浅谈数字经济

#01 数字经济的重要性

随着两会的结束，作为数据人的我们可以在会议精神中看到数字经济的高频出现，在今年经济社会发展工作重点中，有一项加快建设现代化产业体系，其中提到了数字经济和企业的数字化转型。

可见数字经济在现代化建设中有着举足轻重的地位。从国务院机构改革方案中决定组建国家数据局，也可以看出国家未来在数据经济方面的投入和决心。

#02 什么是数字经济

数字经济，作为一个内涵比较宽泛的概念， 凡是直接或间接利用数据来引导资源发挥作用， 推动生产力发展的经济形态都可以纳入其范畴。在技术层面， 包括大数据、云计算、物联网、区块链、人工智能、5G通信等新兴技术。在应用层面，“新零售”、“新制造”等都是其典型代表。

所以这里指的数字经济，不仅仅指大数据相关产业，而是一个比较广义的概念。无论是最近大火的AIGC（AI Generated Content，人工智能生成内容）产品ChatGPT；还是VR/AR；无论是5G大数据互联网还是智慧城市、游戏互娱；无论是智能制造还是智能硬件、数字出版，都可以算作数字经济的范畴。简单的说就是通过数字信息技术产生的经济增长活动。

从近期的交易所的关于数字经济的动作上也可以看出，数字经济涵盖范围还是比较广泛的。

#03 数字经济的前景

2022年我国GDP单季同比增速分别为4.8%、0.4%、3.9%、2.9%，而作为数字经济核心产业的信息传输、软件和信息技术服务业，单季同比增速则分别达到了10.8%、7.6%、7.9%、10%，平均增速明显”跑赢大势“，波动幅度又明显小于整体经济，为经济恢复增长提供了较强的韧性。

工信部数据显示从2012到2021年，我国数字经济规模从11万亿元增长到45.5万亿元，多年稳居世界第二，数字经济占国内生产总值比重由21.6%提升至39.8%。3月11日，中国数字金融合作论坛举办第4期数字经济形势分析闭门研讨会，发布论坛原创研究成果《2022年我国数字经济金融形势分析报告》，报告估计，2022年数字经济规模或超50万亿元，占国内生产总值的比重进一步提升至41%左右。

根据中国信息通信研究院发布的《全球数字经济白皮书》，从占比看，德国、英国、美国数字经济在国民经济中占据主导地位，2020年占国内生产总值比重超过60%。可以预期，数字经济在未来较长一段时间都将保持快速增长。

但数字经济领域也出现了不少值得深入思考并解决的问题。

第一，数字经济的规模效应是否必然导致垄断？

第二，如何在大数据分析效率与个人隐私保护之间取得平衡？

第三，数字平台究竟会促进还是遏制经济创新？

第四，数字经济如何才能更好地助力我国实现共同富裕的愿景？

#04 大数据在数字经济中的机遇和挑战

说白了在数据治理中，大数据扮演了基础底盘的作用，其实就是存，算，管，用。涉及四个大的方面：

4.1 超大规模下的数据中心建设

在数字经济高速发展的今天，数据规模呈指数级增长，传统大数据如何满足规模海量、格式复杂的大数据存储已经成为一个问题。数据中心行业经历了数十年的发展，从数据机房到数据中心，发展到今天的云数据中心。随着人工智能、云计算、大数据、5G等新技术的迅猛发展，数据中心正在进入下一个黄金时代，在迎来市场需求激增的同时，也面临着建设资源获取难、建设周期长、能耗高等问题，在架构弹性和运维等方面也存在诸多挑战。如何建设一个成本低利用率高性能好的数据中心已经成为一个热点Topic。

随着经济贸易的全球化，数字经济产品不可避免会有国外用户，数据中心的全球化已经成为一种趋势，国内阿里云，华为云，腾讯云都在积极部署全球数据中心节点的建设。

4.2 大数据高效处理

随着大数据的指数增长，数据动态倾斜、稀疏关联、应用复杂，传统大数据处理架构处理成本高、时效性差，在最近几年涌现了一批大数据处理技术如：Spark, Flink等。为了应对高效查询也出现了一批优秀的OLAP列式数据库，联邦查询，数据湖，数据仓库，湖仓一体等一批批大数据概念也如火如荼。

大数据处理不仅解决数据统计分析问题，往往还要应对图片，视频，算法模型等多种数据处理需求。存算分离，无服务计算在数据节点全球化、数据指数级扩张的情况下也成为一种趋势。

4.3 数据治理

在大数据处理中如何保障数据安全和质量，如何保障数据隐私又如何建立数据标准已经成为重中之重的话题，也成为制约大数据发展的主要瓶颈。

只有让数据变得有序合规，安全可靠才能为上面的产业应用提供有用的价值。试想一下你的个人电话地址在互联网上随意可以获取，无人驾驶汽车获取到错误的道路数据，应用动不动就宕机或者查到不一致的数据，那还怎么谈数据应用。

根据《数字中国发展报告（2021年）》的数据，2017年-2021年，我国数据产量从2.3ZB增长至6.6ZB，2021年的数据产量在全球的占比为9.9%，位居世界第二。因此，培育数据要素市场，提升数据要素的供给能力，构建数据治理体系，充分发挥海量数据和丰富应用场景优势，确保数字经济高质量发展，是中国式现代化建设中的一个重大课题。关于数据治理，笔者在之前的《数据治理之需求层次》中有过详细解释，阐述了其在大数据处理中的重要性。

4.4 数据应用和数智化

数据的存储，计算和治理，最终还是为了数据产生价值，数据应用和挖掘让数据产生价值，才是数据经济的核心。主要数据应用领域包括：

• 互联网
• 科研领域
• 营销领域
• 金融领域
• 电信领域
• 智能制造
• 
  
• 
  

“数字化”与“数智化”是两个完全不同的概念，“数字化”是技术概念，而“数智化”属于数字技术的应用，数智化主要包括数据挖掘和人工智能。

数据挖掘是一种计算机辅助技术，用于分析以处理和探索大型数据集。借助数据挖掘工具和方法，组织可以发现其数据中隐藏的模式和关系。数据挖掘将原始数据转化为实用的知识。公司利用这些知识来解决问题、分析业务决策对未来的影响以及提高利润率。

人工智能是一门极富挑战性的科学，人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。从去年的Web3.0 到今年的ChatGPT，可以看到大家都在数智化方面进行着不断的探索。总而言之，让数据产生价值才能称之为数据经济。

写留