经济社会学视角下的大数据技术探讨

　　摘    要：　从计算机的出现再到普及，信息对于社会发展的重要性不言而喻，而如今“大数据时代”的到来更是意味着人们对海量数据的运用程度会影响社会的各个行业的发展。对社会学网络理论的视角下，每个在社会中的个体，在表达态度和做出行为的时候不可避免地会受到社会中文化、惯习等的影响。但对于社会学研究而言，我们只有解决了为什么，才能使研究更有意义、更具有推广性。如何能够对数据进行更深的挖掘和更高效的处理，从而完成更多的研究是社会科学界接下来面临的挑战。

　　关键词：　大数据; 社会网络; 社会学研究;

　　一、引言

　　2015年9月，国务院印发《促进大数据发展行动纲要》，系统部署大数据发展工作。其中提到了大数据的重要性，且明确了对其的发展和进一步推广应用。

　　大数据是一种信息资产，通常用于指代大量的结构化、非结构化和半结构化数据，其中非结构化数据日益占据主体且拥有较高的增长率。作为一种数据集合，它不是由常规软件或技术手段而进行的定向捕捉。大数据技术其根本目的不是掌握多么庞大的数据库，而是可以对这些数据信息进行专业化的处理和挖掘，这个处理和加工的过程赋予了“大数据”含金量，使其能够为一些决策提供思路和借鉴意义。

　　相较于传统数据，大数据与传统数据的区别主要涉及以下方面：第一，传统数据多采用随机抽样的方式，而大数据所捕捉的是全部数据。很多时候，我们的一些研究受限于数据的局限性，但是大数据无疑可以为此类研究提供更好的路径。第二，传统数据通常是针对具体特定的方向进行数据收集，而大数据进行数据采集的时候只有大致的方向。

　　大数据对精确性的要求相对较低，但其全面性更强，便于我们从更宏观的层面、更多元的角度来看待和理解问题。第三，传统研究更力图于发现因果关系，而大数据致力于发现的是相关关系。因果关系的焦点在于解释“为什么”，而相关关系重点在于描绘“是什么”。

　　大数据在当今社会的应用已经非常广泛，各行各业都有涉及。相信通过大数据技术的日益发展、逐渐完善，它可以为社会发展带来更多的增益作用。

　　二、经济社会学视角下的大数据

　　（一）大数据与社会学研究

　　社会学研究方法从宏观上可以分为质性研究和量化研究。学者谢宇（2012）提出，定量研究方法和定性研究方法都存在着一定的局限性。而大数据时代的到来可以为我们在一定程度上解决此类问题。
 

　　首先，数据的挖掘和处理可以和理论相互形塑。一方面，它可以验证现有理论发展出来的假设和创新理论(罗家德等，2018)。梅西等人（2010）在衡量社区社会资本的研究中就运用到了该地区内使用电话的通话频率这一变量，验证了有关社区资本和社区经济发展的假设。当现有的理论并不能解释大数据呈现出的结果时，也鼓励我们发展理论、创新理论。另一方面，根据理论也可以指导研究者更好的进行数据挖掘和处理。邓巴(2015)在坚持人脉根据亲疏会分为不同圈层的基础上，对社交网络的资料进行处理和分析，也由此得出了分离不同亲疏圈层的数据计算方法。

　　其次，在从事量化研究的时候，如何采集数据、数据的规模、数据的质量、如何处理数据是研究中至关重要的部分，处理不好会使社会学研究被人诟病，大数据在这些方面都具有一定的优势。

　　第一，传统的数据集规模较小，是对样本的研究，得出的结论也要通过统计学检验才能够推论到整体。而大数据在某种程度上意味着没有进行抽样的整体研究，从互联网和社交网站中就可以得到大量的信息（古德、梅西，2011；麦凯尔维等，2014）。古德和梅西（2011）的研究对社交网站的5亿多条信息进行了分析处理，得出了人们的心情变化趋势。

　　第二，大数据收集到的基本是自然数据，数据的采集方式更加隐秘且多来自于生活，受到的人为干扰相对较小，因此可信度更高。而在未来的研究，利用大数据的优势可以从商业行为等方面挖掘出更多的信息，使数据更加完整。

　　第三，在传统研究中，很多数据的采集都是为了某一具体研究项目而服务，一方面这样的数据专业性会更强，但是另一方面其应用于其他研究的可能性微乎其微，如果每一个研究都需要从头采集数据，那对时间、人力、金钱都是巨大的考验。但大数据采集的是海量的自然信息，由于其信息的完整性和多元性，可以服务于各个研究领域的多种研究。

　　最后，社会学互联网实验成为了一种新的研究方法。社会学互联网实验区别于传统的研究方法，是指在一种理想化的自然条件下进行社会科学的研究。对于传统的研究方法来说，在实验过程中很难实现对被试的零干扰，而社会学互联网实验可以帮助社会学突破局限性，摆脱时间和空间的限制，从而更大范围的研究人类行为与社会现象，有助于充分发挥社会学的想象力（罗玮、罗教讲，2015）。

　　（二）大数据与社会网络

　　社会网络理论及其研究方法的发展自20世纪90年代以来是非常迅速的。个体行为与社会网络结构之间具有高强度的互动且在互动中相互形塑，社会系统也是在此基础上发展。在网络理论的视角下，每个在社会中的个体，在表达态度和做出行为的时候不可避免地会受到该社会中文化、习惯等的影响。如果要分析某一企业或者某一产业，仅聚焦于其中的行动者个体是远远不够的，要着眼于企业间网络、产业网络结构，才能解释其景气或者衰败的原因，才能把握其发展方向在竞争中处于不败之地。

　　1. 社会网络中的“个体”

　　格拉诺维特在1985年提出了“内嵌性”这一概念，其重点在于认为社会网络及其结构对人们的行为存在一定程度的制约作用。格拉诺维特对这一问题的讨论源于有关个体“社会化”程度的两种理论，即“低度社会化”逻辑和与“过度社会化”思路。经济学家普遍认为，个体会遵循自己的偏好并通过各种机制的引导做出使自身收益最大化的选择。在这一认知中，个体社会化程度极低，身份、地位、社会关系等因素对其行为所产生的影响微乎其微，个体是完全服从于理性的，唯一目的是获得更大的收益。而秉承“过度社会化”思路的人提出，社会因素对个体的行为有很大且重要的影响，个体是按照自己所扮演的社会角色以及社会环境对这一角色的要求和期待而做出选择和行动的。在这一认知中，个体社会化程度极高，主观能动性对个体的行为影响很小，个体是完全服从于社会的，唯一目的是完成社会对自身角色的期待。格拉诺维特认为无论是“低度社会化”还是“高度社会化”都无法准确的表述和解释生活在社会中的个体的行为，他提出要从个体所处的具体的社会关系来解释人们的行为，他的思路是社会关系网络不同会导致人们在不同的社会关系网络中有不同的社会行为。

　　2. 对大数据的利用

　　从大数据中，企业不仅可以得到消费者个体更全面的信息，可以根据其喜好将既有的商品和服务提供给消费者，更重要的是，他们还可以根据消费者的社会关系网络对新的产品和服务进行研发，大数据对企业制定商业战略、实现高效发展的作用毋庸置疑。通过大数据可以看出，中型企业是否能从银行处获得贷款以及需要为此付出的代价或者说成本，与双方之间的嵌入性关系有关，即它们之间是否存在社会关系对贷款这一行为有很大影响。同时，一些中小微企业也可以通过大数据时刻把握产业发展前景，以便进行转型。

　　有学者（Zhou et al.,2016）对VC产业网中两两结合的联合投资关系进行了研究，其中数据挖掘的作用至关重要。研究表明7个最佳预测因子分别为：同一国度、共同邻居数量中介中心性、二者之间的关系距离、产权、投资领域的个数以及相同的投资领域个数。其中，共同邻居数量、中介中心性和二者之间关系距离等都是网络结构指标。且很多指标表明二者具有同质性，这揭示了联合投资的重要前提，也可以为想寻求联合投资的个体提供借鉴。

　　3. 大数据与社会网络的相互关系

　　从社会网络中我们可以得到很多数据的信息，同时数据信息也进一步说明了社会网络的重要性。个体为了从持续性交往中获利而守信，持续的经济关系中掺杂着社会关系的因子，因而产生了强大的信任，个体会因为社会期待而拒绝投机行为。当知识或资源集中分布在组织内的部分个体处时，这种信任还有利于促进知识的流通和资源的共享。葛拉堤（1999）在战略联盟研究中带入了关系性嵌入理论，指出两个战略伙伴间合作的次数越多，培育的信任就越强，合作的默契度也越高，所以下一次合作的概率也因之提高。

　　而且与固定的、少数的合作伙伴进行重复多次的交易会减少交易成本，可以从以下三个原因可以对此做出解释。

　　第一，当有新的需求时企业需要重新寻找合适的合作伙伴，并且重复竞价、讨价还价、签订契约等一系列的过程，在其中产生的交易费用数额会很大。对于有长期合作的合作伙伴的企业而言，出于“信任”，作为买方的企业会将固定的几个供应商作为候选，除非有供货商发生违约行为否则很少发生变动，可以在很大程度上减少由寻找和确定新合作伙伴这一个过程所带来的交易成本。

　　第二，双方的合作关系是长期的，交易是重复进行的，因此，任何违背契约的行为都会付出巨大的代价。这不仅意味着该企业会失去一个长期合作伙伴以及由此带来的大量收益，还会对该企业与其他长期伙伴的合作带来影响。

　　第三，重复交易使得双方“有来有往”，企业不会过度强调自己在某一次具体的交易中获得的利益，只要交易双方在长期的合作中整体上是互惠互利、相对公平的就可以维持一段稳定的合作关系，避免双方在每一次交易中都锱铢必较。在掌握此类信息的前提下，企业会考虑构建或者加入企业间网络，从而实现自身的长远发展。对于很多行业而言，大数据的挖掘和利用对其战略定位起着关键作用，越来越多的机构和组织对大数据分析进行了投资。

　　三、小结

　　从计算机的出现再到普及，信息对于社会发展的重要性不言而喻，而如今“大数据时代”的到来更是意味着人们对海量数据的运用程度会影响社会各个行业的发展。网络中有大量的自然数据，但是数据规模本身的意义不大，重要的是如何对得到的信息进行挖掘和处理。大数据在早期过度强调其实用性，聚焦于描述性分析，注重“是什么”而对“为什么”的解释不足。但对于社会学研究而言，我们只有解决了为什么，才能使研究更有意义、更具有推广性。

　　值得注意的是，虽然“大数据”相较于传统数据来说有着一定的优势，其技术的进步对经济发展和社会运行起很大的促进作用，但“唯数据论”并不可取的。对待社会问题还是要扎根理论、理性思考，用理论来指导社会挖掘，用数据来验证和发展理论，让二者良性互动、互补共进。大数据时代，社会学互联网实验成为了一种新的研究方法并取得了一定的研究成果。

　　参考文献

　　[1] 刘军,郭莉娜.关系对联盟的影响——基于网络交换论的实验研究[J].社会学研究,2013(6):95.
　　[2] 罗家德,刘济帆,杨鲲昊,等.论社会学理论导引的大数据研究——大数据、理论与预测模型的三角对话[J].社会学研究,2018,33(05):121-142+248-249.
　　[3] 罗玮,罗教讲.新计算社会学:大数据时代的社会学研究[J].社会学研究,2015(3):222-241.
　　[4] 谢宇.社会学方法与定量研究[M].北京:社会科学文献出版社,2012.
　　[5]Dunbar,R.I.M.,Arnaboldi,V.,Conti,M.,&Passarel la,A..The structure of online social networks mirrors those in the offline world.[J]Social Networks,2015(43):39-47.
　　[6]Eagle,N.,Macy,M.,&Claxton,R..Network diversity and economic development.[J].Science,2010,328(5981):1029-1031.