引言
1 数据挖掘技术的概况数据挖掘技术是创新技术应用手段，对数据库各类信息深入挖掘，找到对自身有价值的信息，提高信息分析和处理的效率。其应用原理是将原本复杂且多变的数据库通过对数据信息的简化，提取其中有价值和符合需求的数据，在此基础上，在对数据进行深入分析、归纳和整合，以此高效利用数据。结合我国目前经济数据信息情况，我国有着庞大的数据信息储量，并且这些数据信息并不具备很强的规律性和完备性，很多数据信息的随意性比较强，而且很多数据信息存在缺失的情况，面对这种情况，以往按照一般化数据统计方法无法确保数据处理效率，尤其对信息不健全、数据信息随意性强的问题，无法系统化、科学化的加以分析，自然会增加数据统计和分析结果的准确性。 但是数据挖掘技术则不同，它可以有效解决这一问题，能够利用数据统计软件以及相应的程序算法，能够对不完整、随意性强的数据信息按照系统的程序进行科学、有序归类。方便数据使用人员对所需要的数据信息的调取与应用，能够高效找到有价值的数据，不需要依靠人为操作，就能够对搜集的数据自动加工与处理，并综合分析对比，具有很强的实用性价值。
2 数据挖掘技术在经济统计中的技术应用
决策树方法主要是挖掘数据中包含的有意义的、有价值的信息，并对这些数据信息进行集中整合，并且深度处理，保证开发的项目以更加全面，推动系统优化升级。与此同时，在实践应用中，可以从复杂的数据库中有效提取有价值的信息，确保达到数据整合与分析的目标，进行科学有效的预测，从海量的数据信息中深入挖掘出数据的实际价值，决策树会形成完整的流程图，建造数据分析和处理结构，决策树相当于数据分析的载体，每个根节点和叶子节点之间展现的是数据之间的排列组合方式，按照系统算法内在操作方式，实现数据信息的整合，每个叶子节点所展示的就是对数据分类和预测后的结果，在此基础上可以对变量实施测试，而决策树的分枝则体现了变量测试结果的可能性。
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。
数据集成方法主要体现在两个方面：一是模式集成方法。数据挖掘技术可以在科技的辅助下，拓宽发展领域，但由于我国数据库数据储量较为庞大且包含很多复杂的因素，不同数据之间的关系以及数据的完整性方面，都需要综合考虑到位，对同一文件的不同数据，以及对不同数据关系和数据是否有缺失等问题，就可以有效识别，并对数据按照一定规律进行分类和整理，同时能够有效管理和把握这些数据，从中选择有用的数据应用到实际中。二是冗余问题。对数据之间的相关性实施有效的判定，利用数学计算公式来加强对相关数据的科学判断，确定数据之间的相互关系，这种方法也常常会用于购房中，主要是对购房者收入、购房价值以及购房能力的有效判断。 3 数据挖掘技术在经济统计中的应用优势
如今，面对计算机技术、大数据等各项信息技术的发展，数据挖掘技术功能价值也逐渐凸显出来，并在诸多领域中得到了广泛的应用。近年来，社会经济活动日益频繁，在此背景下，信息量呈现爆炸式发展，不断增多的信息也让经济结构变得更加复杂，为了高效管理数据信息，把握住信息的实际价值，就需要加强对信息的精细化管理，这样也满足了不同领域对数据分析的需求。数据挖掘技术以强大的统计能力、数据挖掘能力以及对数据之间的关系的自动分析和归纳能力等，其中这项技术在经济统计应用中，发挥着极强的功能作用，能够对企业经营、业务进展、数据使用人员之间的有效沟通等，提供便捷高效的服务，对经济数据的整理和分类以科学有效方式，整理出准确的数据统计结果。
在经济统计工作中其应用价值十分显著，通过对经济数据的科学处理和再加工，对原有数据重新归类和分析，组成需要的内容，保障数据发挥应有的价值，也为数据管理人员提供便捷的数据统计和分析服务，进一步强化了传统数据统计工作效能，让我国在经济数据领域的分析、统计与整理能力等方面得到了强化，并且可以利用数据挖掘技术深入挖掘出更有意义和更有价值的数据信息，提升经济统计分析作用，有助于提升数据信息管理效率，确保经济统计信息的真实性和数据分析结果的可靠性。 此外，目前，很多企业各部门在经营管理过程中会形成各种各样的经济统计信息，信息的内容是经济管理必要的基础条件。但是管理部门涉及的经济领域与经营管理方面存在一定的差异，而且管理方式和权限范围也有很大的不同，面对这种情况，就需要促进各部门的有效协同，建构统一化的信息统计体系和处理方式。
应用数据挖掘技术应用于宏观型数据库中取得了良好的效果。如果按照我国传统经济数据统计分析所使用的方法，信息采集、分析与处理的效率是无法满足实际需求的，会滞后于时代发展，缺少准确识别不同数据信息之间的关系的科学性。多数数据使用者在对数据进行全方面的管理时，往往无法实现数据高效分析与统计的目标，会产生很多阻碍问题。 数据挖掘技术可以在宏观经济统计数据库中发挥实际作用，其良好的适应性能够借助宏观经济统计数据库在这一平台，发挥出自身的特性和优势，确保获得的数据分析结果的精确度，而且以最快的速度对不同数据进行优化处理，综合分析出更有效的宏观经济统计数据。
4 数据挖掘技术的挖掘流程分析
定义目标阶段作为数据挖掘过程的起始阶段，需要做好开始的准备，应结合数据统计者以及相关行业领域的研究学者的要求，综合制定挖掘目标，这样才能让定义的挖掘目标以及所产生的实际数据挖掘结果保持一致。为此需要相关应用领域的专家和具有数据挖掘技术工作经验的人员共同定义目标，一是在定义数据挖掘目标的同时，也需要对算法进行演算，多方对比后，保障定义目标产生的相应的准确结果；二是立足于工作实际来确定目标。将数据挖掘技术应用到经济统计中，按照一定的挖掘流程，收集数据库中需要的相关数据。
数据准备阶段是数据挖掘及应用时间最长，是整个数据挖掘流程中起着至关重要的发展阶段，需要充分重视。在准备阶段主要分为三个方面：一是数据的挑选。数据的挑选主要从宏观经济统计数据库中选择相关联的数据，并对数据进行科学筛选与排列，结合数据定义，将这些所需要的和选择的数据作为目标数据。二是数据的处理，主要是应用数据分析和处理技术对筛选的数据进行初步的整合，找到符合需求的数据。三是数据变化，利用数据变换功能对数据进行简化，达到深层次挖掘数据的目的。
数据挖掘阶段的第一操作步骤需要预定算法，其实质就是采用什么样的条件来对变化的数据源进行科学挑选，深入挖掘，按照算法完成目标工作。并在这一过程中，需要相关领域专业和数据挖掘技术人员进行操作，挖掘数据的关键要点。在此阶段，数据挖掘技术应用到经济统计中主要体现在三个方面：一是数据集成方式为经济数据统计的精确性奠定基础；二是将预处理应用到数据挖掘中，在原有数据基础上进行智能化、自动化分析与处理；三是通过回归分析找出变量间的关系。
评估与结果展示是经过上述各阶段数据统计和分析过程所获得最终数据结果的尾声阶段，数据的使用者需要对数据挖掘结果做一个系统的分析和总结，并利用数据挖掘技术分析得到的数据结果进行展示，借助自动数据生成功能，形成完整的数据评估结论报告，经过相关操作和选择的数据，保留符合工作需求且有实际价值信息，如果不符合要求，信息也缺少完整性，系统也会按照内部操作程序自动对这部分数据进行重新筛选，返回上一步操作，再进行重新分析，确保最终获得而定数据符合要求。 5 数据挖掘技术在经济统计中的发展
数据使用者使用的数据如果和目标数据不相符合，需要具体情况具体分析，结合系统数据中的各种变化情况，利用数据挖掘技术对数据科学分析。但是理论与实际还存在一定的差异，我国数据挖掘技术的发展层次还有待提升，其发展水平并不足以应对当前数据发展的难题，缺少与之相对应的数据挖掘功能。所以还需要技术研究者加强对数据挖掘技术的研究，设计出更多有效的数据挖掘系统，及时攻克数据统计难关。
数据挖掘技术可以从宏观经济统计数据库中对各类数据进行筛选，利用自动化数据分析功能，对数据进行深度挖掘，并根据相应的算法将数据应用到实际当中，对不完整的数据进行完善，找出相似数据存在的规律性。同时，利用数据挖掘技术可以帮助数据使用者提升应用效率，简化数据结果。
经济数据统计过程需要确保安全性，防止数据挖掘和分析过程中造成数据丢失或者泄露，保证所挖掘的数据结果和经济数据统计的保密性。伴随着科技的发展，数据使用者也对数据挖掘结果的保密性和安全性更加重视，着重强调数据的隐私。 结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，可以加速推动我国经济发展，为我国经济数据统计，获得准确的数据结果，提供有效服务。 |
|
|
