大数据背景下经济分析系统的设计

薛 茹

(西北大学现代学院,陕西 西安 710130)

0 引言

在大数据时代,随着不断的发展和创新,政务信息化和大数据的处理越来越多。 经济分析系统能够快速获得经济发展的动态,为经济提供可靠的数字依据。目前,国内大数据下经济系统设计的成功案例不多,如熊赢新等[1]、白献阳等[2]分别对湖北省宏观经济大数据仓库项目、贵州省政府数据开放协同机制进行了探索,李军等[3]、崔树红等[4]在智慧政务和“数字政府”框架下对大数据共享的实现与应用进行了研究。 这些研究主要是针对数据共享方面的研究,可以实现部门的互联、信息资源的共享、业务的协同,而通过构建经济分析系统,可以对数据进行全面分析,通过数据进行决策,采用数据进行创新,可以为政府部门、企业以及各行各业提供快速、准确、全面的经济信息。 大数据分析系统能够形成进行实时监测和智能预测的经济分析系统体系。

1 系统框架设计

在确定好相应来源数据后,通过汇聚各种数据,对数据进行采集与加工处理,数据采集与加工处理主要提供数据抽取、数据转换、数据加载功能,负责与前端数据源进行交互,采集和处理数据库、协议、文本等数据项[5],通过大数据平台首先把数据加工、整合,将数据存储到数据库中,进行数据的分析与展示。 在经济分析系统中,系统模块主要包括数据快报、数据分析、企业跟踪、关联分析、综合报表和经济预测模块,系统框架如图1 所示。 经济分析系统可以提供饼图、柱状图、走势图、曲线图等多种图形展示。 数据快报功能模块,可以快速提供所需数据,通过这些数据随时能够查看经济的运转情况。 数据分析功能模块具有强大的数据汇总能力和多角度的数据分析能力,支持趋势、构成、同比、环比、对比、排名、预警KPI 等多种分析能力。企业跟踪模块能够对确定的目标进行跟踪与分析,支持对各种经济运行目标的设定和跟踪,以全面跟踪目标完成状态和对本期目标完成情况提前进行预测。 关联分析模块提供强大的数据分析预测功能,支持如回归分析、灰色关联等常用的数据挖掘算法。 综合评价模块功能提供强大的自定义分析查询功能,可根据需要自行组合、选择查询条件,形成分析报表。 经济预测模块通过时间序列、灰色预测等方法进行数据的预测分析。

图1 系统框架

2 功能模块分析

在经济分析系统中,以企业为例,数据快报模块主要包括快报企业完成的情况、增加的情况和累计增加的情况。 数据分析模块通过对企业运行监测分析后,形成趋势分析、构成分析、对比分析和排名分析。 趋势分析主要分析指定指标在指定时间段内的走势情况;构成分析是分析指定指标在指定时间段内的构成情况,反映某一领域为整个行业的经济拉动点;对比分析指定指标在一段时间段内产业分类随时间对比情况;排名分析则是分析指定指标在一段时间段内的企业排名及其变化情况。

企业的目标跟踪模块用于对各种经济运行目标设定和跟踪,可以提前预测跟踪目标完成状态和完成情况。 不但可以设置各种经济运行目标,而且能够跟踪各种经济运行目标完成状态。

关联分析模块中采用回归分析和灰色关联分析的数据挖掘算法进行数据分析。 采用视图的方式来展现,可以分为数据视图、模型视图、检验视图和预测视图。 数据视图主要用于选定初始样本数据,提供样本数据编辑功能和趋势图。 模型视图是用于显示模型计算结果,提供模型选择功能。 检验视图主要检验前一步样本数据计算得到的回归模型,提供显著性水平和查看详细检验结果功能。 预测视图是用于对指标的未来趋势进行预测,提供自变量值设置功能。

综合评价模块使用降维方法分析多个指标的综合状况,得出这些指标的得分排名和综合得分排名。 采用主成分分析和因子分析的方法,以视图形式来呈现,主成分分析视图用于选定初始样本数据,提供样本数据编辑功能。 因子分析视图提供因子数量设置功能,用于显示因子分析结果。

经济预测模块根据时间序列和灰色预测的方法来预测分析,时间序列是从长期趋势、随机因素方面分析指标变化规律与趋势,最终得到分析综合结果,并在此基础上进行预测。 灰色预测是用灰色模型分析,通过指标随时间变化规律与趋势,得到预果。 经济预测模块不但提供随机数据获取和随机模型分析功能,而且对经济指标的未来趋势进行预测,提供预测期数和显示因素设置功能。

3 经济分析系统中主要采用的数据挖掘算法

经济分析系统设计中最为重要的是关联分析所采用的数据挖掘算法,主要包括回归分析和灰色关联分析。 回归分析的基本思路是对多维空间中存在的样本数据,用特征的线性组合去拟合多维空间中点的分布和轨迹[6]。 回归方式包括一元回归、多元回归。 回归目的可以寻找变量间的相关程度,也可以给出变量间的相关模型。

经济分析系统中的回归分析是以指定自变量指标和指定因变量指标在指定时间范围内、指定主要口径和次要口径、指定时间颗粒度的历史数据为样本数据,分析自变量指标对因变量指标的贡献或影响,得出模型后,可给出一个自变量指标值来预测因变量指标值。图2 表示的是回归分析中一元回归数据视图,通过对样本数据的自累加或自累减,提供出样本数据编辑功能和趋势图,分析结果包含原始数据、散点图和统计描述。 图3 表示的是回归分析中的一元回归模型视图,显示出模型回归方程的计算公式、拟合度和标准误差,模型结果显示出回归描述图。

图2 回归分析中一元回归数据视

图3 回归分析中一元回归模型视

灰色关联分析是一种多因素统计分析方法,它是以各因素的样本数据为依据用灰色关联度来描述因素间关系的强弱、大小和秩序。 若样本数据反映出的两因素变化的态势基本一致,也就是同步变化程度高,则它们之间的关联度较大;反之,则认为关联度较小。 因此,可用灰色关联分析法来衡量某区域各个指标之间的关联程度[7]。

经济分析系统进行数据分析时的影响因子错综复杂,难以用精确的模型进行定量研究,而灰色关联分析是根据因子间几何形状的相似程度来衡量各因子关联度的方法,因子间几何形状越相似,其关联程度就越大,发展变化趋势也越接近[8]。 无论样本量多少以及样本有无规律,灰色关联分析法都能够适用,为经济分析系统影响因素的定量分析提供了比较好的途径,关联度计算时首先可以确定出比较和参考的序列,然后将选择的序列建立关联系数矩阵,接着计算出关联系数,得出关系系数图,最后得到关联度[9]。

经济分析系统中的灰色关联分析通过样本数据,具体分析了工业增加率、产销率、工业增加值、工业总产值、工业销售产值和GDP 在数量上多个指标间的关联程度,从而得出这些指标的灰色关联系数图、关联系数矩阵,如图4 所示。

图4 灰色关联的关系系数图和关联系数矩阵

4 结语

在大数据时代,本研究借助经济分析系统,通过进行数据分析,可以针对大数据进行经济分析和预测,特别在关联分析的数据挖掘方面做出有益的探索。 本文运用回归分析、灰色关联的数据挖掘算法,可以挖掘出关联性强的数据关系,能够进行有效的数据分析,并作出可靠的经济预测,提高预测的精准度,为政府部门或企业进行调控、精准施策提供有用的参考,具有一定的价值。