美高梅官方娱乐平台

　　如果把统计工作看作是人们搜集数据的工作，它有着悠久的历史，在我国自春秋战国时期就已产生。而它作为一门科学，则是从17世纪开始。现代意义的社会经济统计，源于英国的“政治算术”和德国的“国势学”。而在我国，最初使用“统计”这个词，还是从日本翻译引进的舶来品。

　　现在统计知晓度和影响力比过去大多了。在称之为大数据时代的今天，在新的统计数据源源不断涌来并广为扩散的背景下，各种各样的统计数据每天都能见诸于各种报端和网络；从政府官员、专家学者到企业界人士，越来越多地喜欢用统计数据表述他们的看法，套用“大数据”的名言：“除了上帝，任何人都必须用数据来说话”。现在，发布统计数据本身已成为重大经济“事件”，季度GDP增长率或月度CPI一公布，马上会引起银根松紧、利率调整甚至股市的大涨大跌，统计对经济社会生活产生广泛而深远的影响。

　　说到统计对经济社会生活的影响，很容易让人联想到“数目字管理”。发明这个词的是著名华人历史学家、“大历史观”倡导者黄仁宇。他在总结中国历史教训时曾经指出，明朝以及中国历史上大部分政权的破产，本质上是因为一直不能实现“数目字管理”（Mathematical manageable）。① 为此，他还专门写了文章《中国主要问题如何实现在数字化上的管理》。

　　统计是国家治理体系和治理能力现代化一项重要的基础性工作。在英文中，统计为statistics，它与“国家”为同一词根。统计的最初功能，就是为了解国情和管理国家提供数据依据。概括起来，统计对于治理国家的重要性，主要基于以下几点：

　　第一，统计是认识社会、掌握国情国力的重要工具。通过普查、抽样调查、全面定期统计报表，以及在此基础上开展的国民经济核算，搜集、整理的统计资料，能够全面反映一个国家或地区经济、社会、科技、资源、环境的总量、结构、分布、质量和效益。

　　第二，统计是制定国策、决策、宏观调控和规划的重要依据。统计作为经济社会发展的“晴雨表”、“测量仪”和“指示器”，是了解情况、研判形势、认识规律的重要基础数据统计，是进行科学决策、精准调控和制定规划的重要依据。

　　第三，统计是引导各种组织和个人行为的重要手段。在现代经济中，人们的预期对经济运行、市场变化的作用十分明显，通过发布统计数据，有助于调整和改变人们的预期，引导市场主体的投资和消费行为。在我国，统计还承担着考核政绩的任务，统计监测、评价、考核什么，地方各级政府就努力什么，统计对政府行为具有很强的导向作用。

　　第四，统计是进行国际比较的重要尺度。现代意义的统计这个词最初仅限于国家之间国情国力的对比。今天，各国官方统计的GDP和人均GDP，以及用国际比较项目（ICP）的购买力平价（PPP）方法计算的GDP和人均GDP，是比较各国经济规模、发展水平和综合实力的重要尺度。GDP还涉及到一国或地区联合国会费交纳、国际货币基金组织份额确定、发展中国家地位认定等国家经济利益和政治利益，因而成为国际博弈工具。

　　统计既然是国家治理体系和治理能力现代化一项重要的基础性工作，就有一个正确认识统计职能、科学运用统计指标、统计方法和统计成果的问题。然而，在很多人眼里，都觉得社会经济统计非常简单。在我念大学的时候，统计虽然不是一门小众学科，但很多人并不了解它。记得那时寒暑假回家乡，与人说起自己念的是社会经济统计学，大家都觉得奇怪，怎么统计还要学四年。大家对统计工作最接近的认识，就是统计统计，三分统计，七分估计。

　　其实，统计是一门科学。无论是统计设计、统计调查、统计分析，还是国民经济核算、统计综合评价、统计国际比较，都要遵循统计的科学性，都有非常复杂的理论问题和技术处理需要研究和探讨。正如我国著名统计学家邱东所言：“社会经济统计绝不简单。”②

　　以经济统计指标设计为例，许多人以为，经济统计指标无非就是口径范围的确定，没什么技术含量，不需要科学研究。这是一种误解。事实上，每一个重要经济指标既要以经济理论为指导，又要充分考虑经济现象计量的可测性、可行性和可比性，因而其概念确定、范围界定和计算方法确定，都蕴藏着大学问。比如，国内生产总值（GDP），它是指一个国家或地区所有常住单位在一定时期内生产活动的全部最终成果，即所有常住单位的增加值之和。在这里，按经济活动的主体（常住单位）而不是以经济活动的空间来定义国民经济，核算的是常住单位生产活动的全部最终成果（增加值）而不是常住单位生产活动的全部成果（总产值），就大有讲究。

　　GDP概念确定后，现在人们都知道GDP可以分别通过生产法、收入法和支出法来核算，但当初国民收入统计的开创者通过艰苦细致的研究，探索确认GDP通过什么方法核算，其基础数据从哪里获得，最终这些数据如何做到不重不漏、归并组合和相互验证，这实在是很不容易的过程。难怪知识界将GDP统计誉为“20世纪人类最伟大的发明之一”。国民经济核算的两大创始人西蒙•库兹涅茨和理查德•斯通分别于1971年和1984年获得诺贝尔经济学奖，这绝非偶然。

　　反映经济总量核心指标的变化，也说明社会经济统计绝不简单。比如，改革开放以前反映中国经济总量的核心指标是“国民收入”，在外行人看来，它很容易与现在的“国民总收入”（GNI）指标相混淆。但实际上，前者是五大物质生产部门净产值之和，后者是我们过去所称的“国民生产总值”（GNP），两者指标含义、口径范围和计算方法完全不同。从国民收入到国民总收入的转变，标志着中国国民经济核算体系由物质产品平衡表体系（MPS）向国民账户体系（SNA）的全面转轨，也从一个侧面反映了中国经济体制由计划经济向市场经济的深刻变革。

　　又如，库兹涅茨最初测算的是国民生产总值（GNP）。联合国第一个国民账户体系即1953年SNA中，尽管就有GNP和GDP两个不同概念的指标，但在上世纪80年代中期之前，绝大多数国家和地区的官方统计以核算GNP为主。上世纪80年代之后，随着经济全球化进程不断加快，加之各国经济景气状况和会计年度规定的不同，导致许多国家GDP与GNP的差异逐渐扩大。为了更好地监测本国经济状况，在上世纪80年代后期至90年代初，许多国家国民经济核算纷纷由原来注重GNP向注重GDP转变。与此相适应，1993年SNA纠正了过去长期以来将GNP中的“国民”等同于“国民原则”、将GDP中的“国内”等同于“国土原则”的不确切概念，而是将GDP作为一个生产概念，将GNP作为一个收入概念，并且将GNP改称为国民总收入（GNI）。国民经济核算中对GNP和GDP概念认识的深化，以及各国核算从注重GNP到注重GDP的转变，是对世界经济发展格局巨大变化作出的一种反应。

　　前面说过，现在从政府官员、专家学者到企业界人士，越来越多地喜欢运用统计数据说话。但统计是一门专业性比较强的学科，门外汉使用统计数据时要特别当心。伊利•德文斯说过，“统计资料是为统计学家们用的”。也就是说，对统计指标知之不详，一知半解，很容易搞错指标的含义，或者不能正确表达资料的原意，就会滥用和误用统计数据，得出轻率的结论。因此，人们必须了解统计指标含义、计算方法和数据来源：它是从哪里产生的，它又是怎样得来的，它能说明什么问题，以及对问题能说明到什么程度。总之，统计指标需要用之得当，恰如其分。

　　人们常说，统计数据只有经过比较才能发现问题，说明问题。但两个数据进行比较首先要注意它们之间能否可比，而统计数据可比性往往涉及许多复杂的技术性难题。

　　GDP的国际比较就是一个例子。GDP国际比较首先遇到的是各国用本国货币表示的GDP换算成通用单位，通行的做法是按官方汇率换算成美元，然后进行国际比较。这就涉及两个问题：一是官方汇率不等于均衡汇率，实行固定汇率制度的国家汇率扭曲尤其大。用带有一定程度扭曲的官方汇率换算GDP，必然导致一定的偏差和失真。二是汇率主要反映的是国际间外贸货物和服务的比价关系，即使官方汇率与均衡汇率相一致，由于各国GDP中还包括大量的基本上只供本国居民消费的非外贸货物和服务，用市场均衡汇率统一衡量全部货物和服务，也会导致GDP的严重扭曲。

　　为了克服GDP国际比较中因汇率换算而产生的失真问题，就有了国际比较项目(InternationalComparisonProgram，即ICP），试图用购买力平价（PPP）来校正各国价格水平差异，进而换算各国GDP并进行国际比较。但ICP也有一定不足：一是ICP是一项规模浩大的世界统计项目，从2021年开始的第7轮ICP有163个国家和地区参加，暂且不论成本巨大，各国价格调查的工作基础、投入成本、认真程度差异很大，这势必影响其数据质量。二是从方法论角度看，ICP的核心就是计算一个人为的汇率，其中充满了各种假设和估计，它既不考虑不同国家之间相同产品的质量差异，也不考虑各国生产率因素、全球价值链因素和环境因素的巨大差异，因而人们对这种人为计算的“国际影子价格”的科学性提出了各种商榷。③ 三是由于ICP在基础数据质量和方法论上的缺陷，各轮次ICP的结果存在一定甚至较大差异，各轮ICP的数据更新总是伴随着争论，包括中国在内的许多国家官方并未完全认可ICP结果。

　　从市场汇率到PPP只是GDP国际比较面临的一个问题。事实上，GDP的国际比较还有不少需要注意的问题：

　　首先是体制差异。库兹涅茨在他的《各国的经济增长》中指出：“商品和劳务总值的增长，只有反映现行各种社会与制度的实际状况的权衡尺度大致相同时，才是可以比较的；如果一国所用来保证这种增长的方法是不为他国所接受的，那么它们是不可比较的。”④ 上世纪80年代初，日本经济学家香西泰发表过一篇关于我国经济总量由MPS体系换算成SNA体系的论文《中国国民经济核算初探》，他在文中说：“社会主义与资本主义，计划经济与市场经济，在政府、企业、价格等基础概念及其作用、意义上迥然不同”，因而对这两者之间的经济总量数据比较和换算就要特别当心。

　　其次是价格形成机制的差异。价格在GDP这种价值指标中扮演十分重要的角色。如果一个国家的价格是由政府官员随意制定的，另一个国家的价格是由市场供求状况决定的出清价格，那么，这两个国家的GDP是不可比的。

　　再次是部门相对价格的差异。这在比较各国产业结构时格外需要注意。比如，我国在改革开放前第三产业比重很低，1978年第三产业增加值占GDP比重仅为24.6%，这固然主要是因为长期不重视第三产业所致，但也与当时服务业价格明显偏低有一定关系。相反，为了加快工业化进程，在行政定价的背景下，一些工业品则是价高利大。而在西方国家，往往是农产品和工业品价格不高，服务业价格（收费）较高。因此，不仅在对比我国与西方国家三次产业结构时，而且在对比我国改革开放前后三次产业结构时，都要注意部门相对价格及其变化。2020年与1978年相比，我国第三产业增加值增长57.0倍，不及同期第二产业增长59.0倍，但第三产业占GDP比重由24.6%上升到54.5%，上升近30个百分点，而第二产业占GDP比重则由47.7%降至37.8%，下降近10个百分点，这足以说明部门相对价格变化对产业结构变动的影响有多大。

　　第四是短缺程度的差异。GDP常常作为衡量一个国家或地区经济福利的统计指标。如果两个国家人均GDP差不多，但一个国家短缺程度高，这也要凭票供应，那也要走后门才能得到；另一个国家则是有钱就能买到东西，那么这两个国家的经济福利水平就有相当大差异。这是在过去比较东西方国家GDP时经常说到的话题。

　　第五是文化背景、消费偏好、气候条件等差异。比如我国储蓄率很高，这与中华民族勤俭节约、注重储蓄的文化传统有很大关系。又如气候条件的差异，上世纪90年代初世界银行发表的多年年度世界发展报告都指出：“在那些人们要为取暖和御寒的衣服花钱的较寒冷国家，其GNP就比那些人们可以在户外穿着舒适轻装的气候温和国家要高。”⑤

　　第六是统计数据质量的差异。许多国家的统计系统还很薄弱，这影响了GDP数据的可得性和可靠性,这些国家GDP具有相当大的误差幅度；不同国家间在国民账户体系的口径上存在着差异；各国GDP核算方法不尽相同，如我国GDP以生产法核算为主，不少国家GDP以支出法核算为主。因此，GDP国际比较时，它们只能被看作是不同国家之间发展趋势的标志和主要差别的表征，而不是对这些差别的准确计量。顺便说一下，我国国内不同地区之间统计数据质量也存在相当大的差异，在运用统计数据进行区域经济比较时，同样要注意这个问题。

　　正确认识统计指标的定义、特性和不足，是正确运用统计指标的前提和基础。前面举了GDP的例子，其实，GDP是一个概念定义比较明确、核算方法比较规范的统计指标，与GDP相比较，有的统计指标更加复杂，使用那些复杂的统计指标更要格外小心慎重。

　　例如全要素生产率。提高全要素生产率被写入一些地区政府工作报告并列入年度和五年规划中。全要素生产率又称“综合要素生产率”，它在原苏联和东欧国家以及我国过去的官方提法中被称为“科技（技术）进步贡献率”，其经济意义是经济产出增长率与资本和劳动投入贡献之间的差额（余量）。根据柯布-道格拉斯生产函数，有下式：

　　这里，Y代表产出，K代表资本，L代表劳动，a是资本的产出弹性，β是劳动的产出弹性，A表示全要素生产率。

　　把（1）式改写成对数形式并微分，再用差分方式来近似地代替微分方程，这样，函数转变成了增长率的形式：

　　这就是著名的“索洛（Solow）余值法”。 它是衡量全要素生产率（科技进步作用）的主要公式之一。 但这里实际上隐含着一些前提假设。 主要有： 1.全要素生产率（技术进步）是产出增长减去资本和劳动增长后的余留部分，它包括改善资源配置、规模经济、知识进展、分工细化、材料节约、技术改进、政策变化乃至气候影响等一切提高效率的因素。 2.技术进步是独立于资本和劳动投入的外生变量。 3.技术进步是希克斯（Hicks）所定义的中性技术进步，即技术进步不会改变生产要素资本和劳动的比例。 4.生产要素的边际生产率是递减的，因而资本和劳动的产出弹性a和β的取值范围在0与1之间。 所有这些前提假设都与现实并不完全相符。

　　测算全要素生产率除了计算公式选择和前提假设之外，还有指标确定和参数估计的问题。指标涉及产出（GDP）、劳动（力）和资本3个指标。我们来看后两个指标。人口普查年份常常伴随着对各省区市常规年度人口统计数据的重大修正，这从一个侧面说明劳动力（从业人员）的数据质量大有改进余地。而资本无论是采用国民经济核算中的“资本形成总额”，还是采用投资统计中的固定资产投资额，都既有提高其数据质量的问题，又有如何扣除价格因素更加准确计算其实际增长率的问题。

　　更大的问题是如何确定资本和劳动的产出弹性系数a和β，这对测算全要素生产率有相当甚至举足轻重的影响。对于我国全要素生产率的测算，在上世纪八、九十年代对a和β比较多采用经验确定法，但不同的人取值出入很大甚至截然相反。⑥ 进入新世纪之后，对a和β更多地采用回归方法得出，但回归方法的统计检验可能不理想，或者回归得出的参数值可能没有经济意义（如a和β为负数）。

　　总之，全要素生产率虽有助于拓宽人们对技术进步和提高效率重要性的认识，但由于其定义范围太广、抽象层次太高、前提假设太多，以及使用统计资料和参数估计很不相同，因而对某个地区和某个时期全要素生产率的测算，不同的人往往会得出极为不同的结果。对运用这种统计指标作为衡量和考核一个地区科技进步和效率提升的局限性，必须有全面和清醒的认识。

　　类似的统计指标还有不少，广义的“数字经济增加值”就是其中之一。目前国际上对数字经济的概念和内涵尚未达成共识，数字经济核算也没有规范的国际标准。从国内外研究机构和统计机构的测算看，数字经济定义有狭义和广义之分。狭义的数字经济类似于我国国家统计局制定的“数字经济及其核心产业统计分类”，美国经济分析局（BEA）、经济合作与发展组织（OECD）等基本采用这种狭义口径。据此估算，数字经济增加值占GDP的比重，2016年我国为6.6%，2016年美国为6.5%，2012年经合组织国家为6%左右。2020年我国数字经济增加值占GDP比重提高到7.8%。美国经济分析局对数字经济分类作出一定调整，并基于源数据更新进行数据调整，2020年美国数字经济增加值占GDP比重为10.2%。⑦

　　尽管各国对狭义的数字经济核心产业范围的界定有些差异，但总体上还是基本可比的，数据质量也是基本可控的。而广义的数字经济增加值，除了数字经济核心产业增加值之外，还估算了各部门使用数字技术而带来的产出增加和效率提升，并且把前者称之为数字经济的“直接贡献”，把后者称之为数字经济的“间接贡献”。对数字经济的“间接贡献”的测算，采用了非常复杂的经济增长核算公式。以某研究院的方法为例，其测度框架为：

　　其中，Y代表产出（GDP），K为非ICT（信息通信技术）资本，I为ICT资本，M为中间产品，L为劳动，A为全要素生产率，a、β、λ为估计要素收入份额的参数。与测算全要素生产率的公式相比，资本细分为ICT资本和非ICT资本，此外还增加了中间产品的变量。如此复杂的测算公式，许多指标缺乏数据来源，参数选择存在人为因素，价格缩减又是一个问题……撇开这些因素，老实说，其测算结果必然有很大的不确定性和波动性。如果我们使用这种数据而没有留下笑柄，反而会让人感到奇怪。反过来说，我们看到的逐年提高的我国及各省区市广义数字经济增加值占GDP比重，很可能不完全是根据上述公式测算的结果，而是人为地调整系数、修改结果，本身就属于玩具步枪的性质，它顶多只是进行效果的操作。这并没有泄露什么机密。

　　说了那么多关于统计指标和统计数据的问题，目的是想让人们对统计指标的性质有更加全面和正确的认识。

　　首先，不是所有的经济现象都能用统计指标加以测度。只有可计量的东西才能计量。社会经济现象极其复杂，有些东西在目前的认识能力和技术条件下，还不能量化；有些东西尽管在理论上可以量化，实践中却缺乏可操作性。绿色GDP就是一个例子。绿色GDP从其概念的提出到核算方法的研究，已历经几十年时间，但至今尚未一个国家以官方统计名义公布绿色GDP数据。

　　其次，经济统计指标概念与经济理论概念往往存在很大区别。经济理论概念是从客观经济生活中概括出来的科学的抽象，是比较纯粹的东西；而统计指标是一个人为设计的、内容不纯粹的东西。比如，经济学中的“价值”，按照马克思的定义，价值是生产商品所耗费的劳动。价值的大小可用价值量来表示，价值量是由生产商品的社会必要劳动时间所决定的。考虑到简单劳动和复杂劳动在劳动时间上无法直接换算，更主要还在于，我们不知道生产商品耗费的劳动时间，多少是为社会所“必要”的，因此不可能直接计算商品价值量。经济统计中的GDP等所谓“价值量”统计指标，不过是以货币表示的货物和服务的产出量，因为在统计这些指标时，货物和服务的价格与其价值是否接近或背离，是根本不予考虑的。⑧

　　再次，统计指标结果与人们的感受也往往存在一定差异。这不仅是由于统计指标具体数值与反映的现象事实之间存在一定的统计调查误差，还因为统计指标概念与理论概念的差别带来的。笔者从事长期统计工作常常有这样的体会：人们想计量的东西往往是很难统计的，而人们能够统计的东西与人们想要计量的东西往往存在很大的差异。比如，为了统计的便利，在统计指标口径范围的确定上，有时不得不采取武断的简单化做法。GDP只核算市场化活动的价值，家务劳动不予包括，这就产生了一个女秘书与她的律师结婚，结果将导致GDP减少的似是而非的问题。另一方面，“只核算市场化活动的价值”又有例外的做法，GDP包括了居民从自有住房得到的“虚拟租金”。如此等等。这说明，从抽象转化为可测度、可操作的统计数据，其中的差异是显而易见的。换言之，用统计指标反映经济现象是近似的、有距离的，对此决不能忽视。

　　1.基于统计的数目字管理十分重要也非常必要。现代国家治理，不能大而化之，无的放矢，需要摸清底数，精确管理；不能凭经验、拍脑袋，需要量化比较、精准施策。尤其是在数字经济时代，数据已成为经济社会发展重要的生产要素和极具价值的资源，收集数据、使用数据和开放数据是提高核心竞争力的重要内容。因此，推进国家治理体系和治理能力现代化，需要数目字管理，需要构建现代化的统计体系和打造高质量的统计工作，需要统计部门提供领域更完整、内容更丰富、准确度更高、颗粒度更细的数据支撑。

　　2.加强对统计数据的阐释才能充分实现统计工作的社会价值。统计是一门比较专业的学科，一般民众往往缺乏系统的专业知识，很多人可能不那么了解统计指标的特点和统计方法，大部分是知其然不知其所以然，难以了解这些数据究竟说明了什么问题，说明问题能说明到什么程度。这就需要统计工作者对这些统计数据所蕴含的经济社会发展状况和态势进行解读和分析。因此，统计工作者能否对这些统计资料进行正确解读，对于完成统计肩负的使命至关重要。

　　3.领导干部和专家学者要学习掌握统计知识。领导干部是统计数据的重要用户。各级领导干部要善于运用统计进行科学决策和科学管理。中央《关于深化统计管理体制改革提高统计数据真实性的意见》中特别提到：“要对干部是否善于利用统计数据进行考核。”是否善于利用统计数据的前提是了解统计知识，掌握正确解读和运用统计指标的方法。比如，了解全要素生产率（科技进步贡献率）是如何计算得来的，就会对年度全要素生产率比上年提高多少个百分点这样的统计数据持一份怀疑态度。如果一个地区年度经济增长率有一定甚至忽上忽下的波动，而该地区全要素生产率却是逐年稳定提高，就可以知道这种数据不大对头，很可能是骗人的把戏。专家学者不仅要学习掌握统计知识，还要有点科学统计素养，起码不要过分渲染、夸大数据的变化以歪曲事实，误导公众。

　　4.数目字管理不能过于泛化和简单化。说来有点戏剧性，极力推行数目字管理的黄仁宇，在美国大学教中国历史时，却被美国人设计出来的数目字管理制度FTE（全职教书等量单位）判定为不合格教授，因而被解聘失去了大学教职。统计数据具有指标概念的具体性（与理念概念的纯粹性相对应）、口径范围的划一性、计算结果的近似性等特点，量化管理和量化考核如果不考虑统计指标的这些特点，一味把各种指标数据拿来“捣鼓”滥用，就会引致偏颇的结果。就像黄仁宇教授被辞退那样，简单按照选课学生数、课时数、学生的不同身份折合为某个数量，“不考虑该门功课是否必修，也不管教师的等级、资历深浅或专长，一切都由电脑来计算”，容易产生伪科学盲动。数目字管理应用在经济和社会领域更不能简单化。人类经济行为极具丰富性、复杂性、广泛性，我们研究经济问题的技术手段有限，我们观察经济问题的能力具有局限性，除了可以运用的统计数据、数理手段研究经济问题，更多的经济问题还需要运用历史、逻辑、哲学、实践的方法来解释和解决。执迷于来源不明、含糊不清的数据之中，经济工作的着眼点就容易放在一些指标比例上，在数据上做文章，难免忽略对经济问题的深刻分析。说到这里，要强调的是，黄仁宇提出数目字管理的概念，确实将统计学的数目字含义包含在内，但这个概念真正的含义是“精确化管理”，它除了量化考核的技术手段含义之外，其实更核心的含义是产权清晰、市场化、司法保护等一系列带有自主性的社会机制。⑨

　　5.强调数目字管理的同时要高度重视“不可量化的价值”。正如当代人类学先驱马林诺夫斯基所说，生活中充满“不可测度的价值”，有些东西不能用冷冰冰的数据来回答。比如，在经济学研究中，如果不认真思考单纯的“质”的现象，而只关注那些量的、可测度的方面，很容易导致从现象中选出一些恰好能够计算但最不相关的因素进行研究，而放弃对事物发展起关键作用的因素的研究。目前经济学研究过分推崇数理化，数理公式和数学模型充斥各种学术刊物，用众所不知的语言，得出众所周知、极为肤浅的结论，却很难看到思想深刻的学术观点，就是一个例证。其实，把数据化、可计量化称为科学的“进步”、社会的“进步”，这种看法已经开始受到很多质疑。我们应该检视“不可量化的价值”，对我们的生活不断地被数据化、被量化的趋势保持一份谨慎、清醒和警惕。生活的延续离不开普通人平庸的“在乎”，这就是“价值”，也是生命和生活引人入胜的意义所在。或者可以这么说，数据是时间结的果子，数据背后的故事，里面蕴含酸甜苦辣的人生况味。我们在数目字管理中不能自我降格，沦为数据的奴隶，相反，必须“在乎”隐匿于生活细节中的“不可量化的价值”，领悟和守护生命中神秘幽暗的东西。