文/任德芳 东平县统计局
数字经济飞速发展的当下，数据成为关键的生产要素。行业统计数据是了解社会经济状况的基础，要是数据质量不高，就无法准确把握经济运行情况。在数字经济大环境下，行业统计数据质量直接影响着宏观决策的科学性和精准度。现在大数据、人工智能和区块链技术不断发展，给行业统计工作的数字化转型带来了新机遇，但统计工作中还是有不少数据质量问题，需要从理论和实践两方面加强研究，以数字化转型为动力，创新提升行业统计数据的质量。
数字经济对行业统计工作的影响
数据采集方式的变革。目前，传统的统计模式已不再适用，而是要通过数字技术实现数据采集。区块链是利用分布式记账形式在金融和供应链上形成可信的数据采集网络，将所有的交易和物流过程都进行实时性的记载，做到准确的无差错、不可篡改，保证其真实性和完整性。利用卫星遥感与GIS(地理信息系统)技术能获取农业、自然资源数据，动态监测各地农作物长势和耕地面积变化;还有小米手环、苹果手表这些可穿戴设备，以及海尔智家、小米米家的智能家居，能记录人们的消费习惯、健康状况等微观经济数据。把这些及时、全面的数据采集方式用到各个行业的统计工作里，就能让统计更高效。
数据处理能力的飞跃。与原来相比，数字技术改变了行业统计数据加工过程的要素：边缘计算技术将数据处理能力下移到网络的边缘侧，在源头就能初步处理数据，使大量数据无需经过骨干网传输到云中心就可以做到实时分析;深度学习算法能够在复杂的关系背后挖掘有用的数据信息，精准命中市场发展趋势预测和行业风险预警等问题。比如在零售行业统计中，将深度学习模型应用在电商行业，分析客户的线上线下购物行为，可有效判断用户喜好，精准预测市场交易规模的变化。
数据存储与管理的革新。数字化存储让行业统计数据的管理模式变了样。分布式存储系统把数据分散存在不同节点上，这样一来，存储容量能灵活扩展，数据存储也更可靠了——就算部分节点出故障，全部数据照样能正常读取。元数据管理系统则像本“数据家谱”，能把数据从哪儿来、怎么加工、怎么被使用的全过程都记录清楚，用链条的形式呈现整个管理流程。还有数据沙箱技术，既能保证数据安全，又能实现高效共享，特别适合数据协同使用。这些技术让行业统计数据管理更规范，也更智能。
当前行业统计数据存在的质量问题
数据采集环节。随着经济社会快速发展，部分偏远地区的企业和个体工商户由于自身信息化水平较低，并不会用到数字化采集手段去采集数据信息，导致数据采集时间较长，并不能够及时反映经济社会发展变化情况;另外也存在着部分采集人员业务能力不足，不了解具体统计指标内容情况，报数数据与实际情况不符，这样也会造成数据质量较低问题。
数据处理环节。行业统计数据在处理中运用数字技术的程度较低，有些地方虽然引进了数据处理软件，但仅使用了其中一部分功能，没有完全发挥出软件的智能化分析、校验等功能优势;数据处理缺乏规范统一的流程，在不同的人员手里的操作方式和标准各不相同，导致数据处理结果极有可能不会一致，给后期的数据分析造成困难。面对数量庞大的数据，人力对海量数据的统计和分析无能为力，且易出错，无法做到有效快速处理。
数据安全与共享方面。随着行业统计数字化程度越来越高，网络安全问题成了阻碍统计工作高质量发展的大难题。现在面临的安全隐患很多，像网络攻击、信息泄露这些问题都很棘手。而且行业统计在安全方面投入不够，防护手段也跟不上，根本挡不住各种网络攻击。还有个问题是数据共享机制不完善，数据壁垒严重。这就导致数据重复采集，既浪费资源，又影响统计数据的完整性和准确性。比如说统计、税务、市场监管这些部门之间数据不能及时共享，连企业经营数据的真实性都没法全面核查分析。
以数字经济驱动行业统计数据提升质量的路径
完善数字化数据采集体系。推广数字经济应用，给不同行业和人群量身定做多样化、便捷的数据采集APP和小程序;同时，加强对行业数据填报人员的培训，通过线上线下结合的方式，提高他们使用数字工具的能力，让他们更懂统计指标的含义;建立数据采集质量溯源机制，把每个行业数据从采集时间、采集人员到采集设备等信息都记录下来。这样一旦数据出现问题，就能追溯到源头，保证采集数据真实准确。
强化数字化数据处理能力。结合先进的数据处理软件及技术力量，充分利用大数据、人工智能等数字经济发展优势，建设智能化的数据处理平台;构建数据清洗、转换、整理、校验等功能模块，自动识别和处理数据中的异常值、缺失值、逻辑错等问题，并且制定统一的数据处理标准和流程来规范数据处理中的操作行为，尽量保证不同的工作人员对于同样的数据来源处理的结果是相同的;行业还得加强对数据处理人员的专业培训，让他们通过学习专业理论知识，能更熟练地用数字经济的方法解决数据处理中的问题。
加强数据安全与共享建设。加大数据安全防护投入力度，运用加密技术、防火墙、入侵检测系统等手段，建立全面的数据安全防护体系;完善数据安全管理制度，明确数据使用的权限，并且加强对其访问、修改、删除等行为的监控和审核工作，杜绝数据外泄或被非法使用;搭建统一的数据共享平台，建立统一的数据共享标准，打破目前存在的数据壁垒，提升数据的利用效率，也可以从一定程度上保证统计数据的多角度地核实及分析，进一步提高数据的质量。
培养数字化统计人才队伍。在行业统计领域，应重视数字化统计人才的培养，搭建完整的培育机制。一方面，加大对现有统计人员的数字技术培训，有计划地开展大数据分析、人工智能等方面的培训，切实提升他们的数字业务能力;另一方面，积极引进数字专业人才充实统计队伍，还要通过完善的激励机制，挖掘和培养一批优秀的数字统计人才。
构建数字化行业统计质量监管体系。借助数字经济搭建实时动态的统计质量监管平台，对数据采集、处理、存储、分析全流程进行监督。设置质量监控指标，实时监测数据质量并预警，发现问题及时通知相关方修正。利用区块链不可篡改、可溯源的特性，把数据生成、传递、使用的全生命周期记录在链上，确保数据真实可靠。还要分阶段对统计质量监管体系进行评审完善，根据统计工作的实践和发展，持续更新监管内容和方式，不断提升监管效率。
数字经济发展有利于提高行业统计数据的质量，可以通过完善数字化的数据采集体系、加强数字化数据处理能力、加强数据的安全和共享、培养数字化行业的统计队伍、建立数字化统计的质量监管体系等途径来解决目前行业统计数据质量中存在的问题，实现行业统计工作的数字化、智能化和高质量发展，为经济高质量发展提供有力的数据支撑。
提示:文章内容仅供阅读,不构成投资建议,请谨慎对待。投资者据此操作,风险自担。
