数据挖掘技术在经济统计中运用

导语：数据挖掘技术在经济统计中运用一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：新时期背景下，社会经济发展速度明显加快，有关经济的数据与信息内容不断累积，在海量数据当中有效地提取价值程度较高的信息，借助数据信息的提取与分析，为经济发展提供了有价值的参考依据。其中，数据挖掘技术就可以在数据库当中找到一定价值的隐藏事件，在人工智能、预测以及统计等诸多科学技术的作用下，能够为经济决策奠定坚实基础。文章将数据挖掘技术作为重点研究对象，阐述其在经济统计中的具体应用，希望有所帮助。

关键词：数据挖掘技术；经济统计；应用

经济数据本身的发展性以及信息量的庞大性都十分明显，所以作为统计数据工作人员在使用数据信息的时候，仅被局限在数据数字信息分析以及使用方面，并未对数据信息当中所蕴含的重要统计资料展开深入地挖掘。针对数据挖掘技术而言，其属于全新统计方法，最明显的优势就是可以横向与纵向地开发信息数据，并且在实践中实现了研究领域的延伸，能够进一步挖掘数据信息，并在基础数据中获取价值性较高的数据信息，并为社会统计数据工作的开展提供有价值的参考依据。

一、数据挖掘技术概述

（一）基本内涵

通过对数据挖掘技术的应用，可以集中整合并深度处理数据信息，确保深层次开发项目优化更加全面，实现系统升级。而在实践操作方面，数据挖掘技术即可在相对复杂的数据库当中对数据信息进行提取，以实现集中整合与分析的目标，并在大量数据信息当中对数据信息实用性展开深入挖掘。近年来，在经济活动逐渐频繁的背景下，信息量不断增加，组成结构更加复杂，以上是原生态信息最明显的特征。所以，为了综合管理信息价值，必须针对其实施精细化研究，以免信息的价值被限制亦或是浪费。如果信息与数据价值得不到发挥，必然会对牵制数据信息统计工作产生不利的影响。在这种情况下，处理数据的过程中，各部门将数据挖掘技术进入其中，并系统化地分析杂乱原始数据信息，最终整合成具备现实意义的数据形态，全面优化数据提取的效果与应用的效果，并对其实施深入加工与综合处理，进一步升级数据挖掘的水平。

（二）优势所在

对数据挖掘技术进行应用的过程中，可以收集并整理数据信息，有效地落实数据的深层次分析。首先，数据挖掘技术的有效性相对明显，因技术结构属于深加工技术，且目的性明显，特别是在实际应用的范围之内，可以统计并解读长期累积的数据信息，以保证使用人员可以对数据深层次意义以及使用价值形成系统化地了解。现阶段，对数据实践应用方面，不仅可以高效管理累积经济数据信息，同样可以通过多个角度分析既有经济数据应用的目的性。站在经济数据管理方面层面，既有信息统计单元与数据分类都属于基础环节，可以对科学化以及系统化归类要求整合并科学化地分析混乱数据库信息内容，保证统计数据管理高效性以及使用的便利性得以全面优化。在此基础上，针对经济数据处理与再加工过程，数据统计以及分析的主要目标就是重新加工原有数据所组成的内容，保证数据价值有效发挥的基础上，为管理人员实际的需求提供最大化地经济统计数据服务。

其次，数据挖掘技术并非是单纯分析数据的工具，同样也能够与使用主体的信息需求相适应。现阶段，国内各部门在运作过程中都会形成诸多经济统计信息，而信息内容也是经营人员作出经济管理决策不可或缺的基础条件。因为管理部门所涉猎的经济领域与经营管理范围存在一定的差异，且经济管控的权限也不同，在这种情况下，要求各部门能够与自身状况相互结合，构建系统处理体系与数据解读的方式。伴随数据信息量的不断增加，数据统计系统与处理信息途径的要求也随之提高，需要保证数据被换算成多元化呈现方式，进而在计算方式与信息来源等方面，实现信息评估可靠程度的提高，确保进一步优化数据处理的效果。最后，宏观数据库的构建为数据统计结果的优化奠定了坚实的基础，借助多元化经济统计体系的运用，能够为经济管理活动需求提供必要的服务，尽量规避统计工作重复性的出现。对各种统计系统加以整合，确保数据信息更好地融合。由此可见，在宏观数据库形成的基础上，可以为数据的优化提供必要的发挥平台，进一步优化统计信息完整程度。

二、数据挖掘技术在经济统计中的应用

（一）预处理方面

应用数据挖掘技术的过程中，在对预处理方法运用的时候，可以智能分析所提取出来的基础信息。而数据挖掘结构本身却会受经济信息影响，难以构建数据收集机制，所以，在实际应用方面，数据信息的预处理是不容小觑的管理机制与控制措施。通过经济统计预处理，可以统筹划定并分析数据差距、不真实性以及不正确性。而数据清理的过程则是处理基础数据问题的过程，可以选择使用均值法清理方法、平滑方法或者是预测方法。其中，在选用均值法数据处理的过程中，可以均值处理基础数据当中的噪声数据以及数据点空值，以保证数据库可以借助属性均值填充并补足数据方面的空白。只有在确保数据挖掘系统在基础数据分析结构方面足够到位，才能够使统计分析数据更加具有实效性与完整性。而在分析数据点取值方面，而在选用平滑法对数据进行处理的时候，即可统一化地计算基础数据空值和噪声数据，并与加权平均数处理机制相互结合，进一步分析所提取数据的影响权重值，以确保实际计算的结果更为真实。Cj点实际权值。

（二）集成化结构方面

应用数据挖掘技术以后，即便是同一地区数据信息，如果统计主体与标准不同，也一定要采用相应的数据集成体系，保证数据集成效果得以优化，增强数据统计的准确程度，而这同样也是数据挖掘技术始终追求的目标。一方面，应深度整合模式集成结构。因经济活动当中的数据量较大且种类相对复杂，所以有必要系统且深入地处理经济数据信息集成结果及其数据的呈现模式。其中，使用数据挖掘技术的时候，为对比分析std-id与std-no，需游侠地对比含有元数据模块，确保实体识别效率得到保障，满足质量标准要求。另一方面，应深入分析人冗余的问题，因数据挖掘技术从本质上来讲就是深加工数据的过程。在这种情况下，要想确保经济统计价值完整，就必须保证技术模型处于最简的状态，并针对正相关关系数据实时集中化精简性地操作，综合考虑冗余属性，细化处理问题数据。其中，以人均国民生产总值为例，数据信息主要是利用国内生产总值与人口属性进行计算并得出，所以数据必须要经过精简操作。

（三）决策树方面

对数据挖掘技术进行应用的过程中，需要针对其展开系统化地分析以及总结，以确保数据的输出效果更加完整，并且输出的形式和经济管理人员所制定的决策需求相适应。值得注意的是，决策树属于快速且能够对数据信息进行直观分类的措施，并且形成数据模型，深化处理数据信息。其中，应借助训练集对决策树进行构建，并结合具体问题以及参数要求科学合理地构建具有可行性的分析策略，并且在短时间内输出数据分析的模型。与此同时，要通过既有决策树来分类数据信息，保证递归过程优势的有效发挥，并且在决策树树根的位置发展至树干与树丫等，最终会输出与分类条件相适应的数据。但应当注意的是，分类条件要求相对严格，在节点全部数据都隶属相同类别的情况下，就处于最常见的停止条件，而另外一种则是在具备分类属性的情况下，在二次分割输入数据的时候，即可停止进行分类。在整个过程中，借助决策树实施经济数据统计过程中，应定期采取剪枝操作程序，尽可能规避起伏影响，有效增强数据的实效性与稳定性。

（四）遗传算法方面

所谓的遗传算法就是将生物自然与遗传机理相互结合，随意抽取算法。在实践应用方面，综合考虑社会问题，有效采集被指定人群的信息，在隐含信息整合与分析的基础上获取最终的结果。因遗传算法具有一定的隐含性，所以能够与其他模型有效结合，对隐含数据加以采集。随后，深入分析既有挖掘数据信息，并应用在实践中。需要注意的是，经济问题是发展变化问题，所以内部的联系十分复杂，将遗传算法作为重要参考依据，即可在源头处向下延伸，并有效地获取数据，整体分析数据信息，即可保证经济问题更为直接与具体，确保相关工作人员在处理问题方面也更为直观，切实地表现出隐性的问题。这样一来，即可保证统计工作更为直接与简单。

三、数据挖掘技术未来发展前景

数据挖掘技术在未来发展的过程中，将更具有效性、综合性以及适用性的特征。为系统化地了解数据挖掘技术的价值，下文将通过以上三方面的发展趋势展开进一步地探讨与研究，以期在后期发展方面，充分发挥数据挖掘技术的重要作用，推进经济统计工作的全面可持续发展。

（一）有效性

数据挖掘技术能够针对数据信息实施深层加工，也是统计工作的重要基础，其目的性明显且在实际应用方面，在长期统计数据积累的同时，可以深处理并加工基础数据。而在实践方面，以数据使用人员实际要求为基础，站在多个分析角度应用数据信息，能够统计并分类数据中所蕴含的数据信息，使得原有混乱数据库得到科学化与系统化地归类整理，借助这一形式，也使得数据信息管理更加便利与高效。

（二）综合性

针对数据挖掘技术而言，从本质上来讲是系统化数据统计工具，但并非是单一性数据分析，能够对使用人员针对类型不同信息的需求得到满足。近年来，在国内社会经济发展的背景下，经济管理部分也要针对社会内部经济发展数据展开统计与分析。需要注意的是，数据信息所具备的管理权限与处理权限存在明显差异，所以经济管理部门应结合多样化需求下的经济管理内容展开统计与分析，以保证数据信息有效地转换为多元化数据形式，遵循信息来源与统计信息计算方式，科学化地评估其可靠性，确保数据统计信息更加准确。

（三）适用性

对于国内经济管理部门而言，在职权管理工作方面的表现十分分散，且各类型经济管理部门对于数据信息需求量与类型也存在明显的差异。在大部分区域，诸多经济管理部门针对统计活动传统实施的路径都彰显出局限性，无法借助经济管理活动为其提供高质量服务。而在实践工作中，也很容易出现重复性统计亦或是不完全性统计的问题，对经济数据分析有效性产生了直接的影响。而将数据挖掘技术应用于其中，则能够规避以上问题，并确保所得到的数据更加准确，并整合处理数据挖掘技术，确保数据资源的丰富性与多样性。

四、结语

综上所述，在现代经济管理过程中，经济统计活动价值明显提高，所以需要深入分析基础数据主体才能够与市场实际需求相互结合，并构建有效性较强的经济决策。在实践方面，需对系统化数据挖掘技术加以利用，在确保数据质量的基础上，不断优化经济建设实际效率，最终达到数据深加工的目的。而在经济统计活动实施方面，需科学合理地运用应用措施，以保证数据挖掘技术得以进一步优化。

参考文献：

[1]邢莉.统计分析的新模式———数据挖掘技术[J].统计与咨询,2006(04).

[2]王斌会.数据挖掘技术及其应用现状[J].统计与决策,2006(10).

[3]徐辉,史旻.浅论数据挖掘技术及其应用[J].计算机光盘软件与应用,2012(05).

[4]邢莉.统计分析的新模式———数据挖掘技术[J].统计与咨询,2006(04).

[5]邹铁英,陈炼,谢泰生.数据挖掘技术在经济消费预测中的研究[J].现代计算机(专业版),2008(12).

作者:洪鹏飞 单位:浙江财经大学