數據挖掘技術在經濟統計中的應用分析

孟順堯

摘? 要：在經濟飛速發展背景下，當下經濟統計所需要的數據量十分龐大，根據數據統計者的統計數據的情況，如果僅僅適用數理知識的采集，缺少對經濟數據的深入挖掘，就會導致統計結果缺少準確性。而且統計數量也會隨著時間累計而不斷增加，數據類別也會拓展，基于這種情況，如果依然沿用傳統數據統計模式，并不能解決統計結果不準確的問題，也無法實現全面的數據統計和分析。數據挖掘技術是一種全新的數據統計方式，能夠橫向對數據深入挖掘，更好地滿足社會對于經濟統計數據結果準確性和科學分析與決策的需求。本文主要分析數據挖掘技術在經濟統計中的應用。

關鍵詞：經濟統計;數據挖掘技術;應用優勢

引言

經濟統計是現代社會經濟管理的主要數據提供者，在某種程度上也影響到現代市場經濟的建設。在經濟統計實踐中，數據提取技術的應用仍然是一個層次化的數據處理過程，一旦收集到數據，即與數據庫相匹配，并從選定的數據中提取數據，同時采用有針對性的處理方法來表示，以確保有用的數據能夠得到使用。

1、數據挖掘的內涵

從表面上看，數據挖掘顯然實際上是深入處理信息數據的基礎，由于目前的信息時代，信息數據的變化更加復雜，需要通過數據挖掘開發重要數據，以便更好地整合信息數據。在大型數據庫中，不僅數據量很大，而且信息數據也不完整、模糊、隨機和嘈雜，這是數據挖掘的主要特征之一。因此，采用數據挖掘技術以避免這些特征對數據處理的影響，并確定我們需要哪些數據信息來完成信息的收集、提取和整合，并改進其使用，是一個優先事項。然而，在處理信息數據時，數據提取不僅具有這種外觀，而且具有跨領域特點，涉及廣泛的學科，如統計、數據庫使用、電子計算機和機器學習。作為經濟統計應用的一部分，數據提取是一種相對較新的統計技術，可以有效地獲取相關信息，提高數據用戶的便利性，迅速找到他們希望使用的數據，簡化過程，并在一定程度上提高效率此外，數據挖掘是一個深入的數據處理過程，需要在數據分析方面有很大的自主權，以便準確地選擇、處理和合并數據。

2、數據挖掘技術在經濟統計中的應用優勢

數據提取技術可為經濟統計帶來許多好處，與其他活動領域不同，經濟統計涉及大量金融交易，經濟統計涉及若干商業秘密，因此數據安全管理十分重要數據挖掘包括八個階段：清理、修改、執行挖掘、評估模型等。這是一個反復的過程，在每個步驟達到預期目標之前，系統不會進入下一個步驟，從而確保數據的機密性。數據挖掘技術的保密性有助于確保經濟統計各個方面的安全，并避免數據分析中不必要的問題。此外，利用數據提取技術作為數據庫技術，有助于確保經濟信息庫的可持續性和可持續性，并有助于為今后編制經濟統計數據而調動和管理必要的數據;數據挖掘技術具有較強的搜索和預測功能，依靠計算機手段對數據信息進行相關分析，不僅可以避免傳統手動搜索中容易丟失信息的問題， 但是，它也能有效和迅速地收集人工信息檢索不到的信息，使工作人員能夠迅速和準確地獲得第一手經濟信息，并預測經濟信息的變化。

3、數據挖掘技術在經濟統計中的具體應用

3.1決策樹對人數的決策作用

決策樹可以很好地解決日常生活的決策性問題，具有很強的實用性。比如：在一家餐廳，管理人員想要確定服務人員的實際數量，以此實現對服務人員數量以及餐廳支出成本與勞動資源的協調性管理，統籌規劃，合理利用，能夠最大限度上節約資源，同時，還能確保在飯點時顧客增多而服務人員數量不夠的情況，還可以有效解決這一問題。為此，就需要根據這家餐廳的顧客量對服務人員的數量進行有效調整，以此既能達到應有的服務效能，還能確保最大的經濟效益。比如：參照餐廳7月份的顧客量的數據，構建決策樹模型，綜合相關因素分析，在下雨天雖然也有顧客量到餐廳吃飯，但是相對來說要比平常的顧客數量有所減少，在天氣晴朗或者特定節日，顧客數量會有所增加，這時通過決策樹的方式對數據以及相關影響要素進行綜合把握，對餐廳服務人員的數量進行確認，獲得準確的統計結果。所以綜合得出的方案就是對特定時期雇傭臨時服務人員，加強在顧客量增多時段服務人員的配備數量，以此確保經濟效益最大化。

3.2在數據挖掘技術中集成化處理應用

隨著經濟的發展，信息的內容和來源更加多樣化，相關內容更加復雜，使得數據收集更加困難。數據集成主要是整合和分析大量數據，這對復雜數據至關重要。集成處理應用程序不僅可以起到整合的作用，而且可以優化收集的數據、有效地組織詳細信息、增加數據庫的使用空間以及使數據庫內容更加簡單有效。只有這樣，才能解決數據豐富和復雜的根本原因，提高工作效率，減輕工作人員的工作量，并為有關部門的工作提供便利。

3.3數據挖掘技術中的關聯規則

數據挖掘技術中的相關規則是一個重要的主題，是其他技術的重要組成部分，也是最活躍的研究方向之一。關聯規則是將一系列大型數據中相對有趣的內容關聯起來，通過有效地關聯內容來了解內容的因果結構，分析收集到的內容，以及查找數據中不易檢測到的關聯事件。在執行關聯規則時，可以確定許多公司或關聯單位，分析關聯數據有助于確定關聯的業務部門。一些最常見的關系是眾所周知的：例如，工業生產的增加必然會影響生產總量的增加，例如常規關系對相互關聯規則有很大影響，對于數據挖掘尤其重要。因此，必須在數據挖掘過程中研究關系關系之間的常規關系，以便于數據挖掘。

3.4預處理策略

由于在數據收集過程中，所有相關數據都是通過數據挖掘技術收集的，而且并非所有收集的數據都是有效和完整的，因此有些數據可能存在差距、數據信息錯誤、數據不一致和統計要求等問題 您必須先預處理收集的信息，然后才能分析收集的數據，并使用預處理規則刪除數據信息，例如null和sound。 通常有四種預處理方法：頻率統計、預測、平滑和平均。如果收集到的數據出現問題，則需要提前使用數據處理工具，根據不同情況處理數據信息，以確保數據的準確性。一般來說，消除數據中null值和噪聲的最常用方法是平均方法和拖動方法，當數據中出現null值時，這兩種方法具有很大的應用優勢，而平均方法通?？梢蕴峁└_的數據，而一般來說，數據預處理方法有其自身的優點。在數據預處理過程中，有關數據分析員必須選擇最適當的方法來處理與不同數據處理情況相關的數據信息。

結束語

數據挖掘技術不僅在經濟統計中發揮優勢作用，并且在諸多領域中也得到了廣泛的普及與應用，有助于加強企業數據管理水平和提升經濟效益，實現對多元數據以及不同變化的科學歸類和高效處理，可見數據挖掘技術對經濟統計方面的重要作用，可以加速推動我國經濟發展，為我國經濟數據統計，獲得準確的數據結果，提供有效服務。

參考文獻：

徐傳智.數據挖掘技術在經濟統計中的應用分析[J].中國產經，2020（20）：65-66.

吉立爽.數據挖掘技術在經濟統計中的應用研究[J].中國市場，2020（08）：195-196.

王彤.關于數據挖掘技術在經濟統計中的應用[J].產業創新研究，2019（12）：170-171.

趙艦波.數據挖掘技術在經濟統計中的應用探索[J].經濟研究導刊，2018（12）：187-188.

[5]朱兆軍.數據挖掘技術應用于經濟統計中的研究[J].現代商業，2020（16）：118-119.