大数据是2014年以来在中国兴起的一个热词。从互联网行业到天气预报，从政治到军事，大数据在各行各业的应用都在铺开。但是，笔者注意到，在宏观调控领域的大数据应用很少被市场提及，而对大数据在经济管理中的应用，相关文献可能并未明确给出答案。大数据在改造实体经济的同时，也在深刻地影响着宏观经济调控。美国早已开启大数据国家战略，英国率先把大数据引入货币政策。那么，大数据的宏观调控为何会引起这些发达国家的广泛重视？大数据的宏观调控又将有什么样的新特点？中国在大数据调控中又能够吸取哪些经验？在本章，笔者试图建立一个大数据对货币政策影响的分析框架，来回答以上的问题。

笔者认为，大数据是工业化时代向智能化时代转化的开端，意味着人类社会的又一次飞跃。运用大数据技术，人类生产能力的提高或将不亚于工业革命。从理论方面来说，大数据时代的到来依赖于数据存储、处理与挖掘技术的极大丰富与提高。计算机技术的极大拓展和数据存储能力的快速提升为其奠定了基础。从本质上来说，大数据意味着万事万物的互联互通性大幅提高，事物之间建立起普遍而敏锐的联系。从特点方面来看，大数据拥有如下的特点：（1）在结构化数据方面，实时可跟踪数据面替代了点状分布的财务报表数据，这使得人类对公司的了解更加直观、动态以及精准；（2）在非结构化数据方面，行为分析量化变得可行。这一技术在银行对信贷风险的评估、大数据资产配置方面都被广泛使用，这将促使人类的金融效率大大提高，金融风险则会迅速降低。

随着信息技术与工业技术的高度融合，网络、计算机技术、信息技术、软件与自动化技术的深度交织产生新的价值模型。在制造领域，这种资源、信息、物品和人相互关联的“虚拟网络-实体物理系统（Cyber-Physical System，CPS）”，德国称其为“工业4.0”。2013年4月德国在汉诺威工业博览会上首次发布《实施“工业4.0”战略建议书》，德国电气电子和信息技术协会于2013年12月发布“工业4.0”标准化路线图。回顾前三次工业革命，实际上是应用机械、电气和信息技术等越来越先进的工具逐步将人力从生产中解放出来，从而提高生产效率、降低生产成本的过程。“工业4.0”旨在提升制造业的智能化水平，建立具有适应性、资源效率及人因工程学的智慧工厂，在商业流程及价值流程中整合客户及商业伙伴。其技术基础是网络实体系统及物联网。李克强总理2014年10月访德期间签订“工业4.0”战略合作框架，他在2015年“两会”期间，多次提到“互联网+”，这与工业“4.0”一脉相承。

在大数据时代，随着工业进入“4.0时代”，央行亦将进入“4.0时代”。笔者认为，第一代央行是金本位央行，第二代央行是数量型调控央行，第三代央行是价格型调控央行，第四代是大数据央行。我们将或能看到如下变化：首先，央行决策所依赖的信号发生变化。实时动态数据将替代基于资产负债表的时点数据，从而变革调控机制；其次，央行利用行为金融学和非结构化的数据来进行判断，行为金融学开始登上大雅之堂；再次，货币政策模拟和虚拟经济实验室成为可能。在这样的情况下，人类不再需要承担政策失误带来的后果，政策失误的预判性和可矫正性都大大提高。中国央行应当高度重视大数据时代的新特点，实现由第二代央行向第四代央行的跨越。中国央行副行长潘功胜在2015年央行调查统计工作电话会议中表示，今后将建立完善影子银行、互联网金融统计监测体系，构建企业融资成本变动检测体系，笔者认为这是迈向“央行4.0”的重要一步。

在本章的第一节，介绍大数据对实体经济的再造，以及其他国家大数据推行过程中的经验；第二节，重点谈论大数据对金融行业带来的深刻变革；第三节，重点分析大数据宏观调控的特征与应用，以及“央行4.0”的主要特征。