2008年中国家庭居民的消费水平持续提高，与2006年社会状况综合调查结果比较，消费支出总额从17388元升高到22555元（未考虑价格变动因素），消费结构也进一步改善，作为家庭生活水平标志的恩格尔系数（家庭食品支出占消费总支出的比例）进一步降低。在2008年城乡家庭消费支出细项中，列前三位的消费类型是食品、教育和医疗，分别占总支出的34.0%、11.5%和10.6%。

调查还显示，城乡居民消费的总体结构及家庭生存型消费（包括食品与衣着类）与发展型消费（包括居住、交通、通讯、文教、娱乐用品、医疗保健、旅游等）所占比重，都发生了重要变化。从购买商品和服务的消费情况看，城乡居民消费层次有所提高。大众耐用消费品普及率提高较快，但家庭消费率总体仍偏低。

2013年，全国共有工业企业法人单位241万个，从业人员14025.8万人，分别比2008年增长26.6%和19.5%。

2013年，在工业企业法人单位中，采矿业8.9万个，比2008年下降1.4%；制造业225.2万个；电力、热力、燃气及水生产和供应业6.9万个，比2008年下降0.1%。在工业企业法人单位从业人员中，采矿业占7.4%，制造业占89.2%，电力、热力、燃气及水生产和供应业占3.4%。

699万，这是教育部统计的2013年全国普通高校毕业生的人数，比2012年增加了19万，是2000年的6.5倍多，当时的毕业生总数为107万，由于就业形势严峻，这个夏天被称为“史上最难就业季”。

今年就业形势可用“一增两减”概括：人增，今年高校毕业生比2012年增加19万人；薪减，部分行业起薪下调，行政管理、文秘等专业，从2200元降到1800元，减少400元；岗减，据麦可思研究院2月份对近500家用人单位的统计，今年计划招聘岗位数同比降幅接近15%。以北京为例，2012年毕业生总数为22.3万人，用人单位对大学生的需求岗位为11.4万个；2013年毕业生总数增加了0.6万，而用人单位对大学生的需求岗位却减少了1.6万个。

截至2013年5月，全国部分地区高校毕业生签约率：上海为44.4%，广州为50%，江西为53%，北京为33.6%。

早在2010年的中国就业促进代表大会上，时任人社部就业促进司司长于法鸣就预计，“十二五”期间，我国平均每年需要解决2500万人就业，而如果经济增速保持在8%，每年能提供的岗位约为1200万个，存在较大供需缺口。

面对就业难的严峻形势，不少大学毕业生将目光瞄向了创业，大学毕业生创业问题也成了大家关注的热点。然而，根据国家有关部门统计，近几年，全国大学生创业成功率在1%左右，全国各地区也都在此水平左右，其中，广东1%左右，河北0.3%，最高的是浙江省，为4%，而全世界大学生的平均创业成功率是10%左右，美国大学生的创业成功率更是高达30%。

我国大学生创业成功率低有很多原因，但资金是第一大瓶颈，据有关调查结果显示，大学生创业资金来源中93%来自于家庭，5%来自于银行贷款，1%来自于风险投资，另有1%来自于政府投资。

2013年全年，我国出口苹果数量为994664.1吨，同比增长1.9%，金额为10.3亿美元，同比增长7.3%。

2013年12月，我国出口苹果数量为117478.4吨，比11月下降8.0%，金额为1.2亿美元，比11月下降7.7%，同比出口数量增长2.6%，金额增长12.5%。

2013年1-11月，我国对亚洲出口苹果数量为764096.4吨，同比增长6.8%；对非洲出口苹果数量为1943.9吨，同比下降56.6%；对欧洲出口苹果数量为106279.0吨；对南美洲出口苹果数量为711.3吨，同比增长7.6%；对北美洲出口苹果数量为3843.3吨，同比增长25.0%；对大洋洲出口苹果数量为311.8吨，同比增长48.3%。

技术塑造全新的理论范式。大数据技术给公共管理带来了一场新的范式革命，这场范式革命表现在：第一，方法论范式的转型。大数据借助于云平台而具有数据搜集、分析、管理、挖掘和重组的功能，以及基于多类型数据和海量数据的预测功能，从而形成一整套基于大数据技术的方法。此类方法在大数据技术诞生前是完全没有的。其数据能实时更新，且接近于全数据，因此被广泛运用于恐怖主义研究、移民研究、战争与冲突研究、国际反腐败研究等社会科学的各个领域。面对这样一个时代和技术，传统的管理方法如定性和定量研究、比较分析、案例分析等基于“小数据”的研究方法，将更多地为数据挖掘、全数据分析等全新的研究方法所代替。简言之，“大数据+”开创了社会科学研究的新技术和新方法。第二，研究思维范式的转型。过去的案例研究、样本研究体现的是数据“精确性”思维、因果关系思维和定性思维，而借助于大数据技术，现已转向“量化”思维，即以全数据为目标的思维，以“混杂性”思维为形式，以量化数据值之间的“相关关系”为核心内容。单纯的“计算社会科学”也并不完全反映“量化”思维。第三，研究对象的转变。大数据技术诞生前，公共管理的对象是人及其相互关系。人既成为管理对象，也成为管理的工具，结果是人成为管理者的“被管理者”。大数据的公共管理对象是人所有活动所产生的数据，目的是用数据及其产生的价值来为人服务，体现了人本主义管理思想。第四，绩效检验方式的转变。此前，绩效检验的目的是以政策的落实和政策对人发挥规制作用来衡量，但政策是否科学则容易被忽视，而且，往往采取刚性强制手段。就是说政策确实发挥了作用，但人也可能因强制而对政策产生抱怨，甚至有些情况下有些人成为反政策的一员。大数据条件下的绩效检验则强调技术对人的所有社会活动产生的数据进行收集、整理、分析，最终使数据通过服务于人来体现其价值，使人在享受价值服务的过程中自觉维护良好的秩序。
从具体的实践层面看，也有了变化。第一，大数据技术使公共管理的实践内容从流量管理向数据管理转化。传统的公共管理尤其强调流程的重要性，这主要是基于行政的科层体制。但在实践中，这会慢慢演变成流程的刻板化，效率日趋下降，甚至影响流程的合法性。而大数据技术则专注于对管理对象的数据收集、分析，它管理的对象是数据，核心是对数据进行处理。第二，大数据使公共管理的实践从事后机械应对转向智能化预先治理。传统的方式，无论是管理还是治理，都是出现了问题才采取措施。即便有所谓的预防性治理或预防性管理，也常常非常盲目，甚至可能没有任何针对性。因此，其典型特征就是事后的机械性。大数据条件下则截然不同，其核心就是预测。它通常被视为人工智能的一部分，是把数学算法运用到海量的数据上来预测事情发生的可能性。之所以能够成功，关键在于它是建立在海量数据的基础之上的，而不是基于某个人的主观判断。