行政部門可直接采取抑制電力消費(fèi)或讓電動(dòng)汽車釋放電能等措施，提前進(jìn)行預(yù)防。

近來，在利用大數(shù)據(jù)對(duì)宏觀經(jīng)濟(jì)進(jìn)行預(yù)測方面，“現(xiàn)時(shí)預(yù)測（Now Casting）”受到特別關(guān)注?！艾F(xiàn)時(shí)預(yù)測”一詞最初起源于氣象學(xué)領(lǐng)域，是對(duì)現(xiàn)在已經(jīng)發(fā)生的事由于信息發(fā)布滯后等原因難以馬上知道準(zhǔn)確情況，因而根據(jù)其他可得信息進(jìn)行推測。

目前“現(xiàn)時(shí)預(yù)測”的主要應(yīng)用范圍為預(yù)測通脹指數(shù)、GDP，基礎(chǔ)信息可以為消費(fèi)數(shù)據(jù)，如私人消費(fèi)，或其他與產(chǎn)出相關(guān)的變量，如工業(yè)產(chǎn)出?！艾F(xiàn)時(shí)預(yù)測”基本原理是充分挖掘比目標(biāo)變量頻率更高的歷史基礎(chǔ)信息，以在官方數(shù)據(jù)公布前獲得目標(biāo)變量的提前估計(jì)量，這對(duì)政府了解宏觀經(jīng)濟(jì)情況制定經(jīng)濟(jì)政策有很大的作用。