经济数据分析需要开拓社会学视野

当前，随着经济形势发生的重大变化，经济数据的分析报道越来越受到关注，成为受众研判经济走势、把握经济脉搏的依据。如今，经济数据背后的经济现象、经济规律本身也是社会学研究的范畴，经济活动、经济关系本身也是社会关系的一部分。这就需要我们站在更广阔的社会学视野，以系统思维提升经济数据分析的深度和广度，从多层次、多结构、多序列的社会经济网络中去审视和把握蕴藏的本质规律。本文立足对京东大数据挖掘的经验，力求为媒体型智库建设提供一些启发。

一篇好的经济数据分析报道不只是客观呈现数据本身，而是揭示数据背后的逻辑；不只是体现上升或下降的变化，更要从中看到发展的动向和未来的走向。一篇高质量的经济数据分析报道，离不开作者敏锐的洞察力、准确的辨析力和深刻的思想力，这也需要不断开拓经济数据分析的社会学视野。

一、经济数据分析需要“社会学想象力”：不只“印证已知”，更要“发现未知”

很多时候，我们看到的经济数据分析是在“印证已知”，而更可贵的是这些分析的结论如何帮助我们“发现未知”。要从经济数据中“发现未知”，需要更广阔的视野和一定的社会学功力。以京东大数据分析为例，如何从消费大数据中有更多新的发现，这就需要我们借助“社会学想象力”和社会学研究的方法论。

社会学研究很重要的就是实证主义方法论，基于社会学的假设，我们用经验事实和数量分析来检验，去发现数据背后的因果规律，这将使经济数据分析走向深入。基于近年来学界对“城镇化”与“逆城镇化”的假设，京东经济发展研究院通过电商平台数据去洞察人口迁徙趋势。在确保数据安全的基础上，基于京东大数据等深入分析城市之间收货信息与身份信息的匹配情况，得到了一些中国城市人口流动的新发现：《2019基于京东大数据的中国人口迁移和城镇化发展研究报告》显示，四五线城市的消费总额增速领跑其他线级城市，大量高购买力人口从高线往低线城市迁移成为推升低线城市消费繁荣和消费结构优化的重要原因。

基于京东大数据，我们不只进行消费形势的分析，更希望看到数据对社会学分析的价值。比如，从京东大数据去分析高校毕业生的就业走向。在确保数据安全的情况下，我们以高校学生消费和收货数据，研究毕业就业流向分布。比如，从医科大学的毕业生收货数据的变化，观察他们的重点去向。总体看来，医科大学的毕业生大多希望去一线城市的三甲医院，大城市三甲医院形成了“虹吸效应”，招聘对象的学历层次越来越高，但招聘数量有限；县域等基层医院对人才需求量大，但却很难招到高层次人才。通过对数据的分析，可以看到医科大学毕业生的真实就业路径，与教育部就业数据形成互补，这也为我们研判高校毕业生就业问题提供了启示。由此，只有不断丰富“社会学想象力”和“社会学视野”，我们才可能有新发现，也是提升经济数据分析视野的重要方式。

二、经济数据分析需要“社会学洞察力”：更好地做到由此及彼、由表及里

做好经济数据分析报道，需要跳出经济看社会，不只涉及经济学领域，更涵盖哲学、人口学、心理学、地理学、历史学等诸多领域，需要以“社会学洞察力”从更广阔视野去发现数据背后的事实和趋势。

以京东消费数据研究为例，对七大城市群的消费分析，采取了“四个维度”：一是从城市群内部消费差距看城镇化潜力，通过反映地区差异的泰尔系数和反映收入差距的基尼系数，体现城镇体系的短板和发展路径。二是从消费支出弹性差距看城市群消费扩容潜力。比如，通过2019年的居民收入和消费数据，发现重庆、西安、成都等城市人均收入每增加1元，带动的消费在1-1.3元之间；而在深圳、上海、北京、广州等城市，人均收入每增加1元，带动的消费在1.3-1.7元之间。三是从电商渗透率差距看消费扩容潜力。重庆等西部城市电商渗透率偏低，但人均消费却很高，说明西部消费扩容潜力巨大。四是从城市群“买卖差”看高质量发展潜力。比如，通过2019年对七大城市群的消费数据分析发现，成渝、长江中游、中原城市群“买”多于“卖”；关中平原、京津冀、长三角城市群、粤港澳大湾区“卖”多于“买”，从“买”与“卖”具体品类中去发现城市转型的方向。

以京东消费数据分析为例，通过对2022年一季度的分析，笔者发现25岁以下青年群体购买力出现明显下降。多年来，青年群体是拉动消费的中坚力量，但从京东大数据看，一季度25岁以下青年群体的消费总额和人均消费额首次出现负增长。从地区维度看，一线城市的这一青年群体人均消费额降幅最大。2021年，手机通信、电脑办公、家用电器和数码是青年人消费额最高的前四大品类；但在2022年一季度，青年群体对上述品类的消费额均呈现下降，部分品类出现负增长。以国家统计局数据为佐证，2月份16-24岁人口调查失业率达到15.3%。这也反映了严峻经济形势和就业形势下，青年群体就业及收入增长的压力。于是，我们提出从供需两端精准发力、加强财政政策与货币政策协同的建议，比如针对失业群体、困难群体等精准发放消费券等。由此，经济数据分析体现了社会学研究方式，不只是描述性解决“是什么”的问题，也解释性解决“为什么”和“怎么样”的问题，这也是定量与定性结合的研究方式，以此透视青年消费行为蕴含的规律及扩大消费对策。

“胡焕庸线”被称为中国人口分界线：这条45度倾斜的直线，把中国版图一分为二，线的东南侧，国土面积占当时版图的36%，人口却占96%，线的西北侧，面积占64%，人口只占4%。2021年新华社推出卫星物联网新闻《“胡焕庸线”以西为何越变越亮？》，通过卫星技术提取“胡焕庸线”以西的乡级以上道路发现，2015年—2020年，道路长度增加了约64.38%。路网的建设、互联网经济的发展等因素也在一定程度上推动着“胡焕庸线”以西区域夜光的变化。记者进一步结合某电商在“胡焕庸线”以西的新商家数量进行分析，发现“胡焕庸线”以西方向覆盖的区域，有7个省区开店的新商家数量同比增幅居全国前十，同比增幅均超过200%，入驻的新商家数量同比增幅前十名省区分别为：宁夏、云南、贵州、青海、甘肃、新疆、西藏、海南、内蒙古、广西。从道路长度增长的数据到电商入驻商家的数据，通过关联思考和对比分析，发现了“胡焕庸线”以西正在发生的重要变化。通过经济数据去发现背后的规律，映射社会结构、社会关系、社会人口的变化，带给我们更多的思考和启示。

三、经济数据分析需要“社会学研究工具”：以线上问卷调查、反向定制、AI技术等手段提升精准度

通过实地调查、深入访谈、统计研究等社会学研究方法去进行经济数据分析，与新闻工作者要不断提升脚力、眼力、脑力、笔力的要求也高度契合。大数据时代经济学研究范畴和研究对象的拓展，使传统的数据分析工具表现出明显的不适应，需要对研究工具和研究方法进行创新。京东在数据沉淀和研究方面的做法带来以下启示：

以京东为例，借助京东工作平台对全员进行问卷调查和数据分析已成为机制。京东工作平台覆盖京东全体40万员工，京东员工中绝大部分是“90后”年轻人，用这一平台可开展动态问卷调查，每天设计有针对性的问题，员工全员答题，问题维度不只涉及行为偏好、兴趣爱好，还涉及员工思想、组织健康度等，成为内部管理和思想研判的有力抓手。

精准满足受众需求，是高质量经济数据分析报告的关键。目前，各地对经济形势的研判十分关注，覆盖5.8亿用户的京东消费数据、物流数据能够很好地反映实体经济的运行状况和消费特点。在确保数据安全的前提下，为了更好服务不同城市经济发展，京东设计了差异化的地方消费数据看板，针对重点城市关注的问题，比如消费增长、产业带发展、农产品上下游等，进行不同数据维度分析和展示，形成地方消费TOP10等多个排名，并产出差异化的分析报告。这种以各地需求为出发点，来倒推数据分析维度的模式，也与产销领域的“反向定制”（C2M）模式类似，通过个性化、差异化的经济数据分析为受众解疑释惑，为政府决策提供参考。

为了提升消费数据的分析深度，京东打造了AI经济学家数据分析平台，融合自身大数据能力、人工智能分析能力、可视化能力，为政府、企业及相关研究机构打造一站式经济数据可视化与AI分析终端。尤其在综合多方数据的基础上建立人工智能预测与分析模型，形成世界看板、国家看板、省域看板、市/区域看板；形成经济领域知识图谱，通过人工智能自动分析，可就经济增长、人口与就业、价格与通胀、对外贸易等自动生成分析报告，实现图表自动更新、图表自助解读、经济学专业表达支撑、AI智能解读等，这也拓展了经济数据分析的手段和视野。

未来，经济数据分析的领域、深度、形式还将不断拓展。总体看，社会学的范畴和研究方式为经济数据分析提供了更广阔的视野。从社会问题、社会制度、社会实践中去思考和分析经济数据，以社会学实证主义的方法论去解释和发现新的经济现象，以新的“社会学分析工具”去推进传统分析模式的进步，都将为我们做好经济数据分析提供不竭动力。