数据质量范文10篇

如果把地税征管信息系统比作森林，征管数据就是一颗颗树木。近年来，地税部门的信息化建设正不断向深度和广度发展，征管数据的采集和覆盖范围日益扩大，尤其是多元化申报方式的推行，网上办税数据的传输，对征管数据质量提出了更高的要求。但征管信息软件系统中一些无效、不合法、口径不一致的征管数据不断地出现，直接侵占了税收网络资源，干扰税收征管信息系统的正常运行质量和效率，影响了税收的征收管理。这些被我们称为征管垃圾数据是如何产生的呢？下面笔者根据自己的工作经验谈几点看法。

一、影响税收征管数据质量的因素

（一）、征管数据采集不规范

新系统上线时，由于新旧系统的数据库结构不同，原来使用业务系统中的历史数据无法迁移到新系统中，只能重新采集录入。因此在征管数据采集过程中，难免出现差错。征管数据采集过程中出现的问题体现在：

一是在数据采集环节。由于纳税人文化程度和业务水平参差不齐，有相当一部分人对税务登记表、纳税申报表等数据信息采集表格填报口径不一致，不能比较正确地填写纳税基础信息，加之个别税务管理人员对数据采集工作重视程度不够，责任心不强，缺乏严谨的工作态度，对纳税人填报的采集数据没有实地调查、审理不严等因素，因此，从源头上形成了征管垃圾数据。

二是征管数据录入环节。由于征管数据是通过手工输入微机的方法，纳税户递交申报的原始资料原本就不完整,不准确，在手工输入微机时又可能发生错误，因而致使信息资料失真或不全，计算机的依托作用便难以发挥出来。再者，税务机关数据录入人员往往只注意数据采集表中的数据和信息，而忽视其他方面各种有用信息的采集和利用。在日常工作中，数据录入主要体现在为纳税户办理税务登记、征收期受理纳税申报和发票销售及核销环节，这都是一些繁锁的手工操作过程，这不仅要求数据录入人员有熟练的计算机操作技能，更要有较强的责任心。如果责任心不强的话，就容易出现下列情况：发现纳税人填写的数据错误或填写不清，却嫌数据采集表退回登记流程的手续繁琐，大都采用猜测代填数据的处理方法；为了省事，只录入系统数据保存时必要的项目，对纳税人填写的附表或其他指标，一律以0代替录入；对房产税、土地使用税申报表只录主表数据而不录附表数据，造成统计汇总结果出现严重偏差，等等。

1统计信息为提高医院医疗质量提供准确的信息源

医院医疗质量影响到一个医院的工作效率和医疗效果，关系到医院的基本医疗质量和社会信誉。利用统计综合分析中的医疗指标、质量指标来保证统计信息的准确来源。加强医院管理，促进医疗质量的提高，反馈疾病的发生及其规律。

利用诊断质量指标综合反映医院住院医疗质量和管理状况，评价医生业务水平。利用治疗质量指标观测直接影响医疗终末质量。利用工作效率指标反映管理水平和医疗技术。利用单病种质量指标来反馈主要包括住院总费用、医疗水平、对社会的影响以及广大患者对医院的信誉度。利用医技科室质量指标来管理大型医疗设备运营情况，为医院的持续发展提供可靠数据依据。

2统计信息是医院实施量化管理的数据资源保证

现代化医院离不开科学的决策，科学的决策离不开及时、准确、全面的统计数据，医院卫生统计能够迅速反映医院管理活动中的动态变化指标情况和历史全貌，为制定医院质量管理指标和计划，监控方案的实施过程，总结项目工作经验教训，提供可靠的、权威的数据资源保证。

准确、及时、全面的统计信息开阔了领导的思路，提升了领导的思维层次和领导能力。管理者通过统计信息获得资料，通过资料发现问题；通过对问题的深入分析研究，提出解决问题的思想方法和途径；如：通过对工作效率指标的分析，加强对手术患者术前平均住院日和出院患者平均住院日的管理；通过对诊断质量指标的分析，加强医院医疗质量管理，提高医生的业务水平；通过对治疗质量指标的分析，强化对治疗患者出院情况的正确填写，真实反映医院的治疗质量；通过对医技科室质量指标的分析，了解医院大型设备的使用情况，掌握医院的经济效益；通过对费用结构指标的分析，认识医院效益提升的一个重要途径是在总费用不变的情况下，如何降低药费构成比，相对提高医疗服务费用比例，从而提高收入“含金量”，此同时患者得到合理的用药和优质的服务；通过对单病种质量指标的分析，控制单病种费用，提高医疗质量。打出医院的医疗品牌，提高医院在社会的信誉度，树立医院的知名度，为医院获取社会效益。

随着医疗卫生体制改革的不断深入，医疗质量已直接影响到医院等级评审以及医院的可持续发展能力。如何提高医院的医疗安全和医疗质量，避免或预防可能出现的错误或意外等不良事件，强化医务人员培训和制定规范的操作流程以及严格的管理制度当然是必不可少的，但是如何通过信息化建立数字化的、标准化的评价和监测体系，及时甚至是实时提示或刚性拦截不合理的处方，已经成为医院临床信息化的必经之路。本文简要介绍了质量数据中心的概念和构建方法，并以实例进行说明，以期对希望通过信息化手段提高医疗质量的医院提供借鉴。

1现状分析

医疗质量管理是医疗管理的核心[1]。医疗质量是医院生存与发展的基础，在“两会”提出的“健康中国”理念的引导下，着力优化综合性医院医疗质量管理，不仅能给医院带来经济效益，而且能够满足患者日益增长的就医需求，从而带来良好的社会效益[2]。随着世界各国医疗质量管理和我国医药卫生体制改革的深化，医院的医疗质量管理水平已不能完全适应当下的医疗质量管理要求，针对当下严峻的质量管理要求，医院医疗质量管理主要存在以下几个问题。1.1医疗质量管理水平不高。21世纪是“质量的世纪”[3]，以其超严的质量要求为标志。对于医院而言，超严意味着各种质量指标标准将不断提高。不仅要诊断正确，还要定位更加精确；不仅要治疗有效，而且并发症发生率、院内感染率还要尽可能降低，疗效评价也将从短期上升到长期甚至终身疗效评价；不仅要求不能发生事故，还要“零缺陷”“零差错”……人对生命质量的渴望和追求，正随着科学技术的不断进步和人民生活水平的提高而以惊人的速度增长着，这促使医院质量管控技术必须永无止境地向前推进。1.2医疗质量内涵不够丰富。随着医学模式的转变和国家医疗卫生体制改革方向的确立，医院医疗服务范围拓展到更加宽广的领域。随之而来的以病人为中心、病人评判至上的原则就要求医院医疗质量提高到更广、更深、更全面的“大质量观”水平[4]，即不仅要实现传统意义上的诊断治疗质量高，还要实现医疗工作效率高、医疗费用和医疗过程合理、医疗服务质量令人满意等。正如卫生改革宗旨所指出，医疗机构要“努力用较低廉的费用，提供较优质的医疗服务”。1.3医疗质量管理手段落后。医院的可持续发展建立在平衡、协调的综合性发展基础之上，医院既要加强外延建设，注重引进先进仪器设备，改善工作环境，又要强化内涵建设，建章立制，保证质量，挖潜增效。近年来，医院经历了外延建设跨越发展的时期，医疗规模显著扩大、医疗环境日益美化、医疗设备更新换代，硬件建设逐渐新增。然而，相比之下，医院质量管理手段却稍显滞后，而且因质量问题所带来的医疗安全隐患仍然较为突出，医院漏诊、误诊时有发生。

2解决方案

2.1构建质量数据中心。质量数据中心（qualitydatarepository，QDR）是医院医疗质量管理系统的核心[5]，是一个整合各种医疗质量来源数据的实时数据库，通过统一方式呈现医疗质量数据视图，质量指标监控，医疗质量联动以及质量评价，以促进医院管理和临床医疗质量的提高。在建立医疗质量数据中心的过程中，标准化是一个非常重要的问题。标准化的数据类型、标准化的医疗术语集、标准化的数据访问服务要能够满足系统的数据需求。为此，医疗质量数据中心数据模型的构建要完全遵循相关国际标准建立。并按照医疗质量管理的要求，增补大量的质量数据标准。在建立医疗质量数据中心的过程中，采用类似数据仓库技术的建设方式。通过源数据库、数据抽取、数据仓库数据库、数据集市以及数据访问服务的构架，形成一套满足实际医疗质量监管要求的医疗质量数据中心系统。数据抽取过程主要是将数据从医院业务系统的源数据库中抽提出来，并进行必要的转化、整理，再存放到数据仓库内。主要提供的服务包括删除对决策应用没有意义的数据段；转换到统一的数据名称和定义；计算统计和衍生数据；给缺值数据赋给缺省值；把不同的数据定义方式统一等。2.2主动监测数据。临床业务数据错综复杂，各业务间的数据存在千丝万缕的关系，从应用层面，我们希望这些零碎的数据能够关联整合起来分析和展示，例如医师在下达输血医嘱后，应去关注相关的检验指标变化、配血信息、不良反应信息等内容，最好第一时间知晓。由于现在数据存储千差万别，单纯地要从各业务表中实时获取数据进行整合效率很低；同时业务的需求也是持续发展的，对数据的关注也会发生一些变化，定制式的数据处理肯定满足不了业务的发展需求。这就有必要在应用框架层面建立一种主动的数据监测机制，能够自动地将业务触发的需要关注的数据实时推送过来，主动监测模式可以弥补被动监测模式的不足，它是一种有组织、有计划的监测活动[6，7]。2.3闭环化设计。医疗质量管理系统的关键就在于信息系统和临床的业务进行充分的整合[8]。即医疗质量管理系统的数据基础都来源于业务系统，日常的数据报表和行为监测都与业务系统形成联动关系，系统分析和评估的结论也会反馈到业务系统中，给临床医护人员提供参考。在医疗质量管理中，定义出每个环节可能产生的临床事件。每条临床事件都可以设置前置条件和后继任务，前置条件不满足的，当前事件可不予执行或者予以提醒，在当前事件完成的前提下，还可驱动后继的工作任务需求，并进行持续跟踪管理。真正形成一个严谨、智能、可追寻的闭环业务处理模式[4]。有效地将一些临床和运营管理的具体措施落实到实处，进而提高医院整体的临床医疗质量水平。2.4任务驱动。在临床医疗过程中，每个事件或动作都可以产生对应的任务、子任务、任务时间域、任务操作者等信息。例如医生下达了手术医嘱后，可创建系列任务：医生需要进行术前手术谈话、手术前小结；麻醉医师需要进行麻醉前访视；手术室要安排手术时间和手术室；护士要完成术前护理工作，这些产生的任务都会通过消息引擎，向对应的临床医护人员进行提示。在医疗质量管理系统中的任务还不单是基于手术流程的任务管理，还将手术质量方面的管理内容也纳入到了任务管理的环节中。如手术医师是否具有相对应手术的资格；患者是否具有满足手术适应症的指证；医院同种手术的成功率是多少，是否有分析结果提供给医生进行参考，都成为医疗质量管理系统中任务的处理内容。

3应用举例

从目前企业数据质量管理现状看来，数据生命周期被系统使用单位和系统割裂，按传统建设思路，随着业务管理水平提升自发形成的结果，并且数据问题很难被追溯；按系统边界进行数据质量管理，系统间数据冗余、不一致的现象较为严重；在目前信息化时代，仍然依赖大量手工报表进行数据分析，存在数据失真的可能。这主要归根于两方面原因，其分析如下：技术原因方面分析：基础数据分散在不同系统中由不同人员重复维护，产生多个版本；没有集中产生数据编码，不严格执行数据标准，导致对象无法被唯一识别；缺乏基础数据的实时共享和同步机制，缺乏基础数据的权威数据源定义，最终导致数据不一致。数据管理责任方面分析：“谁创建，谁负责；谁使用，谁监督。”此责任原则确定不完全恰当，有时候数据创建部门仅仅接受其他部门的数据录入要求，此时他们仅能为是否录入正确负责，作为数据负责部门未必恰当；未明确多个创建部门和使用部门情况下的数据责任，如有多个创建部门，如何一起负责，管理流程是怎么样的；存在权利和义务不对等，只强调了数据创建部门的义务，没有强调该权利；只强调了数据使用部门的权利，没有强调义务；数据使用过程中某些部门的职责未明确，数据使用过程中还涉及一些其他部门，未定义其职责，且未明确各部门在数据管控各项活动中的职责。迫切的现实需求，数据价值充分体现了建立一体化的数据质量管理体系势在必行。数据资源管理组织及认责体系不完善；数据资源管理的流程不完整；数据资源管理的技术支撑不足；数据标准及数据规划落地执行不足。电力企业需建立并落实数据质量管理评估、数据质量认责和数据质量稽查等工作，使其常态化。可以按照如下5个方面进行常态化工作开展。岗位落实方面：按照数据质量及实用化工作方案及相关细则，设置数据质量及实用化管理岗位，明确定义人员职责，完成相关培训。工作执行方面：根据企业制定的数据质量管理工作方案，执行日常数据质量管理工作，及时补充完善数据质量管理校验规则，按时按质开展日常数据质量检查，对数据质量报告、评价报告等及时反馈，解决相关数据质量问题。水平提升方面：根据企业制定的数据质量管理专项工程的工作目标和工作要求，开展常态数据稽查和数据巡视工作，持续提升数据质量管理水平，满足数据质量管理问题的解决完成率、及时率等指标要求。数据质量及实用化评价方面：衡量信息系统数据质量管理水平的量化指标，具体包括系统覆盖率、数据完整率、数据及时率、数据准确率、数据一致率、数据合规率等。数据稽查和数据巡视评价方面：衡量数据稽查和数据巡视工作开展情况的量化指标，具体包括数据稽查和数据巡视工作及时率、任务完成率等。将上述5个方面的常态化工作分阶段，可分为4个阶段开展工作。计划准备及启动阶段：确定数据质量管理的工作方案，制定详细工作计划，召开项目启动会并进行业务蓝图宣贯；明确工作目标及各部门人员工作职责及要求。诊断分析阶段：针对具体业务功能点及数据质量管理要求，制定详细的访谈提纲；对各业务部门进行访谈。了解业务难点，收集问题，对问题进行分析，编制诊断分析报告。问题整改阶段：在诊断分析阶段工作成果的基础上，制定详细的整改工作方案，编制实用化推进规划报告；协助业务部门进行问题整改，及时追踪问题整改进度，并更新整改状态。推进阶段及跟踪：跟进高数据质量管理推进工作，汇总、反馈进展情况，进行阶段性评价检查，最终实现数据质量管理水平的提升。

数据质量管理平台设想

数据质量管理平台是电力企业核心主数据的唯一数据源，业务系统只保留本地副本。核心主数据的创建和修改审批流程由业务系统完成，满足主数据约束条件后，在平台上完成数据的变更，再修改本地副本。各业务系统在设计、开发过程中应充分考虑并遵循这一原则。平台应支持数据质量和实用化评价、数据监控、数据稽查、数据认责、数据清理、数据巡视、数据质量知识库等内容，满足各级用户的数据质量和实用化管理需求。平台以集中管理核心主数据、统一标准管理、统一编码管理、统一数据质量管理4个方面来定位。集中管理核心主数据：唯一可信数据源，为企业提供完整的、实时的、准确的、一致的核心主数据视图，实现企业核心主数据的唯一识别、统一标识、集成和共享。统一标准管理：标准的维护、查询、版本管理、等功能。统一编码管理：基于企业信息分类和编码定义的各类业务编码规则，统一为各相关业务系统分配标准编码。统一数据质量管理：发现、分析、跟踪各相关系统数据质量问题，加强和提升企业数据质量事后管理能力。平台设计原则遵循规范性和统一性的原则，此原则坚持统一管理、统一规划、统一标准、统一建设的基本原则；遵循统一数据资源管理平台的功能规划，技术路线和产品选型的原则；遵循可重用、松藕合、就近部署原则；遵循创新原则，此原则充分借鉴业界先进实践经验的同时，尽量减少平台建设的成本和风险；遵循稳定性和高可靠性的原则，平台部署应采用集群、冗余、负载均衡等策略；遵循可扩展性的原则，软、硬件平台应具有良好的可拓展能力，能够方便地进行扩展，以适用各种业务和应用的不断发展。综合以上各个方面，提出了数据质量及实用化管理平台设想，如图2所示。该平台部分模块解析如下：质量问题发现：根据提供的检验规则定义功能对相关系统数据进行数据质量检查，包括校验目标、检验范围、检验逻辑、检验输出形式等；根据预定校验规则对指定数据定期或手动进行质量校验，保存数据质量校验结果以及样本问题数据，以便进行追踪分析。质量问题分析：提供报告格式定义功能，对数据质量问题进行统计，并根据定义的报告格式生成图表分析报告。质量问题跟踪：提供数据质量问题的查看、分配、反馈等流程处理功能，并对已处理完成的数据质量进行复核。

数据质量管理平台的应用效果

数据质量管理是通过制定企业的数据管理制度，利用组织人员、流程和技术的相互协作，使数据真正成为企业的核心资产的过程和方法。实现了数据质量管理工作闭环管理，理清了工作思路，规范了工作流程，平台的建立为该工作提供了重要保证。（1）数据搭建了从业务到应用的桥梁，平台是电力企业核心主数据的唯一数据源，使数据性得到保证，从而减少大量人工报表工作量，真正达到为基层人员减负的目标。（2）持续提升了信息系统数据质量，推进了信息系统实用化水平，为建成“一体化、智能化、精细化、互动化”安全高效的信息化体系更进一步。

对数据的要求随客户服务、管理精细化和监管要求不断提高，搭建数据质量管理平台能有效解决当前电力企业存在的数据质量问题，最终实现电力企业达到国内领先、国际一流的目标。在数据管理方面，建立体系化的数据治理框架，从根源解决数据质量管理的问题。

【摘要】统计数据质量是统计工作的生命线，其影响基层统计数据质量的因素是多方面的，统计基层基础工作薄弱、统计方法制度与指标体系不够科学、基层统计人员的素质与责任心等都是影响基层数据质量的主要因素，加强统计基层基础工作，提高人员素质，完善统计调查体系，加强法制工作等都是提高统计数据质量的重要举措。

【关键词】基层统计工作数据质量因素对策

基层统计工作是获取经济运行的客观数据，进而分析和认识经济发展的客观态势，即是发现宏观经济发展趋势的重要手段，又是政府进行宏观经济管理，制定正确地宏观决策的重要依据。从这一意义上说，就要求我们掌握真实而准确的、详实的基础统计资料。可以说，统计数据和统计资料真实、详细与否直接关系到能否正确认识经济运行的基本态势，对切准经济发展及其未来趋势的脉搏具有十分重要的意义。数据质量是统计工作的生命线，提高基层统计数据质量是做好统计工作的基础和前提。在当前统计工作中，基层统计工作出现的一些新情况、新问题，影响统计数据质量，制约统计工作水平的提升。因此提高基层统计数据质量问题是当前和今后一段时期统计工作的重要任务，必须引起高度重视。笔者结合县级统计部门基层工作的实践，就影响基层统计数据质量的因素做一些分析，并就如何提高基层统计数据质量进行粗浅的探讨。

一、影响基层统计数据质量的主要因素

统计基层基础工作薄弱。主要表现在：一是部分基层统计单位统计岗位落实不到位，统计人员多数为兼职，而且变动频繁，稳定性差。调查表明，大中型的企事业单位统计工作相对比较规范，有专门的统计机构与专职的统计人员，而一些小型单位，特别是私营、个体企业对统计工作重视不够，多数统计人员身兼数职，统计工作只是附带性的工作，而且经常变动，稳定性差，统计数据质量得不到保障；二是部分基层统计单位原始记录不全，未建立规范的统计台帐和统计制度，一些私营、个体企业，对统计工作不完全配合，填报的统计数据不能真实反映企业的实际情况，统计数据的质量存在较大偏差；三是基层开展统计工作所必须的经费和保障条件不能得到保障；四是部分基层单位分管统计的领导对统计工作不重视，对统计数据审核不严把不好关。统计方法制度不够完善，统计指标体系与指标设置不够科学。统计调查方法相对滞后。全面调查和抽样调查在实际工作中存在一定的局限性。全面调查在基层工作中有时难免存在调查者与被调查者之间，在搜集资料单位的上下左右之间，往往容易引起矛盾，在层层上报过程中，容易受人的主观因素影响，所以全面统计的结果有时并不全面。对基层的统计抽样工作来说：如规模以下工业企业、限额以下批发零售贸易企业、私营、个体经济等抽样工作，基层统计人员由于对抽样调查认识不到位，往往凭自己的主观臆断来确定抽样的样本点，抽样调查缺乏科学性导致调查样本的随机性、代表性难以保证，影响了调查样本数据的准确性，扩大了抽样误差。现有统计指标体系存在第一、二产业品种繁多，而满足国民经济核算需要的第三产业报表资料相对较少，影响统计数据质量；在指标设置上存在专业之间个别指标重复上报的现象，同时个别指标的设置没有充分考虑基层的实际，存在指标理解上的偏差。统计数据评审制度还不够健全。虽然一些主要经济指标如GDP已经建立数据联审评估制度，但统计数据评审制度还存在与GDP相关主要数据评估不够配套、同时数据评估制度还存在操作性不强等问题。基层统计人员工作积极性不高，对统计数据来源把关不严。首先，由于统计体制不科学、统计工作地位和待遇不高，基层统计人员积极性不高，责任心不强加之身兼数职，任务重，对日常的统计工作基本上是疲于应付，统计数据质量难以得到保证；其次，县级统计人员存在对统计数据的来源把关不严。由于统计部门长期受一无权二无钱、求人的事情多、自己说了算的时候少的认识的影响，对基层上报数据缺乏严格要求，加上评估论证不完全到位，有的专业存在下面报多少是多少、怎么报怎么算的问题，同时基层统计工作存在统计执法不严的问题，使少数企业多存侥幸心理，这在一定程度上影响统计数据质量；第三，基层统计人员的工作能力和水平影响统计数据的质量。基层统计人员缺乏系统的学习培训，其思想观念、工作思路滞后于新形势下统计工作的要求，是影响基层统计数据的质量不可忽略的重要因素。

二、提高基层统计数据质量的对策

对于师范生的能力培养主要有两个方面，即学科专业的教育和教师专业的教育，学科专业的教育就是本专业课程的具体学习，教师专业的教育就是教师专业的基础能力练习课程的学习。学科专业的教育是以学生专业课程成绩作为指标对培养质量进行评估，教师专业的教育是以学生的各项能力作为指标来评估师范生能力。针对这些能力来分析影响师范生培养质量的相关因素，以各门课程的实际学习情况，来保障师范生培养质量的评估标准，构建培养师范生质量的具体分析模型。

1将数据挖掘技术运用到师范生培训质量评估中的意义

数据挖掘（DateMining）也被称为数据开采或者数据库知识发现，其是在数据库信息中提取隐藏的、人们未能事先预知但是确实潜在且有用的最终能够被理解的信息、知识内容的过程。师范生培养质量评估数据，是为了给相关监管部门提供依据，实际上在这些数据内容中还隐藏着更具价值的信息内容，如果能很好地利用这些内容，可切实提升师范生的培养质量。数据挖掘是知识内容被发现过程中重要的环节，也是目前知识发现领域中一个重要的研究热点。使用数据挖掘技术对那些已经经过集成处理之后的数据内容进行有效挖掘，找到其中潜在的数据模式，能够更为全面地分析测试评估结构同各个因素间隐含的内在关联，从中汲取出更具有应用价值的规则，继而对师范生培养质量进行客观、公正、科学而有效的评估。此外，数据挖掘的整个数据分析过程都是自动的，其具有良好的开放式结构以及良好的用户接口，可给师范生培养质量评估工作提供有利的技术支撑。在师范生培养过程中运用数据挖掘技术，对实现师范生培训质量评估来讲具有科学意义，可切实有效地提升师范生培训质量，具有极为关键的理论价值与实践作用。

2数据挖掘技术在师范生培养质量评估中的具体运用

2.1培养数据的挖掘过程。数据挖掘技术使用各种不同的分析方式与工具，在海量数据内容中构建模型，并且找寻数据内容相互之间的关系。数据挖掘的过程：选择和清理原始数据，并且将其加载到数据库当中，再把加载之后的数据内容转变成为符合挖掘规则的样式，使用数据挖掘的规则算法挖掘出令用户产生兴趣的规则内容，最后把形成的规则内容经过可视化媒介展现给用户。2.2关联规则。数据挖掘最为关键的概念就是关联规则，关联规则是数据库海量梳理当中被找到的数据关系，其是当前数据挖掘中最为关键的理论内容之一。Apriori计算方法是数据挖掘关联规则频繁项集当中最具影响力的计算方式，是基于项目几何空间理论提出的。Apriori是一种非常经典的项目集生成计算方式，在数据挖掘中可以说其具有里程碑的意义。Apriori计算方式具有机构简单、便于理解的优点，其不需要复杂的推导过程。可是在不断开展深度研究之后，其缺点突显出来。为了能够更好地提升Apriori计算方式的有效性，笔者创新和改进了师范生培育质量评估中运用的Apriori计算方式。具体改进方式如图1所示。2.3改进后的Apriori计算方式在师范生培训质量评估中的运用。在海量数据库内容中抽取一定数量的记录，进行扫描并获得有关的统计信息，之后对数据内容进行预处理，其主要包括：对数据内容的集成、清理以及消减等。经过对数据内容的预处理，能提升数据挖掘的质量，减少实际进行数据挖掘需要使用的时间。2.3.1集成。集成也就是把多个数据库中搜集出来的数据内容合并到一起，实际研究中，把数据内容采集获得的多个数据库文件内容，使用数据库技术集成为高校师范生培养质量评估的基础数据内容。2.3.2清理。清理就是补充遗漏的数据值。在高校师范生培训质量评估的基础数据库中，要找到那些我们感兴趣的属性所欠缺的属性值，例如，在抽取高校教师基础情况的数据内容时，可能有的不是科任教师，就要清除掉这样的数据内容，之后再利用数据清理技术进行补充。2.3.3消减。消减的目的就是要缩小需要被挖掘数据内容的规模，使用消减的方式，在初始特征中找出有用的属性，减少实际挖掘过程中需要顾虑到的无效数据内容。最终使用后台、前台不同的展示方式，实现对相关数据内容的深度挖掘，并且使用数据挖掘技术中关联规则来评估师范生的培训质量，在数据挖掘技术基础之上进行培训质量评估，对于高校多年以来累积的相关数据内容进行挖掘与评估，评估结果可为高校教学监管以及行政部门的相关决策提供辅助，特别是为师范生培养工作提供了更多更为有益的借鉴。师范生培训质量评估是一项极为复杂的工作，此项工作中涉及的问题非常多，涉及的范围也极广。本文只是对各类数据内容进行了简单挖掘，伴随国际对师范生培养质量重视程度的不断提升，各种新兴科学技术在教育领域的运用备受关注，经过人们对数据挖掘技术的深度探究，这些技术在师范生培养质量评估中更会被重视。数据挖掘技术在教学领域中的普遍运用，一定能带定高校教育监管的革新和发展。

3结语

只有准确地统计数据，才能真实地反映客观实际，使党和国家了解真实情况，据此制定出切合实际的政策和计划，指导社会主义现代化建设健康的发展。随着经济全球化进程的加快，社会各界对统计信息的需求越来越广泛，对统计数据质量的要求越来越高。与国外先进水平相比，我国对数据质量的研究仍然比较薄弱，质量管理相对落后，统计数据不准、不真实的现象尚未彻底改变，这不仅影响其作用的发挥，而且降低了统计的威信和社会的地位。1影响统计数据质量的主要原因造成统计数据不准的原因，追其根源，主要有以下几个方面：1.1对统计缺乏认识使统计数据不准我国是从半封建半殖民地社会脱胎而来，几千年封建社会的影响，使我国长期处于自然、半自然经济之中，商品经济不发达，人民生活贫困，文化素质低，加之我国统计发展历史较短，广大人民群众对统计不了解或了解甚少。因此，在社会上出现“统计是干什么的?有什么用?…‘统计、统计、三分统计、七分估计”，“你要数，我报数、准不准、没有用”等一些说法。在部分基层干部中，由于缺乏统计知识，不懂统计，不会用统计，说什么“有统计我也领导、没统计我也领导”，对统计工作过问很少。当前又强调抓经济建设；一些人心目中又产生只重视能发挥直接效益的工作，不重视间接效益的工作。统计工作，它不产生直接经济效益，而是通过统计反映的数据和情况，经过领导者的正确决策和指挥才能发挥出一定的效益，这往往不被人们所了解和重视，致使一些领导重财务，轻统计，把统计人员调做财会工作认为是提拔重用。造成统计机构不健全，统计人员流动性大，素质低的现象，这样做如何能保证统计数据的准确?1.2原始统计信息数据质量问题较多，造成统计数据不准统计数据来源于统计调查，而统计调查中的原始数据都是由人提供的，这些原始数据，要么是企业的原始记录、统计台账，要么是调查表，或电话访谈录、观察记录、座谈会记录等，都是人的社会行为的结果。由于长期以来受计划经济体制的影响，统计信息以非商品的形式，无偿提供给政府与社会，统计信息工作缺乏利益驱动机制，积极性差，造成信息质量差，人为因素多。统计信息数据质量是统计信息、咨询、监督三大功能的基石，如果统计信息数据不准，基石不牢，统计信息就会失真。1.3统计体制、调查方法、统计标准、技术手段等造成统计数据不准例如，在非物质生产领域，随着我国经济的飞速发展，一些新兴的产业如文化产业、信息产业、高新技术产业等如果没有一套完整的核算体系、标准和方法，将难以准确核算其产值，影响统计数据的真实性。另外，当统计制度方法与国家的政治体制、行政管理体制、法律制度、经济结构不协调时，统计数据的真实性也难以得到保证。由于目前我国对政府官员政绩的评价量化，而又缺乏完整的科学的统计指标考核体系，于是在利益的驱动下，有的地方和单位会制造虚假的统计数据。1.4党风和社会风气不正是造成统计数据不准实事求是是我党的优良传统，也是统计工作者必须遵循的原则。但是，当前在党内和社会上出现一些不正之风，使一些单位领导不是从全党的利益出发，而是从个人和小集团的利益出发，抛弃了党的优良传统，把统计数字随需要而变，对统计数字采取实用主义态度，干扰统计数字的如实上报。在统计队伍中，有些同志也受不正之风的影响，不坚持原则，看领导眼色行事。这种不正之风所造成的行政干预和看风使舵，是影响统计数据的准确的社会。另外，在政风问题上人为干扰也比较严重。现在许多地方都开展“目标责任制”考核工作，把统计数据与政绩、升迁、纳税、奖惩相联系，把统计活动推到了“裁判员”的地位，严重影响了统计的独立性和超脱性。1.5客观环境的变化，被调查者配合程度降低造成统计数据不准客观环境的变化，对统计数据质量产生了很大影响。从外界条件看，一方面随着经济改革的深入，使得统计调查对象越来越复杂。原来主要调查对象都是有组织、有管理的单位，现在是面对千家万户和全社会。使取得真实可靠的统计数据变得困难了许多。被调查者受文化水平、法律意识、统计科学知识限制，合作诚意比以前有很大降低。另一方面，全社会对统计信息需的数量、质量都提出新的更高的要求，要求对统计方法制度进行重大调整改革，当前提供的统计信息存在盲目和滞后的问题。2提高统计数据质量的途径2.1牢固树立实事求是思想路线.坚持把提高数据质量放在统计工作的核心位置提高统计数据质量是统计工作的一个永恒的主题。但是在不同时期对统计数据质量有不同的标准，明确新时期统计数据质量的涵义和概念，树立全新的统计数据质量理念，是指导我们做好工作的前提和基础。在人们原来的旧观念中，准确性是统计数据质量的同义词，提起提高数据质量，唯一标准是提高数据准确性。但是随着人们质量观念的变化，质量的含义不断延伸，现在对产品质量要求不仅仅单纯指产品或服务的使用性能，还包括产品或服务。

【摘要】统计工作在全面建设小康社会中是一项十分重要的工作。统计要发挥作用，关键是统计数据必须准确。准确性是统计工作的生命。

【关键词】统计数据质量统计是了解国情、国力的重要手段，是党和国家制定政策、编制计划、指导工作的重要依据。

摘要：近几年以来，我国的民营经济发展速度不断加快，并逐渐成为国民经济体系的重要组成部分，所以在对国民经济的发展进行研究时，必须深入研究民营经济的统计工作。但是，根据我国的部分民营经济官方统计数据显示，其中存在许多失真的现象，不能对我国的国民经济发展起到良好的借鉴作用。因此，本文对民营经济统计数据工作现状展开了深入分析，并提出了数据挖掘技术的应用策略。

关键词：数据挖掘；民营经济；统计数据；质量

在大数据技术快速发展的推动下，大数据时代逐渐来临，人们越来越重视数据的价值。通过采用数据挖掘技术，能够从海量的信息数据中挖掘出比较具有价值的信息，所以必须保证统计数据的质量合格，才能对挖掘信息起到至关重要的决定性作用。对于政府统计工作而言，民营经济统计数据质量影响着政府统计部门的公信力以及整体信息。随着社会主义市场经济的快速发展，政府部门在日常工作事务中越来越注重使用统计数据。但是，在使用官方统计数据时，其质量很容易受到社会公众以及媒体的质疑，认为民营经济统计数据中存在失真信息。为了有效提升民营经济统计数据质量，必须加强研发全新的数据挖掘技术，才能改善质量低下的问题，满足使用者的需求。因此，数据挖掘技术对于提升民营经济统计数据质量起到重要作用。

1民营经济和统计数据质量的概述

目前，学术界对于民营经济的研究仍然处于初级阶段，没有形成相对统一的观点，其中比较普遍的观点认为：“民营经济属于国有和国有控股、集体控股、外商以及港澳台商独资和控股经济组织，民营经济体系中的重要组成部分为私营企业、个体工商企业以及农民专业合作社。在民营经济体系中，有私营企业以及个体工商户两大重要部分。”而统计数据质量，主要受到多方面因素的影响，其中的主要评判标准为实用性、准确性、及时性、可解释性以及衔接性等等。具体而言，统计数据质量主要从准确性、适用性、可比性、可获得性以及时效性等各个方面来进行评判。

2当前我国民营经济统计数据质量的主要现状

对于企业的经营者和投资者来说，要想真正了解企业的经营情况，首先要关注的就是企业的财务数据，通过对企业财务资产状况、盈亏分析、以及现金流量的考察和分析不仅可以有效的了解当前企业的经营概况，也可以进一步预测企业未来某一时间段的经营发展趋势。市场经济不断发展的过程中，市场的变化越来越迅速，企业之间的竞争压力也越来越大，科学掌握和运用企业财务数据对企业的发展越来越重要，但是就目前企业的经营和管理对财务数据的评价还缺少一定的认识，只有不断提高财务数据的准确性和数据的有效评价，才能让财务数据发挥真正的价值。

一、企业财务数据质量评价的现状

目前随着企业管理职能的增强，企业逐渐提高了对财务数据质量评价的关注，虽然部分企业对于财务数据质量的评价还缺少一定的认识，但就其目前发展来看已初步形成相对完善的质量评价体系和评价标准，就现在财务数据质量评价的主体来看，其企业大多为上市公司，该类型的公司多都具有完善了财务数据管理流程和标准的评价，其次对于财务数据评价方法来看，大都建立了相关的数据模型，通过对数据对比和分析，利用比较分析法、趋势分析法以及其他相关测评方法运用来实现对财务数据的质量评价。就整体的评价流程来看虽然比较系统，但对于快速变化的市场环境来说，只有不断与时俱进，完善财务数据的质量评价体系，才能更好的指导企业生产和经营。

二、企业财务数据质量评价的主要指标

（一）企业盈利性的相关数据质量评价指标。从企业的利润构成来看，主要分为了两部分内容，一种投资利润，一种是企业的实际盈利，站在投资的利润角度看，对于企业财务数据质量评价的主要指标有总资产报酬率、投资回报率以及净资产收益率等，他在一定程度上展现的是企业的资产投入产出的对比，通过对总资产报酬率、投资回报率以及净资产收益率等和分析和评价可以有效的了解企业投资的盈利情况。指标值越高，可以说明企业的投资资产盈利性越强。反之就可以看出企业的投资收益性较差。而站在盈利的利润角度来看，其实际的内容是比较复杂的，具体涵盖了营业利润、投资收益和营业外利润等几个方面，营业利润是企业通过自身的生产和销售来实现的经营利润，是企业利润重要来源。对此的数据质量评价分析，可以通过营业利润占据企业利润总额的具体比率来分析企业的实际盈利情况。

（二）企业资产相关数据质量评价的指标。从企业的资产数据来看，可以通过企业资产周转状况和现金流量的角度来分析和考核数据指标，资产的周转状况也是财务数据的重要组成部分，在一定程度上他和企业的盈利能力和企业的资产结构有很大的关系，具体可以通过资产周转率来分析和评价财务数据，流动资产占比大的企业其资产周转就比较快，对企业的利润也都有一定的影响。在企业的经营过程中需要保持相对稳定的资产周转率才保证企业的经营和发展。与之相比，现金流量的数据分析则比较复杂，具体包括现金流入流出比以及现金周转率的分析等。通过现金流入流出比可以看出企业现金的实际分布情况，运用现金周转率可以有效分析现有企业资金持有量是否合理，看出企业对现金的利用率。以上都是企业财务数据质量评价的重要内容。

统计数据质量问题是衡量统计工作的核心指标。尤其是我国加入WTO，与世界经济接轨的今天，社会各界对统计信息的需求量越来越大，对统计信息质量的要求也越来越高。统计信息质量的高低直接影响和决定着统计信息的可利用性。统计数据质量低下将会直接导致错误的决策。

一、统计数据质量的含义

传统的统计数据质量仅仅指其准确性,通常用统计估计中的误差来衡量。但如今“质量”的概念被拓宽了，“统计数据质量”的概念也有必要拓宽。目前各国统计机构和有关国际组织对统计数据质量含义的解释和理解仍存在一定的分歧，对统计数据质量应涵盖哪几个方面，还没有统一的标准。各国从本国的实际情况以及对数据质量含义的理解出发，确定了不同的数据质量标准。如英国政府统计数据质量标准是准确性、时效性、有效性、客观性；韩国的质量标准则是适用性、准确性、时效性、可索取性、可比性、有效性。在我国，统计数据质量主要包括统计数据的核心质量、形式质量及延伸质量三大方面。

二、我国统计数据质量管理现状及存在问题

改革开放以来，我国统计人员大胆探索，辛勤实践，在指标体系、调查方法、统计标准、技术手段、数据报送与处理方式等方面进行改革，较好地满足了社会各界对统计信息的需求，推动了统计事业的发展。但是，浮夸风以及片面追求假、大、空现象仍然存在，这些都违背了统计工作的基本要求，阻碍了统计工作的发展。目前我国统计数据质量管理上存在的问题主要有：

1.统计数据失真。统计制度不够完善是造成统计数据失真的内在因素，表现在：统计部门内部各专业在统计方法、指标涵义、口径上还存在一定程度上的不统一；专业间统计方法改革不同步；统计范围、口径的理论值与实际值出入有时还比较大；统计与财会在核算周期上还存在一些差异，并且在统计数据质量管理上各级统计管理部门在统计执法过程中力度不够，对统计过程缺少制约与监督，对统计数据缺乏校验与复查的有力措施。