統計學實踐方法在大數據中的應用研究

楊旭 對外經濟貿易大學統計學院

引言：統計學在誕生之初只是簡單的計數與描述分析之用，后期隨著統計學方法在現實生活中應用的日益普遍，且與很多生產實踐活動相結合，逐漸發展成為統計學更加系統的理論體系與實踐方法，憑借其嚴謹、規范、準確的數學特性，廣泛應用于經濟建設與社會生活之中。

統計學實踐方法從理論角度分析，正是對復雜數據進行簡化處理的重要工具[1]。在生產與生活等實踐活動中，通過統計工具的科學應用，能夠幫助人們透過復雜的數據表象更為深入的了解其背后蘊藏的知識道理，而基于數據處理后更加客觀準確的科學分析，才能夠針對性的解決現實中復雜且困難的數據問題。

所以由此可知，統計學實踐方法是處理大數據的重要工具及手段，尤其是在數據量不斷擴大、更加復雜且多變的大數據時代，選擇科學的統計實踐方法來處理海量的復雜數據，從中發現數據背后事物的演變規律及發展趨勢，并通過數據分析對這種規律進行準確掌握，才能更為有效指導生產生活的實踐活動，以此來推動社會不斷的發展與進步。

大數據時代，各行各業的數據屬性日趨顯著，因為數據作為重要的考量指標與判斷依據，已經滲透到每一個行業的業務領域，并成為影響經濟生產與社會發展的重要因素。所以新的數據環境下，金融經濟、通訊通信、物理化學以及軍事生產等不同行業都需要加強對海量數據的挖掘、分析與運用處理，這樣才能發現數據背后所蘊藏的重要規律與道理，以此來推動行業的前進與發展。所以大數據時代，統計學實踐方法作為專門用于處理和分析數據的重要工具，開始展現出其特有的作用，并對于當下的生產及生活有著重要的意義與價值。

一、統計學實踐方法進行數據分析的重要意義

統計學是以高等數學為基礎，重點強化了數理分析過程的科學體系，在現實生活中有著非常廣泛的應用。因為統計學實踐方法能夠基于不同數據的特征變化規律，來發現與總結事物特性，并基于對復雜多維數據的簡化處理，與其他經濟及社會學科產生緊密聯系，在經濟建設與社會生活等不同領域發揮重要的功能及作用[2]。

二、大數據分析中的統計學實踐方法

大數據時代，為了能夠更好的處理與分析各行各業不斷增長且日趨復雜的數據問題，選擇科學合理的統計學實踐方法，進行大數據分析，并透過海量數據分析問題本質，這是統計學實踐方法在大數據中應用的意義所在。

統計實踐方法作為處理與分析數據問題的重要工具，其與現實中大數據問題分析的目標是一致的，都是為了更為深入的對數據結構進行探索研究，以尋找數據背后的事物規律及發展趨勢[3]。同時也正是因為數據的不斷增長與復雜化發展，才為統計學開拓了一個應用維度，使統計學實踐方法有了更為重要的作用及功能。所以統計學實踐方法與大數據分析聯系非常密切。

統計學實踐方法有很多形式，其中概率論、假設檢驗、抽樣調查這些都是針對常規數據樣本所采取的實踐方法，而面對海量復雜的大數據，現階段較為常用的統計實踐方法有三種，分別為回歸分析法、因子分析法與層次分析法。

（一）回歸分析法

回歸分析法是探索數據之間相關性影響的一個重要分析，也是統計學在方法實踐方面的一次重大進展，因為回歸分析就是基數據統計原理對大量數據進行線性與非線性關系處理，以確定復雜數據背后不同變量之間經濟影響關系的重要方法。

現階段回歸分析在大數據中的實踐應用涉及以下幾個方面：確定響應變量與預報變量間的回歸模型、根據樣本估計并檢驗回歸模型及未知參數、判斷變量對響應變量的影響是否顯著、估計預報變量的值。這些回歸分析的實踐方法都能夠對生產生活中復雜、多樣的大數據關系進行更加簡明有效的線性與非線性處理，從而透過數據表象來直接探究不同序列之間的經濟影響關系。

（二）因子分析法

因子分析法也是現階段用于處理海量數據的統計實踐方法，該方法主要是實現多維數據的降維與簡化處理，最后能夠通過少數幾個代表性因子，用于描述和解釋原先大量數據間的錯綜復雜的關系。所以因子分析主要就是通過提取不同數據維度之間的內部影響關系，來將原先多維、復雜的眾多數據歸納為少數幾個綜合性的、具有代表性的數據因子，即降低了數據維度，簡化了數據分析的工作量，也不會造成數據信息的丟失，在現代生產及生活中的大數據處理中有著較好的應用及發展前景。

（三）層次分析法

層次分析法也是用于處理復雜、海量數據的統計學實踐方法，該方法在大數據的處理過程中將數據作為一個整體，按照不同的評價標準或維度對數據整體內容進行層次分類，同時將原先復雜多變的數據信息通過計算處理轉化為可以量化的權重數值，進而依據各層級指標的重要性關系進行排序與評價分析。

所以層次分析法能夠實現對海量數據內容的系統化與層次化處理，以此來實現復雜數據問題的簡化，同時又保留數據內容正確的邏輯關系，在大數據時代多個新興經濟領域的效果評價實踐中都有著較為廣泛適用性[4]。

三、統計學實踐方法在大數據分析中的應用分析

統計學的分析都是以數據作為基礎的，只不過傳統的統計學實踐方法，以實踐調查為例，即便投入了大量的人力與物力，所能夠獲得的調查數據都相對有限，只能從一個方面來分析現實問題，并不具有廣泛的應用價值。而大數據具有多樣性、大量性、高速性等特征，這就對統計學方法也提出更高的要求，需要采用一些更具有實踐意義的統計學手段來處理復雜多樣的大數據[5]。

而現階段應用于大數據的統計學實踐方法比較具有代表性的有回歸分析法、因子分析法以及層次分析法三類，本文具體采用這三種統計學實踐方法來結合大數據實例問題進行應用分析：

（一）統計學實踐方法在金融大數據中的應用

大數據時代，數據對于金融經濟的作用是不言而喻的，而很多金融實踐問題中也必須要對大量數據進行精準細致的分析處理，以發現數據背后蘊含的經濟學規律，這樣才能有效解決金融經濟方面的實際問題。所以統計學實踐方法在金融經濟大數據中的應用，主要是透過海量數據表象去深入探究其內在的經濟學規律，而回歸分析方法是解決金融大數據中較為常用的一種實踐手段。

宏觀經濟環境是復雜多變的，而外部經濟環境的變化都會對金融市場帶來一定的沖擊，為了準確了解宏觀經濟因素對金融市場帶來的影響，必須基于宏觀經濟各方面的數據變化來發現其內在規律，進而構建回歸模型，基于數據演變的規律去透過復雜環境的表象來直接分析各因素之間存在的內在經濟影響關系。這樣通過回歸模型對各金融市場數據變量的經濟相關性分析，能夠幫助人們進一步了解金融市場外部經濟數據的變化規律，從而及時預測宏觀經濟對于金融市場潛在的風險，這樣基于對金融數據的回歸分析就能夠為后續的經濟計劃進行靈活的制定與調整。

（二）統計學實踐方法在企業大數據中的應用

大數據環境中，企業經營發展需要用到的商業數據相較于之前也變得更為復雜和多樣。早期評價企業經營現狀往往只需要通過營業收入，或者凈利潤等數據指標就能夠體現，但是現如今則需要對企業各方面商業數據進行綜合的評價分析，比如企業的毛利率、凈利率、營業收入、營業利潤、凈利潤、資產凈值、凈資產收益率、資產負債率等，通過各方面數據的綜合分析，以評價企業的盈利能力、成長能力、營運能力和償債能力，這樣對于企業經營現狀的分析才更加客觀和全面。

所以大數據環境下，對于企業的統計分析也需要處理各個方面的經濟數據，而這些經濟數據代表企業不同的維度，每個維度都包含復雜的數據信息內容，要想能夠從所有數據中準確判斷企業經營情況具有一定的困難性。所以面對企業的大數據問題，因子分析法就是非常實用的一種統計學實踐方法。因子分析能夠實現多維數據的降維處理，這樣在企業大數據的問題處理中，面對企業不同財務維度的復雜數據，采用因子分析方法能夠從中提取最為關鍵的因子維度，并通過因子計算使其能夠對企業各方面經營情況有一個代表性的綜合體現，這樣就將復雜的數據維度進行了降維與簡化處理，得到了更具有代表性的評判標準，從而對企業經營情況進行客觀準確的評價分析，有著較強的適用性和有效性。

（三）統計學實踐方法在互聯網大數據中的應用

互聯網是大數據產生與發展的基礎，面對復雜的互聯網環境，不僅數據來源廣泛，而且數據信息內容復雜，即包含有重要的信息內容，同時也有許多潛在的數據風險。因而對于互聯網大數據的應用需要特別注意風險，并能夠對復雜、多樣且來源不明的互聯網數據按照不同層級和維度進行分類處理，所以層次分析法是處理互聯網大數據的重要統計學實踐方法。

層次分析方法作為統計學實踐中一種定量與定性相結合的方法，能夠從混雜不清的互聯網大數據中對不同類型、維度與層級的數據指標，按照層次關系與權重值進行計算與統計分析，實現對互聯網數據的有效處理。層次分析法對互聯網數據的處理，首先會將各類數據作為一個系統來逐一區分層次關系，這樣就能夠從海量的網絡數據中區分出有用數據、重要數據，也能區分出無效數據和風險數據，既不會破壞原互聯網系統內所有數據的層級結構，同時也能夠實現原有復雜數據關系下的層級簡化與問題分離，有利于互聯網大數據問題的最終處理與解決，這樣對于互聯網大數據問題會起到非常有效的作用。

四、結束語

因此基于上述分析可以發現，統計學實踐方法現如今在大數據分析中的作用是非常顯著的。大數據時代，面對日益增長與復雜的數據環境，統計學方法已經不僅僅只是一種簡單的數據工具，而是各行各業都不可或缺的是一件實踐應用方法，能夠高效、精準的處理經濟生產與社會生活中的海量數據，并通過對數據信息、內容的分析，從中發現數據背后蘊藏的規律與發展趨勢，以此來更好的指導生產生活，推動社會的發展與進步。