经济预测是经济学最重要的职能之一，也是政府、企业、个人等进行决策的参考和依据。基于计量经济方法实施的经济预测，特别是宏观经济预测，离不开经济统计的支撑。经济统计是经济预测得以实施的前提，为经济预测提供了最基础的数据指标。

　　大数据对经济预测的影响涉及数据来源、预测方法、预测结果等几乎每一个环节，在某种程度上改变了常规经济预测所遵循的基本范式。首先，经济预测的数据基础发生很大变化。经济统计不再是数据指标的唯一来源，基于互联网技术产生的搜索数据、社交媒体数据、在线新闻、交易支付数据以及快递服务数据等都可以用于经济预测。其次，数据指标的生成也不再完全依赖传统的抽样调查、经济普查。基于搜索数据、社交媒体数据等网络数据资源可以实时生成不同的数据指标。再次，对经济预测所采用的方法、工具有了新的要求，通常是将传统的计量经济方法与机器学习、统计学习等分析手段相互结合，以适应大数据处理的需要。最后，大数据有助于经济预测结果的改善。一方面，在既有的计量经济预测模型中引入大数据及相应的处理方法，能够较为显著地减少误差、提高预测精度。另一方面，预测的时效性进一步增强。在网络在线数据的支撑下，数据指标的滞后问题得以解决，近乎实时的即时预测已经出现。

　　搜索数据的应用提高预测精度

　　谈及搜索数据在经济预测中的应用，必然离不开对谷歌趋势（Google Trends）数据的介绍。谷歌趋势数据是针对某个地区不同时间特定关键词查询数量生成的查询指数，其构造过程大致如下：（1）计算查询份额（Query Share），即某个地区某个时间段包含某个关键词的查询数量占所有查询的比重；（2）生成查询指数（Query Index），将一段时间内查询份额的最高值标准化为100，并将初始时点的查询份额标准化为0。谷歌将搜索查询分成30个一级大类，并进一步细分为250个二级类别，这样便可很容易获得数百个谷歌趋势查询指数，查询指数数据最早可追溯到2004年1月1日。

　　谷歌趋势数据最早是由著名经济学家哈尔·瓦里安（Hal Varian）引入到经济预测中的。自2008年以来，瓦里安教授与其合作者发布了一系列利用谷歌趋势数据进行经济预测的研究成果，预测内容涉及汽车及零部件销售额、失业救济申领人数、旅行目的地、消费者信心等。其基本思路是，在传统的时间序列预测模型基础上，加入谷歌趋势生成的查询指数，以提高预测精度。瓦里安教授的预测实践表明，借助谷歌趋势，能够有助于即时预测精度的提高。相关事例还表明，在出现拐点时期，加入谷歌趋势指数作为变量，也能取得较好的预测效果。这恰恰是以计量经济模型为基础的常规经济预测一直未解决的难题。

　　近两年来，越来越多的欧美机构及学者将谷歌趋势数据运用于不同类型经济活动的预测中。例如，德国劳工研究所的学者利用谷歌趋势数据对住房贷款违约比例进行即时预测，发现效果明显优于基础的自回归模型。爱尔兰中央银行的学者利用谷歌趋势的相关概率指标，对其宏观经济预测模型进行随时调整，成功提高了即时预测精度。

　　除了谷歌趋势数据外，其他搜索引擎如必应、百度等，其搜索数据也被用于经济预测。百度公司推出了与谷歌趋势类似的“百度指数”，相关数据指标也被用于经济预测。2014年，中国科学院大学的几位学者将“百度关键字指数”纳入到他们开发的“中国股票市场预测模型”中，将预测平均误差值从之前的3.8%降低到1.4%。