【摘要】在当前信息技术快速发展的形势下，大数据技术已经被广泛的应用于各行各业当中，同时发挥了重要的作用。通過对大数据技术的有效应用，现阶段经济普查数据分析工作的开展获得了进一步的支持。我们应该从大数据时代的角度分析新技术的应用特点，并且结合经济普查数据分析工作的开展需求，更加合理地对于大数据技术进行应用，提升整体经济普查数据分析工作的开展效果。

【关键词】大数据技术 经济普查 数据分析

一、引言

对我们社会经济发展来说，经济普查数据分析本身是一项非常重要的工作内容。在我国当前社会经济快速发展的形势下，影响整体的经济结构发生了很大的变化，经济普查数据分析工作的开展面临着更多的工作量和更严峻的挑战。以往经济普查方式本身对于人力、物力和财力方面的需求较高，同时相关的数据分析挖掘质量也有待进一步的提升。为了进一步满足新时期经济普查数据分析工作的开展需求，我们应该对于大数据技术进行合理的应用，发挥其技术本身的特点，更好的服务于实际应用，构建现代化的经济普查数据分析体系，更加高效并且精准地完成信息的处理和应用。

二、经济普查数据分析工作的开展特点分析

经济普查数据分析工作本身就有较大的工作量，并且其中很多的数据分析的内容，都需要结合实际情况来进行相应的调整。在当前新的发展形势下，经济普查数据分析工作开展也面临着更多的挑战。从准确性方面的要求来说，经济普查数据分析本身必须要对其准确性进行更好的保障。在某一特定时间点内经济、产业以及人口等方面的数据是处于动态的变化当中的。对于这种动态的变化进行科学的掌握，提升数据控制的准确性，这是非常重要的一个树立处理需求。在实际普查数据分析的过程当中，我们经常会发现部分时间节点之前经济增长的速度较慢，而在这之后，经济增长速度会突然加快，在这种情况下，整体数据分析的难度会得到大幅度的提升，势必会产生误差的情况。如何能够对这种情况进行有效的处理，这是确保相关数据分析准确有效的一个关键。与此同时，经济普查数据分析工作具有较大的工作量，对于人员方面的需求很大。在长时间普查工作开展的过程当中，如何对工作人员自身进行有效的管理和控制，进而确保整体数据分析的准确性、有效性，这是管理工作中所面临的一个重要的问题。另外，从技术的角度来说在当前复杂数据分析工作开展的过程当中，合理选择数据挖掘技术，这是非常重要的一部分工作内容。通过合理对于相关数据挖掘技术进行选择，这样可以对实际分析工作中的成本进行更好的控制，同时提升普查结果的准确性。在实际数据挖掘分析方法的选择上，我们应该结合具体的经济普查数据分析的需求，进行相应的调整的同时要具体特定的普查内容来进行合理的优化，这样才能最大限度的达到相应的工作效果。

三、大数据技术的应用分析

第一，对于分析体系进行构建。经济普查数据分析工作的开展，本身对于多方面的数据进行了全方位的统计和分析。为了确保其分析工作的开展效果，我们应该结合数据收集分析的特点和具体的采集需求进行相应的调整。在数据的抽样和处理的过程当中，应该采取科学的方式，进一步地对于具体经济发展的情况和带动情况进行分析和反应。从多个角度入手来进行评估，构建一套更加完善化的评估体系，这样整个经济普查数据分析工作的开展效果才能得到更好的保障。在实际经济普查数据分析的过程当中，统计过程和数据分析之间就有着紧密的关联，提升及统计工作的开展效果和工作效率，是确保经济普查数据分析工作开展质量的一个关键。从大数据的角度来说，我们应该合理对于其相关技术内容进行应用，并且围绕统计工作的开展需求，从资源方面给予有效的支持。经济普查过程当中，其中的工作量会不断增加，我们也应该结合具体普查工作的开展需求，按照不同的工作岗位来进行划分，明确具体的工作职能和职责，让内部人员配置得到更好的优化和调整，同时也能够发挥人员工作的积极性和价值。另外，依托大数据技术，我们也应该对于经济普查数据分析中的实时变化情况进行充分的考虑，同时依托大数据技术来进行合理的变化预测。在具体工作中由发生后预警实现对超前预警方式的改变，在对下阶段经济普查数据工作提供指导的。通过大数据挖掘技术的应用，以多种方式对数据分析规律进行把握，并且时间对当前经济普查数据分析体系的合理完善。

第二，对于挖掘技术进行合理的选择。从大数据发展的角度来说，我们应该对于数据挖掘技术进行更加合理的选择，通过对技术优势的发挥来提升整体经济普查数据分析工作的开展效果。在现阶段较为主流的数据挖掘方法之中，以下是较为常见应用的：

SAS统计分析。其本身是一个系统化的管理体系，其通过对数据的访问、管理、呈现以及分析，有效地满足了数据挖掘方面的内容。其系统本身又具有较强的可扩展性和灵活性，让用户自身的需求可以得到更加进一步的实践。在实际统计分析的过程当中，也可以增加更加直观的呈现方式，这样分析人员可以更加直观的对于数据内容进行了解。

Clementine数据挖掘平台。其通过构建具有预测能力的模型可以对于具体的决策方法和过程进行改进，同时也能够满足数据挖掘功能方面的相关需求。

Intelligent Miner：它采用了多种统计方法和挖掘算法。它能处理的数据类型有：结构化数据（如：数据库表，数据库视图等）和半结构化或非结构化数据（如：顾客信件，在线服务等）。利用其独一无二的世界领先技术，例如发现关联、自动生成典型数据集、发现序列规律、概念性分类和可视化呈现，可以自动完成数据选择、数据转换、数据挖掘结果。

以上几种数据挖掘技术是较为常见的，我们应该结合具体的经济普查数据分析的要求，进行相应的调整和改进，合理的进行运用，发挥技术的最大优势。

四、结束语

总的来说，在当前大数据时代下，经济普查数据分析工作的开展，面临着新的发展契机。我们应该对于大数据技术进行合理的应用，并且围绕经济普查数据分析工作的开展需求和特点，引入更加科学的工作策略和工作思路，发挥技术优势，提升经济普查数据分析的开展效能，为下一阶段经济普查数据分析工作水平的提升和发展奠定坚实的技术基础。

参考文献

[1]杨鹏鹏.中国经济普查的数据挖掘方法研究[J].中国市场.2015（39）.

[2]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（02）.

[3]刘丽俊.基层普查数据需要把握的几个质量环节[J].中国统计.2014（09）.

[4]崔艳敏.提高基层经济普查数据质量的探索[J].中国市场.2014（17）.

[5]徐幼萍.经济普查中如何准确与及时统计数据[J].统计与管理.2014（09）.

作者简介：徐先华（1976-），男，本科，天长市统计局，统计师（中级），研究方向：经济普查、农业普查、人口变动统计、劳动力调查统计、基本单位名录库更新维护统计。