大数据时代经济普查数据分析工作探析

尹士洋

摘 要：对经济普查数据分析工作的开展特点进行了简要分析，并深入研究了大数据技术在经济普查数据分析方面的应用情况，以期为开展大数据经济普查数据分析工作提供借鉴。

关键词：大数据;经济普查;数据分析;技术;应用

文章编号：1004-7026（2019）02-0156-02         中国图书分类号：F270.7;F275        文献标志码：A

随着国家经济社会发展水平持续提升，国家对经济普查工作更加重视。经济普查数据分析是经济普查工作的一项重要基础内容。当前我国经济正处于新常态，各行各业都在进行转型探索，整体经济结构已经发生了很大变化，对经济普查数据分析工作也提出了新要求。传统的经济普查数据分析模式已经不能满足新形势下的工作要求，需要借助大数据等进行数据深度挖掘和整合，才能更好地提升数据分析质量，不断提高数据深度应用水平。加强大数据时代经济普查数据的研究和探索，对促进经济社会持续发展具有重要的指导意义。

1  经济普查数据分析工作的特点

经济普查数据分析是整体经济普查工作的一项基础内容，工作量大，工作任务繁杂，涉及到很多类型的数据，需要从多个角度进行分析，并且数据分析也面临很多挑战。随着国家对经济普查工作的高度重视，对经济普查数据分析也提出了新要求，既要注重准确性，又要强调分析的系统性、有效性等。

1.1  准确性

基于准确性视角，经济普查数据分析需要坚持准确、实事求是的原则，不能造假。在某一个特定的周期内，国家经济、产业、人口等方面的数据始终是处于变动的状态，所以要对这种变动的情况和规律等进行全面分析，要确保数据控制的精准性。在开展经济普查数据分析的过程中，可以发现很多时间节点的经济普查相关数据波动较大，这种情况下需要客观分析数据波动的影响因素，避免产生较大的误差。所以，需要对数据进行有效处理和分析，才能符合准确性的要求，这也是影响经济普查数据分析质量的重要因素。

1.2  系统性

经济普查工作的系统性和繁杂性，决定了经济普查数据分析工作的复杂性，不仅要求经济普查人员全面掌握有关情况，还要加强对经济普查人员的技能和素质培训，加强科学管理，才能更好地发挥他们的优势。要积极学习新方法，从复杂的数据体系中找出规律，摸索经验，提高复杂数据的有效转化能力，提升整体数据分析成效，这也是经济普查数据分析工作需要关注的问题。

1.3  有效性

从技术视角分析，经济普查数据类型日益多样化，很多内容缺乏关联性，同时还要考虑经济普查数据分析的效率和成本等因素，所以需要科学选择恰当的经济普查数据分析挖掘技术，才能更好地提高普查整体效度和信度，因此需要根据经济普查工作的整体要求和普查数据分析的具体情况，不断优化普查内容和方法。

2  大数据时代经济普查数据分析方法

大数据时代开展经济普查数据分析，应当在把握经济普查工作整体要求的基础上，从构建相应的分析体系、选择科学的经济普查数据挖掘技术或方法及加强经济普查数据科学系统管理等方面进行全面考虑，才能更好地将大数据技术和经济普查数据分析工作有效融合起来，提高整体分析成效[1]。

2.1  构建完善的经济普查数据分析体系架构

经济普查工作涉及面广、开展周期长，涉及到多个环节。在具体开展过程中，应当有完善的经济普查数据分析体系，制定具体的实施指导方案，才能确保经济普查数据分析各项工作流程有效衔接，确保工作实效。所以要充分考虑需要对多方面的数据进行全面分析和统计的基本要求，在開展过程中根据数据收集和采集要求等，及时调整数据分析方式方法。如在开展数据抽样与处理阶段，需要采取科学的方式方法，根据具体的经济发展情况及变动等情况进行分析。要从各个角度来进行调研和评估，充分考虑现实因素，形成完善的数据评估分析体系，对经济普查数据分析过程中可能存在的问题或风险等进行全面排查，对统计过程和数据分析过程进行有效整合，从而更好地将数据采集、分析等衔接起来，提高整体普查效率。

从大数据时代发展视角，要对经济普查数据分析工作的性质进行研究，根据经济普查数据分析不同重点及具体目标要求等，充分考虑大数据不同技术的具体适用领域，从而选择更加有效的技术支持手段。

此外，还要加强经济普查数据分析的基础管理工作，明确经济普查数据分析的具体目标、开展流程，加强各个环节的沟通，明确职责分配，引导工作人员结合自己的岗位要求，充分运用大数据技术等做好数据基础分析工作。要充分考虑经济普查数据分析过程中各类要素的实施变动情况，并掌握大数据技术预测分析方法，借助大数据技术深入开展数据预测，从而更好地为下一阶段经济普查数据分析工作的有序开展提供指导。要积极借助大数据挖掘技术，通过多元化、灵活的方式开展数据分析，把握数据分析规律，从而更好地完善数据分析体系，促进经济普查数据分析工作质量和效率全面提升[2]。

2.2  合理选择数据挖掘技术

有很多数据挖掘技术可以应用于经济普查数据分析阶段，每一种技术都有不同的适用领域和特点，在开展具体应用过程中需要考虑现实需要，有针对性地选择具体的挖掘技术，才能提高分析效率。比较常见的数据挖掘技术主要有以下几种。

一是SQL Server 2000 Analysis Services软件。该技术是一种基础的数据库及数据分析软件，可以提供电子数据仓库，从而更好地实现数据的快速整合和分析，同时还具有良好的业务拓展性，使用比较方便，设计功能比较强大，性能良好，为用户应用提供了很大便利。

二是SAS统计分析技术。该技术是一项系统化的管理体系，通过建立有效的数据访问、管理、展现和分析体系，将数据之间的关联性进行有效统计和检验，同时本身还具有较强的灵活性和拓展性，可以根据用户需求进行深度统计分析，并通过直观的形式展现，便于数据分析人员进行深度理解和应用研究。

三是Clementine数据挖掘平台。该技术主要是通过构建具有一定预测能力的模型，进而改进具体决策方法和过程，提高数据整体挖掘能力。

四是Intelligent Miner技术。该技术是多种统计与挖掘算法的有效融合，既可以对结构化数据进行处理，还可以对半结构化和非结构化数据进行处理，在发现关联、自动生成典型数据集、发现序列规律、可视化呈现等方面都有强大的功能，这样可以实现从数据采集到转换、挖掘及深度处理等方面的一体化应用。

五是决策树技术。该技术主要涉及决策点、状态点、结果点3个方面的内容，通过借助决策树技术，可以对数据相关的发生概率等进行分析，进而帮助预测和判断，便于更好地对数据进行关联性研究。该技术便于理解、分析效率高，且测定模型比较方便，但分析比较粗略，精度不高。

3  结束语

大数据时代经济普查数据分析工作因为有大数据技术的支持，可以在数据采集、整合和深度分析与应用方面更加便捷、高效，在具体开展数据分析过程中，还需要考虑具体的要求选择匹配的数据挖掘技术，才能更好地提高分析成效。

参考文献：

[1]朱建平，章贵军，刘晓葳.大数据时代下数据分析理念的辨析[J].统计研究，2014（2）：10-19.

[2]金美琳.大数据时代的经济普查数据分析与研究[J].科技传播，2016，8（9）：67.