大數(shù)據(jù)、人工智能的出現(xiàn)和應(yīng)用，為金融統(tǒng)計(jì)分析工作的高質(zhì)量發(fā)展提供了堅(jiān)實(shí)基礎(chǔ)。近年來(lái)，全球主要央行在金融統(tǒng)計(jì)分析方面加快應(yīng)用大數(shù)據(jù)技術(shù)，在分析經(jīng)濟(jì)金融運(yùn)行、預(yù)調(diào)微調(diào)貨幣政策、前瞻識(shí)別金融風(fēng)險(xiǎn)等方面提供了關(guān)鍵支撐。
人民銀行認(rèn)真貫徹落實(shí)習(xí)近平總書(shū)記關(guān)于金融業(yè)綜合統(tǒng)計(jì)的指示精神，在基礎(chǔ)數(shù)據(jù)層面全鏈條治理的基礎(chǔ)上，守正創(chuàng)新，穩(wěn)中求進(jìn)，運(yùn)用大數(shù)據(jù)技術(shù)讓金融統(tǒng)計(jì)分析更“實(shí)”，更“全”，更“快”和更“準(zhǔn)”。
大數(shù)據(jù)技術(shù)讓金融統(tǒng)計(jì)分析更“實(shí)”
大數(shù)據(jù)技術(shù)有效填補(bǔ)數(shù)據(jù)缺口，打破統(tǒng)計(jì)“數(shù)據(jù)孤島”，讓底層數(shù)據(jù)更“實(shí)”。
大數(shù)據(jù)技術(shù)顯著提升數(shù)據(jù)采集和數(shù)據(jù)挖掘的效率，增強(qiáng)金融統(tǒng)計(jì)數(shù)據(jù)的可得性，顯著擴(kuò)大數(shù)據(jù)分析維度和覆蓋范圍，有效緩解信息不對(duì)稱問(wèn)題。
一是從傳統(tǒng)的樣本數(shù)據(jù)升級(jí)為“全量數(shù)據(jù)”，極大增加了數(shù)據(jù)信息量。在大數(shù)據(jù)時(shí)代，統(tǒng)計(jì)數(shù)據(jù)從少量、靜態(tài)、單一的樣本數(shù)據(jù)轉(zhuǎn)變?yōu)楹Ａ?、?dòng)態(tài)、多樣的“全量數(shù)據(jù)”,樣本更多、數(shù)據(jù)顆粒度更細(xì)、數(shù)據(jù)維度更多。對(duì)大數(shù)據(jù)技術(shù)的應(yīng)用，擴(kuò)大了數(shù)據(jù)的覆蓋面，提高了數(shù)據(jù)的時(shí)效性，使數(shù)據(jù)資源的容量得到極大提升。
二是有助于打破統(tǒng)計(jì)“數(shù)據(jù)孤島”，深度挖掘數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。大數(shù)據(jù)的知識(shí)圖譜、人工智能等技術(shù)方法可以迅速將海量數(shù)據(jù)進(jìn)行智能關(guān)聯(lián)和分析挖掘，可以有效應(yīng)用于貨幣政策評(píng)估、風(fēng)險(xiǎn)監(jiān)測(cè)、壓力測(cè)試等領(lǐng)域，從而彌補(bǔ)傳統(tǒng)分析方法在處理海量數(shù)據(jù)方面的諸多不足。
三是數(shù)據(jù)呈現(xiàn)方式多元化，可視化技術(shù)提升數(shù)據(jù)的可接受度。隨著云計(jì)算、數(shù)據(jù)挖掘、數(shù)據(jù)可視化等大數(shù)據(jù)技術(shù)分析方法的發(fā)展，大數(shù)據(jù)產(chǎn)品日趨多樣化、目錄化，基于追蹤、畫(huà)像、提示、匹配、優(yōu)化等多種功能，可以根據(jù)不同的場(chǎng)景開(kāi)發(fā)對(duì)應(yīng)的可視化工具，以滿足特定的數(shù)據(jù)需求，精準(zhǔn)實(shí)現(xiàn)數(shù)據(jù)供需匹配。
大數(shù)據(jù)技術(shù)突出問(wèn)題導(dǎo)向，提升數(shù)據(jù)生產(chǎn)效率，滿足數(shù)據(jù)使用需求能力更“實(shí)”。
面對(duì)日益增長(zhǎng)、復(fù)雜多變的數(shù)據(jù)需求，統(tǒng)計(jì)供給出現(xiàn)了一些挑戰(zhàn)。一是關(guān)聯(lián)性統(tǒng)計(jì)的挑戰(zhàn)。實(shí)現(xiàn)數(shù)據(jù)之間的聯(lián)動(dòng)分析、鉆取分析，才能更好地展現(xiàn)經(jīng)濟(jì)金融現(xiàn)象間的有效聯(lián)系。二是靈活性的挑戰(zhàn)。各類結(jié)構(gòu)性政策的制定與實(shí)施迫切需要多角度的靈活數(shù)據(jù)展現(xiàn)。三是時(shí)效性的挑戰(zhàn)。由于熱點(diǎn)重點(diǎn)問(wèn)題切換太快，從數(shù)據(jù)需求的提出到需求的滿足，要求的時(shí)間越來(lái)越短。
大數(shù)據(jù)技術(shù)能有效改善金融統(tǒng)計(jì)需求和供給的關(guān)系，數(shù)據(jù)使用方能夠從數(shù)據(jù)源頭對(duì)金融統(tǒng)計(jì)供給提出需求。一是大數(shù)據(jù)智能工具的發(fā)展，使數(shù)據(jù)加工處理和分析應(yīng)用更加便利高效，數(shù)據(jù)需求方可以輕松了解數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)來(lái)源與結(jié)構(gòu)，實(shí)現(xiàn)數(shù)據(jù)的高效利用。二是通過(guò)細(xì)顆粒度的基礎(chǔ)數(shù)據(jù)和集中的數(shù)據(jù)存儲(chǔ)，為應(yīng)對(duì)復(fù)雜問(wèn)題提供更加精細(xì)和關(guān)聯(lián)性更強(qiáng)的數(shù)據(jù)源。三是使用方更熟悉供給，提高金融統(tǒng)計(jì)數(shù)據(jù)的響應(yīng)效率。在大數(shù)據(jù)技術(shù)支持下，統(tǒng)計(jì)更加便捷，多數(shù)數(shù)據(jù)挖掘可以智能實(shí)現(xiàn)，能極大程度提高統(tǒng)計(jì)效率。
大數(shù)據(jù)技術(shù)在實(shí)踐中不斷突破，形成了一批高水平金融大數(shù)據(jù)分析人才，協(xié)同工作能力更“實(shí)”。
金融統(tǒng)計(jì)服務(wù)的內(nèi)涵外延和深化，不僅包含統(tǒng)計(jì)報(bào)表，還包括數(shù)據(jù)分析，而且數(shù)據(jù)分析工作還是連接統(tǒng)計(jì)供需的橋梁。大數(shù)據(jù)技術(shù)的快速發(fā)展，打破了數(shù)據(jù)融合分析應(yīng)用的技術(shù)壁壘，深刻影響著分析人員進(jìn)行數(shù)據(jù)搜集、挖掘、整理、加工和分析的全鏈條工作，對(duì)分析人員的能力素質(zhì)也提出了更高要求。
我們?cè)诶么髷?shù)據(jù)技術(shù)助力金融統(tǒng)計(jì)分析能力提升方面開(kāi)展了多方面理論探索和實(shí)踐，在干中學(xué)，在學(xué)中干，將大數(shù)據(jù)技術(shù)與金融統(tǒng)計(jì)緊密結(jié)合，注重實(shí)操和工作落地。
圍繞“建設(shè)符合現(xiàn)代中央銀行需要的經(jīng)濟(jì)金融大數(shù)據(jù)統(tǒng)計(jì)復(fù)合型人才隊(duì)伍”，在金融數(shù)據(jù)分析人才的培訓(xùn)途徑、培訓(xùn)方案方面進(jìn)行了創(chuàng)新。大數(shù)據(jù)與金融深度融合，催生層出不窮的新業(yè)態(tài)新模式。對(duì)于金融數(shù)據(jù)分析人才來(lái)說(shuō)，大量的數(shù)據(jù)分析工作需要跨部門調(diào)集領(lǐng)軍人才，組建攻堅(jiān)團(tuán)隊(duì)。
目前，在中國(guó)人民銀行黨委領(lǐng)導(dǎo)下，金融基礎(chǔ)數(shù)據(jù)中心正在積極探索人才工作新思路和新舉措。以建設(shè)國(guó)家戰(zhàn)略人才力量為目標(biāo)，圍繞“高精尖缺”人才，探索形成領(lǐng)軍人才、創(chuàng)新團(tuán)隊(duì)和青年后備人才團(tuán)結(jié)協(xié)作、接續(xù)奮斗的人才梯隊(duì)。
大數(shù)據(jù)技術(shù)讓金融統(tǒng)計(jì)分析更“全”
一是以分析為驅(qū)動(dòng)，建立維度更“全”的金融基礎(chǔ)數(shù)據(jù)統(tǒng)計(jì)制度，從600多個(gè)細(xì)顆粒維度采集金融基礎(chǔ)數(shù)據(jù)。在傳統(tǒng)的統(tǒng)計(jì)框架下,從數(shù)據(jù)統(tǒng)計(jì)到實(shí)現(xiàn)分析的流程較長(zhǎng),統(tǒng)計(jì)供給在滿足日益豐富的分析需求方面存在困難。要滿足多樣分析需求，需要建立信息含量豐富、使用靈活的分析型數(shù)據(jù)庫(kù)。
2020年7月，人民銀行建立金融基礎(chǔ)數(shù)據(jù)統(tǒng)計(jì)制度，金融基礎(chǔ)數(shù)據(jù)統(tǒng)計(jì)制度以標(biāo)準(zhǔn)化逐筆統(tǒng)計(jì)方式，涵蓋存款、貸款、同業(yè)、債券、股權(quán)、特定目的載體等各類金融工具、600多個(gè)維度指標(biāo)，以及金融機(jī)構(gòu)信息和客戶信息等明細(xì)數(shù)據(jù)。數(shù)據(jù)采集范圍覆蓋全國(guó)所有的銀行業(yè)金融機(jī)構(gòu)。統(tǒng)計(jì)制度通過(guò)統(tǒng)一的機(jī)構(gòu)代碼、工具代碼和客戶代碼實(shí)現(xiàn)數(shù)據(jù)的連通、融合，大大拓展了統(tǒng)計(jì)數(shù)據(jù)的廣度和深度。金融基礎(chǔ)數(shù)據(jù)庫(kù)以服務(wù)金融分析為主、編制統(tǒng)計(jì)報(bào)表為輔開(kāi)展工作，金融統(tǒng)計(jì)數(shù)據(jù)服務(wù)分析需求的能力大幅提升。
二是以分析為驅(qū)動(dòng)，制定以人工智能為主導(dǎo)的更“全”的數(shù)據(jù)質(zhì)量治理體系。大數(shù)據(jù)的金融統(tǒng)計(jì)內(nèi)容較多，采用傳統(tǒng)方式進(jìn)行數(shù)據(jù)質(zhì)量治理存在效率不高的問(wèn)題，需要制定新的數(shù)據(jù)質(zhì)量治理體系，一方面，運(yùn)用大數(shù)據(jù)的方法設(shè)計(jì)算法，發(fā)現(xiàn)數(shù)據(jù)質(zhì)量問(wèn)題；另一方面，將分析中發(fā)現(xiàn)的問(wèn)題及時(shí)形成校驗(yàn)規(guī)則，不斷豐富校驗(yàn)規(guī)則庫(kù)，穩(wěn)步提高數(shù)據(jù)質(zhì)量。
通過(guò)數(shù)據(jù)地圖實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)智能管理。數(shù)據(jù)地圖主要面向數(shù)據(jù)開(kāi)發(fā)者，匯聚用戶所有數(shù)據(jù)信息，通過(guò)元數(shù)據(jù)信息收集、數(shù)據(jù)血緣探查、數(shù)據(jù)權(quán)限申請(qǐng)授權(quán)等手段，完成數(shù)據(jù)信息的收集和管理。分析人員通過(guò)數(shù)據(jù)地圖工具能夠?qū)崿F(xiàn)數(shù)據(jù)的統(tǒng)一查詢，解決“有哪些數(shù)據(jù)可用”“到哪里可以找到數(shù)據(jù)”的難題，并且提升數(shù)據(jù)資源的利用率。
三是以分析為驅(qū)動(dòng)，構(gòu)建分析視角更“全”的數(shù)據(jù)結(jié)構(gòu)模型體系。數(shù)據(jù)結(jié)構(gòu)模型關(guān)乎數(shù)據(jù)信息的組織方式。良好的數(shù)據(jù)結(jié)構(gòu)模型能夠?yàn)樗惴ㄟ\(yùn)行提供服務(wù)。
在金融研究中，分析人員往往從現(xiàn)實(shí)問(wèn)題出發(fā)，確定分析主題，建立分析目標(biāo)，設(shè)定模型算法。模型算法從海量數(shù)據(jù)入手，通常復(fù)雜度較高，運(yùn)行時(shí)間較長(zhǎng)，系統(tǒng)資源耗用較多，這就對(duì)如何提升效率提出了更高要求。分析人員能夠根據(jù)數(shù)據(jù)的內(nèi)在關(guān)聯(lián)性，挖掘出數(shù)據(jù)的結(jié)構(gòu)性特征，從而構(gòu)建具有層次、網(wǎng)狀、關(guān)系的數(shù)據(jù)結(jié)構(gòu)模型體系，為模型算法的高效運(yùn)行做好前置性工作。
從最終效果看，大數(shù)據(jù)技術(shù)保障分析的驅(qū)動(dòng)力切實(shí)可行、行之有效。從實(shí)踐看，數(shù)據(jù)供給到需求的鏈條大大縮短，這需要大數(shù)據(jù)技術(shù)的保障，使得數(shù)據(jù)供給更加簡(jiǎn)單，容易操作。
目前，大數(shù)據(jù)技術(shù)主要通過(guò)三種手段提供保障。一是實(shí)現(xiàn)大量數(shù)據(jù)的集中存儲(chǔ)，包括大部分?jǐn)?shù)據(jù)需求；二是以分析需要規(guī)劃建設(shè)數(shù)據(jù)中臺(tái)，分層管理數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的快速調(diào)用；三是提供了更多的便捷式工具，使數(shù)據(jù)使用更便捷。大數(shù)據(jù)技術(shù)在這三個(gè)方面不斷完善，使分析驅(qū)動(dòng)的統(tǒng)計(jì)業(yè)務(wù)能夠可持續(xù)發(fā)展。
大數(shù)據(jù)技術(shù)讓金融統(tǒng)計(jì)分析更“快”
一是熟練使用數(shù)據(jù)字典，探查數(shù)據(jù)血緣關(guān)系，實(shí)現(xiàn)數(shù)據(jù)“快速”關(guān)聯(lián)穿透提升分析深度。數(shù)據(jù)字典是描述數(shù)據(jù)的信息集合，是對(duì)數(shù)據(jù)項(xiàng)、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)流、數(shù)據(jù)存儲(chǔ)及處理邏輯進(jìn)行定義和描述的目錄。在海量數(shù)據(jù)的匯總分析中，分析人員往往首先觀測(cè)到異常指標(biāo)。
在由指標(biāo)到記錄、由宏觀到微觀，追根溯源式地拆解指標(biāo)、挖掘指標(biāo)異常變化原因的過(guò)程中，查閱數(shù)據(jù)字典如同瀏覽數(shù)據(jù)加工廠生產(chǎn)線的紀(jì)錄片，對(duì)于回溯指標(biāo)“前世今生”、探查數(shù)據(jù)血緣關(guān)系、實(shí)現(xiàn)數(shù)據(jù)有效穿透意義重大，是提升分析深度、提高分析效率的利器。
二是熟練操作數(shù)據(jù)庫(kù)，跨領(lǐng)域“快速”開(kāi)展數(shù)據(jù)融合應(yīng)用。使用ETL工具，打通各平臺(tái)數(shù)據(jù)庫(kù)，實(shí)現(xiàn)跨領(lǐng)域多源數(shù)據(jù)融合。根據(jù)分析目標(biāo)，利用關(guān)聯(lián)、篩選、計(jì)算、排序、分類匯總等多種數(shù)據(jù)庫(kù)數(shù)據(jù)處理手段，有針對(duì)性地構(gòu)造融合數(shù)據(jù)集。
融合數(shù)據(jù)集具有多領(lǐng)域的豐富維度，各領(lǐng)域數(shù)據(jù)之間能夠相互印證，從而檢驗(yàn)數(shù)據(jù)的準(zhǔn)確性和真實(shí)性。使用融合數(shù)據(jù)集在提高數(shù)據(jù)利用價(jià)值的同時(shí)，也有效拓展了金融統(tǒng)計(jì)分析的廣度。
三是熟練加工處理數(shù)據(jù)，“快速”洞察數(shù)據(jù)質(zhì)量，提升數(shù)據(jù)分析可信度。從人民銀行金融基礎(chǔ)數(shù)據(jù)治理的實(shí)踐來(lái)看，數(shù)據(jù)治理范圍涵蓋了金融機(jī)構(gòu)端業(yè)務(wù)數(shù)據(jù)庫(kù)、金融基礎(chǔ)數(shù)據(jù)采集平臺(tái)和終端大數(shù)據(jù)平臺(tái)。
其中，大數(shù)據(jù)平臺(tái)的數(shù)據(jù)治理主要通過(guò)數(shù)據(jù)分析展開(kāi)。由于數(shù)據(jù)分析能夠從應(yīng)用角度出發(fā)，方便觀測(cè)到異常匯總指標(biāo)，并具有跨表、跨周期的數(shù)據(jù)檢驗(yàn)?zāi)芰?，因而成為開(kāi)展數(shù)據(jù)治理最重要的環(huán)節(jié)。分析人員能夠通過(guò)多樣的分析手段和工具，在有效識(shí)別臟數(shù)據(jù)、評(píng)估數(shù)據(jù)報(bào)送質(zhì)量、對(duì)銀行端形成信息反饋的同時(shí)，也提升了應(yīng)用數(shù)據(jù)的可靠性，為分析結(jié)果的可信度提供了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。
四是熟練使用大數(shù)據(jù)智能分析工具，鉆取數(shù)據(jù)底層的邏輯，“快速”提高分析關(guān)聯(lián)度。大數(shù)據(jù)智能分析涵蓋了數(shù)據(jù)加載、統(tǒng)計(jì)挖掘、關(guān)聯(lián)分析及可視化等內(nèi)容。熟練使用大數(shù)據(jù)智能分析工具，整合多源數(shù)據(jù)，穿透鉆取數(shù)據(jù)底層的關(guān)聯(lián)邏輯，實(shí)現(xiàn)對(duì)數(shù)據(jù)的深層次探索挖掘。
熟悉數(shù)據(jù)多源特性，接入和整合多種異構(gòu)源數(shù)據(jù)，對(duì)多源數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和規(guī)范化處理，根據(jù)相同字段對(duì)數(shù)據(jù)進(jìn)行動(dòng)態(tài)關(guān)聯(lián)，完成大規(guī)模數(shù)據(jù)的快速整合。利用統(tǒng)計(jì)挖掘功能，對(duì)數(shù)據(jù)進(jìn)行基本的探索分析。
按照?qǐng)鼍靶枨?，?chuàng)建自定義度量指標(biāo)，并利用統(tǒng)計(jì)、篩選、排序等功能，有針對(duì)性地對(duì)數(shù)據(jù)進(jìn)行挖掘分析，自定義實(shí)現(xiàn)可視化的圖表內(nèi)容。運(yùn)用聯(lián)動(dòng)分析功能，挖掘數(shù)據(jù)底層關(guān)聯(lián)關(guān)系。通過(guò)使用下鉆、上卷、旋轉(zhuǎn)、聯(lián)動(dòng)等功能，實(shí)現(xiàn)基于不同分析維度，對(duì)圖表內(nèi)容的穿透鉆取，立體、多角度地挖掘數(shù)據(jù)的關(guān)聯(lián)關(guān)系，洞察數(shù)據(jù)背后的深層次問(wèn)題。
大數(shù)據(jù)技術(shù)讓金融統(tǒng)計(jì)分析更“準(zhǔn)”
一是圍繞黨和國(guó)家大局，加強(qiáng)形勢(shì)預(yù)研預(yù)判，為宏觀調(diào)控提供前瞻性、針對(duì)性信息支持。習(xí)近平總書(shū)記在黨的十九大、全國(guó)金融工作會(huì)議上，強(qiáng)調(diào)服務(wù)實(shí)體經(jīng)濟(jì)、防控金融風(fēng)險(xiǎn)、全面深化改革，這對(duì)我國(guó)宏觀調(diào)控提出新要求。
近年來(lái)，國(guó)內(nèi)國(guó)際形勢(shì)復(fù)雜嚴(yán)峻，在新冠肺炎疫情沖擊下，全球經(jīng)濟(jì)的深層次問(wèn)題更快更徹底地顯現(xiàn)，我國(guó)經(jīng)濟(jì)增長(zhǎng)動(dòng)能、經(jīng)濟(jì)結(jié)構(gòu)也都在悄然改變，這對(duì)央行履職提出了新挑戰(zhàn)，對(duì)形勢(shì)分析的前瞻性、精準(zhǔn)性和靶向性提出了更高的要求。應(yīng)加強(qiáng)形勢(shì)預(yù)研預(yù)判，下好先手棋、打好主動(dòng)仗，更快、更準(zhǔn)地捕捉經(jīng)濟(jì)發(fā)展的規(guī)律性變化，監(jiān)測(cè)經(jīng)濟(jì)金融運(yùn)行的趨勢(shì)和拐點(diǎn)，前瞻性做好政策儲(chǔ)備。
與此同時(shí)，大數(shù)據(jù)技術(shù)助力金融統(tǒng)計(jì)實(shí)現(xiàn)跨越式發(fā)展，為形勢(shì)分析提供了更為豐富、精準(zhǔn)、及時(shí)的數(shù)據(jù)資源，數(shù)據(jù)綜合分析應(yīng)用的場(chǎng)景也不斷豐富。針對(duì)同業(yè)業(yè)務(wù)、銀行企業(yè)共貸關(guān)系等熱點(diǎn)問(wèn)題，強(qiáng)化對(duì)重點(diǎn)領(lǐng)域的風(fēng)險(xiǎn)監(jiān)測(cè)和評(píng)估，助力防范化解金融風(fēng)險(xiǎn)；開(kāi)展疫情防控復(fù)工復(fù)產(chǎn)調(diào)查、居民收入恢復(fù)情況調(diào)查，助力服務(wù)實(shí)體經(jīng)濟(jì)。大數(shù)據(jù)技術(shù)助力形勢(shì)分析更加高效、精準(zhǔn)，為宏觀調(diào)控政策決策提供更高效的信息支持。
二是充分發(fā)揮“情報(bào)站”“信息港”功能，有效開(kāi)展輿情監(jiān)測(cè)。隨著信息技術(shù)的快速發(fā)展，公眾獲得的信息量呈指數(shù)型增長(zhǎng)，公眾利用公開(kāi)信息能更及時(shí)捕捉宏觀政策操作意圖，但也容易產(chǎn)生一致性預(yù)期錯(cuò)判情況。
因此，如何從正面加強(qiáng)輿情監(jiān)測(cè)和引導(dǎo)公眾預(yù)期是一個(gè)重大問(wèn)題。及時(shí)發(fā)現(xiàn)公眾一致性預(yù)期錯(cuò)判，進(jìn)行合理引導(dǎo)，能有效避免微觀行為主體預(yù)期錯(cuò)判影響宏觀調(diào)控政策效果。大數(shù)據(jù)技術(shù)為有效開(kāi)展輿情監(jiān)測(cè)提供了可能，也是提升數(shù)據(jù)治理能力的一個(gè)有益嘗試。充分發(fā)揮海量數(shù)據(jù)的“情報(bào)站”“信息港”功能，我們嘗試開(kāi)展公眾貨幣政策松緊度感受、兩會(huì)期間金融熱點(diǎn)輿情監(jiān)測(cè)等分析應(yīng)用，有效填補(bǔ)了數(shù)據(jù)缺口，為宏觀決策提供信息支持。
三是及時(shí)跟蹤政策方向，利用快捷、靈活、廣覆蓋的經(jīng)濟(jì)監(jiān)測(cè)“信息港”體系，圍繞經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型等重大問(wèn)題，提供信息支持。通過(guò)對(duì)大數(shù)據(jù)信息的深度挖掘和分析，形勢(shì)分析的廣度和深度均明顯延展。
堅(jiān)持以需求、問(wèn)題為導(dǎo)向，圍繞經(jīng)濟(jì)金融領(lǐng)域的熱點(diǎn)和難點(diǎn)問(wèn)題，利用大數(shù)據(jù)技術(shù)，深入解剖和展現(xiàn)復(fù)雜經(jīng)濟(jì)金融運(yùn)行中的各種結(jié)構(gòu)性問(wèn)題，迅速響應(yīng)、精準(zhǔn)聚焦政策方向和經(jīng)濟(jì)金融領(lǐng)域潛在問(wèn)題、苗頭性趨勢(shì)，高效服務(wù)精準(zhǔn)調(diào)控的宏觀政策。
四是熟練運(yùn)用機(jī)器學(xué)習(xí)模型，做好模擬和預(yù)測(cè)，提高分析精細(xì)度。機(jī)器學(xué)習(xí)模型是挖掘大數(shù)據(jù)核心價(jià)值的有效方法。理解機(jī)器學(xué)習(xí)模型的運(yùn)作原理，熟練運(yùn)用機(jī)器學(xué)習(xí)模型，抽象出數(shù)據(jù)潛在的知識(shí)和規(guī)律，并對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)和分析，有助于提高金融分析的精細(xì)度。了解機(jī)器學(xué)習(xí)模型的理論邏輯，實(shí)現(xiàn)不同需求和環(huán)境下機(jī)器學(xué)習(xí)模型的構(gòu)建、運(yùn)行和部署。
在特定金融分析場(chǎng)景中應(yīng)用機(jī)器學(xué)習(xí)模型，做好模擬和預(yù)測(cè)。例如，利用機(jī)器學(xué)習(xí)模型模擬研究產(chǎn)業(yè)政策、經(jīng)濟(jì)事件、金融環(huán)境等真實(shí)社會(huì)狀態(tài)，對(duì)政策實(shí)施、金融風(fēng)險(xiǎn)等特定事件的產(chǎn)生機(jī)制和影響因素進(jìn)行推演，實(shí)現(xiàn)對(duì)特定事件發(fā)生的提前預(yù)判和有效評(píng)估。
利用多維度數(shù)據(jù)更新優(yōu)化模型，提高模型的泛化能力。隨著金融業(yè)綜合統(tǒng)計(jì)工作的穩(wěn)步推進(jìn)，金融統(tǒng)計(jì)數(shù)據(jù)量快速增長(zhǎng)，使用多源、高維度的數(shù)據(jù)對(duì)模型進(jìn)行迭代更新，完善模型的金融場(chǎng)景適用性，提升模型的預(yù)測(cè)效果，拓寬模型的應(yīng)用范圍。
作者阮健弘系CF40特邀成員、中國(guó)人民銀行調(diào)查統(tǒng)計(jì)司司長(zhǎng)，本文轉(zhuǎn)載自微信公眾號(hào)“中國(guó)金融雜志”，原文刊載于《中國(guó)金融》2022年第2期。 
