大數據背景下的統計學發展方向探究

杜旭陽

（河南信息統計職業學院，河南 鄭州 450000）

在數據量爆炸性增長的今天，傳統統計學方法已經不能滿足數據處理和分析的需求。大數據技術的普及與應用，為統計學的發展帶來了一定沖擊和機遇。現代化信息技術的發展推動了大數據技術的發展和應用，網絡爬蟲技術解決了統計學中的數據收集難題，云計算技術使得大規模的數據處理成為現實。由此可見，大數據技術的應用，對統計學中的數據處理、抽樣以及分析工作帶來了巨大變革。

一、大數據技術的發展現狀、內涵與作用

（一）大數據技術的發展現狀

根據近年來大數據技術的發展情況，目前與發達國家相比，我國大數據技術的相關研究還存在一定距離。根據大數據技術的研究方向，大數據技術的應用功能要能夠追蹤數據樣本，廣泛包容各種數據類型，實施正確算法對分布資源進行處理。從我國大數據技術需求和應用領域來看，涉及的范圍十分廣泛，有物聯網應用領域、分布式計算領域、語音識別領域、機器學習領域等。

（二）大數據的內涵

根據近年來我國大數據技術的發展情況來看，國內外對于大數據技術的研究已經趨于統一，我國目前與發達國家相比，有關大數據技術的研究還存在一定距離。根據大數據技術的研究方向來看，大數據技術的應用功能不僅要包含追蹤數據樣本，還需要有實施正確算法對分布資源進行處理的功能。此外，對數據類型包容量一定要大，以便能夠為研究者與決策者提供可靠的依據。根據我國大數據發展情況來看，涉及的學科范圍十分廣泛，集合了各個領域的數據信息，需要利用大數據技術對某一領域數據信息進行分析，只需要在信息量較大的數據庫中對相關內容挑選便可。最后，在應用大數據技術的過程中，一定要將數據資源與決策有效融合，這樣才能使得大數據技術在各個行業中得到充分應用。

（三）大數據技術的作用

根據大數據的應用情況來看，它能夠使得高維變量與相關數據信息進行整合。統計學作為一門數據分析學科，常用的分析方法為抽樣調查法。主要采用這一方法的原因是因為應用統計學無法將所有相關數據信息作為參考依據進行計算，否則將會導致整個數據分析工作量巨大，并且還會耗費大量的分析時間。大數據在統計學中的應用，解決了這一問題。應用大數據技術能夠將人文領域、經濟領域、網絡領域等方面的數據信息全面整合，使得各個領域之間得以實現互通互融。大數據技術本身就擁有著較為先進的處理機制，因此該技術不僅能夠解決諸多與數據相關的問題，還能夠將無法解決的數據信息問題進行保存，作為大數據技術日后發展的使用儲備。

二、大數據對統計工作帶來的變革

統計學理論指導統計工作的進行，根據統計學的發展應用情況，大數據技術對統計工作中傳統統計方法的影響主要在于數據抽樣方法、數據預處理方法、模型構建以及數據分析方法四部分。筆者根據自身多年工作經驗，通過以下內容詳細論述了有關大數據對統計工作帶來的變革。

（一）抽樣方法的變革

統計抽樣方法是在一定的條件下，從所有研究對象中隨機挑選部分對象，并獲取其相關數據。而大數據技術中的抽樣方法是在諸多流動的數據中，挑選其中典型的數據或者直接獲取全部數據進行分析。采用大數據抽樣技術能夠自動篩選出在龐大的數據中有著內在聯系的某些信息，并能實時更新數據，有助于研究數據之間的連貫性以及動態關系。在傳統的統計學中，如果想要通過人工開展典型數據的篩選工作，具有較大的局限性。而在大數據技術下，可以通過不斷采集樣本累積數據信息的方式獲得真實可靠的結果。

（二）數據預處理方法的變革

在對數據進行分析前，首先需要根據數據的實際情況，對其開展清洗、糾正以及調補等相關預處理工作。在傳統統計預處理中，如果要檢查數據的預處理工作是否完成，需要對數據使用合理的抽樣方法，抽取一定的數據進行檢查，探究其中是否仍舊存在需要糾正的數據。此種對數據進行預處理的方法，工作量大，而且不一定能夠對所有數據都進行了有效清洗。并且在數據量少的情況下，對缺失值的處理是否恰當會影響整個數據的分析結果。大數據技術的預處理方法和傳統統計預處理方法沒有實質區別，但是大數據技術的優點在于能夠及時對數據預處理中的錯誤信息進行糾正，統籌整個數據資源，最終實現統計目標［1］。

（三）模型構建方法的變革

根據大數據時代的發展情況來看，該時代的另一特征便是網絡平臺的發展與建設。根據傳統會計學的應用情況來看，無論是統計計算還是數據采集工作，都是線下開展。工作方式有問卷調查、任務布置以及學校課題研究等。在大數據技術不斷發展的過程中，網絡平臺的搭建可以使得用戶將該平臺作為基礎數據依據。在現代化信息技術不斷發展的過程中，有關數據處理模型系統軟件正在被逐漸開發，目前常用的數據處理模型軟件有MSBN、BN、MIM等，這些高維數據處理工具不僅能夠計算時間概率，還能夠根據數據信息的統計結果構建數據因果關系圖，有助于數據信息的傳播與流轉。

（四）數據分析方法的變革

在傳統的統計學分析工作中，想要研究不直接聯系但是具有一定相關性的變量之間的關系較為繁瑣，因為要從較為龐大的信息資源中挑選出具有代表性的樣本數據，還要對各個不同變量之間的關系進行研究［2］。在應用大數據技術進行分析時，該技術分析力強、包容力大的數據統籌能力，能夠使得各種環境下的信息資源被有效整合，最終得出一個準確性較高的結果。在這一過程中，盡可能地減少了變量的參與，我們經常將這一分析法稱為薈萃分析法。

三、大數據背景下的統計學發展方向以及發展策略

（一）不斷健全有關統計學總體、個體、樣本的定義

根據傳統統計學的應用情況，在對數據信息開展分析工作時，首先需要搜集相關信息數據，從已經搜集到的數據信息中抽取樣本，隨后根據樣本的性質來對調查對象的總體特點進行確定。具體而言，就是在應用傳統統計學方法篩選數據時，需要在確定總體之后再抽取相關樣本進行分析［3］，而應用大數據技術則方法截然不同。大數據技術首先需要搜集個體數據樣本，其次根據個體數據樣本確定數據整體，最后按照相關要求對數據信息進行篩選，最終得出的統計結果是基于總體得到的結果，因此可信度與說服度更高。在當前，大多數情況下數據信息都是以信息流的形式出現，也就是說數據信息的樣本是流動的、累積的。在此情況下，傳統統計學最終分析出的結果不能與時俱進，具有一定滯后性。在利用大數據技術對相關信息進行搜集、監控時，因為對已經確定的數據信息沒有依賴性，在開展后續計算工作時準確度更高，分析出來的數據結果更有實際應用性，能夠為后續工作提供依據，提高統計工作可靠性。

（二）拓寬了統計學的研究體系

無論是什么領域實現可持續發展都是不變的宗旨，在當前我國社會快速發展過程中，統計學想要實現持續發展，就需要運用辯證、發展的眼光看待統計學。根據大數據的發展情況來看，它是一個框架體系巨大、統一性較強的綜合性內容，統計學作為大數據中的一個分支，在未來發展過程中一定要積極融入大數據的思想、內涵［4］。在傳統的統計學分析計算工作中具有較大的局限性，為了確保最終的統計結果公平、公正，工作人員通常情況下只能夠通過在總體數據中挑選數據樣本進行相關計算，在此過程中主張以小見大的分析統計方式。大數據時代的來臨改變了這一問題，數據內容過大不再是難題，并且不斷優化了數據整理過程。統計學在發展過程中要積極引進新技術與新理念，不斷拓寬自己的研究體系，以便能夠建立更多的分析研究方式，促使我國大數據時代穩定發展［5］。

（三）新的分類與梳理方法

根據傳統統計學的應用情況來看，有關數據信息的分類方式首先是要對分類進行定義與區分，根據定義好的便簽有針對性地搜尋相關數據信息。在對數據信息進行統計時會發現，這些信息通常情況下都會被囊括到一個已經明確的結構中，整個數據信息的梳理過程十分單一［6］。信息梳理作為信息預處理的關鍵環節，直接會影響到最終分析結果。但是在大數據背景下，所有數據信息的來源都屬于開放式，因此只要設定好需要的信息類型，按照信息分類標識對信息類別進行判斷，最終能夠從不同的信息數據中篩選出需要的數據內容［7］。

綜上所述，根據當前大數據背景下統計學的發展方向，大數據技術的廣泛普及對統計學的數據抽樣、數據預處理、模型構建以及數據分析帶來了積極影響。統計學想要實現持續發展，就需要融合大數據技術，不斷拓展統計學的研究領域，不斷創新數據的分類與梳理方法，只有這樣才能為統計學可持續發展提供保障。