此外,上海还曾宣布将600家公立医院的医疗数据集聚在一起,进行研读和融汇。对这一话题,李耀新这样说道:“在不久的一段时间内后,上海将一步打破‘信息孤岛’的状况。举个例子,假如市民去医院里拍过片子,那当他更换医院治疗时,理论上就可以不再拍片,因为各个医院之间的信息应该已经开放共享了。”
与此同时,经济和信息化工作委员会方面也透露:未来,将从多个方面对上海大数据发展进行推动,这些大数据的应用包括:从科研攻关角度研究大数据领域的基础技术、基础决策模型,推动面向卫生、金融、电子政务、交通、互联网等领域的大数据应用。
这就是数据对于调控的影响,因为数据才是根本,没有数据,便不能全面彻底地分析问题,从而也就无法拟订一个贴切的方案进行调控。只有掌控了所针对问题的数据信息,才能够对问题深入了解,进而一举拔除。
从大数据看房价调控老话题
房产调控,可以说是民生问题中尤为突出的一个矛盾。诸如,房子什么时候降价?什么时候才能买得起房子?诸如此类的问题无时无刻不在牵动着民众的心。可在此时,我们不得不说一下房价调控的问题。房价调控的政策和力度每年都在进行,但却出现了一个怪现象—房价在调控,可是却“越调越涨”。
我们必须承认,以往的调控大多都是中央根据资产价格泡沫和舆论压力而出台一些政策,对房地产行业进行限制和打压。进而,各个地方政府也会出台一些具体的细则。政策实施后,如果效果不明显,那么国家调控就会加大力度,直到行业的基本面发生变化,房价下跌。但这种调控大多治标不治本,房价下跌一段时间后便会再度上涨,并且形势会越发严峻。于是,人们的舆论声再次响起,国家调控就再次展开,如此形成一个循环状态,无始无终。
就目前很多城市来说,房价的调控思路大多集中在以“限购限贷”政策方面,也就是所谓的“堵”。但我们都知道“堵不如疏”这句话,而加大供应量,增加保障性住房和引导调整供应结构,则是“疏”。但究竟哪种方法调控出来的实际效果能更好一些,业界也有不同的声音。
对于这点,广东房协的市场研究报告就给出了一些建议:调控房价,首当其冲就是要改变“轻改革、重调控”的思路,尽快完善房地产市场长效机制。其次是坚持“有保有压”,坚定不移地实行差别化信贷政策,并对个人按揭贷款发放计划和利率优惠进行合理的规划,对有首次置业需求的用户进行优先保护。再次,就是要对市场进行考察研究,对市场动向有一个精准的把握。并在这个基础上,制订科学合理的土地和住房供应计划,有效杜绝住宅因为超规模发展而造成市场波动的现象。最后一点,则是减少地方上对土地财政的依赖,因地制宜,促进与房地产相关的连带产业发展,并鼓励其他共同发展。
另一方面,在三中全会中对于市场配置资源已经有了明确的方向。房地产市场也自然包括在内,并将政策转向,发挥市场作用视为重中之重。而加大供应,减少行政审批和减免地产开发销售环节的税费,对于调控房价也是至关重要的一步。
从上述这段内容中,想必大家也都了解到了,由于现在房产市场调控结果不理想,相关部门正在进行更深一步的政策改革,并对调控方向进行了一定的改变。而造成调控结果失利的原因,就是市场信息的匮乏。
综上所述,现阶段的调控力度不是不大,而是所针对的角度有偏差。当然,基于现在的国情,这样的调控无疑是最合理的。但不得不说,调控,还是要基于大数据的前提下进行操控比较合适。没有任何资料就纸上谈兵,不论形而上学,还是经验教学等模式,都是非常片面和盲目的。因此,我们也呼吁相关部门,对市场信息进行更多更全面的收集,真正重视大数据的作用。唯有如此,才能将房产市场的调控真正落实。
当然,我们这节所讲述的内容是调控思维。而调控思维所针对的自然不止是这几个方面。无论如何,以上内容的阐述都是为了突出在调控过程中,大数据所起到的作用。这是一个不争的事实,任一领域的调控,都必须在掌控大数据的前提下进行,唯有如此,才能取得丰硕的结果。
41.顺风车思维
集体行动指的是大家一起行动、一致行动,共同承担行动的风险和享受过程的成果。美国非裔民权活动家杰斯·杰克逊说过:从政治学的角度来说,组织起来的少数就是政治上的多数。美国的经济学家、社会学家曼瑟尔·奥尔森在《集体行动的逻辑》一书中,用经济学的方法剖析了个人与群体的矛盾,证明了公共利益的代表缺位,是人类社会发展中的困局,每一个社会都难以避免。
曼瑟尔·奥尔森说:每个人在经济问题上,都是一个睿智的理性人。意思就是,每个人在做事之前,都会先将自身利益考虑在内,分析好利益的得失后,才会决定是否去做。而在集体行动中,一旦行动顺利成功,所有的集体成员都能从中受益。无论他是否参与行动,是否对行动的进展付出了自己的一份力,都能够得到一些利益。甚至是那些投机倒把、冷眼旁观、暗地里放冷枪的人,都能够获得一些利益。
就这样,每个人在精打细算之后,常发现最适合自己的方法就是“坐等”和“围观”。尽管这样不合理,但为了自己利益最大化,自己便不想出力,甚至还在心里祈祷别人多出些力,使自己能顺着别人牵好的线走过去,搭个顺风车到达目的地。久而久之,当一个集体中每个人都想“搭便车”的时候,就会让公共的利益受到损失。
此外,曼瑟尔·奥尔森还提出这样一个理论:当集体越小、利益冲突越激烈的时候,这个集体就越容易联合到一起,共同出力,共同发展;当集体越大、利益冲突可以忽略不计的时候,这个集体就越难联合,各自为政,一盘散沙。
曼瑟尔·奥尔森的理论完美地解释了为什么面对同一部《数据质量法》、同一个问题,以公司为单位的小集体能够迅速地组织起来,进行强有力的反击活动。而利益受到了侵害的大众,却无法做到联合反击。其根本原因就是,在公司这个小集体里,利益集中,能够带动每个人的积极性,因而很快就能达成共识。而社会大众的利益却高度分散,人们都率先考虑自己的利益,这样就很难团结在一起。
面对铁一般的事实,人们不得不承认:个体是自私的,常常把一己小利放在前面,把大众的利益摆在后面;一个人的能力是有限的,往往只看到一点一面,无法看到全面。可是,我们是否应该想一想:如果皮都没了,毛还会存在吗?
尽管经过了千百年的沉淀,人的自私和思维的局限性,依然没有很大的改变。其实,曼瑟尔·奥尔森的理论很好地解释了“为什么专制制度能在一些国家长期存在”。在这些国家里,专制者剥夺了一些人的权利和自由,大家都憎恶专制。但是,在一定的时间或一定的程度内,几乎没有人反抗。为什么会这样呢?这是因为,反抗通常是要付出惨痛的代价的。即使反抗的结果是能够推翻专制制度,但是,如果反抗不成功,付出惨痛代价的只是反抗者,而一旦反抗成功,那些不曾反抗的人则同样会受益。慢慢地,人自私自利的天性,就使大部分人选择沉默,并把希冀的目光投向他人。
当然,专制者也懂得这个道理。他们在维护专制的同时,会不遗余力地、残忍地打击那些敢于出头的反抗者,杀鸡儆猴,从而全力瓦解一切可能发生的集体行动。
通过这样的心理分析,曼瑟尔·奥尔森看到了文明的力量。他认为:公共利益的代表缺位和专制社会的困境,都是可以通过一定手段打破的!他说:“一个集体或一个社会,想要营造一个心系公共利益的运行体制,就必须要建立一个合理的激励机制,对那些为公共利益做出贡献的个人进行奖励,并对那些没有承担集体行动成本的人进行惩罚。通过这种手段,就能有效地减少那些想要不劳而获的搭便车的人。”下面,我们来看一些事例:
前不久的2014年3月,在举行的“两会”记者会上,银监会主席尚福林这样说道:“目前一些小微型企业之所以存在贷款难的问题,主要原因还是信息的不对称。很多银行在取得小微型企业的信息时,通常会发现它的相对成本竟然比中等企业和大型企业的成本还要高,这样一来,银行是很难批下贷款的。”于是,我们这里就想问:在数据信息大爆炸的互联网时代,这个障碍是否能够得到解决呢?
在2014年“两会”上,全国工商联这一次带来的提案中,透露了这样一条信息:“高达90%民营企业在发展中会遇到资金紧张的问题。其中,99%的中小企业存在融资难度大的问题,超过60%的民营企业在银行贷不到款……”
这组数据所反映的正是目前中小微企业融资难的问题,可以说,是将民营企业的现状说了个通透。当然,这也意味着一个机会,那就是谁能服务好这个群体,谁就能在这块市场上蒸蒸日上。
基于中小微企业的贷款需求,目前,国内已经形成了竞争的态势:一方面是已经形成了一定规模的小额贷款公司,一方面是银行的一些有针对性的政策。2013年年末,全国已经拥有了7839家小额贷款公司,贷款余额高达8191亿元。这里面尤为突出的是与互联网对接的P2P,在短短几年时间内,就已经拥有了超过600家网贷平台;至于说银行的针对政策,则是近几年银行纷纷发力,成立专门的事业部门以及推出有针对性的产品。
对于中小企业的这种窘迫,益百利大中华区决策分析业务与运营总裁殷虹对于中小企业的这种窘迫做出了自己的回应,他说:“对银行而言,评估中小企业融资依据的主要一项,就是看其各种信息最终汇集而形成一个信用度,信用度达标,自然能够批下贷款。但就中国的中小企业而言,他们可用于评估的信息实在有限。这就使得企业的风险被彰显出来,但企业的信用却没能被银行合理估价。如今,大数据的应用开发,正好弥补了这些信息不能全面被评估的缺陷,给了突破这些限制一个可能。”
益百利作为目前全球最大的征信局,与国内一家互联网融资平台已经达成合作,双方已经尝试将大数据的评测引入评估企业和个人信用风险的过程中。目前,这种互联网和金融的联姻已经成为一种趋势,在不久的将来,相信能够在数据合作的基础上,逐步取代直接的产品合作。
在记者采访金电联行有限公司创始人兼董事长范晓忻时,他刚从中关村科技园管委会回来。他解释说,园区希望他们帮忙做一下企业风险评估,以便对这些企业的资金应用效率和风险做出预判。
当我们问到,他们这样一家创立不过六年的企业,为什么能够得到园区管委会的信任时,他自信地说道:“让数据说话。”
金电联行(北京)有限公司之所以能够取得客户的信任,跟他们的运行方式是息息相关的。他们的做法是—将“数据挖掘机器人”植入公司的供应链管理系统中,并从企业供应链管理系统中挖掘数据。“数据挖掘机器人”所挖掘的数据有10大项,其中包括:下订单、生产、物流、入库、出库、生产线上线、下线、增值税发票确认、结账、付款等。然后将这些数据进行整理分析,并通过“大数据客观信用指标模型”,自动生成企业经营情况的评估报告。到2013年年底,合作银行通过这种途径发放的资金已经超过30亿元。就这样,在国外巨头对国内市场虎视眈眈时,类似金电联行这样的服务提供商也在对本土信息的挖掘上做足了工夫,使其与金融业的合作更加紧密。
2007年前,范晓忻在做汽车零配件管理系统时,他发现零部件生产商总是在为流动资金短缺而苦恼,他便意识到这是一个商机。他觉得,供应链数据中的金融价值被有待更为充分地开发。
他说:“很多的银行在往外审批贷款时都需要抵押,这就使得汽车零部件的供应商很难从银行这里贷到款。”但是,如果银行能够得到这些供应商的实际交易情况,会不会因为他的信用状况而对贷款审批另行考虑呢?
其实,当时的银行已经开始对已经普遍的供应链金融进行了探索,不过只是因为先入为主的传统思维左右了银行的判断。他们认为,只有通过分散风险来控制风险才是最好的方式。所以,大多银行所采取的方式,便是通过中小企业与核心大企业的供货订单等所获取应收账款类的贸易融资等数据为准由,来判断审核贸易的真实性和大企业的信用。
于是,范晓忻有所感想,那就是利用大数据,将企业信用信息量化。不得不说,范晓忻是一个极有魄力的人,做事情雷厉风行。很快,他和他的团队就走访了3800多家企业和几十家银行,将这些企业和银行的信息需求汇总后,在涉及的模型中设立了500多项指标,并通过这些指标之间的关联性,将企业的运行状况进行了一个大体的勾画,之后再结合数据,给企业做出一个信用度的评分。