大数据时代传统统计学的转型分析

李宏伟

摘 要：随着大数据时代的到来，大数据技术对社会各行各业的发展都产生了一定的影响，传统统计学已经难以适应社会发展的需求，呈现出转型发展态势。本文对大数据时代传统统计学的转型发展进行分析，希望能够为新时期统计学的发展形成客观认识。

关键词：大数据时代 传统统计学 转型发展

中图分类号：C82 文献标识码：A 文章编号：1003-9082（2018）03-0-01

统计学主要是对社会上所有领域中涉及到的数据信息进行统计、分析、筛选和研究的工作，新时期在大数据时代的影响下，统计学工作向社会的各行各业延伸，对社会的建设和发展产生了一定的影响。同时，借助大数据技术的支持，统计学发展过程中能够更为准确的获取和分析数据信息，为企业提供有效的信息支持，确保企业可以更为高效精准的完成相关工作，大数据时代统计学工作的重要性日渐突显出来。

一、大数据时代下传统统计学的转型

大数据时代的到来给传统统计学的发展造成了巨大的冲击，促使传统统计学在当前社会背景下呈现出全新的变化，因此在研究中，应该联系大数据时代的影响，对传统统计学的转型发展情况进行系统的分析。

其一，样本概念进一步深化。受到大数据技术的影响，统计学的概念不再简单，在静态数据方面样本等同于数据的整体，因此不需要提取样本或是对样本的可用性进行检测，能够实现对成本的控制，提高数据的准确性[1]。而对于动态数据，数据随着时间的变化发生动态的变化，在统计中需要将分析的对象作为样本，主要指在统计中所选定的、与分析数据存在紧密联系的数据。

其二，数据类型得到了适当的拓展。传统统计学中的数据主要是结构化的数据，而大数据时代，统计学中的数据在结构化数据的基础上还增加了非结构化数据和半结构化数据以及存在一定特殊性的异构数据，所有的数据都能够作为记录信息和存储信息的信号，在实际统计应用时表现出明显的多样化特征。

其三，收集概念不断扩展。传统统计学统计工作中需要按照統计目的对数据进行有针对性的收集和分析，统计效率低，并且会产生较大的成本消耗。而受到大数据技术的影响，统计工作中对数据的收集细化为三个部分，即数据预处理、数据分析和数据存储工作，可以针对所需数据进行有针对性的搜集和处理。但是需要注意的是，大数据时代数据收集工作也面临着成本高和安全性不足的问题[2]。

其四，数据来源发生变化。传统统计学工作中数据来源往往具有一致性的特征，便于事后核对数据。但是大数据时代却难以对数据来源进行有效的追溯，并且对数据记录者身份的识别也存在一定的困难，因此数据时代统计学工作中更为关注对数据来源第二轨的打造。

其五，量化方式进行了调整。传统统计学中针对结构化的数据已经能够实现成熟的数据量化处理，并且数据结果可以直接得出。而在大数据时代，对数据进行量化处理的难度增加，并且无法直接从非结构化的数据中得出结论，要求统计人员从统计角度对非结构化数据进行处理。可见，大数据时代统计学量化方式的变化相对较为明显。

其六，统计软件的广泛应用。传统统计学在对数据进行处理时往往将统计模型和软件作为基础，能够建构数据之间的数量关系，保证统计分析结果的客观性。而大数据时代统计分析技术呈现出非关系性的特征，在数据分析时需要将数据中心作为基础，对统计软件进行广泛应用简化统计分析的过程，提高统计分析的效率。

研究发现，大数据时代对统计学工作产生了极大的影响，传统统计学发展过程中样本的定义到数据的分析都呈现出转型发展态势，在统计学研究中，数据分析的主动权更为明显，对我国统计学工作的全面发展也产生着相应的积极影响。

二、大数据时代统计学深化发展的建议

在对大数据时代统计学转型发展情况形成初步认识的基础上，要想保证统计学转型发展取得理想的效果，还应该结合大数据时代的特点对统计学工作进行适当的调整，突出统计学工作的时代性，确保统计学发展取得理想的发展成效。下面本文就针对大数据时代统计学转型方面的几个点对统计学深化发展提出几点建议，希望可以支持大数据时代统计学的高效稳定发展。

1.对统计学中总体、个体和样本的定义方式进行完善

基于大数据时代统计学样本定义的转型，要想保证样本定义的科学性，就应该对总体、个体和样本的定义方式进行完善[3]。应该明确认识到，在大数据时代的统计分析中要先有数据，后形成总体，并且数据个体存在不确定性特征，难以依靠数据库单位对数据个体进行有效的识别和编制，因此结合大数据时代数据分析的特殊性，需要借助总体孔径完成对个体身份的识别，转变传统统计学意义上的总体和个体的定义方式，在确保总体和个体定义科学性的基础上，选择任意一个截面确定截面样本，展开深入的统计和分析工作。

2.调整抽样调查功能，对应用空间进行拓展

传统统计学中数据收集的主要方式就是抽样调查，但是抽样调查的数据毕竟不够全面，难以将数据的总体特征全面的反映出来。因此基于大数据时代统计工作的便利性，可以对抽样调查功能进行适当的调整，将数据整体智能化分析和抽样调查进行有机结合，将权威性的抽样调查结果作为对大数据分析结果的验证依据和对照基础，实现大数据统计分析和抽样调查的优势互补，确保统计学数据收集的客观性和可靠性。

3.创新数据梳理和分类方式，提高数据处理效果

传统统计学研究工作中往往按照事先确定的方法对数据进行有效的分类和梳理，数据分析呈现出结构化的特征，并且数据分类和梳理是数据预处理的主要手段。而进入到大数据时代，可以对数据梳理和分类方式进行改革创新，在摒弃传统数据梳理和分类预处理方法的基础上，采用与大数据时代信息处理方式相适应的方法进行简单的处理，并将工作中心放置到后期，结合数据本身特征对数据进行补充和完善，增强数据信息的系统性，切实保证数据处理工作的实际效果。

结语

综上所述，在大数据时代的影响下，我国传统统计学研究工作发生了极大的变化，统计学的方方面面都做出了适当的调整，确保统计工作能够与大数据时代的发展需求相适应。因此大数据时代对统计学进行研究的过程中，应该重点把握统计学的转型发展，在明确其转型发展方向的基础上探索相应的应对措施，为统计学工作的全面优化提供相应的支持和保障。

参考文献

[1]朱建平，张悦涵.大数据时代对传统统计学变革的思考[J].统计研究，2016，33（2）：3-9.

[2]田茂再.大数据时代统计学重构研究中的几个热点问题[J].统计研究，2015，32（5）：3-12.

[3]周茂袁.大数据时代统计学专业教学改革的初步探索[J].教育教学论坛，2015（35）：105-106.