略談數據挖掘技術在經濟統計中的應用

田長磊

（山東省濟寧市汶上縣統計局，山東 濟寧 272500）

對經濟統計工作來講，需要對數據信息進行有效的收集和整合，但由于數據存在一定的不完整性和模糊性，使得經濟統計工作的質量受到嚴重影響。為了對其進行有效的改變，需要將數據挖掘技術引入其中。本文從以下方面對其進行詳細的闡述。此次研究對豐富數據挖掘技術方面的知識具有理論性意義。

1 數據挖掘技術的簡述

1.1 數據挖掘技術內涵

數據挖掘指的是數據的深加工，即數據信息精細化處理的過程。數據挖掘技術的作用體現在，對大量的數據進行深層次的開發，并在數據庫中整理自身需要的數據，同時，將零散數據進行完整化處理。由于數據的隨機性和噪聲性相對突出，因此，使模糊數據出現概率明顯增加。在數據挖掘技術的基礎上，能夠對數據中的可用信息進行深度挖掘，并進行有效的提取和整理，從而使數據的清晰度和實用性得到顯著的提升。為了使數據挖掘技術能夠對信息進行有效處理，需在經濟數據轉換的基礎上進行，并利用統計學、神經網絡學等技術進行有效的輔助，因此，數據挖掘技術是學科交叉技術的一種。在統計學科中應用數據挖掘技術，可以對數據進行有效的統計分析，這樣不僅可以使數據分析效率得到顯著的提升，而且能夠使數據分析過程得到明顯的簡化。

1.2 數據挖掘技術的特點

數據挖掘技術的特點主要體現在以下方面：第一，有效信息包含在數據本身之中，但是會被其他數據信息所隱藏。因此，在對數據挖掘技術進行使用時，其需要對海量信息進行處理，一般情況下，利用TB或GB對大數據進行表示；第二，當數據庫構建完成之后，利用關聯詞的方式來對有用數據進行搜索，這樣不僅可以使自身所需信息被有效找到，而且可以使搜索范圍被有效縮小，從而使數據收集的效率顯著提升；第三，隨著經濟社會信息的不斷擴充，信息庫中儲存的信息量也隨之增加。因此，信息庫需要對容量進行不斷的擴大，這樣可以使生產信息的需求得到滿足。除此之外，為了讓使用者對所需信息進行快速找尋，需要對信息搜索的精準性進行有效的提升。

1.3 數據挖掘技術的優勢

數據挖掘技術的優勢主要體現在以下方面：第一，其能夠對海量信息進行有效處理，從而使工作效率得到明顯提升。數據挖掘技術能夠對大量數據信息進行快速處理，在經濟統計工作中應用數據挖掘技術，可以使其工作效率得到明顯的提高。另外，面對復雜程度較高的海量數據信息時，數據挖掘技術能夠對其進行有效的整合，工作人員在數據規律的基礎之上，對其進行有效的深度分析；第二，對搜索和實時預測進行有效支持，為市場決策提供一定的協助作用。在數據挖掘技術的基礎上，使用者可以通過關鍵詞輸入的方式來完成聯想搜索，這樣可以使搜索信息的速度明顯提升，以此來使工作效率得到大幅度的提高。與此同時，相關統計人員可以對信息進行有效的分析和整合，并對其存在的關聯性進行有效構建，從而來合理預測未來經濟的發展趨勢；第三，綜合性相對較強，能夠對多方經濟工作進行有效的協調。數據挖掘技術能夠對復雜、亂序的信息進行有效整合，使其能夠轉換成有效信息，這樣可以為部門工作提供重要的數據支撐，從而使不同部門數據信息的需求得到有效滿足；第四，有效性相對突出，安全性相對較高。在經濟統計中應用數據挖掘技術，相關工作人員不僅可以對數據進行系統的了解和掌握，而且能夠對數據進行深度分析和整合，這樣可以使其工作效率得到大幅度的提升。除此之外，對數據庫技術進行合理化的應用，使其能夠長期儲存海量經濟信息，從而為后續工作的開展提供有效保障。

2 數據挖掘技術在經濟統計中的應用

2.1 預處理方法運用

對經濟統計來講，由于數據本身存在一定的特殊屬性，如復雜多樣性、不完整性等，在利用數據之前，需要對其進行必要的預處理策略。對數據預處理來講，其為處理方式的一種，主要由以下方面構成：第一，數據清理，數據清理指的是對無效信息進行清除，常用的方法為預測法、平滑法等。對原始數據來講，其通常存在不完整性、模糊以及隨機等特點，這使得原始數據存在明顯的局限，從而使其無法直接的進行應用，需要對其進行處理，將其中包含的無效信息進行清除，如空值、含有噪聲的數據等，這樣可以使數據的準確性和有效性得到保障；第二，數據集成，數據集成指的是有效整合原始數據中的不同數據，使其能夠以整體的形式存在。在對數據進行整合的過程中，不僅要使數據集合的可操作性得到保障，而且需要使數據集合的準確性得到保障；第三，數據變換，數據變換也稱之為數據轉化，其主要對不同的方法進行使用，使其能夠對數據進行轉化，從而為數據規模化和數據泛化的有效實現提供基礎保障。

2.2 決策樹方法

決策樹方法是快速分類法的一種，在經濟數據統計中運用決策樹方法，能夠以直觀的方式對數據進行呈現。對收集的經濟數據來講，需要對其有用價值進行深入挖掘，因此，需要對系統分析進行有效應用。利用決策樹方式對經濟數據進行分析時，需要對決策樹結構進行合理化的構建，主要從以下兩方面入手：一方面，對分析輸出的基本模型進行有效構建，并在訓練集的基礎上，對決策樹進行有效構建；另一方面，對已構建完成的決策樹來講，需要對其進行數據分類，分類工作是由下及上，即由根部向樹枝方向發展，當數據輸入符合相關設置時，才會停止。該種方式是遞歸的過程，需要和樹枝開展同步進行。在對決策樹進行使用的過程中，想要使決策樹有效停止，需要滿足以下條件：第一，節點上數據全都屬于同一類別，使得數據會出現停止現象；第二，并沒有分類屬性，但對數據依舊進行二次分割。

2.3 在遺傳算法中應用

在學術領域中，遺傳算法指的是生物自然和遺傳機理進行有效結合，在數據處理過程中，對算法進行隨機選擇。對經濟統計工作來講，相關統計人員需要將社會現狀考慮其中，對特定人群數據進行收集，并對數據中含有的信息進行全面分析，以此來對最終分析結果進行有效獲得。遺傳算法的隱含特征得到突出表現，在該特征的基礎上，相關統計人員將遺傳算法和數學模型進行結合，對其中隱含的數據進行全面采集，并對數據挖掘技術進行有效應用，使其能夠對隱藏的價值信息進行全面挖掘。

3 結語

綜上所述，在經濟統計中應用數據挖掘技術具有重要的意義，其不僅能夠使數據的完整性和真實性得到保障，而且能夠使數據潛在價值被有效挖掘，因此，需要對其進行不斷深入探討，從而使其作用得到有效凸顯，進而使統計經濟數據的價值得到充分發揮。