数据挖掘技术在经济统计中的应用.docx

数据挖掘技术在经济统计中的应用一、数据挖掘技术的内涵、运用和特性数据挖掘从字面上可以理解为对数据进行深层次的开发，找出有用的数据信息。一般情况下，经济统计数据的特点是量大、复杂，并带有很强的随机性，部分数据不完整等特点。这些信息经常以原生态的形式保持在数据库中，其使用价值得不到更好的发挥。二数据挖掘技术能够对这些数据继续整理开发，最终形成可用的数据形态，更方便数据使用者对数据的提取和应用。而对数据进行整理开发的过程被叫做数据挖掘。同时，数据挖掘还可以认为是在对数据进行观察或是作为参照物，最终找到适宜的决策的过程。数据挖掘实现了数据信息的转化，其所涉及的技术领域非常广，主要包括数据库知识、模式识别系统、模糊概念等;数据挖掘的运用可以分为三步：准备、挖掘、整理分析。这一过程的重心是数据的挖掘;数据挖掘的特性是能够主动的继续价值数据的发现整理，然后进行综合处理;通过对大量信息的处理，明确的放映出数据信息的实用性和有效性。二、数据挖掘技术在统计工作中的适用性分析1.综合应用性强数据挖掘技术已经被广泛地应用在统计工作中的多个领域，并且发挥着重要的作用。数据挖掘技术不仅是一种综合应用性强的技术手段，同时又能满足统计数据使用者的特定数据需要。因此，数据挖掘技术能够对经济统计数据进行定向的整理和开发，为数据使用者提供更好的服务。2.较高的有效性新兴起来的数据挖掘技术的应用时间并不是很长，但是其在经济统计领域的应用受到了良好的效果，其稳定的工作性能，不仅能够对经济统计数据进行分析整理，更能深层次地开发出更多的有用信息，在实际的应用中展现出较高的有效性。3.宏观型的数据库有利于数据挖掘技术的应用当前，我国的经济统计大多还是采用传统的经济统计方法，统计收集的数据信息不能形成有机整体，在对数据进行管理过程中，出现了很多问题。因此。经济统计工作需要能够提供数据整理开发的新技术。宏观经济统计数据库，为数据挖掘技术的开展提供了平台。数据管理系统的经济统计信息要正确无误，然后经过数据挖掘技术的整合，就能得到更丰富的数据资源。三、数据挖掘技术的运用数据挖掘技术的特性决定了其对经济统计数据整理的重要性，经济统计所得到的数据信息要求必须有实用性和真实性，数据挖掘技术的特性正好满足了经济统计工作的需要。数据挖掘的过程主要包括以下四种方法：1.预处理方法首先，要对统计数据进行预处理。由于经济统计信息在收集过程中存在一些问题，导致收集到的数据存在缺失和模糊现象，这种有缺憾的数据信息不能作为数据挖掘的基础，因此一定要对数据挖掘对象进行事先的处理。其中包括对基础数据中不正确、不真实、不准确和偏差较大的数据进行甄别。2.决策树方法除却上述四种处理方法外，还有决策树方法，指的是对庞杂的经济数据进行分类，把有利用价值的统计数据提炼出来，这种数据挖掘形式能够对分析对象进行体现，并能快速的对信息进行分类处理，能够解决在经济统计过程中出现的各种问题。3.转换方法再有，要对统计数据根据需要进行转换。经济统计数据的描述形式比较单一，为了满足数据信息使用者的需要，就要对数据进行转换，使其的表现形式具有泛化或是更加规范。这里所说的泛化指的是利用更深层次和更加抽象的定义来代替原有的低层数据。4.集成化处理方法其次，要对统计数据进行集成化处理。经济统计过程中，会出现对多个数据源进行重叠统计的现象，这就要求对数据进行挖掘之前，要有一个统一整理的过程，即数据的集成化处理。数据集成在统计中被广泛的使用。经过数据集成处理的统计信息更加全面，更加真实，可以作为数据挖掘基础信息。四、结语经济统计工作对我国经济发展的重要作用越来越明显，随着数据挖掘技术在统计系统中的应用，对统计数据的分析也逐步的走向高质量和高标准化。因此，加强数据挖掘技术的应用，可以促进统计工作的提高，可以有效的减少统计资金的支出。通过数据挖掘技术得到的数据信息，其真实可靠的特性，有利于政府制定出符合社会发展的战略目标，有利于工业企业等确立正确的经济发展目标。数据挖掘技术所带来的经济效益和社会效益是巨大的。