大數據時代的經濟普查數據分析與探究

【摘要】在當前信息技術快速發展的形勢下，大數據技術已經被廣泛的應用于各行各業當中，同時發揮了重要的作用。通過對大數據技術的有效應用，現階段經濟普查數據分析工作的開展獲得了進一步的支持。我們應該從大數據時代的角度分析新技術的應用特點，并且結合經濟普查數據分析工作的開展需求，更加合理地對于大數據技術進行應用，提升整體經濟普查數據分析工作的開展效果。

【關鍵詞】大數據技術 經濟普查 數據分析

一、引言

對我們社會經濟發展來說，經濟普查數據分析本身是一項非常重要的工作內容。在我國當前社會經濟快速發展的形勢下，影響整體的經濟結構發生了很大的變化，經濟普查數據分析工作的開展面臨著更多的工作量和更嚴峻的挑戰。以往經濟普查方式本身對于人力、物力和財力方面的需求較高，同時相關的數據分析挖掘質量也有待進一步的提升。為了進一步滿足新時期經濟普查數據分析工作的開展需求，我們應該對于大數據技術進行合理的應用，發揮其技術本身的特點，更好的服務于實際應用，構建現代化的經濟普查數據分析體系，更加高效并且精準地完成信息的處理和應用。

二、經濟普查數據分析工作的開展特點分析

經濟普查數據分析工作本身就有較大的工作量，并且其中很多的數據分析的內容，都需要結合實際情況來進行相應的調整。在當前新的發展形勢下，經濟普查數據分析工作開展也面臨著更多的挑戰。從準確性方面的要求來說，經濟普查數據分析本身必須要對其準確性進行更好的保障。在某一特定時間點內經濟、產業以及人口等方面的數據是處于動態的變化當中的。對于這種動態的變化進行科學的掌握，提升數據控制的準確性，這是非常重要的一個樹立處理需求。在實際普查數據分析的過程當中，我們經常會發現部分時間節點之前經濟增長的速度較慢，而在這之后，經濟增長速度會突然加快，在這種情況下，整體數據分析的難度會得到大幅度的提升，勢必會產生誤差的情況。如何能夠對這種情況進行有效的處理，這是確保相關數據分析準確有效的一個關鍵。與此同時，經濟普查數據分析工作具有較大的工作量，對于人員方面的需求很大。在長時間普查工作開展的過程當中，如何對工作人員自身進行有效的管理和控制，進而確保整體數據分析的準確性、有效性，這是管理工作中所面臨的一個重要的問題。另外，從技術的角度來說在當前復雜數據分析工作開展的過程當中，合理選擇數據挖掘技術，這是非常重要的一部分工作內容。通過合理對于相關數據挖掘技術進行選擇，這樣可以對實際分析工作中的成本進行更好的控制，同時提升普查結果的準確性。在實際數據挖掘分析方法的選擇上，我們應該結合具體的經濟普查數據分析的需求，進行相應的調整的同時要具體特定的普查內容來進行合理的優化，這樣才能最大限度的達到相應的工作效果。

三、大數據技術的應用分析

第一，對于分析體系進行構建。經濟普查數據分析工作的開展，本身對于多方面的數據進行了全方位的統計和分析。為了確保其分析工作的開展效果，我們應該結合數據收集分析的特點和具體的采集需求進行相應的調整。在數據的抽樣和處理的過程當中，應該采取科學的方式，進一步地對于具體經濟發展的情況和帶動情況進行分析和反應。從多個角度入手來進行評估，構建一套更加完善化的評估體系，這樣整個經濟普查數據分析工作的開展效果才能得到更好的保障。在實際經濟普查數據分析的過程當中，統計過程和數據分析之間就有著緊密的關聯，提升及統計工作的開展效果和工作效率，是確保經濟普查數據分析工作開展質量的一個關鍵。從大數據的角度來說，我們應該合理對于其相關技術內容進行應用，并且圍繞統計工作的開展需求，從資源方面給予有效的支持。經濟普查過程當中，其中的工作量會不斷增加，我們也應該結合具體普查工作的開展需求，按照不同的工作崗位來進行劃分，明確具體的工作職能和職責，讓內部人員配置得到更好的優化和調整，同時也能夠發揮人員工作的積極性和價值。另外，依托大數據技術，我們也應該對于經濟普查數據分析中的實時變化情況進行充分的考慮，同時依托大數據技術來進行合理的變化預測。在具體工作中由發生后預警實現對超前預警方式的改變，在對下階段經濟普查數據工作提供指導的。通過大數據挖掘技術的應用，以多種方式對數據分析規律進行把握，并且時間對當前經濟普查數據分析體系的合理完善。

第二，對于挖掘技術進行合理的選擇。從大數據發展的角度來說，我們應該對于數據挖掘技術進行更加合理的選擇，通過對技術優勢的發揮來提升整體經濟普查數據分析工作的開展效果。在現階段較為主流的數據挖掘方法之中，以下是較為常見應用的：

SAS統計分析。其本身是一個系統化的管理體系，其通過對數據的訪問、管理、呈現以及分析，有效地滿足了數據挖掘方面的內容。其系統本身又具有較強的可擴展性和靈活性，讓用戶自身的需求可以得到更加進一步的實踐。在實際統計分析的過程當中，也可以增加更加直觀的呈現方式，這樣分析人員可以更加直觀的對于數據內容進行了解。

Clementine數據挖掘平臺。其通過構建具有預測能力的模型可以對于具體的決策方法和過程進行改進，同時也能夠滿足數據挖掘功能方面的相關需求。

Intelligent Miner：它采用了多種統計方法和挖掘算法。它能處理的數據類型有：結構化數據（如：數據庫表，數據庫視圖等）和半結構化或非結構化數據（如：顧客信件，在線服務等）。利用其獨一無二的世界領先技術，例如發現關聯、自動生成典型數據集、發現序列規律、概念性分類和可視化呈現，可以自動完成數據選擇、數據轉換、數據挖掘結果。

以上幾種數據挖掘技術是較為常見的，我們應該結合具體的經濟普查數據分析的要求，進行相應的調整和改進，合理的進行運用，發揮技術的最大優勢。

四、結束語

總的來說，在當前大數據時代下，經濟普查數據分析工作的開展，面臨著新的發展契機。我們應該對于大數據技術進行合理的應用，并且圍繞經濟普查數據分析工作的開展需求和特點，引入更加科學的工作策略和工作思路，發揮技術優勢，提升經濟普查數據分析的開展效能，為下一階段經濟普查數據分析工作水平的提升和發展奠定堅實的技術基礎。

參考文獻

[1]楊鵬鵬.中國經濟普查的數據挖掘方法研究[J].中國市場.2015（39）.

[2]朱建平，章貴軍，劉曉葳.大數據時代下數據分析理念的辨析[J].統計研究.2014（02）.

[3]劉麗俊.基層普查數據需要把握的幾個質量環節[J].中國統計.2014（09）.

[4]崔艷敏.提高基層經濟普查數據質量的探索[J].中國市場.2014（17）.

[5]徐幼萍.經濟普查中如何準確與及時統計數據[J].統計與管理.2014（09）.

作者簡介：徐先華（1976-），男，本科，天長市統計局，統計師（中級），研究方向：經濟普查、農業普查、人口變動統計、勞動力調查統計、基本單位名錄庫更新維護統計。