數據挖掘技術在經濟統計中運用

導語：數據挖掘技術在經濟統計中運用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：新時期背景下，社會經濟發展速度明顯加快，有關經濟的數據與信息內容不斷累積，在海量數據當中有效地提取價值程度較高的信息，借助數據信息的提取與分析，為經濟發展提供了有價值的參考依據。其中，數據挖掘技術就可以在數據庫當中找到一定價值的隱藏事件，在人工智能、預測以及統計等諸多科學技術的作用下，能夠為經濟決策奠定堅實基礎。文章將數據挖掘技術作為重點研究對象，闡述其在經濟統計中的具體應用，希望有所幫助。

關鍵詞：數據挖掘技術；經濟統計；應用

經濟數據本身的發展性以及信息量的龐大性都十分明顯，所以作為統計數據工作人員在使用數據信息的時候，僅被局限在數據數字信息分析以及使用方面，并未對數據信息當中所蘊含的重要統計資料展開深入地挖掘。針對數據挖掘技術而言，其屬于全新統計方法，最明顯的優勢就是可以橫向與縱向地開發信息數據，并且在實踐中實現了研究領域的延伸，能夠進一步挖掘數據信息，并在基礎數據中獲取價值性較高的數據信息，并為社會統計數據工作的開展提供有價值的參考依據。

一、數據挖掘技術概述

（一）基本內涵

通過對數據挖掘技術的應用，可以集中整合并深度處理數據信息，確保深層次開發項目優化更加全面，實現系統升級。而在實踐操作方面，數據挖掘技術即可在相對復雜的數據庫當中對數據信息進行提取，以實現集中整合與分析的目標，并在大量數據信息當中對數據信息實用性展開深入挖掘。近年來，在經濟活動逐漸頻繁的背景下，信息量不斷增加，組成結構更加復雜，以上是原生態信息最明顯的特征。所以，為了綜合管理信息價值，必須針對其實施精細化研究，以免信息的價值被限制亦或是浪費。如果信息與數據價值得不到發揮，必然會對牽制數據信息統計工作產生不利的影響。在這種情況下，處理數據的過程中，各部門將數據挖掘技術進入其中，并系統化地分析雜亂原始數據信息，最終整合成具備現實意義的數據形態，全面優化數據提取的效果與應用的效果，并對其實施深入加工與綜合處理，進一步升級數據挖掘的水平。

（二）優勢所在

對數據挖掘技術進行應用的過程中，可以收集并整理數據信息，有效地落實數據的深層次分析。首先，數據挖掘技術的有效性相對明顯，因技術結構屬于深加工技術，且目的性明顯，特別是在實際應用的范圍之內，可以統計并解讀長期累積的數據信息，以保證使用人員可以對數據深層次意義以及使用價值形成系統化地了解。現階段，對數據實踐應用方面，不僅可以高效管理累積經濟數據信息，同樣可以通過多個角度分析既有經濟數據應用的目的性。站在經濟數據管理方面層面，既有信息統計單元與數據分類都屬于基礎環節，可以對科學化以及系統化歸類要求整合并科學化地分析混亂數據庫信息內容，保證統計數據管理高效性以及使用的便利性得以全面優化。在此基礎上，針對經濟數據處理與再加工過程，數據統計以及分析的主要目標就是重新加工原有數據所組成的內容，保證數據價值有效發揮的基礎上，為管理人員實際的需求提供最大化地經濟統計數據服務。

其次，數據挖掘技術并非是單純分析數據的工具，同樣也能夠與使用主體的信息需求相適應。現階段，國內各部門在運作過程中都會形成諸多經濟統計信息，而信息內容也是經營人員作出經濟管理決策不可或缺的基礎條件。因為管理部門所涉獵的經濟領域與經營管理范圍存在一定的差異，且經濟管控的權限也不同，在這種情況下，要求各部門能夠與自身狀況相互結合，構建系統處理體系與數據解讀的方式。伴隨數據信息量的不斷增加，數據統計系統與處理信息途徑的要求也隨之提高，需要保證數據被換算成多元化呈現方式，進而在計算方式與信息來源等方面，實現信息評估可靠程度的提高，確保進一步優化數據處理的效果。最后，宏觀數據庫的構建為數據統計結果的優化奠定了堅實的基礎，借助多元化經濟統計體系的運用，能夠為經濟管理活動需求提供必要的服務，盡量規避統計工作重復性的出現。對各種統計系統加以整合，確保數據信息更好地融合。由此可見，在宏觀數據庫形成的基礎上，可以為數據的優化提供必要的發揮平臺，進一步優化統計信息完整程度。

二、數據挖掘技術在經濟統計中的應用

（一）預處理方面

應用數據挖掘技術的過程中，在對預處理方法運用的時候，可以智能分析所提取出來的基礎信息。而數據挖掘結構本身卻會受經濟信息影響，難以構建數據收集機制，所以，在實際應用方面，數據信息的預處理是不容小覷的管理機制與控制措施。通過經濟統計預處理，可以統籌劃定并分析數據差距、不真實性以及不正確性。而數據清理的過程則是處理基礎數據問題的過程，可以選擇使用均值法清理方法、平滑方法或者是預測方法。其中，在選用均值法數據處理的過程中，可以均值處理基礎數據當中的噪聲數據以及數據點空值，以保證數據庫可以借助屬性均值填充并補足數據方面的空白。只有在確保數據挖掘系統在基礎數據分析結構方面足夠到位，才能夠使統計分析數據更加具有實效性與完整性。而在分析數據點取值方面，而在選用平滑法對數據進行處理的時候，即可統一化地計算基礎數據空值和噪聲數據，并與加權平均數處理機制相互結合，進一步分析所提取數據的影響權重值，以確保實際計算的結果更為真實。Cj點實際權值。

（二）集成化結構方面

應用數據挖掘技術以后，即便是同一地區數據信息，如果統計主體與標準不同，也一定要采用相應的數據集成體系，保證數據集成效果得以優化，增強數據統計的準確程度，而這同樣也是數據挖掘技術始終追求的目標。一方面，應深度整合模式集成結構。因經濟活動當中的數據量較大且種類相對復雜，所以有必要系統且深入地處理經濟數據信息集成結果及其數據的呈現模式。其中，使用數據挖掘技術的時候，為對比分析std-id與std-no，需游俠地對比含有元數據模塊，確保實體識別效率得到保障，滿足質量標準要求。另一方面，應深入分析人冗余的問題，因數據挖掘技術從本質上來講就是深加工數據的過程。在這種情況下，要想確保經濟統計價值完整，就必須保證技術模型處于最簡的狀態，并針對正相關關系數據實時集中化精簡性地操作，綜合考慮冗余屬性，細化處理問題數據。其中，以人均國民生產總值為例，數據信息主要是利用國內生產總值與人口屬性進行計算并得出，所以數據必須要經過精簡操作。

（三）決策樹方面

對數據挖掘技術進行應用的過程中，需要針對其展開系統化地分析以及總結，以確保數據的輸出效果更加完整，并且輸出的形式和經濟管理人員所制定的決策需求相適應。值得注意的是，決策樹屬于快速且能夠對數據信息進行直觀分類的措施，并且形成數據模型，深化處理數據信息。其中，應借助訓練集對決策樹進行構建，并結合具體問題以及參數要求科學合理地構建具有可行性的分析策略，并且在短時間內輸出數據分析的模型。與此同時，要通過既有決策樹來分類數據信息，保證遞歸過程優勢的有效發揮，并且在決策樹樹根的位置發展至樹干與樹丫等，最終會輸出與分類條件相適應的數據。但應當注意的是，分類條件要求相對嚴格，在節點全部數據都隸屬相同類別的情況下，就處于最常見的停止條件，而另外一種則是在具備分類屬性的情況下，在二次分割輸入數據的時候，即可停止進行分類。在整個過程中，借助決策樹實施經濟數據統計過程中，應定期采取剪枝操作程序，盡可能規避起伏影響，有效增強數據的實效性與穩定性。

（四）遺傳算法方面

所謂的遺傳算法就是將生物自然與遺傳機理相互結合，隨意抽取算法。在實踐應用方面，綜合考慮社會問題，有效采集被指定人群的信息，在隱含信息整合與分析的基礎上獲取最終的結果。因遺傳算法具有一定的隱含性，所以能夠與其他模型有效結合，對隱含數據加以采集。隨后，深入分析既有挖掘數據信息，并應用在實踐中。需要注意的是，經濟問題是發展變化問題，所以內部的聯系十分復雜，將遺傳算法作為重要參考依據，即可在源頭處向下延伸，并有效地獲取數據，整體分析數據信息，即可保證經濟問題更為直接與具體，確保相關工作人員在處理問題方面也更為直觀，切實地表現出隱性的問題。這樣一來，即可保證統計工作更為直接與簡單。

三、數據挖掘技術未來發展前景

數據挖掘技術在未來發展的過程中，將更具有效性、綜合性以及適用性的特征。為系統化地了解數據挖掘技術的價值，下文將通過以上三方面的發展趨勢展開進一步地探討與研究，以期在后期發展方面，充分發揮數據挖掘技術的重要作用，推進經濟統計工作的全面可持續發展。

（一）有效性

數據挖掘技術能夠針對數據信息實施深層加工，也是統計工作的重要基礎，其目的性明顯且在實際應用方面，在長期統計數據積累的同時，可以深處理并加工基礎數據。而在實踐方面，以數據使用人員實際要求為基礎，站在多個分析角度應用數據信息，能夠統計并分類數據中所蘊含的數據信息，使得原有混亂數據庫得到科學化與系統化地歸類整理，借助這一形式，也使得數據信息管理更加便利與高效。

（二）綜合性

針對數據挖掘技術而言，從本質上來講是系統化數據統計工具，但并非是單一性數據分析，能夠對使用人員針對類型不同信息的需求得到滿足。近年來，在國內社會經濟發展的背景下，經濟管理部分也要針對社會內部經濟發展數據展開統計與分析。需要注意的是，數據信息所具備的管理權限與處理權限存在明顯差異，所以經濟管理部門應結合多樣化需求下的經濟管理內容展開統計與分析，以保證數據信息有效地轉換為多元化數據形式，遵循信息來源與統計信息計算方式，科學化地評估其可靠性，確保數據統計信息更加準確。

（三）適用性

對于國內經濟管理部門而言，在職權管理工作方面的表現十分分散，且各類型經濟管理部門對于數據信息需求量與類型也存在明顯的差異。在大部分區域，諸多經濟管理部門針對統計活動傳統實施的路徑都彰顯出局限性，無法借助經濟管理活動為其提供高質量服務。而在實踐工作中，也很容易出現重復性統計亦或是不完全性統計的問題，對經濟數據分析有效性產生了直接的影響。而將數據挖掘技術應用于其中，則能夠規避以上問題，并確保所得到的數據更加準確，并整合處理數據挖掘技術，確保數據資源的豐富性與多樣性。

四、結語

綜上所述，在現代經濟管理過程中，經濟統計活動價值明顯提高，所以需要深入分析基礎數據主體才能夠與市場實際需求相互結合，并構建有效性較強的經濟決策。在實踐方面，需對系統化數據挖掘技術加以利用，在確保數據質量的基礎上，不斷優化經濟建設實際效率，最終達到數據深加工的目的。而在經濟統計活動實施方面，需科學合理地運用應用措施，以保證數據挖掘技術得以進一步優化。

參考文獻：

[1]邢莉.統計分析的新模式———數據挖掘技術[J].統計與咨詢,2006(04).

[2]王斌會.數據挖掘技術及其應用現狀[J].統計與決策,2006(10).

[3]徐輝,史旻.淺論數據挖掘技術及其應用[J].計算機光盤軟件與應用,2012(05).

[4]邢莉.統計分析的新模式———數據挖掘技術[J].統計與咨詢,2006(04).

[5]鄒鐵英,陳煉,謝泰生.數據挖掘技術在經濟消費預測中的研究[J].現代計算機(專業版),2008(12).

作者:洪鵬飛 單位:浙江財經大學