统计调查工作中数字化应用的实践与探索

统计调查工作中数字化应用的实践与探索

　　伴随从中央到地方对数字经济领域推进政策的实施，加之雄厚的产业发展基础和广阔的市场空间支撑，我国数字经济规模不断扩张。根据《中国数字经济发展白皮书（2020年）》数据显示，2019年，我国数字经济增加值达到35.8万亿元，占GDP比重达到36.2%，数字经济逐步成为国民经济主导力量。随着数字经济快速发展，企业拓展的业务越来越宽泛，出现了智能制造、云医疗、云办公、云展示、线上文娱、在线消费、无人配送等业务，统计调查工作如何适应数字经济时代层出不穷的新模式、新业态，是数字经济时代对所有统计调查工作者提出的挑战。为此，笔者结合工作实际，围绕对统计调查中的数字化应用构思谈一谈个人的几点看法。


一、数字经济的六大特征


近年来数字经济的发展迅猛，我们对其研究、挖掘，可以发现数字经济有以下几点特征及属性：


一是存在数字红利及其产生的技术和经济基础。低成本的连接、处理、比特构成了数字红利，这样的规律也印证了梅特卡夫定律。


二是基于网络和数字的通用领域趋向垄断。从实践来看大者恒大。在零售、搜索、游戏、社交等相同领域，初创公司失败者众、或赢利艰难、真正成功的很少，从经济理论看，全球统一的大市场已经形成，边际成本趋于零，所以垄断是自然的。


三是拓展领域，发展规律尚需探索。在垄断之外，还有很多别的要素是这些领域成功必须解决的问题，例如：互联网金融、互联网医疗、网约车、共享单车等，至今为止，这些领域还不能说已经找到了各自的发展规律，依然在探索中前进。


四是数字经济的构成及主体。信通院的报告指出：数字经济的构成主要分为数字产业化和产业数字化，数字产业化包括四部分，第一是互联网产业，第二是电信业，第三是软件及信息技术服务业，第四是电子信息制造业。而产业数字化不仅是数字经济的主要部分，更是数字经济发展的决定因素。


五是数字经济不是数字的经济，是融合的经济。数字是一个宏观经济形态的概念，所有的数字都要有载体存在，而载体就是工业产品。


六是走向数字经济，数字化转型是主要路径。数字经济可以看作是未来经济形态的一种表述。经济社会各个领域从手工作业到机械化、自动化、智能化的数字化转型，在数字和数字技术的支持下实现功能和流程的优化，成为经济社会发展的主旋律。


二、三大产业的数字经济催生统计调查数字化应用


当前，我国数字产业化总体稳步增长，产业数字化也稳步发展。2019年，数字产业化增加值规模达7.1万亿元，占GDP比重的7.2%，同比增长11.1%。2019年我国产业数字化增加值规模达到28.8万亿元，占GDP比重29.0%。目前，我国三次产业数字经济呈现三产优于二产、二产优于一产特征，2019年，我国服务业、工业与农业数字经济增加值占行业增加值比重分别为37.8%、19.5%和8.2%。为更好了解数字经济所带来的积极变化，我们选取了三次产业数字经济进行分析，笔者认为产业数字化转型对统计调查工作带来了新的挑战，开发统计调查数字化应用必不可少，能更好地帮助统计调查工作走向数字化、无线化的大趋势：


（一）数字服务业。据《中国生活服务业数字化发展报告》指出，疫情期间，生活服务电子商务平台，在保障居民基本生活服务需求、扶持商户渡过难关、助力社会抗疫等方面发挥了重要而独特的作用，已经成为不可或缺的城市新型基础设施。我们有许许多多的数字化应用，如淘宝、京东、拼多多、美团、饿了么、滴滴、支付宝等生活化应用，其中以中国移动为例，中国移动牵手支付宝升级数字化服务模式，搭上了增长快车道。它们通过结合花呗“先享后付”能力推出“移动花卡”，聚合双方权益，除了套餐优惠，还附加了饿了么、虾米等阿里系列权益，带来更好的号卡体验。同时，推出了“双V会员”，就是把移动会员跟支付宝会员打通，变成一家线上会员俱乐部。截止目前，中国移动支付宝小程序用户量已经突破2亿，运营商还在继续深耕用户运营新阵地。


（二）数字工业。工业数字化转型是在传统产业中应用新一代信息技术，通过将人工智能、大数据、云计算等新兴技术赋能产业的各个环节，以数据驱动提升产业效率，实现转型升级。当前数字化已经贯穿整体工业制造的全流程，覆盖研发设计、流程生产、项目管理、供应链等多个过程，并推进茶工业产业链向销售、服务、办公延伸，并基于多样化的新兴技术，创新研发新产品和新服务，使得数字化的应用场景得到不断拓展。结合不同行业的共性特征，目前数字工业主要有六大应用场景，分别为流程生产、研发设计、项目管理、产品销售、增值服务、办公服务。以流程生产为例，数字化在流程生产中的应用主要体现在两方面，一方面通过工业机器人、自动化生产线、智能仪表等智能设备，减少对人工的依赖，提高生产效率和产品品质，并有效采集流程生产中的数据；另一方面通过工业互联网、MES系统、PLM系统的应用，对生产过程实现智能化管理，并有效分析工业机器人和设备的损耗情况。


（三）数字农业。数字农业是信息技术在农业领域的综合和全面的应用，它是一个集合概念，主要包含以下4个主要部分，分别为农业互联网、农业大数据、精准农业和智慧农业。农业物联网是通过对相关数据的采集、分析和系统控制，实现作物生产的实时监测功能、远程控制功能、查询功能和警告功能。农业大数据是用于指导农事生产、辅助农业决策，以此达到规避风险、增产增收、管理透明等预期目标，拉动农业产业整体内需，大幅提高农业整条产业链的效率。精准农业是由信息技术支持的定位、定时、定量地实施一整套现代化农事操作技术与管理的系统，它根据土壤性状和作物生长状况的空间差异，调节对作物的投入。智慧农业是智能化的决策系统，依托部署在农业生产现场的各种传感节点（环境温湿度、土壤水分、二氧化碳、图像等）和无线通信网络实现农业生产环境的智能感知、智能预警、智能决策、智能分析、专家在线指导，为农业生产提供精准化种植、可视化管理、智能化决策。


三、统计调查数字化应用的几大设想


（一）消价调查线上、线下双轨运行。一是构建网购数据视图，统建一个调查应用平台，分设各个调查专栏及数据展示栏，与各大网商平台进行对接，获取网民网购数据接口，设置数据获取频率，数据核算得到数据指标，实现地区、年龄等不同层次划分的网购视图。二是线下数据高频率采集，由超市服务平台提供数据接口及接收PDA上传数据，定时获取商品价格、商品售卖情况等，解决数据采集效率低的难题。三是研判价格走势，将农业数据、工价数据、消价数据进行数据交换，运用大数据分析软件进行预测，形成价格走势预测图，根据数据情况不断校准核心计算模块，实现价格走势的精准预测。


（二）工价调查实时监测行业运转情况，预测工业原材料价格走向。一是实时监测行业运转情况，根据数字工业反馈的应用数据，可以监测机器设备工作情况、产能损耗等，运用行业大数据分析，可以计算出该企业产品预期产能情况，其次根据产品销售情况反馈的应用数据，可以实时监测企业运转状况。二是建立原材料价格预警系统，根据不同行业的运转情况及行业销售的数据，同时进行产业链关联分析，结合行业历年数据对比，运用行业大数据分析，可以实现原材料价格预测，当价格波动过于剧烈时，由价格监测预警系统发出警报，及时报送给政府相关决策部门，做到有形之手的提前调控。


（三）农业调查获取前瞻数据，提供精准建议。一是提前预测粮食产量，根据数字农业反馈的应用数据，可以提前了解农产品生产情况，运用大数据行业分析历年来不同状况下的粮食产量，搭配联网无人机的面积勘测，即可提前预测粮食产量。二是反馈决策辅助，将消价数据、工价数据、农业数据进行数据交换，根据市场行情需求、种植成本以及各类果蔬、粮食种植面的广度，配合市场行业大数据分析结果，可以前瞻产品价格走势及种植方向，给农业种植大户提供精准建议，减少不必要的损失。


四、当前实现统计调查数字化应用的几大难题


（一）技术成本高。数字化应用开发还处于初期阶段，类似于数字服务业、数字工业、数字农业等相应的数字化应用还在进一步开发中，同时也需要与相关企业、开发商共同谋划做好对接，才能最终实现预期效果。当然还包括大数据技术的应用、云服务功能的开发，这都需要更多的时间与金钱的投入，才能使得统计调查搭载上数字化转型的高速列车，使得更多、更广的数据量能够提供更精准、更具前瞻性的建议。


（二）存在安全隐患。一是数字化应用需要存储大量数据，同时数据具有大量性、多样性等特征，使得数据的管理难度较大。二是数字化应用的功能实现核心主要在云端，云服务的核心数据及算法的安全管控难度系数大。三是大数据无序开发可能会带来信息泄露等风险，降低行业数据提供者的积极性。


（三）人才缺乏。要应对各项新兴的数字化应用，需要更多信息化技术的人才，但目前能兼顾信息化技术和统计的人才较少。此外，当前的高校教育中，对大数据技术、数字化应用开发及新兴的各项信息技术的课本式教育存在严重不足，这就将大大制约了信息化与统计双人才的培养。


五、对实现统计调查数字化应用的几点建议


（一）加强技术开发。数字化应用涉及数据来源众多、数量巨大、种类复杂，需要真正高效、可靠的数据管理和分析平台进行管理。同时，统计调查的数字化应用设计是与从不同的，这需要统筹统计学、经济学、信息技术等相关专业人士提供策略谋划，搭载大数据及相关配套技术的应用。一方面，加大技术投入，为技术开发工作提供资本注入；另一方面，强化交流协助，提供专业人士的交流风暴，完善统计调查数字化应用规划，联系应用商开发所需要的技术支持。


（二）加强制度化建设。健全数字化应用流程和监督反馈机制，确保统计调查数字化应用的正常运行，明确统计数据的提供者和使用者相对的权利和义务，规范数字化应用的使用章程，严格保护数据信息，并制定数据泄密情况进行相应责任人追责及受害者赔偿的标准。


（三）加强人才队伍建设。一方面，加强与企业、高校的合作。通过支持高校建立大数据开发学院，强化校企合作等方式，推动建设一批大数据统计研究机构，培养大数据开发项目的高端人才；另一方面，加大培训力度，在统计系统内部培养一批熟知统计法律法规知识，统计专业知识扎实，熟悉新型科技设备，掌握数字化应用的前沿技术，有能力应用大数据技术开展大量多样数据分析的复合型人才。






文章转载网络，只供大家学习交流，版权归属作者，如有侵权请与网站管理员联系。