
大数据思维下的统计新变革
日前,谷歌宣布其云计算平台通过大数据分析准确地预测了巴西世界杯8强。据了解,谷歌云计算平台使用了英国体育数据提供商Opta Sports的数据,评估了全球每个职业足球联盟过去多个赛季的情况,以及巴西世界杯小组赛期间的统计数据。于是乎,大数据再度成为舆论关注的焦点,对于其应用价值的讨论更加热烈。
然而,我们发现,即使以谷歌强大的技术实力,也不得不从英国体育数据提供商Opta Sports那里获取数据。也就是说,数据的采集并不是谷歌的优势,大数据产业走向商用和规模化发展,更多的要依赖Opta Sports这样的数据采集者。从这个角度看,作为最具共识性和采集能力的统计部门,无疑将是大数据产业发展壮大的基础。反过来看,从大数据发展的趋势看统计行业的发展方向,也必然全面应用大数据思维。我们注意到,从国家统计局局长马建堂在2012年年底提出“统计部门要拥抱大数据时代”,到不久前国家统计局在厦门建立首个大数据基地,可以断言,统计行业的大数据变革已经到来。
2013年11月,国家统计局与百度、阿里巴巴等11家企业签订了大数据战略合作框架协议。此举目的在于共同推进大数据在政府统计中的应用,不断增强政府统计的科学性和及时性。马建堂在协议签订时表示:“现在许多发达国家纷纷将大数据利用提升到国家战略层面,我们也要适应这一大势,将大数据视为国家战略资源,主动拥抱大数据时代,积极抢抓机遇、应对挑战。”数据与统计是一对共生词,而数据成为生产要素的前提条件也是有效的梳理与归类,这恰恰是统计的内容。马建堂说,大数据为政府统计提供了总体性、非结构化、丰富真实的原始资料,可以极大地缩短数据采集时间,减少报表填报任务,减轻调查对象负担,提高统计数据质量。
一场统计方式和方法的变革正在酝酿。企业既是大数据的主要生产者,也是经验丰富的使用者,还是大数据的直接受益者,有数据的资源、有应用的技术、有市场的机制。而国家统计局作为组织领导和协调全国统计工作的主管部门,具有统计制度和标准制定,统计数据搜集、发布、分析等方面的优势。
统计数据是各级领导作出科学决策的重要支撑。随着企业一套表建设的基本完成,各行各业的数据被采集上来,这只是第一步,用好这些数据是关键。企业一套表只是一个业务系统,更重要的是在这套系统上帮助统计部门搭建一套数据资源体系,通过这套体系来对数据进行规划、整理和加工,建设监测评价中心、辅助决策中心,这也是统计行业未来发展的必然趋势。
现在一些地方统计局已经开始做统计方面的规划和使用。例如原来的统计工作主要是查询,现在希望除了查询、检索、展示之外还具备监测、评价的功能。监测评价需要标准,在政府部门这个标准就是政策。监测是对企业、家庭等对象进行调查,数据上传之后经过计算、加工等与初定的指标相比较,并对监测结果进行评价,发现问题及时预警、报警。辅助决策则更需要智能化,当发现监测评价出的结果与初定指标存在较大差异时,就要追本溯源,为领导提供准确的问题分析报告,列出导致问题的主要原因,提出可行性建议,为领导提供辅助决策,为其做出下一个阶段的判断和调整提供帮助。例如,自去年以来,浙江温州市统计局建立了GDP联席会议制度,按季度召集30多个部门进行分析论证部门数据与GDP数据之间的关系,特别是充分运用电力、银行、交通、财政、外贸等部门数据,以及对GDP数据的影响,使GDP数据更加科学可靠。今年进一步扩大了GDP联席会议职能,把涉及部门的经济、社会、民生等监测评价数据进行综合审查分析,进一步提高统计数据质量。
与此同时,统计行业的大数据变革,也将为大数据产业的下一步发展打造坚实的基础。从企业一套表到电子终端采集数据,中国统计的技术和制度改革近两年不断深入,而与大数据概念的交汇与融合也将助推中国官方数据更加真实全面。统计部门在人口、农业、投资、交通等领域,大力研究利用遥感RS、地理信息系统GIS、全球定位系统GPS为代表的空间信息技术和物联网技术,既极大提升了统计信息化水平,也为进一步推进大数据的统计应用打下了较好的基础。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03