□曹海波

统计数据是统计工作活动过程中所取得的反映国民经济和社会现象的数字资料及与之相联系的其他资料的总称，除了最直观的统计数字、统计图表之外，与各类文字、说明情况等也直接相关。以笔者从事的工业生产者价格调查为例，月度报表中企业填写的出厂、购进产品规格价格超限（波动超过5%）说明，信息量就在200 条左右，如何充分发掘这些文字信息的效用是本文尝试研究的内容。

文字化为数据的意义

量化一切，是数据化的核心，也是大数据时代的基石。统计工作中接触的各类文字说明，由于文字表述的复杂性、表达方式的不统一，记录方式的多样化、多次记录甚至是重复记录等因素，会给统计人员在运用这些信息时增加明显工作量，在准确关联这些信息时把握前后逻辑的一致上造成困扰。将文字化为数据，本质上是剔除文字说明中的主观因素，提取核心客观因素的过程，如同已经存在的企业名称对应统一社会信用识别码、企业所处的地址对应的行政区划代码、企业所处行业对应的统计行业代码等，可视为统计工作与大数据时代进一步接轨的尝试，可更好地履行统计监测职能，提供更为优质统计服务。

一是可归类、可比较。文字数据化可以直观地归类汇总问题、监测趋势，通过统一分类和编码寻找同地区、同行业之间共性问题和趋势，推动不同行业间共性问题和趋势的归类互认；通过统一分类和编码寻找跨地区、跨行业之间的个性问题、不同趋势，推动个性问题、不同趋势在跨地区间、跨行业间的比较。……