大数据在企业经济统计分析中的应用研究

摘要：随着大数据时代的到来，大数据技术和分析方法应用到统计分析中的情况越来越多，应用大数据分析方法进行经济统计分析不仅可以有效提高统计工作效率和工作质量，还能节约统计成本，真正做到统计数据成为企业发展决策的重要依据，这是未来经济统计发展的必然趋势。对此，本文主要对大数据分析方法在企业经济统计中的应用进行了实证研究，列举了应用价值和存在的问题，并提出合理的建议，以供参考。

关键词：大数据；大数据分析；经济统计；实际应用

中图分类号：F27文献标识码：Adoi：10.19311/j.cnki.16723198.2024.15.029

0引言

随着社会经济和互联网技术的快速发展，大数据在各行各业中的作用日益凸显，数据竞争力在综合竞争中越来越重要，大数据已成为推动我国经济高质量发展的重要因素之一。大数据是一种新技术、新资源，是一种改变我们生产生活、经济社会分析的新思维方式。大数据的价值在于统计，统计作为研究数据的科学，就是要发现隐藏在看似杂乱无章数据里的规律。大数据为统计发展提供了新手段、新方法、新要求、新挑战。所以，在企业经济分析中要应用好大数据，从大量的数据中分析出对企业经营决策有用的重要信息，帮助企业在日益激烈的市场竞争中立于不败之地。

1大数据在企业经济统计分析中的相关概念及实际应用

1.1相关概念

大数据指的是规模巨大、复杂度高、类型多样、数据价值潜力极大的数据集合。具体来说，大数据是由超大型、高度复杂、高速沉淀、高度多样化的数据所组成的数据集，这些数据集可能被用于提高业务运营效率、创造新的商业机会、改善决策和创新。大数据具有：数据规模巨大、数据类型多样化、数据质量不确定、数据安全性差等特点。

大数据分析方法指的是对信息技术应用过程当中产生的各种各样的大量数据进行分析并整理的方法。大数据分析方法主要分为五种：①可视化分析方法，指的是以直观的图形对数据的特点进行体现，用户能够直观地看到图形，通过图形所展现的信息进行分析，让数据自己说话，快速把握数据信息后面隐藏的关系。②数据挖掘算法，指的是在数据类型和格式基础上，采用公认的算法，深入数据内部，挖掘有用的信息。③预测性分析方法，数据挖掘可以让分析员更好地理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。④语义引擎方法。⑤数据质量和数据管理方法。本文中主要分析前面3种方法。

企业经济统计是指研究企业经济活动的数量特征和数量关系，所有数量特征和数量关系都是通过统计指标和指标体系来反映的。包括：企业经济活动条件、投入、产出、经济效益四个方面经济活动的企业经济统计。

统计表是显示统计数据的基本工具。在数据的收集、整理、描述和分析过程中，我们都要使用统计表。杂乱的数据，既不便于阅读，也不便于理解和分析，一旦整理在一张统计表内，就会使这些数据变得一目了然、清晰易懂。（如表1）

统计图是统计数据直观的表现形式，可以将复杂的数据用生动的图形表现出来，因而绘制并使用好统计图就成为统计分析的基本功。常见的统计图有散点图、折线图、条形图、饼图、雷达图等，结合统计数据的特点及需求选择合适的统计图表能直观地呈现出统计数据中存在的现象及规律。（如图1、图2）

1.2大数据分析方法在实际中的应用

1.2.1应用可视化分析方法分析有色金属企业中金属产品产量

在实际应用中主要是应用统计表、统计图对复杂的数据进行归类整理，能一目了然地看出数据的规律及变化情况。例如，根据表1中的数据，绘制图1和图2，利用表1把一堆杂乱无章的数据整理成比较直观、简洁的统计表，再根据统计表中的数据分类绘制出统计图1、图2就可以清晰的看出某企业近10年有色金属产品产量变化情况。

3iEoDyyCV//yTD7sdMJG+Q==

统计图在统计分析中的实际的应用：如图1应用折线图清晰地反映出企业近10年4种主要产品产量的变化趋势，并且异常情况也一目了然，图表中反映的统计分析结果与实际情况一致：近10年内锡的产量基本保持不变；铜的产量小幅度增长，但在2020年有下降趋势，原因主要是受疫情影响铜产品停产停工一个月，从而影响全年产量；铅产品2013—2018年基本保持不变，但2019—2022年突然减少，原因是生产铅产品所需要的原料自产率不足，而且外购原料不能达到该企业的生产需求，加之外购原料使得生产成本增加，连续几年出现亏损，经调研分析后发现没有扭亏为盈的可能，撤销该产品的生产线，只保留少部分深加工产品含铅；锌产品2019年产量较前几年平均增长约1694%，主要原因为新增加了锌产品的生产线，由于技术成熟、原料结构合理、产品合格率较高、市场情况较好等原因产量保持稳步增长。

图2应用条形图反映出10年内各种产品产量的分布情况。从图中可以看出在这10年区间锡、铜产品产量基本保持不变，也是该企业的主要产品，同时也说明这两种产品近几年的原料投入、技术指标、市场需求情况等变化不大，而且产能利用率基本达到最大值，不需要扩大生产；铅产品自2019年产量大幅度减少，2020年只保留了10%的深加工产品；锌产品则是自2019年开始产量大幅增加，产量超过了锡、铜两种主产品，成为该企业的主要主产品之一。

1.2.2应用大数据的预测性分析方法预测下一年的工业产值及其他应用

工业总产值：指工业企业生产的工业最终产品和提供工业性劳务活动的价值总量。本文中采用的计算公式为：工业总产值=最终产品产量*产品销售价格

大数据的预测性在实际中的应用，可以根据某企业近10年的工业总产值预测第11年的工业总产值，通过建立模型、计算相关系数等得出合理的产值预测模型来预测工业总产值的长期波动趋势，从而预测第11年的工业总产值情况。该预测只简单考产品产量和产品销售价格对工业总产值的影响，实际情况分析发现：第11年4种产品的产量计划总体保持增长，产品销售价格预测也较第10年好，第11年的工业总产值较第10年有所增长，和模型预测情况保持一致。

在实际应用中还可以考虑更多更复杂的因素，建立多元回归模型，模拟更复杂的实际情况，例如：可以通过搭建数据共享平台，把生产单位的原料、材料、人工、经济技术指标等投入数据和产品产出、年计划、进度计划、月计划、销售订单等数据实现关联，并编制出各类生产经营所需要的报表、指标，这样各级管理人员随时需要了解生产情况就不需要统计人员再使用传统的统计方法层层汇总、层层分析来得到，只要掌握了数据信息化平台的使用方法就可以随时提取自己需要了解的信息，不需要再等到每月末基层上报相应报表后再通过汇总分析才能得出需要的指标，利用大数据分析方法后在获得信息的及时性、全面性上与传统统计数据获取上取得了非常大的进步，同时还减轻了基层统计人员的工作量，把更多的时间和精力用在统计分析上，做到最大程度地实现单个生产流程、单个单位或者集团全部的经济发展趋势预测和未来产品、收入、利润等的预测。

1.2.3应用大数据的数据挖掘算法分析相关产品、原材料供给、产品市场需求等情况，提前做出预判，制订更加有利的生产经营决策

大数据数据挖掘与传统的数据分析的本质区别是数据挖掘一般没有什么预先设定好的主题，主要是在现有数据上面进行基于各种算法的计算，从而起到预测的效果，实现一些高级别数据分析的需求。常用的挖掘方法有：分类、估计、预测、相关性分组等。比如：2020年由于社会经济环境的影响很多企业的生产经营都受到较大冲击，企业要在这样的大市场环境下找到适合的生存之路，就可以利用市场大数据，挖掘和企业业务板块相关的信息，找到合适的原材料供应商、生产当期市场紧缺的产品和未来可能紧缺的产品。企业逐步复产复工后，也可以根据大数据挖掘以前发生类似情况时的经济发展情况，分析出恢复期内企业生产经营情况，制订未来生产计划和大宗物资储备情况等。

2大数据在经济分析应用中的实际价值

2.1可以提高经济统计分析效率

建立大数据平台可以帮助统计人员提高工作效率，日常工作从以前的简单加减改变为通过大数据信息平台来收集各种类型的有效数据，并且利用已有数据对结论进行验证，选择有用的数据和分析方法对经济理论进行量化，实现统计分析的优化和创新，这也是统计分析工作未来的趋势，大数据分析方法的应用加快了这种趋势的到来，保障经济统计分析报告的质量，也使统计数据成为企业决策的重要依据。

2.2可以进行经济预测

传统的经济预测往往通过建立各种经济指数和通过调查取得相关数据才能进行经济预测，因此，时效性较差、工作量较大、运行成本较高，在实际工作中应用得不多，但随着大数据技术的快速发展，配合互联网、云计算等计算机技术，可以通过挖掘和分析以前的、现有的、同行业的各类相关数据，并结合最新的生产运行情况，利用大数据分析方法，建立经济发展模型、绘制趋势图，从而得出下一期的经济发展趋势，再利用计算模型预测下一期的生产情况，还可以检测经济模型是否合理。

2.3可以降低统计数据收集成本和降低统计误差

目前企业的统计工作主要依靠统计人员收集、整理原始数据和台账，完成统计报表和统计分析资料，这样的方法不仅仅效率低，而且还速度慢、成本高。利用大数据分析方法后，不仅仅能够提高工作的效率，还能减少人力、物力、财力的投入，大大降低数据收集的成本，并且由于数据量大，样本几乎为总体，所以降低了统计误差，保证了统计数据的准确性。

2.4大数据分析还能够提高经济建模的精准度

现在的经济统计分析工作中，利用模型预测受到很多外部因素的影响，导致模型的精准度不高。使用大数据分析方法后，可以综合考量权重较大的因素，将其引入到模型当中就能够提高分析结果的质量。在传统的统计分析中由于收集成本等因素的影响，往往引入的变量不会太多，但大数据技术应用到统计分析工作中就很好地解决了这一难题。

3大数据在经济分析应用中存在的问题

随着经济快速发展，需要分析、处理的数据信息越来越多，数据收集处理的量越来越大，对一个企业来说合理地应用大数据技术和大数据分析方法能提高统计工作的效率和质量，但目前大数据应用到企业统计中也存在着一些必须解决的问题。

3.1大数据应用必须的计算机技术和信息化程度不够

现在的企业统计大部分还在使用传统的统计模式，先制定一些需要的统计指标、设置基础台账、汇总原始数据、编制统计表，再逐一分析主要的、需要的统计指标。这些工作使用简单的电子表格就可以完成，办公软件配置也要求较低，需要具备的计算机操作方法也简单，但这些条件不能满足大数据的分析处理的需求，企业目前的信息化条件和计算机设备等硬件条件不足以推进大数据技术的普遍应用。

3.2数据质量、数据共享、数据安全有待提高

使用大数据技术就面临着有大量的数据需要分析处理，加之数据来源多样化，在一定程度上不能保证数据质量。而且由于数据存在共享，一些涉密性数据就需要相关人员审核设置一定的权限范围，数据安全也就成为了大数据技术应用必须注意的重要问题。

3.3统计人员的专业技术不能满足大数据分析的需求

现在的企业统计人员专业素质和学历基本分为：高中、大专人员偏多，本科及以上人员偏少；统计及相关专业人员偏少，半路出家的非专业人员偏多；专职统计人员偏少，兼职人员偏多。所以能熟练掌握大数据分析方法，并熟练应用到经济统计分析中的统计人员不多，大数据分析方法的推进存在困难。

4充分发挥大数据在经济统计分析应用的建议

4.1加强经济统计设备建设

在开展经济统计工作中引入大数据、信息化和计算机等先进技术，必须配合使用相应的先进设备，为顺利开展经济统计分析工作提供保障。所以，这就需要为统计部门配置先进设备和合适的数据采集处理软件，以满足统计数据采集、数据处理、数据分析的最终目的，从而提高统计分析效率和分析报告质量。

4.2加大数资源的开发、共享和安全管理力度

在大数据时代，海量的数据对信息处理带来了困难，要使大数据在经济统计的应用中充分发挥作用，就必须先完善现有的统计数据库，健全统计数据共享平台，加大有效数据资源的利用，打破集团间、公司间、部门间的各生产、采购、销售等需要的统计相关数据信息不对称的局面，促进统计数据信息有效利用，加快统计工作的时效性。同时还要建立完善的数据安全和保密机制，采用安全的数据传输、数据处理、数据共享技术，以确保企业统计数据的安全性。

4.3加大专业人才的培养力

针对企业统计人员现状制定适合的人才培养计划，选用一些学历和专业适合的人员进行针对性培养，先培养一部分具备大数据、互联网、云计算等统计新知识的统计人员，并把熟练掌握大数据分析方法的人员放到经济统计综合分析岗位，主要从事一些大数据的收集、处理、分析、预测、检验等难度高的统计工作，基础的统计工作还是由统计专业基础弱的老员工担任，这样既能解决专业统计人员稀缺的情况，也不影响大数据分析方法应用的推进工作，达到提高统计工作效率和统计分析报告质量的效果，从而真正做到统计数据指导企业发展，让统计分析成为企业决策的重要依据。

5结论

随着大数据技术的不断发展，数据规模不断增大，统计信息化已经渗入企业生产经营当中，伴随着市场经济的不断发展，产业结构不断调整，企业竞争日益加剧，对经济统计工作的要求越来越高，统计分析方法的应用也越来越广泛，传统的统计分析法已经不能满足现在的经济分析需求，大数据分析方法凸显出重要作用，从而统计数据的价值也得到进一步提升。因此，怎样实现大数据在经济统计分析中的有效应用？怎样应用大数据分析方法促进经济统计分析效率的有效提高？已成为现阶段统计工作者必须面临的新挑战，作为大数据时代下企业统计工作者，学习大数据、掌握大数据、应用大数据也成为了一门必修课。

参考文献

[1]鲜祖德.大数据的价值在于统计[J].中国统计，2019，（06）：1.

[2]王秀学.大数据时代加强统计信息化建设的建议[J].支点，2023，（12）：120121.

[3]高级统计实务与案例教程.曙飞经考网，2021：58，273.

[4]钱伯海.企业经济统计学[M].北京：中国统计出版社，2003：26.

[5]袁卫，庞皓，曾五一，等.统计学[M].北京：高等教育出版社，2005：5051.

[6]黎润南.大数据技术在经济统计中的应用探析[J].简讯，2023，（23）：139142.