芻議數據挖掘技術在經濟統計中的應用

［摘 要］在我國宏觀經濟不斷發展的背景下，經濟統計數據因素逐漸增多，傳統經濟統計與經濟數據分析方式已難以滿足現階段的需求。而隨著信息技術的進一步發展，數據挖掘技術在社會各個領域得到廣泛運用，其中就包含經濟統計領域。基于此，本文主要探究了數據挖掘技術的優勢，以及在經濟統計中的應用和發展前景，旨在推動經濟統計工作取得更好的效果。

［關鍵詞］數據挖掘技術；經濟統計；數據信息

doi：10.3969/j.issn.1673-0194.2023.01.044

［中圖分類號］TP311；F222.1 ［文獻標識碼］A ［文章編號］1673-0194（2023）01-0167-05

0" " "引 言

信息時代背景下，社會市場經濟活動形成的數據逐漸增多，怎樣在這些數據之中提取有效信息，確保經濟統計工作能夠順利進行，屬于現階段討論的熱點話題。作為一種新型統計方法，數據挖掘技術能夠從多個維度對信息數據內涵進行分析，并整合分類具有龐大性、復雜性特點的信息數據，而不是局限于對數理知識的簡單運用。當前，數據挖掘技術越發成熟，除了能夠確保數據信息的準確性、可靠性之外，還可以實現數據信息深加工，進而展現出數據信息的價值，為經濟統計工作提供更好的服務。

1" " "數據挖掘技術概述

1.1" "數據挖掘的內涵

數據挖掘技術主要是指運用特定數據挖掘工具，從數量龐大、隨機、不完整的數據中，使用特定算法，篩選出事先未知的、具有潛在價值信息的數據處理方式，交叉融合了模式識別、機器學習、可視化數據庫以及統計學、信息檢索、高性能計算等多門技術，其中主要涉及搜索和預測等相關功能。首先，工作人員可運用數據挖掘技術將海量信息化繁為簡，整理和分類各類信息，促進數據統計效率的提高。其次，工作人員可將數據做數據庫鏈接后，對市場發展趨勢進行預測，進而為市場決策提供幫助。簡而言之，經濟統計人員可運用數據挖掘技術，加工原始數據，消除不完全性、模糊性以及隨機性，以此促進數據有效性的提高。

1.2" "數據挖掘工具

憑借不同工具挖掘與分析數據，可以在迅速挖取信息的基礎上，對其予以分析和整理，以此確保數據的有效性和可靠性。現階段，數據挖掘工具主要有通用型、綜合型、特定性三種類型，能夠讓經濟統計人員更加便利地獲取信息，讓人們對經濟信息的多樣性需求得到滿足。第一，通用型工具。現階段，通用型工具的應用十分廣泛，符合大部分經濟統計工作的需求。經濟統計人員經常運用SGI Minest、SAS Enterprise等相關計算機軟件開展數據分析和整理工作，提高數據工作效率。第二，綜合型工具。與通用型數據挖掘工具相比較而言，綜合型工具更偏向應用于商業活動，包括Cognos Scenario和Business" Objects等。受經濟信息在線分析、處理、管理報告高要求的影響，其通常用于協助經濟統計工作人員管理與調控經濟主體。第三，特定型工具。和前兩種工具相比，特定型工具專業性更強，并且服務對象大多為特殊經濟領域。對于KDI軟件以及HNC而言，是應用十分普遍的特定型數據挖掘工具，前者主要針對零售領域，而后者則主要挖掘經濟欺詐信息［1］。

2" " "數據挖掘技術的特點分析

當前，隨著數據挖掘技術的不斷發展，吸收了其他學科的知識以及經驗，進而使其在經濟統計中的應用范圍得到了進一步的拓寬，涉及機器學習等多個方面，如圖1所示［2］。對于數據挖掘而言，主要涉及以下特點。第一，信息數量龐大。憑借數據挖掘技術，可收集到許多信息，這也使得其需要處理復雜與廣泛的信息。對此，統計工作人員需對數據實施深加工以及精加工。第二，關鍵詞提取信息。運用數據庫的過程中，如果用戶暫時無法提取自身當前所需的數據信息，抑或是不清楚需要的信息，可以采取輸入關鍵詞的方式進行快捷查找，進而讓數據搜索時間得到有效減少，促進經濟統計工作效率的提高［3］。第三，經濟信息增加量不斷提高。隨著經濟的迅速發展，推動了經濟信息量的不斷增長，進而需要經濟統計部門或人員在運用數據信息庫時，要通過增加內部容量，滿足發展需求。另外，隨著數據挖掘搜索精準度的持續提升，用戶可以順利、便捷地得到所需數據。

3" " "數據挖掘技術的主要優勢

第一，能夠處理大量信息，有利于工作效率的提高。在數據挖掘技術的作用下，可以整合復雜、海量煩瑣的數據信息，工作人員可結合數據發現規律，進行深度信息分析。第二，支持搜索和實時預測，有利于市場決策。和傳統數據處理相比之下，數據挖掘技術可結合關鍵詞實現聯想搜索。同時，該技術還涉及預測功能，經濟統計人員可通過本技術分析與整理第一手經濟信息，然后結合數據庫中的信息，合理預測未來經濟的發展。第三，綜合性強，有利于協調多方經濟工作。通過數據挖掘技術，能夠實現對數據的全面整合與分析，讓散亂的數據信息成為統一的整體，并轉換單一的信息數據，讓各部門擁有數據方面的支持。

4" " "數據挖掘技術在經濟統計中的應用

4.1" "數據轉換

這個階段是數據準備階段，針對即將被挖掘的數據信息不滿足數據挖掘技術使用條件的狀況，需運用數據轉換，指的是把被挖掘數據信息轉化成滿足數據挖掘要求的信息形式。包括三個方面的內容：首先是對數據進行科學篩選與排列，明確目標數據；其次是對篩選的數據進行初步的整合；最后是對數據進行轉換簡化。通常情況下，轉換的重點在于數據規范化和數據泛化。其中，數據規范化涉及以下幾類：規范化零均值、最小規范化及最大規范化。數據泛化則是指轉換高層次數據信息為低層次數據信息。就以上轉化而言，連續轉化信息屬于最為理想的方式。但當前的技術水平難以實現連續轉化信息。因此，需要將數據范圍劃分清楚，分層劃分完后，需第一時間逐層轉化處理這些信息。

基于數據轉化，降低要搜索、研究分析的信息量。

4.2" "數據集成

在經濟統計中運用數據挖掘技術，需處理各種來源的數據信息，讓其能夠迅速地形成一個系統，以便于后期數據分析處理，即數據集成。現階段，數據集成在經濟統計中得到了廣泛運用，相關工作人員在對經濟數據進行匯總的過程中，通常需整合不同地區存在的相關數據統計信息。具體整合時，應重視以下內容。第一，模式集成。對于模式集成而言，需要確保數據信息能夠與具體經濟問題對應，分類匯總不同的數據格式，讓系統自主分析判斷以上內容。比如，部分單位主要采取“stcl_id”的數據格式，但數據庫中不包含此格式內容，進而需要系統對這些數據信息進行分析，對其特點進行總結，最后集成到現有數據格式之中，達到多樣化格式數據處理的目標，防止后期分析數據的過程中，出現資料無法打開或缺失的情況。第二，冗余問題。若一組數據信息結合會影響另一組數據，則該組數據就涉及冗余屬性。較為常見的生產總值就存在顯著的冗余屬性，國家人口數量以及經濟發展價值會對數據特性產生影響。所以，在經濟統計過程中，針對具有該屬性的數據，需開展相關聯信息分析，科學預估經濟發展過程中難以統計的數據，確保經濟統計目的的順利實現。第三，數據沖突問題。分析經濟數據時，會產生同一調研內容由多家組織機構提供數據的情況，使得數據出現沖突。所以，需通過數據挖掘的方式，將不準確信息過濾出來，并運用統一的評定標準。使用單位不同屬于數據沖突的另一種表現。數據挖掘技術可以結合統一的計量標準，轉化分析數據信息，為經濟統計結果提供有效保障。

4.3" "預處理

收集數據的過程中，數據挖掘技術會收集到各類數據。其中部分數據信息可能并非有效與完整的，即存在殘缺、不統一、錯誤、與統計要求不符等情況。因此，對收集到的數據信息分析前，需要對這些信息進行預處理。對于預處理而言，指的是清除噪聲值、空值等相關數據信息。通常涉及頻率統計法、預測法、平滑法、均值法等相關預處理方式。如果收集到的數據存在問題，那么需要結合具體狀況，提前運用適宜的數據處理方式，對這些數據信息予以有效的處理，確保數據信息的可靠性、準確性［4］。在此過程中，平滑法和均值法屬于最為常用的方式，可有效清除數據中的空值和噪聲值。一方面，均值法能夠獲得較為精準的數據信息；另一方面，平滑法可以通過加權平均法獲取到的數據，替代相應平均數，以此將數據最為真實的一面展現出來。

4.4" "決策樹

在數據挖掘中，決策樹（Decision Tree）屬于最為常用的一種分類方式，優勢在于形象、直觀。實際運用過程中，關鍵點在于決策樹的構建方面，決策樹常見算法涉及CLS算法、ID3算法、C4.5算法、CART 算法、Autoclass算法等［5］。對于決策樹算法中倒置的樹形結構而言，可以將數據分類過程通過簡單直觀的方式進行展現，如圖2所示。

比如，在A地生活的張三是一名籃球愛好者，他通過決策樹的方式進行數據分析，以此決定某一天是否打球。詳細步驟如下。第一，集合數據樣本，將其劃分成四個屬性，即天氣、氣溫、場地與風力，再分類數據樣本，包含適合和不適合戶外打球兩個方面。其中，適合通過Y表示，不適合則用N表示。第二，運用ID3算法，將信息熵計算出來。天氣數據表中涉及24條記錄，Y與N分別占12條（見表1），通過分析打球結果可知，張三打球與不打球的概率均為1/2，所以信息熵為1。第三，通過信息熵計算數據。結合戶外打球的四個決定因素，利用信息熵計算和比較，確定決策樹根結點為天氣狀況。第四，以天氣狀況為決策樹根結點，再根據天氣屬性為晴天、陰天、雨天，形成三個分支，計算天氣狀況在陰天時的氣溫、場地、風力情況，進行信息增益（見圖3）。第五，對以上步驟進行重復，直至所有分支記錄均屬于同一類為止，得到最終決策樹。

5" " "數據挖掘技術的發展前景

5.1" "適用性

現階段，部分經濟管理部門在開展經濟統計類活動的過程中，依然難以適應現代信息技術的發展，轉而沿用傳統數據分析方式。因此，其中涉及的缺陷，難以從源頭上得到改善。發揮出數據挖掘技術的作用，可以彌補經濟統計中存在的不足之處，并減少統計工作的重復。在以后也會結合市場發展所需，積極靈活調整相應的技術應用方法，以增強數據挖掘技術的整體適用性，與經濟統計要求相符，并彰顯出經濟數據的多樣性特征。

5.2" "有效性

數據挖掘技術屬于對信息進行深度加工的主要方式之一。現階段，數據挖掘技術在實際應用過程中存在顯著目的性，當積累大量數據后，便能夠被推廣運用到經濟統計的分析管理過程中。在未來發展方面，數據挖掘技術能夠繼續展現出自身優勢，消除數據庫中重復、散亂的數據，通過對數據系統的整合，向經濟統計提供更加優質的服務。

5.3" "綜合性

對于統計部門而言，日常工作內容與其他發展部門之間存在著緊密的聯系，且影響著這些部門經濟的增長情形。基于此，經濟統計數據的應用，逐漸演變成管理與決策的基礎。但是，通過分析實際情況可知，不同部門需要采取不同的管理模式，經濟需求也存在差異，因此對經濟統計體系提出了更高要求，除了應提供給不同管理部門必要的數據外，還應結合管理部門間的差異，及時靈活調整、展開分析，根據不一樣的方式有效提供數據。今后，隨著將數據挖掘技術綜合應用能力的不斷提高，可協助管理部門順利實現發展目標。所以，基于對挖掘技術綜合性優勢的進一步發揮，能有效促進體系應用深入發展。

6" " "結 語

綜上所述，數據挖掘技術在經濟統計中的運用，除了能夠協助政府、單位等進行數據整理和分析之外，可促進企業工作效率的提高，為社會經濟研究提供更好的服務，獲得更多經濟利益。但在應用中也會出現一些問題，需要在發展數據發掘的基礎上，加強對數據挖掘技術的研究。將數據挖掘技術應用于經濟統計工作，應讓有關人員意識到該技術所具備的作用，有序開展各項統計工作，確保數據挖掘技術能夠在經濟統計中實現更好的發展，拓寬數據的廣度。

主要參考文獻

［1］戴鵬益.數據挖掘技術在經濟統計中的應用探索［J］.中小企業管理與科技：上旬刊，2021（1）：180-181.

［2］王致遠.探析數據挖掘技術在經濟統計中的應用［J］.求學，2020（11）：49-50.

［3］宋佳苗.關于數據挖掘技術在經濟統計中的應用［J］.信息系統工程，2021（5）：80-81，84.

［4］楊留華.數據挖掘技術在經濟統計調查中的應用［J］.全國流通經濟，2019（26）：55-57.

［5］廖友國，熊建益，沈波.數據挖掘技術在現代經濟統計中的應用思路分析［J］.商訊，2019（11）：106-107.