浅析大数据与传统经济学
【精品推荐完整版】大数据与传统数据的区别 大数据的介绍及案例分享【ppt版可编辑】
大数据的介绍及案例分享1
2目录
2
大数据的概念
大数据与传统数据的区别？
大数据的典型特征（3V）
广义的大数据
大数据应用案例
3大数据的概念
3
大数据(Big Data)是指无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合
简单一点的说，就是用现有一般技术难以管理的数据。
大数据与传统数据的区别？
4
➢小明去了一百次书店
传统数据：要回答的问题是他第一百零一次买不买书，即业绩和经营指标的问题；
大数据：要回答的是他第一百零一次买什么书，需要将什么样的内容推荐给他。
➢群体和个体的区别
传统定义上，更多关注的是一类人群，用同一类规则制订套餐给他们；
互联网时代，要把每个人都精准刻画出来，进行精准匹配。
大数据的典型特征（3V）
5
Volume（容量）
现在基本上是指从几十TB到几PB这样的数量级，未来，可能只有几EB数量级的数据量才能称得上是大数据了。
Variety（多样性）
结构化和非结构化数据
Velocity（速度）
数据产生和更新的频率
广义的大数据
6
所谓大数据，是一个综合性概念，它包括：
（1）因具备3V特征而难以进行管理的数据
（2）对这些数据进行存储、处理、分析的技术
（3）以及能够通过分析这些数据获得实用意义和观点的人才和组织。
浅析数量经济学在大数据时代的应用
浅析数量经济学在大数据时代的应用1. 引言1.1 数量经济学概述数量经济学是经济学的一个分支，它的研究对象是经济现象中的数量关系。
数量经济学通过建立数学模型来分析经济现象，并通过统计学方法对经济数据进行定量分析，从而揭示经济现象的规律性。
数量经济学在经济学研究中具有重要的地位，可以帮助经济学家更好地理解和解释经济现象。
数量经济学包括微观经济学和宏观经济学两个方面。
微观经济学研究个体经济单位（如消费者、生产者）的行为和市场的运作规律，而宏观经济学则研究整个经济系统的运行机制和总体经济变量（如国民经济总量、物价水平）之间的关系。
数量经济学借助数学和统计学工具，通过建立经济模型来分析经济现象，并通过实证分析来检验模型的有效性。
数量经济学方法的应用使经济学研究更加严密和科学化，为经济政策的制定提供了理论基础和实证支持。
在大数据时代，数量经济学的方法和工具将更加重要和有效，可以帮助研究者更好地理解和预测经济现象的发展趋势。
1.2 大数据时代的背景大数据时代的背景涵盖了信息技术的快速发展和互联网的普及，同时也包括了移动互联网、物联网、云计算、人工智能等新兴技术的广泛应用。
随着互联网的普及和信息技术不断创新，人们在日常生活和工作中产生了海量的数据，这些数据被称为大数据。
大数据的三个特征是数据量大、数据种类繁多以及数据处理速度快。
这些特征使得传统的数据处理技术和方法面临着巨大挑战，也为数量经济学的发展提供了全新的机遇。
在大数据时代，人们可以利用庞大的数据集来分析经济现象和市场行为，从而更准确地预测经济走势、制定政策和优化资源配置。
大数据时代的背景为数量经济学的发展提供了新的契机和挑战。
1.3 研究目的研究目的是对当前大数据时代下数量经济学的应用进行深入剖析和探讨，评估其在经济研究和决策制定中的作用和影响。
通过对数量经济学在大数据时代的重要性、大数据对数量经济学的影响、大数据如何改变数量经济学的研究方法以及数量经济学在大数据时代的新应用领域等方面展开探讨，旨在揭示数量经济学在面对海量的数据时的挑战和机遇，并从中寻找适应大数据环境下的有效研究方法和技术手段。
经济学与数据科学
经济学与数据科学随着科技的进步和信息时代的到来，数据科学逐渐成为各个行业中不可或缺的一部分。
经济学作为一门研究资源配置和决策制定的学科，也受到了数据科学的影响和改变。
本文将探讨经济学与数据科学的关系，以及数据科学在经济学中的应用。
一、经济学与数据科学的关系经济学作为一门社会科学，研究的是资源的配置和利用方式。
而数据科学是一门利用数学、统计学和计算机科学等方法，从大量的数据中提取有用信息的学科。
两者之间存在着紧密的联系与互补。
首先，经济学离不开数据的支持。
传统经济学的研究方法主要是基于假设和推理，而数据科学则能为经济学提供更多实证依据。
通过搜集、处理和分析大量的经济数据，经济学家能够更准确地了解经济现象和规律，以及预测未来的经济走势。
其次，数据科学在经济学中的应用也为经济学理论的研究与发展提供了新的途径。
传统的经济学理论通常是建立在一些简化假设的基础上，而现实世界往往是复杂和多变的。
数据科学能够帮助经济学家更好地理解和解释这些复杂现象，通过大数据分析和机器学习等方法，挖掘出背后的经济规律，进一步完善和发展经济学理论。
二、数据科学在经济学中的应用案例1.经济预测与决策数据科学在经济预测和决策中发挥着重要作用。
通过对历史数据的分析和建模，经济学家可以预测未来的经济趋势，为政府决策、企业战略规划等提供依据。
例如，利用时间序列分析和机器学习算法，可以对股市的涨跌进行预测，提醒投资者作出相应的决策。
2.市场营销和消费行为分析数据科学可以帮助企业进行市场调研和用户行为分析。
通过对大量的消费者数据进行聚类分析和预测建模，可以更好地理解消费者的需求和偏好，为企业的产品研发、市场推广等提供指导。
例如，在电子商务领域，通过对用户点击、购买和评论等行为数据的分析，可以实现个性化推荐和精准营销，提高销售量和用户满意度。
3.金融风险管理数据科学在金融领域的应用也非常广泛。
通过对大量的金融市场数据进行分析，可以识别出风险因素，预警金融风险，减少金融危机的发生。
数字技术与经济学的联系
数字技术与经济学的联系数字技术与经济学两个领域在现代社会的发展中紧密相关，相互影响。
数字技术的快速发展和应用对经济产生了广泛的影响，同时，经济的发展也推动着数字技术的进步。
本文将探讨数字技术与经济学之间的联系，包括在生产效率、市场竞争、产业结构转型等方面的影响。
首先，数字技术对经济的生产效率产生了重要影响。
数字技术的应用使得许多传统生产过程变得更加高效和精确。
通过自动化和数字化的生产流程，企业可以更快地生产和交付产品。
数字技术还使得企业能够更好地控制生产过程，并减少生产过程中的浪费。
例如，通过数字化的供应链管理系统，企业可以更准确地预测市场需求，减少库存和不必要的资产。
其次，数字技术的发展也对市场竞争形成重要影响。
数字化和互联网的普及使得信息的获取变得更加容易和快速。
消费者可以通过在线平台查找和比较产品和服务，以找到更好的选择。
这使得市场竞争更加激烈，企业必须提供更好的产品和服务才能在市场中脱颖而出。
数字技术还促进了创新产业和新兴市场的发展，为企业提供了更多的机会和挑战。
此外，数字技术也推动着产业结构的转型。
新的数字技术不仅改变了传统产业的生产方式，也创造了许多新的产业和就业机会。
例如，随着电子商务和在线支付的普及，传统零售业受到了冲击，许多企业转向电子商务和平台模式。
数字技术也推动了新兴产业，如人工智能、大数据分析等的发展。
这些新的产业和技术在一定程度上改变了经济的结构和组织方式。
另外，数字技术对经济的发展和国际贸易也具有重要影响。
数字技术改变了国际贸易的方式和规模。
通过互联网和数字化平台，企业可以更方便地进行国际贸易和跨境合作。
数字技术也带动了全球供应链的重构，使得全球化的贸易更加紧密和便捷。
同时，数字技术也提供了新的贸易方式，如电子商务、在线支付等，进一步推动了国际贸易的增长。
然而，数字技术的发展也带来了一些经济学领域需要面对的挑战和问题。
首先，数字技术的普及和应用也引发了一些社会和经济的问题，如个人隐私保护、数据安全等。
浅析数量经济学在大数据时代的应用
浅析数量经济学在大数据时代的应用【摘要】在大数据时代，数量经济学的应用越来越广泛。
本文从数量经济学的定义和作用出发，探讨了数量经济学在大数据分析、预测、决策和监测中的应用。
通过结合数量经济学与大数据，可以更精准地研究经济规律和预测市场趋势，为决策提供科学依据。
数量经济学在大数据时代的重要性日益凸显，未来的发展方向也将更加注重数据分析和技术应用。
结合数量经济学与大数据也面临挑战，需要克服数据获取的难度和数据处理的复杂性。
但同时也带来了更多的机遇，可以更好地发现经济现象和规律。
数量经济学在大数据时代扮演着重要角色，未来发展潜力巨大。
【关键词】大数据时代、数量经济学、结合、分析、预测、决策、监测、重要性、发展方向、挑战、机遇1. 引言1.1 大数据时代的背景在当今信息技术高度发达的时代，大数据已经成为了一个不可忽视的重要资源。
所谓大数据，指的是规模巨大、来源广泛、种类繁多的数据集合，其特点主要包括“四个V”，即数据量大（Volume）、数据速度快（Velocity）、数据种类多（Variety）和数据价值高（Value）。
大数据时代的到来，不仅改变了人们生活和工作的方式，也为各行各业带来了巨大的机遇和挑战。
1.2 数量经济学的定义与作用数量经济学是经济学的一个重要分支，它主要通过数学和统计学的方法来分析经济现象和经济关系。
数量经济学的主要作用是利用定量模型和数据分析技术来解决经济学中的问题，从而更好地理解和预测经济现象。
通过数量经济学的研究，经济学家可以更准确地评估政策的影响和效果，并做出更有效的决策。
在数量经济学中，经济学家们使用数学模型和统计方法来研究经济现象和推断经济规律。
他们利用各种经济数据进行分析，包括市场价格、生产成本、经济增长率等。
通过建立各种经济模型，他们可以预测未来的经济走势，并提出相应的政策建议。
数量经济学还可以帮助人们更好地理解经济现象背后的原因，揭示经济关系中隐藏的规律。
数量经济学在经济学研究和政策制定中起着至关重要的作用。
经济学与计算机科学
经济学与计算机科学经济学和计算机科学是两个截然不同的学科，一个是关于人类社会资源配置和决策的学问，另一个则是关于信息处理和计算机系统的研究。
然而，在当今数字化时代，这两个学科之间逐渐出现了交叉与融合的趋势。
本文将探讨经济学与计算机科学之间的关系以及这种融合的可能影响。
一. 经济学与计算机科学的交叉点1. 数据分析与经济预测计算机科学提供了强大的数据处理和分析能力，可以帮助经济学家有效地处理大规模数据并进行精确的统计分析。
经济学家可以利用计算机科学的技术来构建经济模型、预测市场趋势和分析经济政策的效果。
2. 科技创新与经济发展计算机科学的技术进步对经济发展起到了巨大的推动作用。
随着信息技术的迅速发展，新兴产业如人工智能、物联网和区块链等正在日益成为经济增长的重要驱动力。
经济学家需要了解这些新技术的应用和影响，以帮助制定相应的经济政策。
3. 金融市场与算法交易高频交易和算法交易已经成为金融市场中的常见现象。
这些交易依赖于计算机科学中的算法和数据分析方法，可以快速进行交易决策和执行，对市场的稳定性和效率产生了重大的影响。
经济学家需要理解和研究这些算法交易的规律和效果。
二. 经济学与计算机科学的融合1. 计量经济学与大数据分析利用计量经济学和计算机科学的方法，经济学家可以更深入地研究经济现象，从而提出更精确的经济理论。
大数据分析可以帮助经济学家挖掘出更多的经济规律和模式，为政策制定提供更准确的依据。
2. 人工智能与智能经济人工智能的发展正在改变传统经济模式。
智能经济将人工智能技术与经济学原理相结合，通过智能决策和智能化生产优化资源配置和经济效益。
经济学家需要理解人工智能的原理和应用，以应对智能经济带来的挑战和机遇。
3. 数据隐私与经济伦理随着大数据时代的到来，数据隐私和信息安全成为重要的问题。
经济学家需要关注数据使用和共享的经济伦理问题，以保护个人隐私权益和社会公正。
三. 经济学与计算机科学的前景与挑战1. 新兴产业的崛起随着技术的进步和经济的不断发展，新兴产业将持续涌现。
大数据和人工智能在经济学中的应用和前景
大数据和人工智能在经济学中的应用和前景在当今互联网时代，数据已经成为我们日常生活中的一部分，以至于我们在做任何事情时都会创造和产生数据。
这些数据被收集并用于各种目的，而这些数据的存在，结合人工智能的发展，将会在经济学领域带来巨大的影响。
在这篇文章中，我们将探讨大数据和人工智能在经济学中的应用和前景。
一、经济学中的数据分析方法在经济学中，数据分析一直都是最基本的工具之一。
过去使用人工的方式处理数据，但现在随着大数据和人工智能技术的发展，我们可以更好地利用和分析这些数据，以形成更有利的商业战略和经济政策。
这些数据可以来自各种来源，例如社交媒体、移动设备、云计算和传感器技术等。
在处理大数据时，其中最重要的问题是如何分析数据。
这就要求我们使用人工智能技术，包括机器学习或深度学习。
这些技术可以通过迭代和分类等方法来识别各种模式和趋势，并形成预测模型，使我们更好地了解和分析数据。
与传统的基于规则的分析方法不同，机器学习可以从数据中学习规则和模式，而不需要人工定义和设置规则。
二、商业领域中的大数据和人工智能商业领域已经开始广泛应用大数据和人工智能技术，以了解消费者态度和行为。
这些数据可以揭示客户购物偏好、支付方式、喜好、社交平台和消费模式等信息。
通过使用这些数据，企业可以发展更好的营销策略和产品设计，以满足客户需求。
此外，利用大数据和人工智能技术，公司还可以改善供应链管理和物流。
通过从全球范围内汇总数据，企业可以分析供应链中的不同方面，例如物流、订单制作以及生产和供应。
这可以帮助企业更好地了解其产品的生命周期，并做出更好的战略决策。
三、政策制定中的大数据和人工智能大数据和人工智能技术也可以用于政策制定。
例如，在税收政策方面，政府应该如何调整税率以最大化国家财富。
政府可以利用大数据和人工智能技术来分析该国不同地区、行业、收入和税收等数据，以更好地了解社会和经济状况。
然后，政府可以使用这些数据来制定更好的税收政策，以实现更好的财政收入和经济增长。
经济统计学大数据方向专业介绍
经济统计学大数据方向专业介绍经济统计学大数据方向是一门结合经济学、统计学和计算机科学的交叉学科，旨在培养具备经济分析能力和大数据处理技术的专业人才。
以下是该专业的介绍：1. 学科背景：经济统计学大数据方向融合了经济学和统计学的基本理论与方法。
通过学习经济学的相关知识，掌握经济现象的解释和分析能力；同时，通过统计学的学习，掌握概率论、数理统计等相关工具和方法，以数据为基础进行经济问题的研究。
2. 大数据技术：该专业注重培养学生对大规模数据的获取、存储、处理和分析能力。
学生将学习数据挖掘、机器学习、人工智能等技术，以应对日益增长的大数据挑战。
3. 数据分析和预测：学生将学习如何运用统计学和经济学的技术手段，对大规模数据进行分析和预测，以揭示经济规律和市场趋势。
这包括数据清洗、特征选择、建模和预测等过程。
4. 经济政策研究：学生将掌握经济政策研究的方法和工具，利用大数据技术对宏观经济、金融市场、行业发展等进行深入分析，并对相关政策提供决策支持。
5. 数据可视化：学生将学习如何将复杂的经济数据通过可视化手段呈现出来，以便更好地理解和传达数据的含义。
这包括图表、图像、交互式可视化等多种形式。
就业前景：经济统计学大数据方向的专业人才在当前信息化和数字化时代具有广阔的就业前景。
他们可以在金融机构、研究机构、大型企业等领域从事宏观经济研究、金融风险管理、大数据分析等方面的工作。
此外，许多科技公司也需要这类专业人才来开展数据处理和分析工作。
经济统计学大数据方向是一个综合了经济学、统计学和计算机科学的专业方向，学生将获得数据处理和分析的能力，以及对经济问题的深刻理解。
这是一个充满挑战和潜力的学科，能够适应现代经济和社会发展的需求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期：2015/5/28 作者简介：李晓雨（1993—），女，研究方向：信息管理与信息系统，电子邮箱：xiaoyu_li0827@163.com
浅析大数据与传统经济学 大数据对传统经济学体制带来的挑战与机遇 李晓雨 （山东建筑大学 管理工程学院，山东省 济南市 250100） 摘要：文章从大数据的发展现状分析入手,讨论了大数据对传统经济学带来的机遇与挑战。运用大数据经济学的概念，分析了大数据经济学与信息经济学、信息技术等相关学科的关系。并将理论研究与实践应用实时地统一在一起,最后对大数据经济学发展前景进行了展望,认为大数据经济学不仅将理论科学、实验科学、复杂现象模拟统一在一起,而且将自然科学和社会科学统一在一起,具有非常好的发展前景。 关键词：大数据；大数据经济学；传统经济学；大数据统计学； 中图分类号：F49 文献标识码：A
Big data and traditional economics
The challenge and opportunity of big data to the traditional economic system Abstract: The paper analyzes the challenge of big data to traditional economics from big data development. Using the concept of big data economics, the relationship between big data economics and information economics, information technology and other related subjects is analyzed.. And theoretical research and practical application in real time unified together. Finally, the development prospects of the big data economics prospect, that big data economics will not only scientific theory, scientific experiments, complex phenomenon simulation unified together, and the system of natural science and social science a together, with very good prospects for development. Key word: big data; big data economics; traditional economics; big data statistics 引言 自微博成立以来，新浪微博的用户已经增至5亿人，每天就要发布4亿多条讯息，每天更新的照片超过1000万张，美国的Facebook公司利用将近10万亿条价格记录来预测飞机票的价格，准确率高达75%，采用该系统购票每张机票平均可节省50美元。据专家预测未来几年的全球大数据将会增加8倍，世界上存储的数据将达到1.2ZB。美国麦肯锡公司（McKinset&Company）曾对全球的大数据分布做了一个研究和统计，中国每年的新增数据量约为250PB，美国约为3500PB，欧洲约为2000PB，可见大数据已经深深地充斥了人类经济社会的诸多角落。 关于什么是大数据，目前业界并没有公认的说法，研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。IBM公司则认为大数据具有3V特点，即规模性（volume），多样性（variety），实时性（velocity）。以IDC为代表的业界认为大数据具有4V特点，即在3V的基础上增加了价值性（value）。《著云台》的分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。 《计算机学报》刊登的“架构大数据：挑战、现状与展望”一文列举了大数据分析平台需要具备的几个重要特性，对当前的主流实现平台——并行数据库、MapReduce及基于两者的混合架构进行了分析归纳，指出了各自的优势及不足，同时也对各个方向的研究现状及作者在大数据分析方面的努力进行了介绍，对未来研究做了展望。著名未来学家阿尔文•托夫勒（1980）很早就在其经典著作《第三次浪潮》中，将大数据热情地赞誉为“第三次浪潮的华彩乐章”。 2012年世界经济论坛发布了《大数据、大影响》[3]的报告，从金融服务、健康、教育、农业、医疗等多个领域阐述了大数据给世界经济社会发展带来的机会。2012年3月，奥巴马政府发布《大数据研究和发展倡议》[4]，投资2.5亿美元，正式启动大数据发展计划，计划在科学研究、环境、生物医学等领域寻求突破。从某种程度上说，大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。明白这一点至关重要，也正是这一点促使该技术具备走向众多企业的潜力。大数据最核心的价值就是在于对于海量数据进行存储和分析。相比起现有的其他技术而言，大数据的“廉价、迅速、优化”这三方面的综合成本是最优的。 大数据是工业传感器、互联网、移动数码等固定和移动设备产生的结构化数据、半结构化数据与非结构化数据的总和，大数据重在实时的处理与应用，以获得所需要的信息和知识，从而实现商业价值以及为公共管理服务，数据挖掘和人工智能等应用工具在大数据处理中发挥着重要作用，现代信息技术是大数据赖以存在和发展的重要支撑力量。 那么，大数据对经济夜来说意味着什么？对传统经济学会带来哪些冲击？传统经济学又应该如何面对大数据带来的挑战？
一：大数据给经济学带来的影响 Victor（2012）在其最新著作《大数据时代——生活、工作与思维的大变革》中指出，大数据时代，思维方式要发生3个变革：第一，要分析与事物相关的所有数据，而不是依靠分析少量数据样本；要总体，不要样本。第二，要乐于接受数据的纷繁复杂，而不再追求精确性。第三，不再探求难以捉摸的因果关系，应该更加注重相关关系。杨华磊分析了高频数据对传统经济学研究范式的冲击，出现了“非主流经济学就是致力研究异常现象的经济学”，当然高频数据与大数据不是一回事，两者之间存在交集。那么，大数据给经济学带来了哪些影响呢？
1.1大数据研究对象变成了总体 传统经济学研究中，由于搜集数据的条件所限，人们往往对数据进行抽样，用少量样本来进行研究，这一传统一直延续至今，并且成为经济学研究的主流做法，但是抽样的质量对研究结果影响很大，比如公众对政府统计部门公布的物价指数和基尼系数引发的怀疑。在大数据时代，很多场合下已经无需进行针对样本的研究，直接将总体作为研究对象，从而很大程度上改变了数据来源方式，对数据的处理也产生了深远的影响。
1.2大数据不需要基于假设检验的研究 传统的经济学研究，往往根据研究内容提出数个假设，然后再采用数学模型基于统计检验来验证假设。但在大数据时代，由于有足够的变量、足够的数据，可以采用人工智能来进行数据挖掘和知识发现，得到的结论是成百上千的，和传统经济学研究需要验证假设的数量永远不是一个数量级。在大数据时代，如果继续采用传统的假设检验方法进行研究，永远是不充分的、不完备的、无法满足需要的。大数据时代重在对数据处理的多样化结果进行分析，可以是基于经济学的，也可以是基于应用的，从而辅助人们决策。 此外，由于变量的完备性要求使得传统的基于假设验证的研究有时变得十分尴尬。比如，研究研发投入对企业绩效的影响，需要考虑的不仅仅是研发投入，还要考虑企业资本结构、竞争水平、人员素质、行业特点、管理能力等诸多因素，研究者重点关注的是研发投入的弹性系数，但却得到了其他所有数十个变量的弹性系数，从而使研究重心不容易掌握。
1.3大数据使得因果关系变得不太重要 传统经济学是一门解释科学，重在对经济现象的解释，了解他们的因果关系，但在大数据时代，这样做是远远不够的，大数据甚至可以发现事物发展潜在的规律，以供经济学家解释，具有一定的“智能性”，某种程度上超越了经济学研究的因果关系。 大数据并没有改变因果关系，但是使传统经济学的因果关系变得不太重要。比如经济学家在预测房价时，无非是根据住房价格变化的影响因素来进行分析，比如经济发展水平、人均收入、土地价格、宏观房产政策、地点等因素。但谷歌预测房价时，根据住房搜索查询量变化进行预测，结果比不动产经济学家的预测更为准确及时。IBM日本公司，通过检索关键词“新订单”、“雇员”、“生产”等来预测采购经理人指数，仅用6小时就得出结果，并且和专业的采购人指数分析师们计算的结果基本一致。大数据并没有改变因果关系，但使因果关系变得意义不大，很多时候因果关系成为“正确的废话”。
1.4传统的因果关系有时无法验证 弄清事物之间的内在联系和作用机制，一直是传统经济学研究的核心。但有时因果关系是没有办法验证的。比如新产品上市，人们往往倾向于购买新产品，这样对旧产品的需求会下降，那么旧产品价格应该立即回落，这是其一。从另外一个角度，如果大家都认识到这一点，就会贪便宜购买旧产品，短期内会造成旧产品供不应求，反而导致旧产品涨价。究竟是涨是跌，要看这两种因素谁弱谁强，采用传统经济学研究方法是难以验证这两种效应的，只能验证两种效应作用的综合结果。 实际情况是，在大数据时代，西雅图Decide.comg公司分析了近400万商品的超过250亿条价格信息，发现新产品上市时，短期内旧产品价格是上涨的，过一段时间才逐步回落。采用大数据，既可以知道多少人购买旧产品，也能知道多少人购买新产品，以及旧产品价格变化的规律。在这种情况下，我们知道所有的因果关系，却难以检验，并且没有意义，知道结果更重要。
1.5传统经济学研究具有滞后性 传统经济学对于新生事物是不敏感的，必须等事情发生并且成长到一定规模