淺談數據挖掘技術在經濟統計中的應用

劉淑英

（咸陽師范學院 計算機學院，陜西咸陽712000）

淺談數據挖掘技術在經濟統計中的應用

劉淑英

（咸陽師范學院 計算機學院，陜西咸陽712000）

我國經濟的高速發展使社會經濟活動越來越復雜，加上各種外界與內部的經濟因素共同所用下，最終形成了一個經濟復雜的關系整體。想要對如今的經濟統計進行一個系統的分析，單單靠人腦的理解分析能力已然不夠，需要借助更加先進的現代統計與分析技術才能實現。近些年來，數據挖掘技術在經濟統計領域應用的較為廣泛，已經逐漸成為了經濟統計活動中的新生代主流，受到社會各界的廣泛關注。

數據挖掘；經濟統計；應用分析

我國經濟在近幾十年來得到了空前速度的發展，并累積了大量的經濟統計數據。經濟統計數據由于其自身的特殊性，擁有著十分龐大且復雜的信息龐體性，統計數據在使用的過程中往往受限于資料難以發揮最大的作用，因此，數據挖掘技術應運而生。其特點是可以對數據進行縱向的開發與深入，同時還會對數據的橫向進行延伸與拓展，利用不斷的數據挖掘，可達到基礎數據利用率的最大提升，滿足統計數據使用的最大需求。

一、數據挖掘技術的概況

數據挖掘技術的原理并不復雜，不過是一種對數據信息進行深層次挖掘的技術。具體而言，就是將原本復雜多變的數據庫進行簡化，然后從經過簡化的數據信息中提取出所需要的有用數據，進行進一步的分析與整理，從而達到數據分析與充分利用的目的。如今我國的經濟數據信息的基礎十分龐大，同時隨機性較強，很多數據還存在著不完整的特性，以至于往往在使用常規普通的數據統計方式時，無法對這些經濟數據進行系統的分析，導致結論準確度不高。而數據挖掘技術則可以有效地解決這一問題，其根據相應的軟件與程序算法，對原本完整性不高、隨機性強的原始數據進行系統的歸納與分析統計，最終形成一套簡便合理的統計數據形態，讓數據的使用者可以更加直觀地對所需的數據進行提取與使用。

數據挖掘的特點是可以自動捕捉到有意義、有價值的數據，并將其進行歸納與收集，不需要人為的操控，就可以自動將所收集歸納的數據進行后續加工、處理，并與處理之前的數據進行分析比對，從而實現所被挖掘到的數據的實用性與準確性[1]。數據挖掘技術的自動化原理會將原本復雜混亂的原始數據進行深度的分析與總結，最終形成規范的數據形態，以便使用者進行應用。數據挖掘技術會從層面上對一些基礎性數據進行挖掘，從技術層面對原始數據進行自主性的分析，從而實現更加高水平、高智能應用的系統設計，并得到更多尖端技術的有力支持，其中包括模塊識別技術、模糊概念成像技術、數據庫系統篩選知識技術等。

二、數據挖掘技術在經濟統計中的應用

數據挖掘技術會將長時間積累下來的經濟統計數據深入到數據使用者所要求的條件之中，在實踐的過程中會涉及到數據挖掘技術的多個特性，按照這些特性來保證經濟統計數據能夠以最大的限度發揮作用，服務于管理者的需求。

（一）綜合性應用能力較強

目前，在很多領域數據挖掘技術都已經得到了廣泛的應用與普及，在對數據的分析與歸納過程中，發揮著舉足輕重的作用。其中包括經濟統計、物理分析、數學統計等各個方面。數據挖掘技術需要有著強大的統計能力、數據挖掘能力，同時還需要強大的后續數據自動分析與統計的功能，能夠協助數據的使用者對數據進行完整的處理[2]。數據挖掘技術在經濟統計的應用中，起到了極大的作用，其對經濟數據的開發、整理與分類帶來極大促進作用，會給數據的使用者提供更加方便快捷的服務。

（二）有效性較強

目前，我國在數據挖掘技術方面的應用時間有限，技術層面并沒有達到很高的水平，不過就目前的數據挖掘技術而言，對我國的相關經濟統計工作已經起到了很大的效果應用，使統計工作的性能得到了進一步加強，并且我國在經濟數據領域的分析、統計與整理的能力進行了強化，并會利用數據挖掘技術對更多有價值、有意義的信息進行挖掘，并最終表現為數據的高效性與準確性。

（三）宏觀性的數據庫應用

對于如今的宏觀型數據庫，數據挖掘技術也能有效應用其中，并取得很好的效果。如今我國的經濟數據統計分析所使用的方法絕大多數還受限于傳統的經濟統計方式，很多對數據信息的歸納與收集的方式還相對落后，無法與所匹配的信息形成一個完整的整體[3]。很多數據的使用者在對數據進行全方面管理與歸納時，會出現較多的問題，無法快速高效的達到數據分析與統計的目的。為此現象，就需要引入更加新式、高效的方法來提升對經濟數據統計的效率。數據挖掘技術在經濟數據宏觀數據庫中的適應性極強，宏觀經濟統計數據庫可以為數據挖掘技術提供一個完全展示其功能的平臺，以便其發揮出自身的特性[4]。對經濟統計領域而言，其數據分析的準確性必須得到保證，其速度也需要進行優化處理，因此將數據挖掘技術引入數據宏觀經濟統計，需要依靠大量可靠的數據資源，最終統計分析出更加有效的宏觀數據。

三、數據挖掘技術的主要流程

（一）定義目標

在使用數據挖掘技術的初始階段，需要相關領域的專家與學者對所需要挖掘的數據進行目標定義，目標定義的效果將直接決定后續數據挖掘所產生的結果，因而，數據挖掘的初始定義有著重要的地位，需要一邊定義一邊進行算法的演算，以確保定義效果的明確與準確[5]。另一方面，定義的要求也需要與實際的工作需求相對應。

（二）數據準備

作為整個數據挖掘技術過程中最為重要、時間消耗最長的階段，數據準備階段一共分為三個步驟：數據的挑選、處理與變化分析。數據的挑選是將整個宏觀數據庫中的所有相關數據都進行篩選與排列，按照數據定義為目標區域數據；接著利用數據處理功能對所排列的所有數據進行初步的篩選處理，初步挑選出所需要的符合要求的數據；最后利用數據變換的功能對所挑選的數據進行簡化處理，也屬于更深層次的數據挑選，最終得到最符合目標定義的數據信息。

（三）數據挖掘

數據挖掘階段的首要步驟是對算法的預定，需要設計出合適的算法來對所變換來的數據源進行合理挑選，才能進行深度挖掘[6]。算法的初步預定完成之后，就可以進行下一步的數據模塊計算。這一過程需要有專門的專家與數據挖掘分析人員進行操作，因此此步驟也是數據挖掘的關鍵點所在。

（四）評估與結果顯示

經過上述的幾個步驟所得到的最終數據結果，數據的使用者需要對其進行一個結果的分析，利用數據挖掘技術將分析得到的數據結果進行全方面的顯示，并自動生成數據價值的評估，篩選后有用的信息進行保留，對無意義或重復的數據要及時的刪除[7]。如果經過一系列的操作與篩選所得到的數據并不符合最終的要求，則系統會自動執行回上一步，重新進行二次篩選，直到達到標準為止。

四、數據挖掘在經濟統計中的發展方向

（一）根據使用情況進行數據挖掘

數據的使用者所需要得到的數據與目標有著很大的差異性，因此數據挖掘技術所對應的系統也要有多種的變化。如今數據挖掘技術尚沒有發展徹底，很多數據難題無法有相之匹配的功能型數據挖掘技術，因此如今很多的設計者所面臨的任務是設計出更多的數據挖掘系統，以解決層出不窮的數據統計難題。

（二）利用數據挖掘技術提升結果的有效性

數據挖掘技術可以對宏觀數據庫中的數據進行篩選與歸納，具有很強的可表達性、有效性與確定性。利用一定的自動化原理對所表達出的數據進行深度的挖掘，充分的顯示出數據庫中的主要內容，并根據相應的算法將數據應用到實際當中[8]。利用數據挖掘技術可以對一些有著明顯缺陷的數據進行補充與處理，對一些缺陷并不明顯或數據較為相似的數據可按照一定的規律展現出來。

（三）數據挖掘讓結果簡化

被挖掘出的統計數據并不一定是經過最簡化得到的結果，主要取決于數據的使用者。如果數據的使用者是專業的專家或學者，則問題的簡化程度影響效果并不大；如果數據的使用者并非專業的學者，而是一般的使用者，那么就需要對數據進行最簡化。

（四）交互式的數據挖掘技術發展

數據挖掘技術擁有一定的技術交互性，利用交互式的數據挖掘能夠對所需要處理、分析與整理的數據進行精確的深度挖掘，利用數據焦點的動態變化等特點，從多個角度對數據進行全方位的分析，采取抽象的層次變換屬性對所歸納的數據進行挖掘、收集與歸納，并最終實現數據的交互。

（五）數據挖掘的安全性

經濟數據都具有一定的保密性，需要有很高的安全性保障。數據挖掘技術會隨著科技與時代的發展，在安全保密性上面取得更快的發展，對所得到的挖掘結果與數據統計進行強化的安全與保密，以防止數據泄露或丟失，強調對數據隱私的重視度。

結語

在我國經濟快速發展的大背景下，經濟統計的效果高低將會直接決定經濟長遠發展的前景好壞。而隨著挖掘技術在經濟統計領域內大范圍的應用，使得我國目前在數據統計分析領域有著更加優異的表現，可以更好實現數據分析的高質量化與標準化。因此，數據挖掘技術更廣泛的應用，使經濟數據領域的統計工作的結果將變得更加可靠真實，從而為政府相關經濟部門提供更加強有力的理論依據，也會為一些工業企業提供更多的經濟發展方向。數據挖掘技術在未來還會有著更廣泛的社會效益。

[1]謝湘寧.淺談數據挖掘技術在專利信息分析中的應用[J].中國發明與專利，2015，（1）：59-62.

[2]王思懿.數據挖掘技術在經濟統計中的應用管窺[J].商，2015，（18）：216.

[3]楊楠.數據挖掘技術在經濟統計中的應用探索[J].商，2015，（26）：194.

[4]楊梅冰，梁思思.關于數據挖掘技術在經濟統計中的應用[J].時代金融，2015，（24）：179.

[5]董靜.試析數據挖掘技術在經濟統計中的應用[J].商，2015，（31）：227-228.

[6]陳超，王哲.淺談數據挖掘技術在信息資源規劃中的應用[J].信息通信，2015，（12）：188-189.

[7]易立.數據挖掘技術在經濟統計中的應用分析[J].時代金融，2016，（5）：136.

[8]張永生.數據挖掘技術在經濟統計中的應用[J].現代國企研究，2016，（14）：135.

F22

A

1673-291X（2017）35-0176-02

2017-09-22

劉淑英（1982-），女，陜西咸陽人，副教授，碩士，從事軟件理論研究。

[責任編輯 杜 娟]