论统计数据挖掘在经济研究与管理中的地位

杨军平 王娟

摘要：经济社会的发展离不开经济研究与管理工作，数据可以准确反映整个社会的经济运行情况，因此，经济数据必须具备真实性、可信性和时效性，能够为我国的经济发展提供信息保障。数据挖掘技术正是为了统计经济统计工作更好的开展而出现的。本文首先从统计数据挖掘与经济研究的关系及其应用与发展两个方面简要分析，接着就这一新技术在经济统计工作中的重要意义和应用范围进行了探讨，以供相关人士参考和交流。

关键词：数据挖掘;经济研究与管理;统计数据

分类号：F273.4

引言：

准确的提取数据信息，提高经济工作效率是统计数据挖掘重要的研究课题，数据挖掘技术的最大优势就是能够从大量的数据中发现有用的信息并利用多种算法和分析软件对数据进行分析和处理，从而解决经济管理中的实际问题，数据挖掘和经济统计调查工作的结合对于促进经济研究与管理工作的发展具有非常重要的作用。

一、浅析统计数据挖掘在经济研究与管理中的作用

1.什么是数据挖掘？

数据挖掘（Data Mining）是采用数学的、统计的、人工智能和神经网络等领域的科学方法，如记忆推理、聚类分析、关联分析、决策树、神经网络、基因算法等技术，从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势，并用这些知识和规则建立用于决策支持的模型，提供预测性决策支持的方法、工具和过程。当然除了以上所列出的还有时间序列分析等一些其他的功能，数据挖掘的各项功能不是独立存在的，它们在数据挖掘中互相联系，发挥作用。

2.统计数据挖掘与经济研究和管理之间的关系

数据挖掘技术简单来说指的就是一種可以从海量信息数据中，快速、精准锁定所需有用信息数据的技术。在未进行数据挖掘之前，虽然信息数据量较为庞大，但其中有许多信息数据并不完整，甚至存在诸多错误信息数据，而通过使用数据挖掘技术，则可以将其中新颖的、有价值的信息数据准确提取出来，通过对此类精心筛选出的信息数据进行深度处理，从而为经济研究和管理工作提供真实可靠的数据支持。在经济研究与管理的过程中运用数据挖掘技术，可以帮助统计人员快速从众多未加工的经济数据中筛选出有价值的统计数据，并对其进行深入处理与再加工，为相关工作人员分析经济形势、判断经济走向、制定经济决策决议等提供重要数据参考[1]。此外，由于数据挖掘技术并不只是一种简单的数据分析工具，其可以深入结合信息使用者的实际需求，特别是在我国经济不断发展下，经济数据信息量骤增，其对于经济统计技术的要求也越来越高，将数据挖掘技术运用在经济统计当中，能够有效保障信息评估的可靠性，实现数据处理成效的进一步优化。在运用数据挖掘技术完成对经济数据的深入挖掘与分析处理下，建立起相应的数据库，可以在更好地融合各种数据信息的基础上，为经济管理活动需求提供高质量服务，有效减轻统计人员的工作负荷。

二、统计数据挖掘在经济研究与管理中的应用与发展

1.数据挖掘在经济研究与管理中的应用

数据挖掘技术在经济研究与管理中的应用可以大致的分为两个方向，分别为描述方向和预测方向。描述方向主要包括聚类和描述变量或数据间相关关系的各种算法，聚类是将相关关系较大的变量或个体聚为一类，预测方向主要包括分类和回归，分类的主要工作是“贴标签”，具体算法有决策树、人工神经网络、遗传算法、SVM、朴素贝叶斯模型等。回归不同于分类的是分类是对离散型数据做预测而回归是对连续型数据做预测，回归模型包括线性回归、多项式回归、Lasso回归、岭回归等。聚类在经济研究与管理中最为常见，为了提高调查精度，在抽样调查中可以先将调查对象聚类，再从不同类中分别抽取样本，抽样调查中的分层抽样和整群抽样都可能用到聚类方法。降维方法也广泛的应用于经济研究与管理中，由于统计调查进行一次需要花费大量的人力和物力，所以在统计调查中指标一般较多且详细复杂，这就需要数据挖掘中的降维技术将相关性大的变量合并在一起，从而使数据分析更为简便清晰，主要的降维方法有主成分法、因子分析法等。现阶段降维算法与评价算法相结合已应用于经济评价中，正是由于对数据的大量收集、数据算法的产生、经济数据库的出现、先进的计算机技术、对数据进行精深统计方法计算的能力、数据访问速度的提升等一系列东西的出现，使得数据挖掘技术的作用越来越广泛[2]。由于经济研究与管理中中数据的实用性和准确性的需要，数据挖掘技术也开始慢慢在经济研究与管理中中大展身手。

（1）统计分析法

经济数据库字段项之间存在两种关系，相关关系和函数关系。就是对于数据库中的信息利用统计学原理来进行分析。

（2）决策树

决策树一般用于预测模型，通过对大量复杂无顺序的数据有目的分类，找到有价值的信息。同时，正是因为描述简单，分类速度快，特别适合运用于经济运行过程中出现的大规模数据的处理。

（3）遗传算法

它是一种根据生物遗传机理和自然选择的随机搜索算法，其主要思路是依据特定的社会问题，然后在指定对象中去采集相关信息，最后通过对信息中隐含部分的归整、分析，进而得到结果。经济问题不是固定不变的，相反它是一个不断发展变化的问题，内部的联系千丝万缕，改变其中一项其他的也会相应改变。按照遗传算法的步骤，从源头开始，我们就一步步向下探索，去提取信息数据，对整体进行分析[3]，这样就能把经济问题目标化、具体化、直接化，使得在研究问题时可以更加直观，把隐性的表现出来，使得经济研究与管理中工作更加直白、简单。

（4）粗集理论法

这是一种探究不确定知识、不精确的数学的工具，它通过上下集比较而出来结果。它易于操作，算法简单;简化输入信息的表达空间;不需要给出额外信息，特别适合分析那些不确定的经济因素。同时正是因为粗集理论法的这种原则，才能使得其与制定经济决策的需求更加接近。

（5）神经网络法

神经网络法是一种高强度模拟人脑加工信息过程的智能现代信息技术。它和人的神经运动过程一样，首先进行数据的输入，然后进行精准的分析，最后输出。在经济研究与管理中过程中得到了实际的应用。神经网络法为我们提供了一种准确的、完整的处理经济研究与管理中的过程，使得经济运行模式和人在处理信息的过程很相像，一样实用化、形象化、具体化。使经济过程中各个部分之间能取得更好的联系，从而獲得对经济研究与管理中问题的处理办法。

2.数据挖掘在经济研究与管理中的发展

（1）能为经济研究与管理中提供有效的服务

数据挖掘技术虽然经历的时间不是很长，然而，它的研究与应用水平已达到了一种相对稳定的状态。随着科学技术的不断发展，数据挖掘技术在各国也普遍受到关注，特别是在经济研究与管理中领域。数据挖掘技术能够这样的的迅速发展，在很大程度上也是依赖于它对经济研究与管理中的有效服务。

（2）能够为经济研究与管理中的不同需要提供不同的服务

目前，最常见的数据挖掘工具主要有综合工具、通用型工具、和面向特定应用的工具。综合工具，不仅能够为处于商业中的经济体提供有效的管理报告，并且还能够对普通经济结构中的数据信息经行深入挖掘。通用型工具在市场上占最大比例，其也是在应用方面最为成熟的挖掘工具。面向特定应用工具，从字面来理解，这种工具就是针对特定领域来提供服务的，具有很强的特定性和针对性，它能够有针对性的对经济管理中需要的数据进行挖掘和分析。

（3）建立宏观经济数据库，为数据挖掘的应用提供了良好的电子平台

在目前，全国范围内的大部分经济研究与管理部门主要使用的还是应用统计系统。大部分经济研究与管理中的数据信息都处于一种不相聚分散的状态，并没有形成一套有效的管理系统。经济研究与管理过程中一旦出现问题，容易导致经济数据的有效性与准确性受到影响[4]。经济研究与管理部门可以利用数据挖掘基础建立其相关的经济数据库，当建立了宏观经济数据库以后，以上问题就可以寻找到有效的解决办法。宏观经济数据库与数据挖掘技术的合理运用，保证经济研究与管理部门挖掘到的信息的准确性和真实，这不仅满足了现实中经济发展的需要，同时也为经济决策的制定提供了准确、重要的依据。

三、结束语

数据挖掘技术在现代经济研究与管理中占有重要的地位，它是未来统计工作的一种重要技术，数据挖掘技术可以实现对数据进行更深层次的分析和处理，且能有效的提升数据分析的质量，以帮助决策者做出更好、更正确的决策。及时更新传统的经济统计方法，扩大数据挖掘技术的使用范围，对提高统计的效率，减少统计时的成本支出具有重要意义。

参考文献：

[1]刘淑英. 浅谈数据挖掘技术在经济统计中的应用[J]. 经济研究导刊， 2017， 000（035）：176-177.

[2]赵舰波. 数据挖掘技术在经济统计中的应用探索[J]. 经济研究导刊， 2018， No.362（12）：193-194.

[3]徐婧婧. 基于数据挖掘技术的经济统计研究[J]. 中国乡镇企业会计， 2019（03）：298-299.

[3]邢静. 数据挖掘技术在经济统计调查中的应用研究[J]. 现代经济信息， 2019， 000（010）：132.

北斗（青岛）导航位置服务有限公司  山东省青岛市  266109

杨军平，男，1987.02，本科，健康电子

王娟，女，1988.02.06，大学本科，学士学位，软件开发