数据挖掘技术在经济统计中的应用分析

孟顺尧

摘  要：在经济飞速发展背景下，当下经济统计所需要的数据量十分庞大，根据数据统计者的统计数据的情况，如果仅仅适用数理知识的采集，缺少对经济数据的深入挖掘，就会导致统计结果缺少准确性。而且统计数量也会随着时间累计而不断增加，数据类别也会拓展，基于这种情况，如果依然沿用传统数据统计模式，并不能解决统计结果不准确的问题，也无法实现全面的数据统计和分析。数据挖掘技术是一种全新的数据统计方式，能够横向对数据深入挖掘，更好地满足社会对于经济统计数据结果准确性和科学分析与决策的需求。本文主要分析数据挖掘技术在经济统计中的应用。

关键词：经济统计;数据挖掘技术;应用优势

引言

经济统计是现代社会经济管理的主要数据提供者，在某种程度上也影响到现代市场经济的建设。在经济统计实践中，数据提取技术的应用仍然是一个层次化的数据处理过程，一旦收集到数据，即与数据库相匹配，并从选定的数据中提取数据，同时采用有针对性的处理方法来表示，以确保有用的数据能够得到使用。

1、数据挖掘的内涵

从表面上看，数据挖掘显然实际上是深入处理信息数据的基础，由于目前的信息时代，信息数据的变化更加复杂，需要通过数据挖掘开发重要数据，以便更好地整合信息数据。在大型数据库中，不仅数据量很大，而且信息数据也不完整、模糊、随机和嘈杂，这是数据挖掘的主要特征之一。因此，采用数据挖掘技术以避免这些特征对数据处理的影响，并确定我们需要哪些数据信息来完成信息的收集、提取和整合，并改进其使用，是一个优先事项。然而，在处理信息数据时，数据提取不仅具有这种外观，而且具有跨领域特点，涉及广泛的学科，如统计、数据库使用、电子计算机和机器学习。作为经济统计应用的一部分，数据提取是一种相对较新的统计技术，可以有效地获取相关信息，提高数据用户的便利性，迅速找到他们希望使用的数据，简化过程，并在一定程度上提高效率此外，数据挖掘是一个深入的数据处理过程，需要在数据分析方面有很大的自主权，以便准确地选择、处理和合并数据。

2、数据挖掘技术在经济统计中的应用优势

数据提取技术可为经济统计带来许多好处，与其他活动领域不同，经济统计涉及大量金融交易，经济统计涉及若干商业秘密，因此数据安全管理十分重要数据挖掘包括八个阶段：清理、修改、执行挖掘、评估模型等。这是一个反复的过程，在每个步骤达到预期目标之前，系统不会进入下一个步骤，从而确保数据的机密性。数据挖掘技术的保密性有助于确保经济统计各个方面的安全，并避免数据分析中不必要的问题。此外，利用数据提取技术作为数据库技术，有助于确保经济信息库的可持续性和可持续性，并有助于为今后编制经济统计数据而调动和管理必要的数据;数据挖掘技术具有较强的搜索和预测功能，依靠计算机手段对数据信息进行相关分析，不仅可以避免传统手动搜索中容易丢失信息的问题， 但是，它也能有效和迅速地收集人工信息检索不到的信息，使工作人员能够迅速和准确地获得第一手经济信息，并预测经济信息的变化。

3、数据挖掘技术在经济统计中的具体应用

3.1决策树对人数的决策作用

决策树可以很好地解决日常生活的决策性问题，具有很强的实用性。比如：在一家餐厅，管理人员想要确定服务人员的实际数量，以此实现对服务人员数量以及餐厅支出成本与劳动资源的协调性管理，统筹规划，合理利用，能够最大限度上节约资源，同时，还能确保在饭点时顾客增多而服务人员数量不够的情况，还可以有效解决这一问题。为此，就需要根据这家餐厅的顾客量对服务人员的数量进行有效调整，以此既能达到应有的服务效能，还能确保最大的经济效益。比如：参照餐厅7月份的顾客量的数据，构建决策树模型，综合相关因素分析，在下雨天虽然也有顾客量到餐厅吃饭，但是相对来说要比平常的顾客数量有所减少，在天气晴朗或者特定节日，顾客数量会有所增加，这时通过决策树的方式对数据以及相关影响要素进行综合把握，对餐厅服务人员的数量进行确认，获得准确的统计结果。所以综合得出的方案就是对特定时期雇佣临时服务人员，加强在顾客量增多时段服务人员的配备数量，以此确保经济效益最大化。

3.2在数据挖掘技术中集成化处理应用

随着经济的发展，信息的内容和来源更加多样化，相关内容更加复杂，使得数据收集更加困难。数据集成主要是整合和分析大量数据，这对复杂数据至关重要。集成处理应用程序不仅可以起到整合的作用，而且可以优化收集的数据、有效地组织详细信息、增加数据库的使用空间以及使数据库内容更加简单有效。只有这样，才能解决数据丰富和复杂的根本原因，提高工作效率，减轻工作人员的工作量，并为有关部门的工作提供便利。

3.3数据挖掘技术中的关联规则

数据挖掘技术中的相关规则是一个重要的主题，是其他技术的重要组成部分，也是最活跃的研究方向之一。关联规则是将一系列大型数据中相对有趣的内容关联起来，通过有效地关联内容来了解内容的因果结构，分析收集到的内容，以及查找数据中不易检测到的关联事件。在执行关联规则时，可以确定许多公司或关联单位，分析关联数据有助于确定关联的业务部门。一些最常见的关系是众所周知的：例如，工业生产的增加必然会影响生产总量的增加，例如常规关系对相互关联规则有很大影响，对于数据挖掘尤其重要。因此，必须在数据挖掘过程中研究关系关系之间的常规关系，以便于数据挖掘。

3.4预处理策略

由于在数据收集过程中，所有相关数据都是通过数据挖掘技术收集的，而且并非所有收集的数据都是有效和完整的，因此有些数据可能存在差距、数据信息错误、数据不一致和统计要求等问题 您必须先预处理收集的信息，然后才能分析收集的数据，并使用预处理规则删除数据信息，例如null和sound。 通常有四种预处理方法：频率统计、预测、平滑和平均。如果收集到的数据出现问题，则需要提前使用数据处理工具，根据不同情况处理数据信息，以确保数据的准确性。一般来说，消除数据中null值和噪声的最常用方法是平均方法和拖动方法，当数据中出现null值时，这两种方法具有很大的应用优势，而平均方法通常可以提供更精确的数据，而一般来说，数据预处理方法有其自身的优点。在数据预处理过程中，有关数据分析员必须选择最适当的方法来处理与不同数据处理情况相关的数据信息。

结束语

数据挖掘技术不仅在经济统计中发挥优势作用，并且在诸多领域中也得到了广泛的普及与应用，有助于加强企业数据管理水平和提升经济效益，实现对多元数据以及不同变化的科学归类和高效处理，可见数据挖掘技术对经济统计方面的重要作用，可以加速推動我国经济发展，为我国经济数据统计，获得准确的数据结果，提供有效服务。

参考文献：

徐传智.数据挖掘技术在经济统计中的应用分析[J].中国产经，2020（20）：65-66.

吉立爽.数据挖掘技术在经济统计中的应用研究[J].中国市场，2020（08）：195-196.

王彤.关于数据挖掘技术在经济统计中的应用[J].产业创新研究，2019（12）：170-171.

赵舰波.数据挖掘技术在经济统计中的应用探索[J].经济研究导刊，2018（12）：187-188.

[5]朱兆军.数据挖掘技术应用于经济统计中的研究[J].现代商业，2020（16）：118-119.