前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇大數(shù)據(jù)經(jīng)濟分析范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

大數(shù)據(jù)經(jīng)濟分析范文第1篇

關(guān)鍵詞：告警數(shù)據(jù) Hadoop Spark

1 引言

隨著電信網(wǎng)絡(luò)的不斷演進，全省數(shù)據(jù)網(wǎng)、交換網(wǎng)、接入網(wǎng)設(shè)備單月產(chǎn)生告警原始日志近億條。以上告警通過網(wǎng)元網(wǎng)管、專業(yè)綜合網(wǎng)管、智能網(wǎng)管系統(tǒng)[1]三層收斂，監(jiān)控人員每月需處理影響業(yè)務(wù)或網(wǎng)絡(luò)質(zhì)量的告警事件為20萬條，但一些對網(wǎng)絡(luò)可能造成隱患的告警信息被過濾掉。如何從海量告警數(shù)據(jù)中獲取與網(wǎng)絡(luò)性能指標(biāo)、運維效率相關(guān)的有價值的數(shù)據(jù)，對于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫架構(gòu)而言，似乎是一個不可能完成的任務(wù)。

在一般告警量情況下，ORACLE數(shù)據(jù)處理能力基本可以滿足分析需求，但當(dāng)告警分析量上升到億級，如果采用傳統(tǒng)的數(shù)據(jù)存儲和計算方式，一方面數(shù)據(jù)量過大，表的管理、維護開銷過大，要做到每個字段建索引，存儲浪費巨大；另一方面計算分析過程耗時過長，無法滿足實時和準(zhǔn)實時分析需求。因此必須采用新的技術(shù)架構(gòu)來分析處理海量告警信息，支撐主動維護工作顯得尤為必要，為此我們引入了大數(shù)據(jù)技術(shù)。

2 分析目標(biāo)

（1）數(shù)據(jù)源：電信運營商網(wǎng)絡(luò)設(shè)備告警日志數(shù)據(jù)，每天50 G。

（2）數(shù)據(jù)分析目標(biāo)：完成高頻翻轉(zhuǎn)類（瞬斷）告警分析；完成自定義網(wǎng)元、自定義告警等可定制告警分析；完成被過濾掉的告警分析、TOPN告警分析；核心設(shè)備和重要業(yè)務(wù)監(jiān)控。

（3）分析平臺硬件配置：云計算平臺分配8臺虛擬機，每臺虛機配置CPU16核；內(nèi)存32 G；硬盤2 T。

3 制定方案

進入大數(shù)據(jù)時代，行業(yè)內(nèi)涌現(xiàn)了大量的數(shù)據(jù)挖掘技術(shù)，數(shù)據(jù)處理和分析更高效、更有價值。Google、Facebook等公司提供可行的思路是通過類似Hadoop[2]的分布式計算、MapReduce[3]、Spark[4]算法等構(gòu)造而成的新型架構(gòu)，挖掘有價值信息。

Hadoop是Apache基金會用JAVA語言開發(fā)的分布式框架，通過利用計算機集群對大規(guī)模數(shù)據(jù)進行分布式計算分析。Hadoop框架最重要的兩個核心是HDFS和MapReduce，HDFS用于分布式存儲，MapReduce則實現(xiàn)分布式任務(wù)計算。

一個HDFS集群包含元數(shù)據(jù)節(jié)點（NameNode）、若干數(shù)據(jù)節(jié)點（DataNode）和客戶端（Client）。NameNode管理HDFS的文件系統(tǒng)，DataNode存儲數(shù)據(jù)塊文件。HDFS將一個文件劃分成若干個數(shù)據(jù)塊，這些數(shù)據(jù)塊存儲DataNode節(jié)點上。

MapReduce是Google公司提出的針對大數(shù)據(jù)的編程模型。核心思想是將計算過程分解成Map（映射）和Reduce（歸約）兩個過程，也就是將一個大的計算任務(wù)拆分為多個小任務(wù)，MapReduce框架化繁為簡，輕松地解決了數(shù)據(jù)分布式存儲的計算問題，讓不熟悉并行編程的程序員也能輕松寫出分布式計算程序。MapReduce最大的不足則在于Map和Reduce都是以進程為單位調(diào)度、運行、結(jié)束的，磁盤I/O開銷大、效率低，無法滿足實時計算需求。

Spark是由加州伯克利大學(xué)AMP實驗室開發(fā)的類Hadoop MapReduce的分布式并行計算框架，主要特點是彈性分布式數(shù)據(jù)集RDD[5]，中間輸出結(jié)果可以保存在內(nèi)存中，節(jié)省了大量的磁盤I/O操作。Spark除擁有Hadoop MapReduce所具有的優(yōu)點外，還支持多次迭代計算，特別適合流計算和圖計算。

基于成本、效率、復(fù)雜性等因素，我們選擇了HDFS+Spark實現(xiàn)對告警數(shù)據(jù)的挖掘分析。

4 分析平臺設(shè)計

4.1 Hadoop集群搭建

基于CentOS-6.5系統(tǒng)環(huán)境搭建Hadoop集群，配置如表1所示。

4.2 Spark參數(shù)設(shè)置[6]

Spark參數(shù)設(shè)置如表2所示。

4.3 數(shù)據(jù)采集層

數(shù)據(jù)采集：由于需采集的告警設(shè)備種類繁多，故采取分布式的告警采集，數(shù)據(jù)網(wǎng)設(shè)備、交換網(wǎng)設(shè)備、接入網(wǎng)設(shè)備分別通過IP綜合網(wǎng)管、天元綜合網(wǎng)管、PON綜合網(wǎng)管進行采集，采集周期5分鐘一次。采集機先將采集到的告警日志文件，通過FTP接口上傳到智能網(wǎng)管系統(tǒng)文件服務(wù)器上，再對文件進行校驗，通過Sqoop推送到Hadoop集群上。

4.4 邏輯處理層

（1）建立高頻翻轉(zhuǎn)告警監(jiān)控工作流程

先將海量告警進行初步刪選，通過數(shù)量、位置和時間三個維度的分析，得出高頻翻轉(zhuǎn)類告警清單列表，最后由專業(yè)工程師甄別確認(rèn)，對某類告警進行重點關(guān)注和監(jiān)控。

（2）差異化定制方案

按組網(wǎng)架構(gòu)細(xì)分，針對核心重要節(jié)點的所有告警均納入實時監(jiān)控方案；

按業(yè)務(wù)網(wǎng)絡(luò)細(xì)分，針對不同業(yè)務(wù)網(wǎng)絡(luò)設(shè)計個性化的監(jiān)控方案；

按客戶業(yè)務(wù)細(xì)分，針對客戶數(shù)字出租電路設(shè)計個性化的監(jiān)控方案。

4.5 數(shù)據(jù)分析層

Spark讀取Hive[7]表的告警數(shù)據(jù)，然后在Spark引擎中進行SQL統(tǒng)計分析。Spark SQL模K在進行分析時，將外部告警數(shù)據(jù)源轉(zhuǎn)化為DataFrame[8]，并像操作RDD或者將其注冊為臨時表的方式處理和分析這些數(shù)據(jù)。一旦將DataFrame注冊成臨時表，就可以使用類SQL的方式操作查詢分析告警數(shù)據(jù)。表3是利用Spark SQL對告警工單做的一個簡單分析：

5 平臺實踐應(yīng)用

探索運維數(shù)據(jù)分析的新方法，利用大數(shù)據(jù)分析技術(shù)，分析可能影響業(yè)務(wù)/設(shè)備整體性能的設(shè)備告警，結(jié)合網(wǎng)絡(luò)性能數(shù)據(jù)，找到網(wǎng)絡(luò)隱患，實現(xiàn)主動維護的工作目標(biāo)。

5.1 高頻翻轉(zhuǎn)類告警監(jiān)控

首先制定了高頻翻轉(zhuǎn)類告警分析規(guī)則，將連續(xù)7天每天原始告警發(fā)生24次以上定義為高頻翻轉(zhuǎn)類告警，并基于大數(shù)據(jù)平臺開發(fā)了相應(yīng)的分析腳本，目前已實現(xiàn)全專業(yè)所有告警類型的分析。表4是全省高頻翻轉(zhuǎn)類TOP10排名。

5.2 核心設(shè)備和重要業(yè)務(wù)監(jiān)控

目前以設(shè)備廠商或?qū)＜医?jīng)驗評定告警監(jiān)控級別往往會與實際形成偏差，主要表現(xiàn)在以下幾個方面：監(jiān)控級別的差異化設(shè)定基于已知的告警類型，一旦網(wǎng)絡(luò)重大故障上報未知的告警類型就無法在第一時間有效監(jiān)控到；同一類型的故障告警出現(xiàn)在不同網(wǎng)絡(luò)層面可能影響業(yè)務(wù)的程度是完全不同的；不同保障級別的客戶對故障告警監(jiān)控的實時性要求也是不同的。

通過大數(shù)據(jù)分析平臺對差異化監(jiān)控提供了靈活的定制手段，可根據(jù)告警關(guān)鍵字，分專業(yè)、地市、網(wǎng)管、機房、告警頻次等維度自主定制需要的告警數(shù)據(jù)，實現(xiàn)日、周、月、某個時間區(qū)等統(tǒng)計分析。

應(yīng)用案例：省NOC通過大數(shù)據(jù)分析出一條編號為CTVPN80113的中國平安大客戶電路在一段時間內(nèi)頻繁產(chǎn)生線路劣化告警，但用戶未申告，省NOC隨即預(yù)警給政企支撐工程師，政支工程師與用戶溝通后，派維護人員至現(xiàn)場處理，發(fā)現(xiàn)線路接頭松動，緊急處理后告警消除、業(yè)務(wù)恢復(fù)。

5.3 被過濾告警分析

全省每天網(wǎng)絡(luò)告警數(shù)據(jù)300萬條～500萬條，其中99%都會根據(jù)告警過濾規(guī)則進行過濾篩選，把過濾后的告警呈現(xiàn)給網(wǎng)絡(luò)監(jiān)控人員。過濾規(guī)則的準(zhǔn)確性直接影響告警數(shù)據(jù)的質(zhì)量。一般來說告警過濾規(guī)則可以從具有豐富運維經(jīng)驗的網(wǎng)絡(luò)維護人員獲得，但是這個過程非常繁瑣，而且通過人工途徑獲得的告警過濾規(guī)則在不同的應(yīng)用環(huán)境可能存在差異，無法滿足網(wǎng)絡(luò)維護的整體需要。采用大數(shù)據(jù)技術(shù)對被過濾的告警進行分析可以很好地完善過濾規(guī)則，讓真正急迫需要處理的告警優(yōu)先呈現(xiàn)給維護人員及時處理，真正做到先于客戶發(fā)現(xiàn)故障。表5是動環(huán)專業(yè)被過濾的告警情況分布。

5.4 動環(huán)深放電分析

動環(huán)網(wǎng)管通過C接口采集蓄電池電壓數(shù)據(jù)，在停電告警產(chǎn)生之后，電壓數(shù)據(jù)首次下降到45 V，表示該局站電池出現(xiàn)深放電現(xiàn)象，通過計算這一放電過程的持續(xù)時間，記為深放電時長，該時長可以初步反映電池的放電性能。一個局站每天產(chǎn)生幾十萬條電壓等動環(huán)實時數(shù)據(jù)。

在告警數(shù)據(jù)分析的基礎(chǔ)上，實現(xiàn)對蓄電池電壓變化數(shù)據(jù)的分析，提醒分公司關(guān)注那些深放電次數(shù)過多和放電時長過短的局站，核查蓄電池、油機配置、發(fā)電安排等，并進行整治。利用Spark SQL統(tǒng)計了一個月內(nèi)撫州、贛州、吉安三分公司幾十億條動環(huán)數(shù)據(jù)，分析了其中深放電的情況如表6所示。

6 結(jié)論

本文利用HDFS+Spark技術(shù)，實驗性地解決告警數(shù)據(jù)存儲和分析等相關(guān)問題：一是通過數(shù)據(jù)分析，從海量告警數(shù)據(jù)中發(fā)現(xiàn)潛在的網(wǎng)絡(luò)隱患；二是結(jié)合資源信息和不同專業(yè)的告警，最終為用戶提供綜合預(yù)警；三是轉(zhuǎn)變網(wǎng)絡(luò)監(jiān)控思路和方式，通過數(shù)據(jù)匯聚、數(shù)據(jù)相關(guān)性分析、數(shù)據(jù)可視化展示，提高了網(wǎng)絡(luò)監(jiān)控效率；最后還擴展到對動環(huán)實時數(shù)據(jù)、信令數(shù)據(jù)進行分析。

從實際運行效果來看，HDFS和Spark完全可以取代傳統(tǒng)的數(shù)據(jù)存儲和計算方式，滿足電信運營商主動運維的需求。

參考文獻(xiàn)：

[1] 中國電信股份有限公司. 中國電信智能網(wǎng)管技術(shù)規(guī)范-總體分冊[Z]. 2015.

[2] Tom white. Hadoop權(quán)威指南[M]. 4版. 南京： 東南大學(xué)出版社， 2015.

[3] RP Raji. MapReduce： Simplified Data Processing on Large Clusters[Z]. 2004.

[4] Spark. Apache Spark?[EB/OL]. [2016-11-27]. http：///.

[5] Matei Zaharia， Mosharaf Chowdhury， Tathagata Das， et al. Resilient Distributed Datasets： A Fault-Tolerant Abstraction for In-Memory Cluster Computing[J]. Usenix Conference on Networked Systems Design & Implementation， 2012，70（2）： 141-146.

[6] S鵬. Apache Spark源碼剖析[M]. 北京： 電子工業(yè)出版社， 2015.

[7] Hive. Apache HiveTM[EB/OL]. [2016-11-27]. http：///.

[8] Holden Karau， Andy Konwinski， Patrick Wendell， et al. Learning Spark： Lightning-Fast Big Data Analysis[M]. Oreilly & Associates Inc， 2015.

[9] 員建廈. 基于動態(tài)存儲策略的數(shù)據(jù)管理系統(tǒng)[J]. 無線電工程， 2014，44（11）： 52-54.

大數(shù)據(jù)經(jīng)濟分析范文第2篇

關(guān)鍵詞： ULV處理器； 數(shù)據(jù)分流平臺； 警務(wù)數(shù)據(jù)處理系統(tǒng)； 數(shù)據(jù)分流方案

中圖分類號： TN911?34； TP393 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）08?0033?03

Design of data distribution platform in large?scale police data processing system

SONG Hua1， LUO Xingyu2， YAN Huifeng2

（1. Chongqing Police College， Chongqing 401331， China；

2. College of Mobile Telecommunications， Chongqing University of Posts and Telecom， Chongqing 401520， China）

Abstract： As the previous data distribution platform for large?scale police data processing system is still at the development stage， and its data distribution efficiency， accuracy and effect are poor， a new data distribution platform for large?scale police data processing system was designed， whose core equipment is the ULV processor. The police data processing system has three levels of data streams. The ULV processor of the platform uses the physical hardware to distribute the data streams in three levels. The Web services processor written in Hash mapping function distribution scheme is adopted to distribute the result of the distribution hardware by software. The distribution results of the data streams in the first and second levels are given. The data stream in the third level is refined and corrected according to the protocol to acquire final distribution results. The analysis of the experiment result shows that the designed platform has high efficiency， high accuracy and good effect of distribution.

Keywords： ULV processor； data distribution platform； police data processing system； data distribution scheme

0 引 言

大型警帳據(jù)處理系統(tǒng)是一種能夠在內(nèi)部進行警務(wù)工作協(xié)調(diào)的應(yīng)用系統(tǒng)，對公安機關(guān)意義重大。2013年，隨著大數(shù)據(jù)時代的悄然來臨，公安機關(guān)產(chǎn)生的數(shù)據(jù)量不斷攀升，大型警務(wù)數(shù)據(jù)處理系統(tǒng)的處理能力也隨之下降，為此，一些科研人員在大型警務(wù)數(shù)據(jù)處理系統(tǒng)中加入數(shù)據(jù)分流平臺，以合理分配數(shù)據(jù)流量、提升系統(tǒng)處理能力[1?3]。以往為大型警務(wù)數(shù)據(jù)處理系統(tǒng)設(shè)計出的數(shù)據(jù)分流平臺通常處于持續(xù)開發(fā)階段，故不具備較高的分流速率和分流準(zhǔn)確度，分流效果自然不好，因此，為大型警務(wù)數(shù)據(jù)處理系統(tǒng)設(shè)計一種新型的數(shù)據(jù)分流平臺。

1 大型警務(wù)數(shù)據(jù)處理系統(tǒng)中數(shù)據(jù)流層次的劃分

在公安機關(guān)中，大型警務(wù)數(shù)據(jù)處理系統(tǒng)的不同輸入模塊將會產(chǎn)生多種類型的數(shù)據(jù)流，對這些數(shù)據(jù)流的分層處理是提高數(shù)據(jù)分流平臺分流速率和分流準(zhǔn)確度的前提條件。因而，在數(shù)據(jù)分流平臺開始進行分流工作前，需要先對大型警務(wù)數(shù)據(jù)處理系統(tǒng)數(shù)據(jù)流的層次進行合理劃分。對大型警務(wù)數(shù)據(jù)處理系統(tǒng)數(shù)據(jù)流層次的劃分依據(jù) “由上至下、邏輯細(xì)化”的原理，如圖1所示。

由圖1可知，大型警務(wù)處理系統(tǒng)的數(shù)據(jù)流共被劃分為三個層次。第一層次包含綜合部門、調(diào)度部門和人事部門產(chǎn)生的數(shù)據(jù)流，這一層次中的數(shù)據(jù)流較為籠統(tǒng)，數(shù)據(jù)分流工作的進行相對容易；第二層次包含檔案部門、考核部門和后勤部門，這一層次中的數(shù)據(jù)流細(xì)化程度較高，但數(shù)據(jù)的類型和結(jié)構(gòu)也較為明顯，數(shù)據(jù)分流工作難度中等；第三層次包含行動部分、醫(yī)務(wù)部門和消防部門，這一層次中的數(shù)據(jù)流不僅細(xì)化程度較高、私密性較強，而且數(shù)據(jù)的類型繁多、結(jié)構(gòu)復(fù)雜，數(shù)據(jù)分流工作難度較大。

根據(jù)以上分析不難看出，能夠?qū)Φ谌龑哟沃械臄?shù)據(jù)流提供精準(zhǔn)、高效分流工作的大型警務(wù)數(shù)據(jù)處理系統(tǒng)數(shù)據(jù)分流平臺，一定能夠滿足第一、二層次中數(shù)據(jù)流對分流工作的需求。因此，大型警務(wù)數(shù)據(jù)處理系統(tǒng)要求所設(shè)計的數(shù)據(jù)分流平臺在擁有強大的數(shù)據(jù)分類和存儲性能的同時，也應(yīng)具有較強的數(shù)據(jù)流控制能力和抵御網(wǎng)絡(luò)入侵能力。

2 大型警務(wù)數(shù)據(jù)處理系統(tǒng)中的數(shù)據(jù)分流平臺設(shè)計

2.1 數(shù)據(jù)分流平臺分流方案設(shè)計

在大型警務(wù)數(shù)據(jù)處理系統(tǒng)中[2，4]，數(shù)據(jù)分流平臺的工作實質(zhì)是：依據(jù)合理的分流方案[5]，將第1節(jié)中給出的三個層次數(shù)據(jù)流以低于100 Mb/s的通信速率，準(zhǔn)確分配到大型警務(wù)數(shù)據(jù)處理系統(tǒng)的數(shù)據(jù)檢測平臺中。由此可知，分流方案直接決定了數(shù)據(jù)分流平臺的分流效果，是平臺的重點設(shè)計對象。

所設(shè)計的數(shù)據(jù)分流平臺使用哈希算法中的哈希映射函數(shù)設(shè)計分流方案。在大型警務(wù)數(shù)據(jù)處理系統(tǒng)的三個數(shù)據(jù)流層次中，傳輸控制協(xié)議（Transmission Control Protocol，TCP）和用戶數(shù)據(jù)報協(xié)議（User Datagram Protocol，UDP）的數(shù)據(jù)類型占據(jù)了較大的比例。據(jù)不完全統(tǒng)計，TCP和UDP類型的數(shù)據(jù)占據(jù)總數(shù)據(jù)量的比例分別高達(dá)38%和42%。為此，平臺將使用哈希映射函數(shù)把三個層次數(shù)據(jù)流中的數(shù)據(jù)類型分為TCP流、UDP流和其他流，隨后將其依照由低到高的數(shù)據(jù)流層次分配到數(shù)據(jù)檢測平臺的相應(yīng)位置。

在哈希映射函數(shù)中，將大型警務(wù)處理系統(tǒng)中TCP流、UDP流和其他流分別設(shè)為，，，三者均為48階可編程函數(shù)，則有：

式中：，分別表示TCP流、UDP流中的數(shù)據(jù)；上、下角標(biāo)均代表數(shù)據(jù)階數(shù)；表示其他流中的數(shù)據(jù)。

那么，、和的相互關(guān)系可表示為：

2.2 分流處理器設(shè)計

分流處理器是實現(xiàn)分流方案的媒介，也是所設(shè)計的大型警務(wù)數(shù)據(jù)處理系統(tǒng)數(shù)據(jù)分流平臺的核心設(shè)備，平臺選用的分流處理器是超低電壓版本（Ultra Low Voltage，ULV）處理器，平臺對大型警務(wù)數(shù)據(jù)處理系統(tǒng)中三個層次數(shù)據(jù)流的分流工作均將通過這一設(shè)備進行實現(xiàn)。

ULV處理器是一種能耗極低、攜帶方便且具有超強抗入侵能力的多核處理器，其處理效率和運算精度均很高，并支持?jǐn)?shù)據(jù)堆砌處理，適合進行復(fù)雜、海量的數(shù)據(jù)分流工作，圖2、圖3分別是ULV處理器的硬件結(jié)構(gòu)和分流原理。

由圖2、圖3可知，ULV處理器的硬件結(jié)構(gòu)分為功能硬件和基礎(chǔ)硬件。功能硬件包括存儲器、顯示器和復(fù)雜可編程邏輯器件，基礎(chǔ)硬件包括物理層、網(wǎng)絡(luò)服務(wù)處理器和外設(shè)部件互連標(biāo)準(zhǔn)總線。上述硬件將依次對ULV處理器的硬件分流、軟件分流和協(xié)議分流進行實現(xiàn)。

3 實驗結(jié)果分析

在此將通過實驗對本文設(shè)計的大型警務(wù)數(shù)據(jù)處理系統(tǒng)數(shù)據(jù)分流平臺的分流速率、分流準(zhǔn)確度和分流效果進行驗證，實驗現(xiàn)場如圖4所示。

實驗在某公安機關(guān)的大型警務(wù)數(shù)據(jù)處理系統(tǒng)中依次安裝本文平臺、單片機數(shù)據(jù)分流平臺和嵌入式數(shù)據(jù)分流平臺，并對系統(tǒng)進行初始化，給予系統(tǒng)64 b，512 b和1 518 b三種數(shù)據(jù)流。實驗中，三個平臺的分流速率對比情況如表1所示。

由表1可知，三個平臺在大型警務(wù)數(shù)據(jù)處理系統(tǒng)中進行64 b數(shù)據(jù)流的分流工作時，均具有較高的分流速率。但隨著數(shù)據(jù)流位數(shù)的增加，單片機數(shù)據(jù)分流平臺和嵌入式數(shù)據(jù)分流平臺的分流速率均出現(xiàn)了大幅度下降情況，而本文平臺在實驗中始K具有較高的分流速率。

為了準(zhǔn)確描述三個平臺的分流準(zhǔn)確度，對大型警務(wù)數(shù)據(jù)處理系統(tǒng)中輸入和輸出的數(shù)據(jù)流數(shù)量進行了統(tǒng)計，二者數(shù)量越接近，被成功分流的數(shù)據(jù)流就越多，平臺的分流準(zhǔn)確度就越高，如表2所示。

由表2可明顯看出，在安裝本文平臺的大型警務(wù)數(shù)據(jù)處理系統(tǒng)中，系統(tǒng)輸出數(shù)據(jù)流和輸入數(shù)據(jù)流的數(shù)量最為接近。上述結(jié)果說明，本文平臺具有較高的分流準(zhǔn)確度。

數(shù)據(jù)分流平臺的分流效果取決于公安機關(guān)對平臺的使用好感度，為此，在實驗結(jié)束后對平臺使用者進行了問卷調(diào)查，并總結(jié)出使用者對三個平臺的使用好感度，如圖5所示。

由圖5可知，使用者對本文平臺的使用好感度處于圖中最高位置，其范圍為[0.92，0.99]。使用者對單片機數(shù)據(jù)分流平臺和嵌入式數(shù)據(jù)分流平臺的使用好感度范圍分別為[0.80，0.90]和[0.77，0.90]。上述結(jié)果說明，本文平臺具有較好的分流效果。

4 結(jié) 論

為了合理分配數(shù)據(jù)流量、提升大型警務(wù)數(shù)據(jù)處理系統(tǒng)的處理能力，本文設(shè)計新型的大型警務(wù)數(shù)據(jù)處理系統(tǒng)數(shù)據(jù)分流平臺，為公安機關(guān)提供更為高效、精準(zhǔn)的數(shù)據(jù)分流工作。本文平臺使用ULV處理器對大型警務(wù)數(shù)據(jù)處理系統(tǒng)的數(shù)據(jù)流進行硬件分流、軟件分流和協(xié)議分流。經(jīng)實驗結(jié)果分析可知，本文平臺具有較高的分流速率和分流準(zhǔn)確度，并且分流效果較好。

參考文獻(xiàn)

[1] 崔向前.論公安院校教師素養(yǎng)與高等警務(wù)人才人文素養(yǎng)培育[J].河南教育學(xué)院學(xué)報（哲學(xué)社會科學(xué)版），2014，33（6）：42?45.

[2] 姜明月.云計算平臺下的大數(shù)據(jù)分流系統(tǒng)的設(shè)計與優(yōu)化[J].現(xiàn)代電子技術(shù)，2016，39（2）：28?32.

[3] 席兵，韓盈盈.GPRS網(wǎng)絡(luò)Gb/Gn接口數(shù)據(jù)過濾與分流的實現(xiàn)[J].廣東通信技術(shù)，2014，34（7）：11?14.

[4] 齊斐.數(shù)據(jù)交換在警務(wù)綜合信息系統(tǒng)中的應(yīng)用[J].甘肅科技縱橫，2014，43（11）：37?39.

大數(shù)據(jù)經(jīng)濟分析范文第3篇

傳統(tǒng)經(jīng)濟也可以是高科技的

近幾十年來的信息技術(shù)變革，其本質(zhì)是信息化，從技術(shù)效果上看是一個生產(chǎn)“數(shù)據(jù)”的過程，十多年前還被零零碎碎手書的數(shù)據(jù)，已被各種新工具不斷采集和存儲，各行各業(yè)或多或少都擁有著自己的數(shù)據(jù)資源。從自身累積的歷史數(shù)據(jù)中使用合適的分析方法，找到原本憑借行業(yè)內(nèi)職業(yè)經(jīng)驗與直覺找不到的“規(guī)律”，解決自身實際問題，這就是數(shù)據(jù)創(chuàng)新。有時，這種創(chuàng)新帶來的改變是“瑣碎”的，但卻優(yōu)化了商業(yè)模式、提升了用戶體驗，甚至完善了企業(yè)經(jīng)營模式與文化。

這里特別需要指出的是，不放過任何盈利機會的零售業(yè)，早已是數(shù)據(jù)創(chuàng)新的主戰(zhàn)場。當(dāng)前，商業(yè)流通結(jié)算行業(yè)的定價、銷售和支付正在發(fā)生變革。大數(shù)據(jù)驅(qū)動下的商品定價變革將是根本性的，是原有商品定價模式的一種逆反，非商家定價，而是由消費者定價。在銷售模式上，電子商務(wù)能否成為一種真正的銷售變革，這完全取決于C2B模式。未來商業(yè)流通領(lǐng)域的價值鏈原動力是消費者驅(qū)動，而非現(xiàn)有的制造驅(qū)動或設(shè)計驅(qū)動，大致有兩種：一是聚合需求形式，如反向團購；二是要約合作形式，如逆向拍賣等。從技術(shù)層面上說，都是基于交易數(shù)據(jù)創(chuàng)新的，需要更快捷地劃分、分析和鎖定消費者，轉(zhuǎn)而將這些小眾的微量需求來改進商品、促成銷售，將已有的定制開發(fā)逐漸從“大規(guī)模”轉(zhuǎn)成“個性化、多品種、小批量和快速反應(yīng)”.在支付形式上，一種是將管理支付轉(zhuǎn)為管理數(shù)據(jù)；另一種是將支付貨幣轉(zhuǎn)為支付信用。

大數(shù)據(jù)時代，傳統(tǒng)經(jīng)濟想要有高科技含量，最關(guān)鍵的是不要做數(shù)據(jù)的“看守人”.目前被打車軟件“攪翻”的出租車行業(yè)，同樣能利用數(shù)據(jù)創(chuàng)新改變現(xiàn)狀，這是因為：出租車行業(yè)擁有的數(shù)據(jù)大多是軌跡線交通數(shù)據(jù)，這是一種能直接或間接反映駕駛者的主觀意愿和車輛行駛過程中的環(huán)境限制等情況的數(shù)據(jù)，具有運行時間長、在城市整體交通流量中占有量大的特點。分析和挖掘出租車這種城市典型移動對象的歷史軌跡數(shù)據(jù)中，找到本地區(qū)駕駛員偏好、乘客出行習(xí)慣或交通擁堵熱點，有助于直接了解人們的各種社會活動、間接把握城市動態(tài)性。因而，依據(jù)軌跡線交通數(shù)據(jù)創(chuàng)新能改變當(dāng)前導(dǎo)航市場的“紅海”格局，使用實時交通路線推薦替代基于地圖數(shù)據(jù)的最短路徑推薦。

兩種業(yè)態(tài)是一種競合關(guān)系

什么是數(shù)據(jù)產(chǎn)業(yè)？從信息化過程中累積的數(shù)據(jù)資源中提取有用信息，即數(shù)據(jù)創(chuàng)新，將這些數(shù)據(jù)創(chuàng)新賦予商業(yè)模式，就是產(chǎn)業(yè)化，因而數(shù)據(jù)產(chǎn)業(yè)是信息產(chǎn)業(yè)的逆反、衍生與升級。應(yīng)當(dāng)看到，這種由大數(shù)據(jù)創(chuàng)新所驅(qū)動的產(chǎn)業(yè)化過程，是具有“提升其他產(chǎn)業(yè)利潤”特征的，除了能探索新的價值發(fā)現(xiàn)、創(chuàng)造與獲取方式以謀求本身發(fā)展外，還能幫助傳統(tǒng)產(chǎn)業(yè)突破瓶頸、升級轉(zhuǎn)型，是一種競合關(guān)系，而非一般觀點“新興科技催生的經(jīng)濟業(yè)態(tài)與原有經(jīng)濟業(yè)態(tài)存在競爭關(guān)系”.

所以，數(shù)據(jù)產(chǎn)業(yè)培育圍繞傳統(tǒng)經(jīng)濟升級轉(zhuǎn)型，依附傳統(tǒng)行業(yè)企業(yè)共生發(fā)展，實為上策。需要指出的是，為加速數(shù)據(jù)產(chǎn)業(yè)企業(yè)集聚形成產(chǎn)業(yè)集群、凸顯極化效應(yīng)，設(shè)計數(shù)據(jù)產(chǎn)業(yè)發(fā)展模式同樣應(yīng)考慮建立數(shù)據(jù)產(chǎn)業(yè)基地，但不能照搬傳統(tǒng)的“政府引導(dǎo)、市場選擇和企業(yè)主導(dǎo)”方式，而應(yīng)是某種“新型”樣式，至少具有以下五方面特征：

一是產(chǎn)業(yè)顯現(xiàn)凝聚力，圍繞某一領(lǐng)域或行業(yè)數(shù)據(jù)資源，實現(xiàn)資源、科技共享，數(shù)據(jù)產(chǎn)品生產(chǎn)專業(yè)分工明確，基地內(nèi)企業(yè)做到競合協(xié)同，具有整體創(chuàng)新績效。二是資本、科技雙重驅(qū)使，由專業(yè)數(shù)據(jù)產(chǎn)業(yè)基金引導(dǎo)政府相關(guān)部門、多個大學(xué)與科研院所參與基地建設(shè)。三是“智慧”精準(zhǔn)管理，在管理上將依靠數(shù)據(jù)創(chuàng)新實現(xiàn)精準(zhǔn)化，充分體現(xiàn)“智慧”.四是多元化生態(tài)型，其實質(zhì)是一種內(nèi)嵌數(shù)據(jù)創(chuàng)新核心應(yīng)用的城市CBD，具有充足的商業(yè)配套、齊備的文化設(shè)施和宜居的生態(tài)社區(qū)，能進行便利的商業(yè)活動、生產(chǎn)工作和生活娛樂。五是人才高地，能將各種人才結(jié)合在一起，調(diào)動其積極性、創(chuàng)造性。

數(shù)據(jù)產(chǎn)業(yè)的競爭關(guān)乎國力

數(shù)據(jù)產(chǎn)業(yè)競爭涵蓋了政治、經(jīng)濟、軍事、文化等多個領(lǐng)域，從宏觀到微觀，從虛擬到實體，涉及航空、航天、海洋、電力、教育等生活的方方面面。

根據(jù)對數(shù)據(jù)產(chǎn)業(yè)內(nèi)涵和外延的不同理解，其概念有廣義和狹義之分。

從狹義上來說，數(shù)據(jù)產(chǎn)業(yè)從技術(shù)效果上看主要是數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘和可視化，即對數(shù)據(jù)資源進行合理開發(fā)、對數(shù)據(jù)資產(chǎn)進行有效管理，直接商品化數(shù)據(jù)產(chǎn)品，涵蓋數(shù)字出版與文化業(yè)、電子圖書館和情報業(yè)、多媒體業(yè)、數(shù)字內(nèi)容業(yè)、領(lǐng)域數(shù)據(jù)資源開發(fā)業(yè)、行業(yè)數(shù)據(jù)資源服務(wù)業(yè)等，當(dāng)前已有的數(shù)據(jù)創(chuàng)新有網(wǎng)絡(luò)創(chuàng)作、數(shù)據(jù)營銷、推送服務(wù)、商品比價和疾病預(yù)控等。從廣義上來說，數(shù)據(jù)產(chǎn)業(yè)包括涉及狹義意義上的上下游關(guān)聯(lián)行業(yè)，依次具體是：數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)管理、數(shù)據(jù)處理、數(shù)據(jù)挖掘、數(shù)據(jù)分析、數(shù)據(jù)展示，以及數(shù)據(jù)產(chǎn)品評價和交易。

大數(shù)據(jù)經(jīng)濟分析范文第4篇

理性選擇理論對行為主體“認(rèn)知”問題的學(xué)術(shù)處理，從“經(jīng)濟人”到“理性經(jīng)濟人”并沒有顯著的變化。古典經(jīng)濟學(xué)框架下的理性選擇理論以完全信息假設(shè)為前提，將行為主體（個人）界定為無本質(zhì)差異和不涉及個體間行為互動，不受認(rèn)知約束的單純追求自身福利的“經(jīng)濟人”（約翰·伊特韋爾等，1996）。新古典經(jīng)濟學(xué)的理性選擇理論將行為主體界定為“理性經(jīng)濟人”，它同樣以完全信息假設(shè)為前提，研究了被古典經(jīng)濟學(xué)忽略的選擇偏好，通過對“偏好的內(nèi)在一致性”的解析，論證了個體能夠得知選擇結(jié)果的抽象認(rèn)知(Von Neumann and Morgenstern，1947；Arrow and Debreu，1954)。這里所說的抽象認(rèn)知，是指行為主體沒有經(jīng)歷具體認(rèn)知過程而直接關(guān)聯(lián)于效用函數(shù)的一種認(rèn)知狀態(tài)，這種狀態(tài)在新古典理性選擇理論中的存在，表明“認(rèn)知”是被作為外生變量處理的。

現(xiàn)代經(jīng)濟學(xué)的理性選擇理論開始嘗試將“認(rèn)知”作為內(nèi)生變量來研究?，F(xiàn)代主流經(jīng)濟學(xué)從人的有限計算能力、感知、意志、記憶和自控能力等方面研究了認(rèn)知形成及其約束（Salvatore， 1999；Schandler，2006；Rubinstein，2007），認(rèn)為認(rèn)知是介于偏好與效用之間，從而在理論研究上處于不可逾越的位置，只有對認(rèn)知進行研究，對偏好和效用的研究才能接近實際?，F(xiàn)代非主流經(jīng)濟學(xué)注重于運用認(rèn)知心理學(xué)來研究人的認(rèn)知形成及其約束（Kahneman and Tversky，1973，1974，1979；Smith，1994），它通過實驗揭示了一些反映認(rèn)知心理進而影響選擇行為的情景，如確定性效應(yīng)、錨定效應(yīng)、從眾行為、框架依賴、信息存疊等，以論證傳統(tǒng)理論忽視認(rèn)知分析而出現(xiàn)的理論與實際之間的系統(tǒng)性偏差。

但是，經(jīng)濟學(xué)理性選擇理論對認(rèn)知的分析和研究，是在預(yù)先設(shè)定規(guī)則的建構(gòu)理性框架內(nèi)進行理論演繹和推理的，它們對認(rèn)知的解釋，通常表現(xiàn)為一種規(guī)則遵循。例如，新古典理性選擇理論關(guān)注個體應(yīng)怎樣符合理性（最大化）的選擇，而不是關(guān)注個體的實際選擇，它對認(rèn)知的學(xué)術(shù)處理是從屬于效用最大化的（Harsanyi，1977）?，F(xiàn)性選擇理論所關(guān)注的，或是在忽略認(rèn)知的基礎(chǔ)上建立解釋和預(yù)測實際選擇的理性模型來說明實現(xiàn)效用最大化的條件，以闡釋個體如何選擇才符合理性（Edgeworth，1981）；或是通過行為和心理實驗來解說實際選擇的條件配置，以揭示實際選擇的效用函數(shù)（Kahneman and Tversky，1973，1974，1979；Smith，1994），因而對認(rèn)知的學(xué)術(shù)處理同樣是從屬于效用最大化的?；谶x擇的結(jié)果是效用，而認(rèn)知與偏好都內(nèi)蘊著效用形成的原因，我們可以認(rèn)為，經(jīng)濟學(xué)在將個人追求效用最大化視為公理的同時，也在相當(dāng)大的程度上表明理性選擇理論對效用函數(shù)的描述和論證，不是依據(jù)數(shù)據(jù)分析而是一種通過理論預(yù)設(shè)、判斷和推理得出的因果思維模式。

因果思維模式在信息完全和不完全情況下的效應(yīng)是不同的。在信息不完全狀態(tài)下，如果研究者以信息完全預(yù)設(shè)為分析前提，依據(jù)自己掌握的部分信息對問題研究做出因果邏輯判斷和推論，則其不一定能得到正確的認(rèn)知。在信息完全狀態(tài)下，研究者不需要有預(yù)設(shè)的分析假設(shè)，也不需要依賴邏輯判斷和推論，而是可以通過數(shù)據(jù)高概率地獲取正確的認(rèn)知。經(jīng)濟學(xué)的信息完全假設(shè)對認(rèn)知研究的影響是廣泛而深刻的。例如，新古典經(jīng)濟學(xué)假設(shè)選擇者擁有完全信息，能夠?qū)崿F(xiàn)效用最大化，它對偏好與認(rèn)知以及認(rèn)知與效用之間因果關(guān)系的邏輯處理，是通過可稱之為屬于該理論之亞層級預(yù)設(shè)的“給定條件約束”實現(xiàn)的（信息完全假設(shè)是第一層級預(yù)設(shè)）。在該理論中，偏好被規(guī)定為是一種處于二元化的非此即彼狀態(tài)，認(rèn)知在“選擇者知曉選擇結(jié)果（效用）”這一亞層級預(yù)設(shè)下被跳越。很明顯，這種因果思維模式有助于使其建立精美的理性選擇理論體系，但由于沒有對認(rèn)知階段作出分析，它很容易嚴(yán)重偏離實際。

現(xiàn)代主流經(jīng)濟學(xué)的理性選擇理論偏離現(xiàn)實的程度有所降低，原因在于開始重視認(rèn)知的研究。半個多世紀(jì)以來的經(jīng)濟理論研究文獻(xiàn)表明，現(xiàn)代主流經(jīng)濟學(xué)的理性選擇理論正在做逐步放棄完全信息假設(shè)的努力，它對偏好與認(rèn)知以及認(rèn)知與效用之間因果關(guān)系的邏輯處理，是在質(zhì)疑和批評新古典經(jīng)濟學(xué)偏好穩(wěn)定學(xué)說的基礎(chǔ)是進行的，該理論用不穩(wěn)定偏好取代偏好的內(nèi)在一致性，解說了認(rèn)知的不確定性，以及不完全信息和心理活動變動等如何對認(rèn)知形成約束，以此質(zhì)疑和批評新古典經(jīng)濟學(xué)的期望效用函數(shù)理論，并結(jié)合認(rèn)知分析對個體選擇的效用期望展開了深入的討論。相對于新古典經(jīng)濟學(xué)的理性選擇理論，雖然現(xiàn)代主流經(jīng)濟學(xué)的理性選擇理論仍然是因果思維模式，但它有關(guān)偏好與認(rèn)知以及認(rèn)知與效用之因果鏈的分析銜接，明顯逼近了實際。

現(xiàn)代非主流經(jīng)濟學(xué)的理性選擇理論不僅徹底放棄了完全信息假設(shè)，而且徹底放棄了主流經(jīng)濟學(xué)中隱性存在的屬于新古典理論的某些“給定條件約束”。具體地講，它對偏好與認(rèn)知以及認(rèn)知與效用之間因果關(guān)系的論證，不是基于純理論層次的邏輯分析，而是從實驗過程及其結(jié)果對這些因果關(guān)系做出解說。至于效用最大化，該理論則認(rèn)為認(rèn)知與效用最大化的關(guān)聯(lián)，并不像先前理論描述的那樣存在直接的因果關(guān)系?，F(xiàn)代非主流理性選擇理論通過實驗得出一個試圖取代傳統(tǒng)效用函數(shù)的價值函數(shù)（Kahneman and Tversky，1979），該函數(shù)體現(xiàn)了一種以實驗為分析底蘊的不同于先前理論的因果思維模式，開啟了以實驗數(shù)據(jù)作為解析因果關(guān)聯(lián)的理論分析先河。但由于現(xiàn)代非主流理性選擇理論畢竟還是一種因果思維模式，因而同先前理論一樣，在理論建構(gòu)上它仍然具有局限性。

從理論與實踐的聯(lián)系看，經(jīng)濟學(xué)理性選擇理論的因果思維模式之所以具有局限性，乃是因為它用于分析的信息是不完全和不精確，甚至有時不準(zhǔn)確，以至于造成認(rèn)知不正確和決策失誤。當(dāng)研究者以不準(zhǔn)確或不精確的信息來探尋因果關(guān)系時，極有可能致使認(rèn)知出現(xiàn)偏差；而當(dāng)認(rèn)知出現(xiàn)偏差時，理論研究和實際操作就會出問題。誠然，因果思維模式本身并沒有錯，但問題在于，單純從現(xiàn)象形態(tài)或單純從結(jié)果所做出的理論判斷和推論，不足以讓研究者揭示真實的因果關(guān)系。人們對因果關(guān)系的理解過程伴隨著認(rèn)知的形成過程，在非數(shù)據(jù)支持的因果思維模式存在局限性的情況下，經(jīng)濟學(xué)家依據(jù)這種模式所構(gòu)建的理性選擇理論，難以得到符合實際的認(rèn)知理論。那么，在未來世界是什么影響和決定認(rèn)知呢？人類認(rèn)知有沒有可能達(dá)到準(zhǔn)確化呢？我們把目光聚焦于大數(shù)據(jù)，或許能夠找到問題的答案。

二 、運用大數(shù)據(jù)能獲得正確認(rèn)知嗎？

在迄今為止的經(jīng)濟理論研究文獻(xiàn)中，經(jīng)濟指標(biāo)或行為指標(biāo)所選用的樣本數(shù)據(jù)，不是互聯(lián)網(wǎng)和人工智能時代所言的大數(shù)據(jù)。大數(shù)據(jù)具有極大量、多維度和完備性等特征，極大量和完備性表明大數(shù)據(jù)有可能提供完全信息，多維度意味著信息可以通過大數(shù)據(jù)的相關(guān)性得到甄別和處理。廣而論之，人類的行為活動表現(xiàn)為一個龐大的數(shù)據(jù)堆積，個別行為所產(chǎn)生的數(shù)據(jù)只是這個龐大數(shù)據(jù)的元素形式。如果我們以人們的投資和消費活動作為考察對象，對大數(shù)據(jù)蘊含的因果關(guān)系以及由此得出的認(rèn)知進行分析，那么，我們可認(rèn)為投資和消費不僅在結(jié)果上會產(chǎn)生大數(shù)據(jù)，而且在運作過程中也會產(chǎn)生大數(shù)據(jù)。換言之，投資行為和消費行為在“結(jié)果”上顯示極大量數(shù)據(jù)的同時，也在“原因”上留下了極大量數(shù)據(jù)讓人們?nèi)プ匪?。因此，人類要取得因果關(guān)系的正確認(rèn)知，離不開大數(shù)據(jù)，而在樣本數(shù)據(jù)基礎(chǔ)上經(jīng)由判斷和推理得出的針對因果關(guān)系的認(rèn)知，至少是不全面的，它不足以作為人們投資和消費選擇的科學(xué)依據(jù)。

1、運用大數(shù)據(jù)分析因果關(guān)系的條件配置

人類認(rèn)知的形成離不開因果關(guān)系分析，但運用大數(shù)據(jù)來分析因果關(guān)系以求獲取正確的認(rèn)知，必須具備以下條件配置：1、移動設(shè)備、物聯(lián)網(wǎng)、傳感器、社交媒體和定位系統(tǒng)等的覆蓋面要足夠大，以便能搜取到極大量和完備性的數(shù)據(jù)；2、需要探索對極大量（海量）數(shù)據(jù)的算法，能夠?qū)Υ髷?shù)據(jù)進行分類、整合、加工和處理；3、需要厘清和區(qū)別數(shù)據(jù)的不同維度及權(quán)重，以至于能夠運用大數(shù)據(jù)來甄別因果關(guān)系的內(nèi)在機理。顯然，人類從兩百年前的工業(yè)革命到今天的信息革命，對數(shù)據(jù)的搜集、整合、加工和處理還不全然具備以上的配置條件，人類運用大數(shù)據(jù)來分析因果關(guān)系，還剛剛處于起步階段。

聯(lián)系經(jīng)濟學(xué)理論看問題，經(jīng)濟學(xué)家分析投資行為和消費行為以及對其因果關(guān)系的研究，主要是在抽象理論分析基礎(chǔ)上運用歷史數(shù)據(jù)來完成的。其實，對投資行為和消費行為的研究，不能只是從結(jié)果反映的數(shù)據(jù)來考量，即不能只是局限于歷史數(shù)據(jù)分析，還需要從即時發(fā)生的數(shù)據(jù)，乃至于對未來推測的數(shù)據(jù)展開分析。這可以理解為是運用大數(shù)據(jù)思維來研究經(jīng)濟問題的真諦。從大數(shù)據(jù)觀點看問題，投資和消費的因果關(guān)系應(yīng)該是歷史數(shù)據(jù)流、現(xiàn)期數(shù)據(jù)流和未來數(shù)據(jù)流等三大部分構(gòu)成的。經(jīng)濟學(xué)實證分析注重的是歷史數(shù)據(jù)流，很少涉及現(xiàn)期數(shù)據(jù)流，從未考慮過未來數(shù)據(jù)流，因此，現(xiàn)有經(jīng)濟理論文獻(xiàn)的實證分析以及建立其上的規(guī)范分析，很難全面反映或揭示經(jīng)濟活動的真實因果關(guān)系。

2、未來幾十年大數(shù)據(jù)揭示因果關(guān)系的可行性

在互聯(lián)網(wǎng)悄然改變?nèi)祟惤?jīng)濟、政治和文化生活的當(dāng)今社會，互聯(lián)網(wǎng)的發(fā)展歷史可理解為經(jīng)歷了三個階段：從前期“人與信息對話”的1.0版本，經(jīng)由中期“信息與信息對話”的2.0版本，近期正走向“信息與數(shù)字對話”的3.0版本，互聯(lián)網(wǎng)版本的不斷升級是大數(shù)據(jù)運用范圍不斷擴大的結(jié)果，這是問題的一方面。另一方面，隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)以及物聯(lián)網(wǎng)技術(shù)等的廣泛運用，人類各種活動的數(shù)據(jù)將極大量地被搜集，人們行為的因果關(guān)系也會以迂回方式通過數(shù)字關(guān)系顯露出來。特別地，若互聯(lián)網(wǎng)在將來發(fā)展成“數(shù)字與數(shù)字對話”的4.0版本，這樣的發(fā)展方向則明顯預(yù)示著數(shù)字關(guān)系將取代因果關(guān)系，或者說，數(shù)據(jù)思維將取代因果思維，人類將全面進入大數(shù)據(jù)和人工智能時代。

如果我們把互聯(lián)網(wǎng)版本的不斷升級以及大數(shù)據(jù)運用范圍的無邊界擴大，看成是未來幾十年運用大數(shù)據(jù)來分析因果關(guān)系的重要配置條件，那么，如何對大數(shù)據(jù)的整合、分類、加工和處理，以及如何通過大數(shù)據(jù)的完備性和相關(guān)性來獲取因果關(guān)系的真實信息，則是另外兩個重要的配置條件。工業(yè)革命后的人類科學(xué)文明對因果關(guān)系揭示的主要方法和路徑，是先利用掌握的信息再通過抽象思維建立復(fù)雜模型，然后在實驗室通過試錯法來設(shè)置能反映因果關(guān)系的參數(shù)使模型具有操作性；但這種方法和路徑涉及的數(shù)據(jù)，是樣本數(shù)據(jù)而不是大數(shù)據(jù)。在大數(shù)據(jù)和人工智能時代，智慧大腦是使用“數(shù)據(jù)驅(qū)動法”來設(shè)置模型和參數(shù)的（吳軍，2016）。具體地講，是用云計算集約化及其運算模式來整合、分類、加工和處理大數(shù)據(jù)，通過數(shù)據(jù)之間的相關(guān)性來探尋在樣本數(shù)據(jù)基礎(chǔ)上無法判斷和推論的信息；同時，對模型的處理，不是建立復(fù)雜模型而是建立許多簡單模型，并通過數(shù)以萬計的計算機服務(wù)器對模型進行優(yōu)化和設(shè)定相應(yīng)的參數(shù)，以至于完完全全地運用大數(shù)據(jù)來揭示因果關(guān)系。

有必要說明的是，數(shù)據(jù)驅(qū)動法使用的數(shù)據(jù)不僅包括“行為數(shù)據(jù)流”，而且在某些特定場景中，還包括“想法數(shù)據(jù)流”；前者是指歷史數(shù)據(jù)和當(dāng)前發(fā)生的數(shù)據(jù)，后者是指從已知數(shù)據(jù)的相關(guān)性所推測的未來數(shù)據(jù)。社會物理學(xué)認(rèn)為，人們實際行為與“想法流”之間有著可以通過大數(shù)據(jù)分析而得到的可靠數(shù)量關(guān)系，這種關(guān)系會通過互聯(lián)網(wǎng)成為一種改變?nèi)藗冞x擇行為的重要因素（阿萊克斯?彭特蘭，2015）。誠然，在未來幾十年，數(shù)據(jù)驅(qū)動法是否能成功地成為解析因果關(guān)系的有效方法，尚有待于大數(shù)據(jù)運用的實踐，特別是有待于它在人工智能運用上之成效的檢驗。不過，數(shù)據(jù)驅(qū)動法作為解析因果關(guān)系的一種重要方法，無疑是智慧大腦的人機結(jié)合在大數(shù)據(jù)思維上的重要突破，它至少在如何展開大數(shù)據(jù)思維上打開了解析因果關(guān)系的窗口。

3、運用大數(shù)據(jù)分析因果關(guān)系所獲取的認(rèn)知，包括對歷史數(shù)據(jù)分析的歷史認(rèn)知，對現(xiàn)期數(shù)據(jù)分析的現(xiàn)期認(rèn)知，以及推測未來數(shù)據(jù)而形成的未來認(rèn)知

經(jīng)濟學(xué)家運用大數(shù)據(jù)來研究經(jīng)濟現(xiàn)象的因果關(guān)系，對經(jīng)濟現(xiàn)象原因和結(jié)果關(guān)聯(lián)的解讀，只有以極大量、多維度和完備性的數(shù)據(jù)為依據(jù)，才是大數(shù)據(jù)意義上的思維。大數(shù)據(jù)思維較之于傳統(tǒng)邏輯思維，最顯著的特征是它可以通過對不同維度數(shù)據(jù)之間相關(guān)性的分析，得到比傳統(tǒng)邏輯思維要精準(zhǔn)得多的信息。這里所說的精準(zhǔn)信息，是指由大數(shù)據(jù)規(guī)定且不夾帶任何主觀判斷和推測的信息。例如，經(jīng)濟學(xué)家要得到特定時期某類（種）產(chǎn)品的投資和消費的認(rèn)知，其大數(shù)據(jù)思維過程如下：1、搜集、整理和分類前期該類產(chǎn)品的投資和消費的極大量和完備性的數(shù)據(jù)；2、加工和處理業(yè)已掌握的數(shù)據(jù)，并在結(jié)合利潤收益率、投資回收期、收入水平和物價水平等的基礎(chǔ)上解析這些不同緯度的數(shù)據(jù)；3、根據(jù)不同緯度數(shù)據(jù)的相關(guān)性，獲取該類產(chǎn)品投資和消費的精準(zhǔn)信息，從而得出如何應(yīng)對該產(chǎn)品投資和消費的認(rèn)知。當(dāng)然，這只是在梗概層面上對運用大數(shù)據(jù)分析而獲取認(rèn)知的解說，現(xiàn)實情況要復(fù)雜得多。

然則，現(xiàn)有的關(guān)于投資和消費的模型分析以及建立其上的實證分析，主要是以非大數(shù)據(jù)的歷史數(shù)據(jù)作為分析藍(lán)本的，因此嚴(yán)格來講，經(jīng)濟學(xué)對投資和消費的因果關(guān)系分析所形成的認(rèn)知，屬于典型的對歷史數(shù)據(jù)分析所形成的歷史認(rèn)知。眾所周知，自經(jīng)濟理論注重實證分析以來，一直存在著如何“從事后評估走向事前決策”問題的討論。由于經(jīng)濟學(xué)家對投資和消費展開實證分析所使用的數(shù)據(jù)，幾乎完全局限于（樣本）歷史數(shù)據(jù)，這便導(dǎo)致對投資和消費的因果關(guān)系分析對現(xiàn)期認(rèn)知和未來認(rèn)知的缺位，它不能解決“從事后評估走向事前決策”問題。國內(nèi)一些著名的成功人士指責(zé)經(jīng)濟學(xué)家不能解決實際問題。在我們看來，不熟悉大數(shù)據(jù)的成功人士的這種指責(zé)是可以理解的，但深諳大數(shù)據(jù)的成功人士帶有調(diào)侃風(fēng)味的指責(zé)就不公允了。經(jīng)濟學(xué)家要在理論上立竿見影地解決實際問題，必須能得到現(xiàn)期數(shù)據(jù)和未來數(shù)據(jù)（而不僅僅是歷史數(shù)據(jù)），這需要計算機學(xué)家的配合和支持，否則便不能在精準(zhǔn)信息的基礎(chǔ)上分析投資和消費的因果關(guān)系，但經(jīng)濟學(xué)家又不是計算機學(xué)家，因此，經(jīng)濟理論的科學(xué)化需要大數(shù)據(jù)挖掘、搜集、整合、分類、加工、處理、模型和參數(shù)設(shè)置、云計算等技術(shù)及其手段的充分發(fā)展。

歷史數(shù)據(jù)是存量，目前計算機對其處理的能力已綽綽有余，難點是在于模型和參數(shù)設(shè)置；現(xiàn)期數(shù)據(jù)是無規(guī)則而難以把控的流量，對這種流量數(shù)據(jù)的挖掘、搜集、整合、分類、加工和處理，取決于移動設(shè)備、物聯(lián)網(wǎng)、傳感器、社交媒體和定位系統(tǒng)的覆蓋面，以及云計算的集約化的運算能力；未來數(shù)據(jù)是一種展望流量，它依賴于對歷史數(shù)據(jù)和現(xiàn)期數(shù)據(jù)的把握而通過大數(shù)據(jù)思維來推測。如果說經(jīng)濟學(xué)家對投資和消費的因果分析以及由此產(chǎn)生的認(rèn)知，主要取決于歷史數(shù)據(jù)和現(xiàn)期數(shù)據(jù)，那么，解決“從事后評估走向事前決策”問題，既要依賴于歷史數(shù)據(jù)和現(xiàn)期數(shù)據(jù)，也離不開未來數(shù)據(jù)。也就是說，在“歷史數(shù)據(jù) + 現(xiàn)期數(shù)據(jù) + 未來數(shù)據(jù) = 行為數(shù)據(jù)流 + 想法數(shù)據(jù)流”的世界中，經(jīng)濟學(xué)家要解決實際問題，其理論思維和分析手段都受制于大數(shù)據(jù)思維，經(jīng)濟學(xué)家運用大數(shù)據(jù)分析因果關(guān)系而得到正確認(rèn)知的前提條件，是必須利用歷史數(shù)據(jù)、現(xiàn)期數(shù)據(jù)和未來數(shù)據(jù)以獲取精準(zhǔn)信息。

就人類認(rèn)知形成的解說而論，現(xiàn)有的社會科學(xué)理論是以信息的搜集、整理、加工、處理、判斷和推論，作為分析路徑來解釋認(rèn)知形成的。當(dāng)認(rèn)知被解釋成通過數(shù)據(jù)的挖掘、搜集、整合、分類、加工和處理而形成，對認(rèn)知形成的解釋，就取得了大數(shù)據(jù)思維的形式。大數(shù)據(jù)思維是排斥判斷和推論的，它否定一切非數(shù)據(jù)信息，認(rèn)為產(chǎn)生精準(zhǔn)信息的唯一渠道是大數(shù)據(jù)。在現(xiàn)有的社會科學(xué)理論中，經(jīng)濟學(xué)的理性選擇理論對人類認(rèn)知的分析和研究具有極強代表性，經(jīng)濟學(xué)家對投資選擇和消費選擇的解釋，便是理性選擇理論的代表性運用。基于人類認(rèn)知形成和變動的一般框架在很大程度上與理性選擇理論有關(guān)動機、偏好、選擇和效用等的分析結(jié)構(gòu)有很強的關(guān)聯(lián)，我們可以結(jié)合這個理論來研究大數(shù)據(jù)思維下人們對經(jīng)濟、政治、文化和思想意識形態(tài)等的認(rèn)知變動。事實上，經(jīng)濟學(xué)關(guān)于動機、偏好、選擇和效用等關(guān)聯(lián)于認(rèn)知的分析，存在著一種可以通過對大數(shù)據(jù)思維的深入研究而得以拓展的分析空間，那就是大數(shù)據(jù)思維會導(dǎo)致人類認(rèn)知的變動。

三 、大數(shù)據(jù)思維之于認(rèn)知變動的經(jīng)濟學(xué)分析

我們研究這個專題之前有必要指出這樣一個基本事實：大數(shù)據(jù)思維可以改變?nèi)说恼J(rèn)知路徑，可以改變不同階段或不同場景下的認(rèn)知形成過程，但改變不了影響認(rèn)知的動機、偏好、認(rèn)知和效用等的性質(zhì)規(guī)定。如前所述，傳統(tǒng)經(jīng)濟學(xué)理性選擇理論在完全信息假設(shè)下，認(rèn)為個體選擇的動機和偏好以追求最大化為軸心，傳統(tǒng)理論的這個真知卓見從未被后期理論質(zhì)疑；但由于傳統(tǒng)理論的完全信息假設(shè)存在著“知曉選擇結(jié)果”的邏輯推論，因而認(rèn)知在傳統(tǒng)理論中是黑箱，也就是說，傳統(tǒng)理論無所謂認(rèn)知的形成和變動問題?，F(xiàn)代主流經(jīng)濟學(xué)尤其是現(xiàn)代非主流經(jīng)濟學(xué)在不完全信息假設(shè)下開始重視對認(rèn)知的研究，在他們看來，認(rèn)知形成過程是從理智思考到信息加工和處理的過程；他們特別注重從心理因素來考察認(rèn)知變動（Schandler，2006；Rubinstein，2007；），注重通過實驗且運用一些數(shù)據(jù)來分析和研究認(rèn)知（Kahneman and Tversky，1974，1979；Smith，1994），但這些分析和研究不是對極大量、多維度和完備性的數(shù)據(jù)分析。因此，經(jīng)濟學(xué)理性選擇理論發(fā)展到今天，還沒有進入對大數(shù)據(jù)思維改變?nèi)祟愓J(rèn)知問題的討論。

1、經(jīng)濟學(xué)家能否對選擇動機、偏好和效用期望等進行數(shù)據(jù)分析，決定其認(rèn)知分析是否具有大數(shù)據(jù)思維的基礎(chǔ)

經(jīng)濟學(xué)關(guān)于人類選擇動機、偏好和效用期望等反映人們追求最大化的基本性質(zhì)分析，以及從這三大要素與認(rèn)知關(guān)聯(lián)出發(fā)，從不同層面或角度對認(rèn)知形成的分析，主要體現(xiàn)在理性選擇理論中。但這方面顯而易見的缺憾，是不能對動機、偏好、認(rèn)知和效用等展開數(shù)據(jù)分析。現(xiàn)實的情況是，在大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能和機器學(xué)習(xí)等沒有問世或沒有發(fā)展到一定水平以前，經(jīng)濟學(xué)家對這些要素只能做抽象的模型分析。經(jīng)濟學(xué)理性選擇理論要跳出抽象模型分析，必須選擇具有解釋義或指示義的指標(biāo)對動機、偏好和效用期望等進行數(shù)據(jù)分類分析，以便給認(rèn)知的數(shù)據(jù)分析提供基礎(chǔ)，顯然，這會涉及抽象行為模型的具體化和參數(shù)設(shè)計的具體化，需要得到大數(shù)據(jù)和云計算集約化運算模式的支持（吳軍，2016）。作為對未來大數(shù)據(jù)發(fā)展及其運用的一種展望，如果經(jīng)濟學(xué)家能夠圍繞最大化這一性質(zhì)規(guī)定來尋覓動機、偏好和效用期望等的特征值，并以之來設(shè)置參數(shù)和模型，則有可能對直接或間接關(guān)聯(lián)于動機、偏好和效用期望的大數(shù)據(jù)進行分析，從而為認(rèn)知分析提供基礎(chǔ)。

大數(shù)據(jù)的極大量和完備性有可能消除信息不完全，這給認(rèn)知的數(shù)據(jù)分析提供可行性。誠然，選擇動機、偏好和效用期望等只是反映人們選擇的現(xiàn)期意愿和未來愿景，其極強的抽象性決定這樣的數(shù)據(jù)分析還有很大困難，但由于選擇動機、偏好和效用期望等會通過實際行為迂回地反映出來，因而我們可以找到解決這一困難的路徑。例如，人們在準(zhǔn)備投資和消費以前，一般有各種調(diào)研活動，即對影響投資和消費的信息進行搜集、整合、分類、加工和處理，值得注意的是，這些調(diào)研活動會在移動設(shè)備、物聯(lián)網(wǎng)、傳感器、定位系統(tǒng)和社交媒體中留下大數(shù)據(jù)的痕跡，這些數(shù)據(jù)痕跡會從某個層面或某個角度顯現(xiàn)出投資者和消費者選擇動機、偏好和效用期望的傾向或意愿。

智慧大腦依據(jù)什么樣的標(biāo)準(zhǔn)來數(shù)據(jù)化這些傾向或意愿，從而對選擇動機、偏好和效用期望以及進一步對認(rèn)知展開數(shù)據(jù)分析呢？這里所說的標(biāo)準(zhǔn)，是指通過云計算和機器學(xué)習(xí)等對人們實際行為的數(shù)字和非數(shù)字信息進行相關(guān)性分類，把反映選擇動機、偏好和效用期望的具有共性特征的傾向或意愿進行整理和歸納，以確定符合選擇動機、偏好和效用期望之實際的參數(shù)。如果智慧大腦能夠利用大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能和機器學(xué)習(xí)等完成以上工作，根據(jù)認(rèn)知是偏好與效用的中介這個現(xiàn)實，智慧大腦便可以對認(rèn)知進行大數(shù)據(jù)分析。如果經(jīng)濟學(xué)家能夠利用智慧大腦提供的大數(shù)據(jù)分析成果，經(jīng)濟學(xué)理性選擇理論將會隨著信息不完全假設(shè)前提變?yōu)樾畔⑼耆僭O(shè)前提，選擇動機、偏好和效用期望的抽象分析變?yōu)閿?shù)據(jù)分析，認(rèn)知的抽象框定或心理分析變?yōu)閿?shù)據(jù)分析而發(fā)生重大變化。以上的分析性討論，是我們理解大數(shù)據(jù)思維改變?nèi)祟愓J(rèn)知之經(jīng)濟學(xué)解釋的最重要的分析基點。

2、運用大數(shù)據(jù)思維進行偏好分析會改變認(rèn)知形成的路徑，使經(jīng)濟學(xué)理性選擇理論接近現(xiàn)實

現(xiàn)有的理性選擇理論有關(guān)動機和偏好的分析和研究（這里集中于偏好的討論），主要集中于偏好如何界定和形成以及如何隨認(rèn)知和效用期望調(diào)整而發(fā)生變動等方面，并且這些分析和研究是采用“個體行為”為基本分析單元的個體主義方法論。在大數(shù)據(jù)時代，雖然個人、廠商和政府的選擇偏好仍然是追求最大化，個體選擇行為仍然是整個社會選擇的基礎(chǔ)，個體主義方法論仍然在一定程度和范圍內(nèi)存在合理性，但互聯(lián)網(wǎng)平臺改變了選擇偏好的形成過程和機理。具體地說，現(xiàn)今人們的選擇偏好已不是經(jīng)濟學(xué)理性選擇理論意義上的選擇偏好，而更多地表現(xiàn)為是一種以最大化為底蘊的具有趨同化特征的偏好。例如，某種產(chǎn)品投資或消費的介紹會和研討會，對某種產(chǎn)品投資或消費的點贊和評價，中央政府和地方政府關(guān)于某種產(chǎn)品投資或消費的統(tǒng)計數(shù)據(jù)，專家和新聞媒體對某種產(chǎn)品投資或消費的評說和報道，等等，都會成為人們選擇偏好出現(xiàn)一致性的催化劑。因此，經(jīng)濟學(xué)理性選擇理論跳出抽象模型分析，已經(jīng)在偏好分析上具備了大數(shù)據(jù)思維的條件和基礎(chǔ)。

智慧大腦與非智慧大腦的區(qū)別，在于能對人們消費和投資的偏好展開大數(shù)據(jù)分析，能通過大數(shù)據(jù)的搜集、整合、加工和處理，運用云計算得到來自不同維度數(shù)據(jù)之間相關(guān)性的精準(zhǔn)信息，以至于能獲取建立在大數(shù)據(jù)分析基礎(chǔ)之上的認(rèn)知。從理論上來講，偏好會影響認(rèn)知但不能決定認(rèn)知。就偏好影響認(rèn)知而論，它主要是通過利益訴求、情感驅(qū)動、身心體驗和時尚追求等對認(rèn)知產(chǎn)生誘導(dǎo)或牽引作用。但在非大數(shù)據(jù)時代，這些誘導(dǎo)或牽引作用無法數(shù)據(jù)化，于是經(jīng)濟學(xué)家對偏好影響認(rèn)知的研究便只能以抽象模型來描述。大數(shù)據(jù)思維對偏好影響認(rèn)知的處理，是使用以許多簡單而相對具體的模型取代高度抽象的單一模型，運用數(shù)據(jù)驅(qū)動法來設(shè)置參數(shù)和模型，對利益訴求、情感驅(qū)動、身心體驗和時尚追求等偏好特征進行解讀，這樣便實現(xiàn)了很多非數(shù)據(jù)化信息的數(shù)據(jù)化，從而使以偏好為基礎(chǔ)的在理論上對認(rèn)知變動的研究有了新的分析路徑。

阿里巴巴公司正在奮力打造的線上和線下相結(jié)合的“新零售”模式，是以大數(shù)據(jù)分析和運用的阿里云平臺為背景和依托的。這個模式試圖通過充分搜集、整合、分類、加工和處理已發(fā)生的歷史消費數(shù)據(jù)，正在發(fā)生的現(xiàn)期消費數(shù)據(jù)和有可能發(fā)生的未來消費數(shù)據(jù)，捕捉人們消費偏好的動態(tài)變化，以期構(gòu)建符合大數(shù)據(jù)思維的全新商業(yè)業(yè)態(tài)。撇開新零售模式在運營過程中的諸如數(shù)據(jù)處理、機器學(xué)習(xí)和人工智能運用等技術(shù)問題，僅以該模式對人們消費行為的系統(tǒng)梳理、分級整合及相關(guān)處理來說，它無疑會在引領(lǐng)人們消費行為的同時促動消費趨同化偏好的形成。尤其值得關(guān)注和研究的是，隨著該模式運營所積累的數(shù)據(jù)量全然達(dá)到大數(shù)據(jù)的標(biāo)準(zhǔn)，人們的消費認(rèn)知將會在消費趨同化偏好的導(dǎo)引下發(fā)生變化，這種情形不僅會發(fā)生在消費領(lǐng)域，投資領(lǐng)域也會出現(xiàn)投資趨同化偏好。很明顯，趨同化偏好具有共性特征，它在很大程度上是對個體選擇偏好的否定，對于這種偏好所導(dǎo)致的認(rèn)知應(yīng)該怎樣理解呢？這個問題需要進一步研究。

3、在大數(shù)據(jù)時代，趨同化偏好會改變認(rèn)知形成過程，消費者和投資者的認(rèn)知不再是自己獨立思考和理智判斷的產(chǎn)物，而是在趨同化偏好驅(qū)動下對智慧大腦認(rèn)知的認(rèn)同

廠商的投資選擇偏好是追求利潤最大化，這一永恒的事實不妨礙或排斥投資趨同化偏好的形成。一般來講，大數(shù)據(jù)發(fā)展初期的互聯(lián)網(wǎng)平臺對選擇趨同化偏好形成的作用力，在消費領(lǐng)域要比投資領(lǐng)域來得更加直接和迅速。究其原因，是兩大領(lǐng)域的機會成本和風(fēng)險程度不同的緣故。但隨著大數(shù)據(jù)、云計算和機器學(xué)習(xí)等的充分發(fā)展，智慧大腦有可能對歷史、現(xiàn)期和未來的大量投資數(shù)據(jù)進行搜集、整合、加工和處理，有可能通過云計算集約化模式來分析不同維度數(shù)據(jù)之間相關(guān)性而獲得精準(zhǔn)信息，同時，智慧大腦會根據(jù)市場“行為數(shù)據(jù)流”折射出“想法數(shù)據(jù)流”而產(chǎn)生預(yù)見能力，尋覓和遴選出高收益的投資方向和投資標(biāo)的。若此，智慧大腦投資選擇的勝算率（利潤率）將會大大提高，廠商會效尤智慧大腦進行投資選擇，從而出現(xiàn)投資趨同化偏好。經(jīng)濟學(xué)曾經(jīng)對諸如“羊群效應(yīng)、蝴蝶效應(yīng)、從眾行為、信息重疊”等現(xiàn)象有過許多研究（羅伯特?希勒，2001），但嚴(yán)格來講，這些研究是描述性的，不是聯(lián)系偏好和認(rèn)知等的分析性研究。

消費和投資的趨同化偏好主要是針對消費者和投資者的選擇行為方式而言的，它不改變消費和投資選擇偏好的追求效用最大化的性質(zhì)規(guī)定，這是問題的一方面。另一方面，在將來大數(shù)據(jù)充分發(fā)展的鼎盛時期，消費和投資的趨同化偏好會改變認(rèn)知形成過程，這可以從兩種意義上來理解：1、從原先通過對信息進行搜集、整合、分類、加工和處理來獲取認(rèn)知，轉(zhuǎn)變?yōu)橥ㄟ^對數(shù)據(jù)的搜集、整合、分類、加工和處理來獲取認(rèn)知；2、消費者和投資者的認(rèn)知不再是自己獨立思考和理智判斷的產(chǎn)物，而是在趨同化偏好的驅(qū)動下認(rèn)同智慧大腦的認(rèn)知。關(guān)于第一點，大數(shù)據(jù)思維的認(rèn)知之所以會取代獨立思考和理智判斷的認(rèn)知，乃是因為它能夠運用云計算集約化模式將消費和投資的歷史數(shù)據(jù)、現(xiàn)期數(shù)據(jù)甚至未來數(shù)據(jù)進行分類處理和相關(guān)性分析，能夠運用數(shù)以萬計的計算機服務(wù)器對特定事物的因果關(guān)系展開深度機器學(xué)習(xí)，從而通過分類和歸納不同維度數(shù)據(jù)而得到精準(zhǔn)信息（精準(zhǔn)醫(yī)療就是基于此原理）。人類對因果關(guān)系探索的手段和路徑發(fā)生變化，認(rèn)知的形成過程及其機理就會發(fā)生變化。

關(guān)于第二點，消費者和投資者在未來放棄對信息的搜集、整合、分類、加工和處理，認(rèn)同和效尤智慧大腦的認(rèn)知來進行選擇，這可理解為是他們進行效用比較（投入與收益）時的“幡然悔悟”。尤瓦爾?赫拉利（2017）有關(guān)一切有機和無機實體都可以運用算法來解構(gòu)的前景預(yù)期，（吳軍，2016）關(guān)于未來制造業(yè)、農(nóng)業(yè)、醫(yī)療、體育、律師業(yè)甚至新聞出版業(yè)都將由大數(shù)據(jù)統(tǒng)治的觀點，凱文?凱利（2014）以大數(shù)據(jù)和人工智能為分析底蘊對新經(jīng)濟十大重要準(zhǔn)則的論述，均認(rèn)為具有大數(shù)據(jù)思維且不作出主觀判斷的智慧大腦將是未來世界的操控者，而Master和AlphaGo戰(zhàn)勝世界頂級圍棋高手的實踐，則顯露了人工智能完全有可能戰(zhàn)勝人腦的端倪?，F(xiàn)實中的普通消費者和投資者通常只是依據(jù)有限或不準(zhǔn)確的信息進行消費和選擇，經(jīng)濟學(xué)家也只是根據(jù)有限或不準(zhǔn)確的信息進行因果關(guān)系分析而得出認(rèn)知，因此，相對于智慧大腦的選擇效用，消費者和投資者是相形見絀，經(jīng)濟學(xué)家的理論見解和政策主張往往不吻合實際。

智慧大腦是運用大數(shù)據(jù)思維而超越一般智人大腦的大腦。不過，從性質(zhì)上來講，極少數(shù)擁有智慧大腦的人通過對數(shù)據(jù)的搜集、整合、分類、加工和處理所得到的認(rèn)知，仍然屬于人的認(rèn)知。需要強調(diào)指出的是，這種認(rèn)知不同于經(jīng)濟學(xué)理論及其他社會科學(xué)理論所闡述和論證的認(rèn)知，它是在大數(shù)據(jù)思維驅(qū)動下的人類認(rèn)知。對于這種新型認(rèn)知的理解，如果我們結(jié)合經(jīng)濟學(xué)理性選擇理論對其展開解說，則有著基礎(chǔ)理論的分析價值。

4、在未來，智慧大腦的認(rèn)知將引領(lǐng)非智慧大腦的認(rèn)知，其結(jié)果是導(dǎo)致認(rèn)知趨同化

熟悉經(jīng)濟學(xué)理性選擇理論的學(xué)者知道，無論經(jīng)濟學(xué)家是從信息的搜集、整合、分類、加工和處理獲取認(rèn)知，還是通過心理分析或行為實驗獲取認(rèn)知，他們都是在不完全信息或有限理性約束下進行的，這不僅存在著以不精準(zhǔn)信息推論認(rèn)知的問題，而且存在認(rèn)知形成過程的主觀判斷問題。智慧大腦運用大數(shù)據(jù)思維所形成的認(rèn)知的最大特點，是在接近完全信息基礎(chǔ)上獲取認(rèn)知的，并且不夾帶任何主觀判斷?，F(xiàn)代未來學(xué)家曾分別從不同角度和層面對大數(shù)據(jù)、互聯(lián)網(wǎng)和人工智能展開了許多討論，他們的共同見解是認(rèn)為大數(shù)據(jù)的極大量、多維度和完備性將有可能解決信息不完全問題（包含信息不對稱），并且能夠給人類選擇提供精準(zhǔn)信息。倘若如此，人類的認(rèn)知問題便完全成為智慧大腦對數(shù)據(jù)的搜集、整合、分類、加工和處理問題，一旦人類可以通過大數(shù)據(jù)思維獲取精準(zhǔn)信息和完全信息，經(jīng)濟學(xué)理性選擇理論將會在根基上被顛覆。

智慧大腦只有極少數(shù)人才具備，絕大部分人（包括智人）都是非智慧大腦。在未來世界，智慧大腦將引領(lǐng)非智慧大腦進行選擇。這一引領(lǐng)過程是由前后相繼的兩個階段構(gòu)成：一是智慧大腦運用大數(shù)據(jù)對偏好進行分析，通過互聯(lián)網(wǎng)將偏好傳送給具有從眾心理和從眾行為傾向的非智慧大腦，形成非智慧大腦的趨同化偏好；另一是智慧大腦運用大數(shù)據(jù)分析獲取認(rèn)知，同樣是通過互聯(lián)網(wǎng)讓非智慧大腦效尤智慧大腦的認(rèn)知，形成趨同化認(rèn)知，從而使非智慧大腦以智慧大腦的認(rèn)知為認(rèn)知來選擇。這些情形表明，未來人類智慧大腦將決定非智慧大腦的偏好和認(rèn)知，進一步說，則是智慧大腦將影響非智慧大腦的選擇行為。這里有一個極其重要問題須討論：對絕大部分非智慧大腦而言，他們在選擇過程中是否還存在認(rèn)知？事實上，無論是趨同化偏好還是趨同化認(rèn)知，非智慧大腦的偏好和認(rèn)知并沒有徹底消失，只是形成的路徑和內(nèi)容發(fā)生了變化。關(guān)于這個問題的討論，聯(lián)系經(jīng)濟學(xué)的認(rèn)知理論進行比較分析，或許會有更深的理解。

如前所述，傳統(tǒng)經(jīng)濟學(xué)以完全信息為假設(shè)前提，將認(rèn)知作為理性選擇模型的外生變量，“認(rèn)知”是被理論分析跳越的?，F(xiàn)代經(jīng)濟學(xué)以不完全信息為假設(shè)前提，在理性選擇模型中，努力通過心理和實驗分析把認(rèn)知作為內(nèi)生變量，易言之，“認(rèn)知”被解釋為個體對信息進行搜集、整合、分類、加工和處理的結(jié)果，顯然，以上分析在分析對象、分析方法和分析路徑上，是與大數(shù)據(jù)思維不同的?，F(xiàn)代經(jīng)濟學(xué)理性選擇理論所分析的個體，是通過邏輯推論所抽象出來的蕓蕓眾生；雖然智慧大腦也可以看成是個體，但人數(shù)極少，是具有大數(shù)據(jù)思維之共同特征的個體?，F(xiàn)代經(jīng)濟學(xué)理性選擇理論是借助于偏好分析來研究認(rèn)知的，雖然認(rèn)知已在一定程度上被視為內(nèi)生變量，但分析方法和路徑仍然是邏輯判斷或推論為主；大數(shù)據(jù)思維對認(rèn)知分析將會采用的方法和路徑，是搜集、整合、分類、加工和處理數(shù)據(jù)，試圖從極大量、多維度和完備性的數(shù)據(jù)中獲取精準(zhǔn)信息以得出認(rèn)知。因此，盡管認(rèn)知出現(xiàn)了趨同化，人類在大數(shù)據(jù)思維下仍然存在認(rèn)知，只不過是非智慧大腦放棄自己的認(rèn)知而統(tǒng)一于智慧大腦的認(rèn)知罷了。

總之，偏好和認(rèn)知的趨同化顯示了大數(shù)據(jù)思維的魅力，這種魅力根植于大數(shù)據(jù)能夠經(jīng)由智慧大腦而產(chǎn)生精準(zhǔn)信息。其實，智慧大腦如何設(shè)置參數(shù)和模型，如何運用云計算集約化模式，如何利用互聯(lián)網(wǎng)以及尋覓廣泛使用人工智能的方法和途徑等，主要是計算機運用層面上的技術(shù)問題。我們研究大數(shù)據(jù)思維下人類認(rèn)知變動需要重點關(guān)注的，是非智慧大腦究竟還有沒有認(rèn)知，其效用期望會呈現(xiàn)什么樣的格局？既然非智慧大腦只是沒有獨立認(rèn)知而不是完全跳越了認(rèn)知，那么非智慧大腦便存在著效用期望，關(guān)于這種效用期望，我們可以聯(lián)系效用函數(shù)來解說。

四 、認(rèn)知結(jié)構(gòu)一元化與效用期望變動的新解說

經(jīng)濟理論對選擇行為與效用期望之間動態(tài)關(guān)聯(lián)所建立的基本分析框架，展現(xiàn)出一幅“偏好認(rèn)知選擇效用期望”的圖景。各大經(jīng)濟學(xué)流派的理性選擇理論對這幅圖景中的 “”有不同的解說和取舍（前文有所涉及），概括來說，或側(cè)重于分析這些箭頭前后要素之間的相互關(guān)聯(lián)，或側(cè)重于分析這些箭頭前后要素之間的影響和決定作用。但就人們選擇動機和目的與效用之間的關(guān)聯(lián)而論，幾乎所有理論都不懷疑“追求自身利益最大化”的公理性，于是，“最大化”在成為效用函數(shù)核心變量的同時，也在一定程度上被作為理性選擇的判斷標(biāo)準(zhǔn)。以上圖景的邏輯分析鏈?zhǔn)墙⒃谛畔⒉煌耆治黾僭O(shè)上的，各大經(jīng)濟學(xué)流派的理性選擇理論對這條邏輯分析鏈各環(huán)節(jié)的不同解說所產(chǎn)生的理論分歧，可歸結(jié)為是在信息不完全假設(shè)分析框架內(nèi)的分歧。值得學(xué)術(shù)界關(guān)注的是，當(dāng)大數(shù)據(jù)在未來有可能提供完全信息時，這些分歧將會讓位于新的理論探討。

經(jīng)濟學(xué)家對效用函數(shù)的研究是與認(rèn)知分析緊密相聯(lián)的。但無論是傳統(tǒng)經(jīng)濟理論還是現(xiàn)代經(jīng)濟理論，他們對效用函數(shù)以及最大化問題的研究存在著共性，即這些研究都是建立在抽象的認(rèn)知結(jié)構(gòu)一元化基礎(chǔ)上的。具體地說，傳統(tǒng)經(jīng)濟理論在完全信息假設(shè)上認(rèn)為，選擇者可以得到“獲悉選擇結(jié)果的認(rèn)知”，從而主張用“最大化”來描述選擇者的效用函數(shù)。現(xiàn)代主流和非主流經(jīng)濟理論在不完全信息假設(shè)上認(rèn)為，選擇者受有限理性約束不可能得到“獲悉選擇結(jié)果的認(rèn)知”，從而主張不可用“最大化”來描述選擇者的效用函數(shù)。這里所說的抽象認(rèn)知結(jié)構(gòu)一元化，是指不是以具體的認(rèn)知主體作為分析對象，而是把整個人類描述為一個同一的抽象主體，讓“最大化”問題成為效用函數(shù)的核心問題。在大數(shù)據(jù)思維的未來世界，隨著信息有可能出現(xiàn)完全化，“最大化”問題將會成為不是問題的問題。

誠然，智慧大腦對大數(shù)據(jù)進行搜集、整合、分類、加工和處理，并通過云計算、機器學(xué)習(xí)乃至于根據(jù)人工智能實踐來選擇參數(shù)和設(shè)置模型，仍然沒有越出追求自身利益最大化這一效用函數(shù)的性質(zhì)規(guī)定，但由于智慧大腦的認(rèn)知形成過程是建立在具有極大量、多維度和完備性的大數(shù)據(jù)基礎(chǔ)之上的，大數(shù)據(jù)能夠提供完全信息的特點有可能會讓智慧大腦取得效用最大化。人類絕大部分選擇者是非智慧大腦者，從科學(xué)意義上來講，大數(shù)據(jù)對他們可謂是長期的黑箱，而他們依據(jù)自己認(rèn)知所做出的選擇又不可能實現(xiàn)效用最大化，于是，非智慧大腦者將以智慧大腦者的認(rèn)知作為自己認(rèn)知而做出選擇，這便形成了大數(shù)據(jù)時代實際意義上的一元化認(rèn)知結(jié)構(gòu)。如果說我們劃分智慧大腦和非智慧大腦是對人類選擇主體的一種新界定；那么，我們揭示這兩大選擇主體實際意義上的一元化認(rèn)知結(jié)構(gòu)，則是對大數(shù)據(jù)時代人類認(rèn)知問題的一種新解說。

大數(shù)據(jù)背景下人類實際意義上的認(rèn)知結(jié)構(gòu)一元化，將是未來發(fā)展的一種趨勢，相對于經(jīng)濟理論抽象意義上的認(rèn)知結(jié)構(gòu)一元化，它容易把握和理解。但它在將來能否成為一種固定化趨勢，取決于智慧大腦在經(jīng)濟、政治、文化和思想意識形態(tài)等領(lǐng)域進行選擇時獲得的效用函數(shù)值。對于該效用函數(shù)值的預(yù)期，大數(shù)據(jù)思維下的智慧大腦是具備這種能力的。從經(jīng)濟理論分析看，對效用函數(shù)值的討論，將涉及內(nèi)蘊且展示效用函數(shù)的效用期望問題的討論。傳統(tǒng)經(jīng)濟學(xué)的期望效用函數(shù)理論，是一種運用數(shù)學(xué)模型論證選擇者能夠?qū)崿F(xiàn)最大化的理性選擇理論（(Von Neumann and Morgenstern，1947；Arrow and Debreu，1954），現(xiàn)代非主流經(jīng)濟學(xué)是在分析風(fēng)險厭惡和風(fēng)險偏好的基礎(chǔ)上，用一條S型的價值（函數(shù)）曲線取代傳統(tǒng)的效用函數(shù)，并通過相對財富變動對選擇者感受的分析，解析了選擇者的效用期望會不斷發(fā)生調(diào)整的情形（Kahneman and Tversky，1979）。那么，大數(shù)據(jù)時代選擇者的效用期望會發(fā)生怎樣變動呢？

人類社會發(fā)展的歷史表明，人的主觀期望與實際選擇結(jié)果之間會發(fā)生經(jīng)常性偏離。選擇者的效用期望能否實現(xiàn)最大化，一是取決于選擇者能否得到完全信息，另一是取決于選擇者認(rèn)知過程的科學(xué)化。事實上，現(xiàn)代經(jīng)濟學(xué)對傳統(tǒng)經(jīng)濟學(xué)以最大化為核心的效用函數(shù)的質(zhì)疑和批評，主要是圍繞信息不完全和忽略認(rèn)知過程展開的。大數(shù)據(jù)時代存在著提供完全信息的可能性，而智慧大腦利用互聯(lián)網(wǎng)和運用云計算、機器學(xué)習(xí)和人工智能等手段，正在實現(xiàn)著認(rèn)知過程的科學(xué)化，這便提出了經(jīng)濟學(xué)必須回答的兩大問題：1、大數(shù)據(jù)思維下的人類選擇是否可以實現(xiàn)最大化，2、大數(shù)據(jù)思維下選擇者的效用期望會不會發(fā)生調(diào)整。這是現(xiàn)代經(jīng)濟學(xué)沒有提及的兩大問題，但當(dāng)我們分別從智慧大腦和非智慧大腦來討論這兩大問題時，結(jié)論或許會讓篤信經(jīng)濟學(xué)經(jīng)典理論的學(xué)者大跌眼鏡。

在未來世界，隨著互聯(lián)網(wǎng)平臺的日新月異以及移動設(shè)備、物聯(lián)網(wǎng)、傳感器、社交媒體和定位系統(tǒng)等搜集大數(shù)據(jù)手段的覆蓋面的日益擴大，大數(shù)據(jù)的極大量、多維度和完備性給人類選擇提供了完全信息的基礎(chǔ)。智慧大腦在云計算、機器學(xué)習(xí)和人工智能等的支持下，以數(shù)據(jù)分析為基礎(chǔ)的認(rèn)知過程也越來越科學(xué)化，于是，智慧大腦便可以知曉選擇過程的結(jié)果，有可能實現(xiàn)最大化，這說明智慧大腦不存在效用期望的調(diào)整問題。另一方面，非智慧大腦以智慧大腦的認(rèn)知為自己的認(rèn)知，其效用期望完全依附于智慧大腦的效用期望。具體地說，非智慧大腦不對數(shù)據(jù)進行搜集、整合、分類、加工和處理，跳越了認(rèn)知過程，同樣不存在效用期望的調(diào)整問題。非智慧大腦效用期望完全依附于智慧大腦效用期望的情形，或者說，非智慧大腦以智慧大腦效用期望為自己效用期望的情形，統(tǒng)一于智慧大腦與非智慧大腦的認(rèn)知結(jié)構(gòu)一元化。如果要追溯非智慧大腦效用期望的變動，那就是從原先屬于自己的效用期望轉(zhuǎn)變成了智慧大腦的效用期望。

智慧大腦有可能實現(xiàn)最大化，以及不存在效用期望調(diào)整是一回事，但智慧大腦能否在所建模型中給定效用期望值卻是另一回事。效用期望作為一種主觀預(yù)期或判斷，它不會在互聯(lián)網(wǎng)上留下可供大數(shù)據(jù)分析的歷史數(shù)據(jù)流、現(xiàn)期數(shù)據(jù)流和未來數(shù)據(jù)流，也就是說，不會在互聯(lián)網(wǎng)上留下可供大數(shù)據(jù)分析的行為數(shù)據(jù)流和想法數(shù)據(jù)流，這在決定智慧大腦難以跟蹤、模擬和推論效用期望值的同時，也給非智慧大腦放棄認(rèn)知而效尤智慧大腦提供了某種聊以。推崇人工智能可以替代人腦的學(xué)者，好用Master和AlphaGo戰(zhàn)勝世界頂級圍棋高手的事實作為這種替代的立論依據(jù)，但無論我們怎樣在大數(shù)據(jù)分析、機器學(xué)習(xí)和人工智能運用等方面進行深度挖掘，也找不到智慧大腦能在所建模型中給定效用期望值的科學(xué)依據(jù)。智慧大腦不能確定效用期望值，也就規(guī)定了非智慧大腦不能確定效用期望值。這又提出了一個在理論上有必要回答的問題：非智慧大腦還有沒有效用期望？

在經(jīng)濟社會，智慧大腦和非智慧大腦的投資和消費選擇的效用期望都是追求最大化，這一點是永恒的。但問題在于，非智慧大腦以智慧大腦的認(rèn)知為自己認(rèn)知，以智慧大腦的選擇作為自己選擇的情形，會使自己的效用期望完全停留在期望智慧大腦選擇結(jié)果的形式上，這可以解釋為大數(shù)據(jù)時代非智慧大腦的效用期望的一種變動。但對于這樣的效用期望的理解，與其說它是一種效用期望，倒不如說它是一種效用期待。社會經(jīng)濟的精英是人數(shù)極少的智慧大腦群體，但推動投資和消費的是占人口絕大多數(shù)的非智慧大腦群體。因此，非智慧大腦群體的偏好、認(rèn)知、選擇和效用期望，應(yīng)該是理性選擇理論研究的重點。關(guān)于這一研究重點的邏輯和現(xiàn)實的分析線索，是大數(shù)據(jù)思維趨同化偏好趨同化認(rèn)知認(rèn)知結(jié)構(gòu)一元化最大化效用期望。不過，這條分析線索包含著許多本文或有所涉及或尚未涉及的交叉性內(nèi)容，它需要我們在繼續(xù)研究大數(shù)據(jù)思維改變?nèi)祟愓J(rèn)知這一理論專題時，做出進一步深入的探討。

大數(shù)據(jù)經(jīng)濟分析范文第5篇

關(guān)鍵詞：巨大子宮肌瘤；腹腔鏡；子宮肌瘤剔除術(shù)

Clinical Analysis of laparoscopic myomectomy for huge uterine myoma

Ren Ren

【Abstract】Objective：To explore the feasibility and clinical value of laparoscopic myomectomy for huge uterine myoma.Methods：45 cases of huge uterine myoma from January 2009 to December 2012 were as the therapeutic group.41 cases of huge uterine myoma from January 2007 to December 2008 were as the control group.The therapeutic group received laparoscopic myomectomy.The control group received abdominal myomectomy.To compare the clinical discharge and hospitalization in the therapeutic group was less than the contral group.Results：The difference was statistically significan.The difference was not statistically significan about the incidence rate of abdominal incision bleeding in 2 groups.The incedence rate of incision infection in the therapeutic group was less than the contral group.The difference was statistically significan.Conclusion：Laparoscopic uterine myomectomy was feasible and safe if we full assessed of the risk of intraoperative，mastered the appropriate indications and grasped the intraoperative key.

【Key words】huge uterine fibroids； laparoscopic； myomectomy

【中圖分類號】R737.33 【文獻(xiàn)標(biāo)識碼】B 【文章編號】1674-7526（2012）12-0006-02

子宮肌瘤是一種最為常見的女性生殖器官良性腫瘤，臨床對癥狀明顯的患者多采用的以子宮切除術(shù)為主的治療方式。但是隨著生活品質(zhì)的提高、保持身體的完整性、保留生育功能，提高到首位。隨著現(xiàn)代腹腔鏡技術(shù)的發(fā)展，腹腔鏡下子宮肌瘤剔除術(shù)就成為了理想的主要術(shù)式[1]。但是對于腫瘤直徑太大，子宮大于12孕周的，手術(shù)野的顯露比較困難，手術(shù)難度及風(fēng)險偏大，多以開腹手術(shù)為主[2]。隨著腹腔鏡設(shè)備的更新、現(xiàn)代腹腔鏡技術(shù)水平的提高，腹腔鏡手術(shù)適應(yīng)證也不斷拓寬，對于巨大子宮肌瘤行腹腔鏡切除成為可能。為探討腹腔鏡巨大子宮肌瘤剔除術(shù)的技術(shù)特點，對我院45例巨大子宮肌瘤，直徑8～13cm，行腹腔鏡子宮肌瘤剔除術(shù)，臨床療效滿意，報告如下。

1 資料與方法

1.1 一般資料：以我院婦產(chǎn)科2009年1月～2012年12月收治的子宮大肌瘤患者45例為治療組，年齡27～50歲，平均35.67±7.78歲。其中單發(fā)肌瘤17例，多發(fā)肌瘤28例；漿膜下肌瘤15例，肌壁間肌瘤30例。以2007年1月～2008年12月收治的子宮大肌瘤患者41例為對照組，年齡26～52歲，平均3734±8.27歲。其中單發(fā)肌瘤19例，多發(fā)肌瘤21例；漿膜下肌瘤13例，肌壁間肌瘤28例。所有患者均由盆腔彩超等檢查明確為子宮肌瘤，術(shù)前檢查沒有手術(shù)禁忌癥，彩超或CT明確至少有1個肌瘤的直徑為8～14cm，排除子宮癌性病變。2組患者，年齡、肌瘤類型方面，差異沒有統(tǒng)計學(xué)意義，具有可比性。

1.2 手術(shù)方法：

（1）治療組：靜脈復(fù)合麻醉下，取膀胱截石位，在臍孔部或臍孔上方1～4cm處穿刺進腹，置入腹腔鏡，調(diào)整頭低足高位后探查腹腔情況。然后在左右髂前上棘與臍連線中外1/3處，置入第2、3個操作孔，用垂體后葉素6～12u加20ml生理鹽水稀釋后，注入子宮肌瘤包膜及基底部。根據(jù)肌瘤位置選擇切口大小及方向。用單級電凝避開血管切開肌瘤包膜，深達(dá)瘤核，用子宮肌瘤螺旋鉆刺入瘤體或抓鉗抓住肌瘤固定并牽拉，用剝離棒分離肌瘤包膜到達(dá)基底部后電凝切斷，注意不要穿透子宮內(nèi)膜；如果肌瘤過大已影響到操作，用電動組織粉碎器切除肌瘤部分后再剝離；根據(jù)創(chuàng)面選擇單或雙層縫合，首先縫合內(nèi)1/2肌層關(guān)閉瘤腔，再縫合外1/2漿膜層。如果術(shù)中發(fā)現(xiàn)穿透黏膜層并到達(dá)宮腔，要先縫合黏膜層后，再縫合剩余肌層及漿膜層。闊韌帶肌瘤的周圍組織疏松、血運豐富，打開闊韌帶前后葉分離肌瘤時，采用連續(xù)縫合法關(guān)閉瘤腔，注意不要損傷子宮動脈及輸尿管。切除后的肌瘤采用粉碎取出法，沖洗盆腔，檢查無活動性出血后關(guān)腹。

（2）對照組：開腹組采用連續(xù)硬膜外麻醉，按常規(guī)手術(shù)方法進行子宮肌瘤剔除術(shù)。

1.3 統(tǒng)計方法：實驗數(shù)據(jù)使用SPSS14.0統(tǒng)計軟件進行分析，計數(shù)資料采用檢驗，計量資料采用t檢驗，以P

2 結(jié)果

2.1 2組術(shù)后恢復(fù)情況的比較：具體見下附表，可見治療組手術(shù)時間、術(shù)后排氣時間以及住院天數(shù)明顯少于開腹組，差異具有統(tǒng)計學(xué)意義。

附表 2組術(shù)后恢復(fù)情況的比較組別

2.2 2組術(shù)后并發(fā)癥的比較：治療組腹壁戳孔出血2例，對照組出現(xiàn)切口出血1例，經(jīng)比較，值=0.256，P=0.613>0.05。治療組戳孔感染1例，對照組出現(xiàn)切口感染6例，經(jīng)比較，值=4420，P=0.036

3 討論

子宮已經(jīng)被許多臨床研究證實具有內(nèi)分泌功能，與卵巢功能密切聯(lián)系，既往對子宮肌瘤過大的患者，多選擇子宮切除術(shù)，隨著女性對自身生活質(zhì)量的要求，許多患者都要求保留子宮。腹腔鏡手術(shù)具有切口小、創(chuàng)傷小及恢復(fù)快的優(yōu)點，廣泛運用于臨床，但是目前臨床上對肌瘤數(shù)量>4個、直徑>6cm的患者，認(rèn)為不宜在腹腔鏡下進行[3，4]。其危險在于：肌瘤過大，尤其是位于宮頸、闊韌帶或子宮下段等部位時，會因為解剖結(jié)構(gòu)變異，易損傷輸尿管、膀胱及子宮血管；手術(shù)時間延長、創(chuàng)面大，出血較多[5]。隨著腹腔鏡技術(shù)及設(shè)備的發(fā)展，腹腔鏡適應(yīng)癥拓寬，腹腔鏡巨大肌瘤的剔除是安全可行的。 本次研究中，我們對研究患者行腹腔鏡子宮巨大肌瘤剔除術(shù)，全部安全切除，并與開腹手術(shù)患者比較，術(shù)后排氣時間以及住院天數(shù)明顯少于開腹組，差異具有統(tǒng)計學(xué)意義；同時治療組腹壁切口出血的發(fā)生率與對照組比較，差異沒有統(tǒng)計學(xué)意義，切口感染的發(fā)生率低于對照組，差異具有統(tǒng)計學(xué)意義，可見腹腔鏡子宮巨大肌瘤剔除術(shù)是安全可行的，充分發(fā)揮了腹腔鏡的巨大優(yōu)勢。

我們總結(jié)，腹腔鏡下巨大子宮肌瘤剔除術(shù)主要技術(shù)關(guān)鍵：①選擇合適的手術(shù)切口：子宮下段后壁縱長形肌瘤宜選用縱切口；子宮前壁、宮頸段、闊韌帶肌瘤或子宮后壁位置偏高的肌瘤選用橫切口，與子宮的弓形血管走行一致，可有效減少出血[6]；子宮旁及闊韌帶肌瘤，在肌瘤外突的方向選擇前或后切口，前方切口需將膀胱腹膜反折剪開以推開膀胱，后方切口要仔細(xì)辨認(rèn)輸尿管的走向，當(dāng)解剖層次顯示不清時，不要輕易的使用電凝，以免誤傷輸尿管。②對于肌瘤的剝離，選擇肌瘤的中央隆起處切開肌瘤包膜后，顯露瘤核，由于肌瘤過大，視野會受限，可旋切部分肌瘤，后再剝離肌瘤，在肌瘤根部要注意血管，可以用線圈套扎肌瘤基底部血供[7]。③肌瘤切除后，盡快縫合創(chuàng)面，縫合時避免誤扎子宮動脈及輸尿管，切除肌瘤后，可靜脈滴注縮宮素，減少出血[8]。此外，腹腔鏡巨大子宮肌瘤剔除術(shù)要把握適應(yīng)癥，我們總結(jié)：盆腔沒有粘連，肌瘤直徑控制在8～12cm，巨大肌瘤不要超過1個。

綜上，腹腔鏡子宮巨大肌瘤剔除術(shù)手術(shù)難度較大，對技術(shù)水平要求高，處理不當(dāng)可導(dǎo)致出血過多，手術(shù)時間過長，導(dǎo)致嚴(yán)重的并發(fā)癥，因此，要充分評估術(shù)中可能出現(xiàn)的風(fēng)險，掌握合適的手術(shù)指征，把握術(shù)中關(guān)鍵，腹腔鏡子宮巨大肌瘤剔除術(shù)是安全可行的。

參考文獻(xiàn)

[1] Bachmann G.Expanding treatment options for women with symptomatie uterine leiomyomas：timely medical breakthroughs[J].Fertil Steril，2006，85（1）：46～47

[2] HarKKi，KurKi Ts，Ijoberg J，et al.Safety aspects of laparoseopic hysterectomy [J].Acta Obstet Gynecol Stand，2001，80（5）：383～391

[3] 劉陶，蘇醒，劉晴.腹腔鏡下大子宮肌瘤剔除術(shù)82例手術(shù)探討[J].中國微刨外科雜志，2008，8（3）；208～210

[4] 焦海寧，蔡蕾，喇端端.腹腔鏡子宮大肌瘤挖除術(shù)243例臨床分析[J].上海交通大學(xué)學(xué)報（醫(yī)學(xué)版），2008，28（12）：1600～1602

[5] 王麗英，李斌.較困難的腹腔鏡子官肌瘤剔除術(shù)：附142例臨床報告[J].中國微創(chuàng)外科雜志，2009，9（5）：456～458

[6] ParKer WH.Laparoscopic myomectomy and abdominal myomectomy [J].ain obstet Gyneool，2006，49（4）：789～797