论文部分内容阅读
摘 要:随着我国社会进入数字化时代,经济数据和信息内容不断累积,对于经济统计工作的要求在不断上升,而统计工作对于社会经济的发展有着重大的意义和作用,行业和国家都需要参照详实的最新统计信息来进行发展调整和政策调整。数据挖掘技术的主要作用是为了保障经济统计工作的开展顺利,需要在海量数据当中有效地提取价值程度较高的信息,依据有效的数据信息的提取与分析,为经济发展提供参考依据。本文简要的分析了经济统计工作之中数据挖掘技术的应用范围及其意义,希望对从业人员有所启发和帮助。
关键词:数据挖掘;经济统计;应用探讨
随着我国社会进入数字化时代,经济数据和信息内容不断累积,使经济统计数据变得越发庞大,对于经济统计工作的要求在不断上升,传统统计技术已经无法实现对庞大的数据进行准确和有效的分析,而统计工作对于社会经济的发展有着重大的意义和作用,行业和国家都需要参照详实的最新统计信息来进行发展调整和政策调整。数据挖掘技术的主要作用是为了保障经济统计工作的开展顺利,需要在海量数据当中有效地提取价值程度较高的信息,依据有效的数据信息的提取与分析,为经济发展提供参考依据。本文在以下几个方面对数据挖掘技术在经济统计工作中的意义做出了阐述和分析。
一、数据挖掘技术的简介
数据挖掘技术从字面上就可以理解为对数据的更深层次的开发应用,而在专业的角度上我们将对原生数据的整理和开发过程称之为数据挖掘,这是一门新兴的、具有多个学科交叉特征的技术,这门技术可以集中整合并深度处理海量的结构复杂、内容繁琐的原生数据信息,可以剥离原生数据的模糊性、随机性、不完全性等自然属性,使其变得规范和有价值。该技术的内容涉及了数据统计、数据库、机器学习和神经网络等,还包括诸多技术类型,比如模式識别系统、、模糊概念等。数据挖掘技术能够帮助经济统计从业人员或者数据使用者在获取和读取使用数据信息时更加的便利与快速。
二、数据挖掘技术在经济统计中的应用的优势
1.有效性显著
作为新兴的应用技术,数据挖掘还处于推广阶段,但是在实际应用中,数据挖掘不仅可以高效管理累积的庞大经济数据信息,还可以重新加工原有数据内容,在此基础上多层次分析既有经济数据应用的目的性,以保证使用人员可以对数据深层次意义以及使用价值形成有系统化地了解,能够在使用过程中一定程度上地更加深入地对一些有用信息进行开发,为使用人员的实际需求提供最大化的数据服务,这些特性使其在实际应用的过程中呈现出了较高的有效性。
2.较高的综合应用性
当下的经济统计工作之中,越来越多的领域已经开始重视应用起数据挖掘技术,该技术并非仅仅是一种分析数据的工具,同样能够充分的满足数据使用人员对于一些特定数据的需求。数据挖据技术能够实现定向整理和开发统计数据的效果,构建系统处理体系与数据解读的方式,使数据可以以多元化呈现方式,确保进一步优化数据处理的效果。
3.海量的数据处理能力
数据挖掘技术是基于庞大的数据难以技术处理而运用产生的技术。宏观的数据库是数据统计结果的优化的基础。传统的经济统计方法无法同时处理大量的不同部门的复杂数据信息,这样很难使数据信息形成一个有机的整体,在使用过程中无法最大限度的发挥数据有效价值。而数据挖掘技术可以整合海量数据,可以得到更加丰富和良好的数据资源,同时可以借助多元化经济统计体系的运用与深化,尽量规避统计工作重复,为经济管理活动需求提供必要的服务,也可以为数据的优化提供必要技术手段,进一步优化统计信息完整程度,搭建数据信息化平台,集中提供更好更完整的数据服务。
三、数据挖掘技术在经济统计中的应用范围
经济数据统计基本分为三个阶段:预处理、集成化处理、数据转化。所以相应来说数据挖掘技术的主要应用也在这三个阶段。
1.数据预处理
对经济数据进行预处理是经济统计的基础,经济信息统计收集的过程常常会存在所收集到的数据发生模糊或者缺失的问题。数据信息的预处理是非常重要的管控措施。通过预处理能够将数据中偏差较大、不准确、不真实的数据进行去除,处理这些数据的方法叫作数据清理。例如:预测法、平滑法、均值法等。在对预处理方法运用的时候,可以智能分析所提取出来的基础信息,通过经济统计预处理,可以保障数据的真实性以及正确性。
2.数据集成化处理
数据集成的含义就是对大量不同的数据进行垂直集合整理,经济统计数据来源多样,有可能出现有多个数据源重叠统计,内容也越来越复杂,导致数据集成变得更加困难,这就要对数据进行统一的整理,使其变的精简、有效、系统、深入,而这个过程也就是数据集成化处理。经过处理所得到数据信息更全面、更真实性、更具有实用性,可以让数据使用人员在使用数据时更加方便快捷直观。
3.数据转换
转换环节是经济数据信息的呈现环节,数据的转换方式要能够保证数据使用人员满足其使用需求,数据转换要将数据变得更加直观,将高层次的数据信息替代低层次的数据信息,方便各种数据使用人员对数据进行有效利用,而不是二次处理。要在数据转化构建系统化的处理体系与数据解读的方式,使数据可以以多元化呈现方式,确保进一步优化数据处理和使用的效果。
以某果蔬零售企业为例,该超市会员卡中含有会员身份证号信息,进而可得到会员年龄数据集合,将会员卡与手机微信绑定后可以方便为会员提供实时信息咨询。假定会员年龄为会员购物篮中商品,从而可以将其转换为单属性关联规则问题进行分析。遵循深度优先遍历法从年龄节点开始进行计算检验,可以得到固定年龄段消费者对于各类商品的喜好程度以及购买欲望,如假定该商品的最小支持度(minsupport)为30%,在某年龄段节点中得到满足支持度的频繁2-项集以及频繁3-项集,依此类推,由此可对各个年龄段最大频繁项集进行分析,进而得出营销结论。
四、总结
数据挖掘技术随着数据化时代的到来,必然会在经济统计工作中发挥显著作用,从业人员要深刻认识数据挖掘技术并且了解数据挖掘技术的特点,积极运用数据挖掘技术,满足各类统计分析的需求,进而提高数据统计分析的质量。
参考文献:
[1]辛金国,柯芳,李绍君 ,et al.数据挖掘技术在经济统计中的应用探索[J].统计与决策,2009(9):24-27.
[2]杨梅冰,梁思思.关于数据挖掘技术在经济统计中的应用[J].时代金融,2015(24):173-175.
[3]周光华,李岳峰.数据挖掘技术在卫生统计信息工作中的应用研究[J].中国卫生信息管理杂志,2012,9(06):82- 86.
关键词:数据挖掘;经济统计;应用探讨
随着我国社会进入数字化时代,经济数据和信息内容不断累积,使经济统计数据变得越发庞大,对于经济统计工作的要求在不断上升,传统统计技术已经无法实现对庞大的数据进行准确和有效的分析,而统计工作对于社会经济的发展有着重大的意义和作用,行业和国家都需要参照详实的最新统计信息来进行发展调整和政策调整。数据挖掘技术的主要作用是为了保障经济统计工作的开展顺利,需要在海量数据当中有效地提取价值程度较高的信息,依据有效的数据信息的提取与分析,为经济发展提供参考依据。本文在以下几个方面对数据挖掘技术在经济统计工作中的意义做出了阐述和分析。
一、数据挖掘技术的简介
数据挖掘技术从字面上就可以理解为对数据的更深层次的开发应用,而在专业的角度上我们将对原生数据的整理和开发过程称之为数据挖掘,这是一门新兴的、具有多个学科交叉特征的技术,这门技术可以集中整合并深度处理海量的结构复杂、内容繁琐的原生数据信息,可以剥离原生数据的模糊性、随机性、不完全性等自然属性,使其变得规范和有价值。该技术的内容涉及了数据统计、数据库、机器学习和神经网络等,还包括诸多技术类型,比如模式識别系统、、模糊概念等。数据挖掘技术能够帮助经济统计从业人员或者数据使用者在获取和读取使用数据信息时更加的便利与快速。
二、数据挖掘技术在经济统计中的应用的优势
1.有效性显著
作为新兴的应用技术,数据挖掘还处于推广阶段,但是在实际应用中,数据挖掘不仅可以高效管理累积的庞大经济数据信息,还可以重新加工原有数据内容,在此基础上多层次分析既有经济数据应用的目的性,以保证使用人员可以对数据深层次意义以及使用价值形成有系统化地了解,能够在使用过程中一定程度上地更加深入地对一些有用信息进行开发,为使用人员的实际需求提供最大化的数据服务,这些特性使其在实际应用的过程中呈现出了较高的有效性。
2.较高的综合应用性
当下的经济统计工作之中,越来越多的领域已经开始重视应用起数据挖掘技术,该技术并非仅仅是一种分析数据的工具,同样能够充分的满足数据使用人员对于一些特定数据的需求。数据挖据技术能够实现定向整理和开发统计数据的效果,构建系统处理体系与数据解读的方式,使数据可以以多元化呈现方式,确保进一步优化数据处理的效果。
3.海量的数据处理能力
数据挖掘技术是基于庞大的数据难以技术处理而运用产生的技术。宏观的数据库是数据统计结果的优化的基础。传统的经济统计方法无法同时处理大量的不同部门的复杂数据信息,这样很难使数据信息形成一个有机的整体,在使用过程中无法最大限度的发挥数据有效价值。而数据挖掘技术可以整合海量数据,可以得到更加丰富和良好的数据资源,同时可以借助多元化经济统计体系的运用与深化,尽量规避统计工作重复,为经济管理活动需求提供必要的服务,也可以为数据的优化提供必要技术手段,进一步优化统计信息完整程度,搭建数据信息化平台,集中提供更好更完整的数据服务。
三、数据挖掘技术在经济统计中的应用范围
经济数据统计基本分为三个阶段:预处理、集成化处理、数据转化。所以相应来说数据挖掘技术的主要应用也在这三个阶段。
1.数据预处理
对经济数据进行预处理是经济统计的基础,经济信息统计收集的过程常常会存在所收集到的数据发生模糊或者缺失的问题。数据信息的预处理是非常重要的管控措施。通过预处理能够将数据中偏差较大、不准确、不真实的数据进行去除,处理这些数据的方法叫作数据清理。例如:预测法、平滑法、均值法等。在对预处理方法运用的时候,可以智能分析所提取出来的基础信息,通过经济统计预处理,可以保障数据的真实性以及正确性。
2.数据集成化处理
数据集成的含义就是对大量不同的数据进行垂直集合整理,经济统计数据来源多样,有可能出现有多个数据源重叠统计,内容也越来越复杂,导致数据集成变得更加困难,这就要对数据进行统一的整理,使其变的精简、有效、系统、深入,而这个过程也就是数据集成化处理。经过处理所得到数据信息更全面、更真实性、更具有实用性,可以让数据使用人员在使用数据时更加方便快捷直观。
3.数据转换
转换环节是经济数据信息的呈现环节,数据的转换方式要能够保证数据使用人员满足其使用需求,数据转换要将数据变得更加直观,将高层次的数据信息替代低层次的数据信息,方便各种数据使用人员对数据进行有效利用,而不是二次处理。要在数据转化构建系统化的处理体系与数据解读的方式,使数据可以以多元化呈现方式,确保进一步优化数据处理和使用的效果。
以某果蔬零售企业为例,该超市会员卡中含有会员身份证号信息,进而可得到会员年龄数据集合,将会员卡与手机微信绑定后可以方便为会员提供实时信息咨询。假定会员年龄为会员购物篮中商品,从而可以将其转换为单属性关联规则问题进行分析。遵循深度优先遍历法从年龄节点开始进行计算检验,可以得到固定年龄段消费者对于各类商品的喜好程度以及购买欲望,如假定该商品的最小支持度(minsupport)为30%,在某年龄段节点中得到满足支持度的频繁2-项集以及频繁3-项集,依此类推,由此可对各个年龄段最大频繁项集进行分析,进而得出营销结论。
四、总结
数据挖掘技术随着数据化时代的到来,必然会在经济统计工作中发挥显著作用,从业人员要深刻认识数据挖掘技术并且了解数据挖掘技术的特点,积极运用数据挖掘技术,满足各类统计分析的需求,进而提高数据统计分析的质量。
参考文献:
[1]辛金国,柯芳,李绍君 ,et al.数据挖掘技术在经济统计中的应用探索[J].统计与决策,2009(9):24-27.
[2]杨梅冰,梁思思.关于数据挖掘技术在经济统计中的应用[J].时代金融,2015(24):173-175.
[3]周光华,李岳峰.数据挖掘技术在卫生统计信息工作中的应用研究[J].中国卫生信息管理杂志,2012,9(06):82- 86.