1、数据的无穷价值
       数据的基本用途维信息的收集和处理提供了可能。不同于物质性的东西，数据的价值不会随着它的使用而减少，而是可以不断地被处理。这就是经济学家所说的“非竞争性”好处，即某个人使用不会妨碍他人使用。并且数据信息不会像物质产品一样随着使用而产生耗损，却能产生新的价值。所以我们说数据信息的价值是可以无损耗的。数据的价值并不仅限于特定用途，它既可以为了同一目的重复使用，也可以为了其他目的多次使用。得益于数字技术的支撑，要了解大数据时代究竟有多少信息对我们有分析价值，后面的这一点尤为重要。在一个研究目标下，一个数据可以作为不同的变量来考量另一个数据所包含的某些特性。
     例如，当沃尔玛检查以往的销售数据并发现飓风和蛋挞销售之间存在有利可图的关系时，这种潜力的一部分已经得到实现。这意味着数据的价值远远大于其最初的实用价值（《大数据时代——生活、工作与思维》）。并且这种价值随着不断的被使用，也不断的增值。
      2、大数据时代对经济学研究的方法将会发生改变
出于研究手段和方法所限，“ 还是先谈理论经济学，后谈应用经济学，还是先谈应用经济学，后谈理论经济学。”这大概是我们一些经济学家的习惯思维或者是传统研究模式。但是这种模式中存在的“不相容性”是显而易见的。理论要有具有指导意义，应用要具备实证的基础，这就要使理论和应用保持“完美的相关性”。马克思的“劳动价值论”中用“一个织布工1小时织几米布”作为一种分析的出发点是对的。因为他所处的那个年代，社会劳动分工就是那个状态。但是到了二战以后的社会劳动分工，那就完全不是那么回事了。现代纺织工业最落后的生产状况已经是：384台织布机的8小时产量是由12个织布工、2个纬纱工、1个机修工、2个帮接工，1个落布工和1个修梭工来共同完成的（原纺织工业部标配：缺一不可），这还不包括加油工、空调工和库管工以及前道浆纱、细纱、粗纱、清花和梳棉工序的劳动等等。200年来，社会生产力和生产方式已经发展到今天，还用“1个织布工1小时织几米布”的话题，似乎有点“关公战秦琼”。劳动时间是可以表述劳动价值，但要认清怎样表述，如何客观地表述。马克思所说的“1个织布工1小时织几米布”是指英国早期的以羊毛为原料的纺织产业，那时的产业规模和机械化水平都很低，产业劳动分工还处于较为原始的状态。如今棉花和化纤是主要原料，产品品种规格繁杂，技术含量也不同。例如，低档的18x18和21x21平布、中档的斜纹卡其布、提花色织布、灯芯绒，或30x36精梳平纹布、高端的40x42甚至60x60细布、织锦、杭绸和湖绸、精梳毛织品，乃至军用降落伞用尼龙布等等，其中的技术要求、劳动技能和劳动成本、生产结构和组织关系等等是各不相同的。例如，40x40及以精梳平布和绸缎布料对织布工的经验和劳动技能以及劳动强度都是很高的，这些织布工用技师来形容绝不为过。所以再用劳动时间确定劳动价值这种“单因素分析”早已经行不通了。还有我们在马克思主义政治经济学中惯于例举的“3个先令=100个锅贴”或者“1只羊=2把石斧”等等，这些对于理论研究或者实证都已经不具有科学的价值了。按照米塞斯的话来讲：马克思如果活到现在也不会再这样讲的。经济学研究方法如果始终默守陈规，马克思主义政治经济学就不会有所发展。
    在大数据时代，人们的思维应当改变了。“我们理解世界不需要建立在假设的基础上，这个假设是指针对现象建立的有关其产生机制和内在激励的基础上的假设，我们也不需要建立这样一个假设▪▪▪▪▪大数据的相关关系分析法更准确、更快，而且不易受偏见的影响”（舍恩伯格、库克耶，2013）。
    3、经济学方法论的变革
一般，我们的直接愿望就是了解因果关系。即使无因果关系存在，我们也还会假定存在。研究证明，这只是我们的认知方式，与每个人的文化背景、生长环境以及教育水平是无关的。 在社会环境下寻找关联物只是大数据分析法的一种方式。同样有用的一种方法是，通过找出新数据种类之间的相互关联系来解决日常需要。例如，微观经济学中常用的“巴雷托最优”不能用来解释财富分配中的公平问题，这是因为“巴雷托最优”中没有财富分配的“相关变量”（因为那样经济学家就难以应付的），而在大数据分析法中，超算计可以很容易的把人的心理因素和社会效应等因素考虑在内——只要你能够把这些因素相关数据变量给它。这样，“巴雷托最优”的用场将会大不同了。我们通过找出一个或数个关联要素并监控它，就能够预测未来。系统依赖的是相关关系而不是因果关系。它告诉你的是会发生什么，而不是为什么发生。这正是系统的价值。
     在小数据时代，相关关系分析和因果关系分析都不容易，都有耗费巨大的问题，都要从建立假设开始，然后进行实验。这个假设要么被证实要么被推翻。但是由于两者都始于假设，因此这些分析就都有受偏见影响的可能，而且极易导致错误，甚至可能是颠覆性的错误。还有一种情况也逐渐受到重视，那就是在小数据时代，由于计算机能力不足，大部分相关关系分析仅限于寻求线性关系。这种情况随着数据的增加会发生改变。事实上，实际情况远比我们想象的要复杂得多，经过复杂的分析，我们能够发现数据的各种“非线性关系”。在经济学范畴，这大概才是“常态”。 多年来，经济学家和政治家一直错误地认为收入水平和幸福感是成正比的。我们从数据图表上可以看到，虽然统计工具呈现的是一种线性关系，但事实上，他们之间存在着一种更复杂的动态关系。对于收入水平在1万美元以下的人来说，幸福感并会随着收入水平提高而提升。对于收入水平在1万美元以上的人来说，幸福感并不会随着收入水平提高而提升。你如果发现这层关系，那么看到的就应该是一条曲线，而不是统计工具分析出来的直线。
    所以，大数据时代的经济学研究方法会给理论研究和实证方法必定会带来新的启示和探究途径。