运用时空大数据分析居民消费形势
大数据时代，无论在时间维度还是空间维度，数据均呈现爆炸式增长，人们日常生活中所有社交活动及行为都将作为一组组数据被记录下来，而看似杂乱无章的数据中往往蕴含着社会运行的规律与真相。本文以消费领域为例，探讨大数据在居民消费形势分析中的应用场景和方法。
一、传统消费形势分析面临挑战
准确把握消费形势，对于认识和化解经济发展、文化建设、社会生活等潜在的隐性问题，具有正本清源、察微虑远的现实意义，因而消费一直是国内外学者的研究热点之一。但随着数字经济时代的到来，新业态、新模式的蓬勃发展使得居民消费形势分析已迈入新阶段。《2019年国务院政府工作报告》明确提出，要充分发挥消费的基础作用，稳定国内有效需求，为经济平稳运行提供有力支撑。然而，面对新形势、新需求，传统的分析方法尚存在一些问题，亟待寻求新思路、新方法。
以统计数据为主，难以满足分析研判的及时性、准确性。虽然在消费领域已有一些成熟的指数产品，如居民消费价格指数（CPI）、物价指数、恩格尔系数等，但绝大部分按月度甚至年度更新，在支撑消费形势研判时具有一定的滞后性，难以适应瞬息万变的消费形势。
以宏观分析为主，难以下沉至中微观层面。高品质生活新格局下，对消费的关注点正在由“量”过渡到“质”、由“整体”转变为“个体”，促使消费形势的监测重点也发生了改变。以消费结构为例，决策者不仅关心整体变化趋势，更关心某区域哪些消费品类发生升级或降级，传统指数在解决这类问题时较为乏力。
数据来源较单一，难以支撑决策监管需求。互联网平台经济飞速发展的今天，几乎每天都有新的消费模式和业态涌现，消费品类更是层出不穷，对监管手段和监测维度提出极大挑战，以往依靠单一数据来源的监测分析方法难以支撑。
随着大数据时代的到来，消费领域的数据获取手段、存储能力、分析方法等均得到大幅跃升，为解决上述问题带来了契机。本文旨在探索运用大数据手段进一步提高居民消费形势监测分析能力，服务消费领域决策，助力消费稳定增长。
二、居民消费形势分析“四元”模型
通过调研当前消费领域研究热点，从决策服务的需求出发，构建以“规模-结构-环境-热点”为主线的居民消费形势分析“四元”模型，以该模型为核心形成纵向联动消费形势分析数据、模型、应用服务的三层架构体系，横向服务政府、企业、个人等多个主体视角。
图1 居民消费形势分析“四元”模型架构图
模型各部分的研究重点如下：
（一）测算消费规模
分析不同业态、不同模式下的消费规模变化，从线上-线下、城镇-乡村、消费品类等多个分类角度开展消费规模趋势研究。主要方法是利用龙头电商和线下商超客单销售记录，以及POS机刷卡记录等统计性数据，在不涉及企业商业机密的前提下，开展多源数据的模型化融合，测算整体消费规模，分析存在的规律和周期。
（二）分析消费结构
分品类、分地域分析居民消费供给短板、城乡消费提质升级均衡度、二元市场消费升级情况。主要方法是在居民消费价格指数、物价指数等成熟指数基础上，引入国民收入水平、可支配收入、受教育程度等多种指标构建多元指标体系衡量消费结构动态变化，跟踪分析、预警预测变化趋势。
（三）监测消费环境
监测市场消费环境，分析民众对消费市场的满意度，指出当前市场环境存在的问题和未来改进方向，针对重点城市开展横向对比分析。主要方法是利用舆情、投诉举报以及社会信用等数据，运用复杂网络分析、文本情感分析等技术，综合评价当前消费环境。
（四）关注消费热点
针对热点事件、热门商圈、热门行业（如养老特别是社区养老服务、婴幼儿照护服务、旅游）和重点消费品（如汽车、家政）等，开展对消费问题的专题分析与研判。主要方法是利用新闻、微博、微信、博客、论坛等多源舆情数据，运用元搜索引擎技术，深度挖掘消费热点问题。
三、基于大数据的居民消费形势分析初探
基于居民消费形势分析“四元”模型，本文通过搭建消费领域时空大数据监测分析平台，汇聚多源异构的海量消费数据，主要包括主流电商消费订单数据、用户手机信令数据、POI位置数据、重点城市商圈数据，以及互联网主要媒体、论坛、博客、微博等渠道中与消费直接相关的舆情数据等。同时，采用指数化方法对2019年上半年我国居民消费形势进行了初步分析。
（一）线上消费价格波动指数
线上消费价格波动指数用来衡量居民线上单笔订单平均价格波动情况。基于主流电商的订单数据计算各品类逐月线上消费价格波动指数，分析发现：今年上半年城镇居民线上消费品类中，电子电器类商品订单平均价格波动最大，服装类其次，日用品类价格相对稳定。分地域来看，我国东部地区商品订单平均价格波动较大。农村线上消费价格波动情况与城镇情况基本一致，但波动幅度总体小于城镇地区。
（二）居民消费升级指数
消费升级指人们在细分品类中更多地购买较贵的商品，消费升级指数可用于描述一段时间内居民消费升级情况。分析发现：2019年1月以来，消费升级指数呈明显上升趋势，于2019年4月达到最大值。商品类别上看，交通与通信类、其他用品和服务、食品烟酒、衣着类消费升级最为明显；生活用品及服务、教育文化和娱乐类、医疗保健类消费基本持平；居住类消费经历了1月的大涨后出现连续降级现象。
（三）线下商圈消费热度指数
商圈消费热度指数用来衡量居民线下消费的活跃度。利用手机移动信令数据，分析北京、上海、广州、深圳、杭州、武汉、重庆、成都、沈阳9个城市180个热门商圈在2019年上半年的到访人流量（不含职住人群），热度前十商圈中，上海（3个）、武汉（2个）、北京（2个）三城市占据七席，其中上海五角场的热度最高。
（四）消费环境评价指数
通过对互联网主要媒体、论坛、博客、微博等渠道中与消费环境直接相关信息进行分析，计算消费环境评价指数，结果显示：今年上半年全国消费环境正面评价占比为82.76%，环比上升1.73个百分点，同比下降0.32个百分点。校园食品安全守护行动、集中销毁假冒伪劣等举措获好评。
此外，通过热点事件热点话题声量检测，显示2019上半年滥用“7天无理由退货”事件、西安利之星事件、非洲猪瘟影响肉价上涨事件为最受关注的消费热点事件，商品质量、消费维权、个人信息保护是网民最为关注的消费问题。
四、大数据强化消费形势监测分析的路径建议
本文提出了居民消费形势分析“四元”模型，并采用多源时空数据，以构建消费指数的方法对2019上半年消费形势进行了初步分析，虽然指数研究尚粗浅，有待进一步深入，但却是大数据手段在消费领域的一次尝试，更是对大数据支撑经济决策的路径探索。然而，消费大数据监测分析体系的搭建离不开多元主体的参与，营造“政府引导、主体多元、社会参与”的事中事后监管新格局，前期应着重构建以下三大体系。
推进数据归集，构建社会大数据归集汇聚体系。面向重点电商企业、线下商超、零售企业、大数据企业、行业协会商会和社会第三方机构，探索通过政府购买服务和合作机制建设，建立面向线上消费平台、线下消费巨头的业务数据采购和共享共用机制，依法依规推进消费规模、消费结构、消费环境、消费热点等消费形势相关的社会化数据资源按需、及时向相关监管部门开放。
强化技术保障，构建消费大数据监测分析指标体系。针对消费规模、消费结构、消费环境、消费热点等消费形势相关的研究重点，搭建数据加工、建模环境，开展数据融合、消费模型训练、数据测试集校验建模，构建消费领域传统统计指数与大数据指数融合模型，形成分区域、分领域、分行业消费大数据监测分析指标体系。
创新监管手段，构建消费风险预警与响应处置支撑体系。基于消费领域主体全景画像分析、主体特征识别、风险评级等大数据分析挖掘算法模型，构建消费风险的预警、响应和联动处置机制，为国家和地方相关业务部门开展消费形势监测分析与会商研判提供技术支撑，切实提升事中事后监管响应处置效能。
（大数据发展部：魏颖、陈东、黄倩倩、邢玉冠）
原文始发于：运用时空大数据分析居民消费形势
