浅谈如何提高统计数据质量
发布网友
发布时间：2022-04-23 09:48
共2个回答
热心网友
时间：2022-06-18 21:17
首先，要提高统计数据质量，统计人员必须努力学习统计专业知识。记得我刚从事统计工作的时候，因为我是学机械的，对统计工作一无所知，以为统计工作只是一些简单的加加减减，加上当时的统计报表及统计指标都没有现在多，所以我也只是跟前任统计员简单地学习了一下报表上的指标数据怎么填就可以了，至于每个统计指标的含义及其相互之间的关系都是一知半解，所以，有时报表报出去几个月以后才发现数据有错，再去一个月一个月一个部门一个部门的去检查数据的对错，既费时费力，统计数据质量也难以得到保障。后来，单位派我到东北财大脱产学习了三个月的统计专业课程，通过系统的学习，使我对统计工作有了全新的认识，意识到要搞好综合统计工作不是那么容易的，综合统计不像会计等其它经济工作，它的涉及面很广，它涉及到一个单位的生产、销售、财务、劳资、基建、能源等等各个方面，所以，统计人员必须全面掌握以上各方面的专业知识，才能保证综合统计报表的数据质量。特别是这么多年来，随着我国经济建设的不断发展，统计报表和统计指标在不断更新，统计工作量也在不断增加，这样，对统计人员的要求也就越来越高，所以，为了搞好综合统计工作，我边工作边学习，一是参加统计部门举办的统计专业知识培训班，二是对各级统计部门和职能管理部门下发的各类统计书籍都要仔细阅读、认真体会，每当统计报表中出现新的统计指标时，我一定要先搞清楚指标含义和计算方法，不清楚就看有关统计资料和统计书籍或打电话到发表单位去问，直到弄清才填写。所以这些年来，无论是统计部门和职能管理部门下发的各类综合统计报表还是大型综合统计调查表，我基本上都能应付自如，很少出差错。
其次，要提高统计数据质量，必须建立完善的基层原始记录和统计报表。企业综合统计部门的统计数据来源于各基层单位和职能管理部门上报的统计报表，所以各基层单位和部门上报的统计报表质量的好坏，直接关系到综合统计部门的报表质量。通过这些年来的综合统计工作，我认为，要保证基层统计报表的质量，首先，综合统计部门要根据上级统计部门和上级职能管理部门及本单位企业管理的需要，配合各基层单位和单位职能管理部门设计出符合统计规范的统计原始记录表和统计报表，表内的指标设置要合理，尽量不要重复，数据来源和计算方法及各指标之间的相互关系要清楚，报表设计完后要给单位从事该项专业工作的人员看一看，因为统计的涉及面很广，有的专业性较强的指标统计人员不一定都很清楚，如有不妥的地方，请他们提出修改意见。另外，报表指标一经设置好后，尽量不要经常修改，以保证统计数据的延续性和可比性，当然，在实际工作中，形势在不断发生变化，管理工作也不可能是一成不变的，所以，综合统计部门要适时根据上级各管理部门和本单位企业管理的需要，适当修改和增减各基层单位和职能管理部门的统计报表，只有这样，才能不断提高统计工作质量，充分满足上级统计部门的统计调查和本单位企业管理的需要。
最后，要提高统计数据质量，必须提高统计人员的工作责任心。统计工作是一项枯燥无味的工作，每天就是跟这几个数字打交道，而且统计人员在单位的待遇也不是很高，所以有的统计人员在统计报表做出来后，一般不愿意去检查分析对错，交上去就完事，特别是现在一些单位的统计报表有的是电脑软件制表，只要在已经制作好的统计软件中输入一定的统计数据后，报表即自动生成，其实，根据这几年我单位电脑制作统计报表的经历，我发现通过电脑统计软件做出来的统计报表有时会因为电脑程序出错而出现一些数据错误，特别是当一张报表上的统计数据计算涉及到其它报表上的数据甚至还要转人上年同期报表数据时，出错的几率就更大，所以，不管是电脑做出来的报表还是手工做出来的报表，统计人员都要仔细地检查和核对，首先要查看一下上期和上年同期报表数据，一是看数据转入是否出错，二是通过与上期和上年同期数据对比，看看数据是否相差太大，如果相差太大，及时查找原因，如果是统计过程中的错误，应及时责成相关统计部门修改，如果出错的数据涉及到多张统计报表，应一并修改，以避免同一个指标出现多个不同的数据。
热心网友
时间：2022-06-18 21:17
数据质量包括数据质量管理和数据治理两个大方向。数据质量管理是一种为了满足企业对于数据的需求，对各种业务活动产生的数据进行规范存储，然后通过ETL方法处理后把不同来源数据统一储存在数据仓库中的过程。
一、数据质量管理
数据质量管理不是短期内就能完成数据处理，提高数据质量的工具，也不是一种数据类的技术，更不是一个软件系统，而是一种长期循环持续的管理活动体系，是包含着方*、业务和管理的数据类技术解决方案。
1.数据规划
企业管理人员必须先确定好数据质量管理体系的顶层设计，从思维的方向出发把企业文化变成数据驱动型文化，然后提前做好数据规范，将其融合到企业的KPI指标中，利用奖惩制度监督员工，把数据确立为企业的基石。
2.数据存储
部署商业智能BI，将企业原本拥有的业务信息系统以及其它不同来源的数据统一连接到数据仓库中，再经过ETL过程处理后，企业的数据质量就能飞速提高。
数据可视化-派可数据商业智能BI
3、
数据分析人员可以通过派可数据BI中的可视化分析功能，从图表直连数据仓库取数，实现流程的自动化，避免出现其他干扰，然后通过联动、钻取等功能实现不同图表之间的互动，深化可视化分析报表展现的数据量和深度。
4.形成闭环
业务活动产生数据，分析人员利用数据判断出业务发展趋势，辅助管理人员对业务发展进行决策。在这么一个不断优化的闭环流程中，数据质量将会不断提高，逐渐将企业数据精细化到极致，进而产生变革。
二、数据治理
数据治理是一种提高数据质量的手段，最后还是要回到业务本身，实现落地，对于企业来说，能够对业务活动进行量化处理，并以数据的形式展现出来，是数字化时代现代企业的重要标志。
数据可视化-派可数据商业智能BI
数据治理的目标其实就是不断提高业务数据的质量，增强数据的可信度，减少错漏。对于企业管理人员来说，数据就是他们了解企业整体发展状况最重要甚至是唯一的渠道。
数据治理的目标不仅是优化提效，更是涉及决策发展，关乎企业发展的关键。由此，我们可以初步确定数据治理的目标。
完整性：规范业务流程，完善数据库数据模型；
准确性：增加数据质量考核标准，建立奖惩制度；
及时性：优化数据存储调取时间，提升取数分析效率；
一致性：确定数据指标体系，确保数据和业务相对应；
唯一性：添加数据查询索引，避免数据库数据重复。
派可数据 商业智能BI可视化分析平台
