数据挖掘技术在经济统计中的应用探究

张震

【摘要】在社会经济的不断发展下，各种数据信息的数据量已经超越了人们所能够收集的极限。面对这种情况，相关研究人员正在不断进行探索，在如何利用庞大数据挖掘出有用的信息方面、如何创造出有用的信息挖掘技术、如何才能创造出有用的价值等方面已经有所成就。科技人员研发出的数据挖掘技术，能够让使用者在使用这项技术时，让数据变得更加整洁利落。所以，本文就将针对数据挖掘技术的内涵特点进行分析，并探究其在经济统计中的应用。

【关键词】数据挖掘技术;经济统计;应用探究

前言：在这个大数据时代，想要收集一些准确有用的信息，需要通过一些技术知识的支持，统计学就能够帮助人们在经济社会中，筛选一些有用的信息。在经济统计中，通常会收集数据的运行信息，并将有用的信息整理到数据库中。由于数据有空值与噪声，这对于数据的收集会起到阻碍作用，但是为了让数据有效准确，在挖掘数据前需要进行预处理工作。

1. 数据挖掘技术在经济統计中的内涵及特点分析

1.1 数据挖掘技术的内涵

数据挖掘，就是数据的深加工，对数据信息精细化的过程。数据挖掘技术的作用是，面对现有的大数据，进行数据深层次的开发，并在众多的数据库中，整理出自身需要的数据，对自身有用的数据，将一些零散的数据、一些不完整的数据进行规整化。因为数据具有随机性与噪声性，所以在众多的数据中很容易出现模糊的数据。但是通过使用数据挖掘技术，能够深度挖掘数据中的有用信息，并且能够将数据中的数据进一步地提炼，让数据变得更加清晰更加有用。

在利用数据挖掘技术处理信息时，需要在经济数据转换的基础上，利用统计学、神经网络学等其它学科的技术进行辅助。所以，数据挖掘技术也是一种具有学科交叉的技术。数据挖掘技术能够被广泛地应用在统计学科中，能够让收集到的数据更有利于统计分析，能够提高使用者在数据分析时的效率，让整个数据分析过程更加简便化。

1.2 数据挖掘技术的特点

数据挖掘技术具有三个方面的特点：第一，数据本身就蕴藏有效信息，只是会被众多数据信息隐藏起来。所以，使用数据挖掘技术时，需要处理的信息量也是非常巨大的，通常可以看到用TB或是GB来形容大数据。第二，在成功建立起数据库后，可以通过关键词的方式，搜索有用数据，这样可以查找到不少关于自身需要的信息，可以进一步缩小信息的搜索范围，让数据收集变得更加高效。第三，由于经济社会的信息在不断扩充，信息库所要储存的信息量也就越来越大，这就要求信息库也需要不断扩充容量满足信息生产的需求。除此之外，为了方便使用者更快寻找到所需信息，需要提高对信息搜索的准确性。

2. 数据挖掘技术的应用

2.1 预处理方法运用

数据的预处理包括数据变换、数据集成、数据清理等三个部分。数据变换就是通过不同方法对数据进行转化，使转化后的数据能满足数据挖掘的需求。在数据变换中包括两点的内容，即数据规模化与数据泛化。在数据规模化中还可以深入地划分为最大化规范、零均值规范、最小化规范等。而数据泛化是将高层次的数据转化为低层次的数据，其中需要关注连续性方面的问题。

所谓的数据集成就是将不同的数据集合在一起，以便形成一个完整的数据总体。在数据集成中需要关注，数据集成的准确性与确保数据能够集成这两个问题。由于社会信息量的不断增长，提供数据的源头也越来越多。数据不仅可以从官方中获得，也可以从个人中获得，还可以从社会主体中获得。在这些不同的数据来源中，经常会面对数据冗余问题与模式集成问题。数据冗余就是存在多余的数据，所以为了让数据库中存在的信息合理化，就需要让数据保持最少化，将多余重复的信息剔除。模式集成就是实体在识别时可能会出现的问题。对于经济数据的挖掘来说，这是一种经济数据的深加工，能够让呈现出的结果更加清晰明了，更加简便化。

所谓的数据清理就是将收集到的数据进行筛选，将一些无用数据或是不全面的数据剔除。在剔除这些无效数据时，通常会使用频率统计法、平滑法、预测法以及均值法等四种不同的方法。在实际的数据清理中，针对不同的情况需要使用不同的方法。比如，在经济统计数据中如果存在大量的空值与噪声数据，就可以采用均值法或平滑法。均值法与平滑法的不同点在于，在使用时平滑法是通过加权平均数进行的，在效果上，平滑法能够让数据更具真实性。而均值法在使用时是通过均值弥补数据的空缺进行的，这样也同样可以得到准确性高的数据。

2.2 决策树方法

决策树是能够快速分类信息的方法，在经济数据中使用能够得到比较高的效率，因为决策树能够让数据有一个更加直观的呈现。如果想要让收集到的数据更具有价值，就尽可能地让数据收集方法变得更加规范，让数据的分析能够进行系统性的分析。在挖掘数据的程序中，除了数据分析之外，同样重要的是数据输出。因为通过决策树输出数据的是会在实际过程中使用的数据，所以这种输出数据的质量也可以说是在使用过程时的效率问题。尤其对于经济的决策管理者而言，需要强有力的数据作为支撑，才能够对经济进行有效调控。

在使用决策树对经济数据进行分析时，需要先从分析数据的基本模型与数据分类两个方面，建构一个完整的决策树结构。在构建决策树时要求做到精简，在数据分类时需要同决策树的根部开始到树枝结束，在这种递归方式的分类中，需要在开展树枝时同步完成。在使用决策树的实际过程中，一方面需要注意数据挖掘预测方面的问题，另一方面，数据分类中的问题也是不可以忽视的。成功构建决策树后，应该要根据实际使用，展开调查工作，让决策树更贴合实际的使用。如果想要在实际使用决策树的过程中，让决策树停止运行可以从两个方面考虑：第一，就是一个节点中的所有数据都被归分在同一类别。第二，在分类属性中，已经不可以再次对数据进行分割。

3. 结论

根据上文论述的内容，可以知道在经济数据的统计分析中，如果能够有效利用数据挖掘技术，将会使得数据信息的价值最大化，还能够提高信息的收集效率，让使用者感受到技术带来的便利。所以，如果能够在经济统计中有效应用预处理方法与决策树方法，将会让经济统计数据发挥到最大价值。

参考文献：

[1]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.

[2]刘秀华. 浅谈数据挖掘技术在经济统计中的应用[J].商场现代化. 2014（23）.

[3]郝岩.数据挖掘技术在经济统计中的应用探究[J].现代经济信息. 2013（11）.