关于统计数据质量控制

关于统计数据质量控制（共8篇）

关于统计数据质量控制篇1

论文关键词:统计统计数据统计资料统计人员质量控制

前言;随着市场经济的不断发展,统计失实的现象日渐严重,统计工作者应当本着对本职工作高度负责的精神,进行全过程的、全员参加的、以预防为主的统计数据质量控制。要尽可能采用计算机处理统计资料,最大限度的减少人工参与,加强对统计人员的职业道德和专业水平的培训以及加大统计执法力度等,以保证源头数据的准确性,使我们的统计工作更好的为企业服务。

正文:随着经济快速发展,企业快速成长、扩长信息获取、识别、处理、转换、传递的准确性、效率与速度。在企业经营管理中的重要作用也将愈来愈显著。企业要能在市场竞争中求得生存与此同时发展,一个重要的条件就是——必须要有一个健全的高效的信息系统,一支能提供准确数据的素质过硬的统计队伍,以满足企业经营管理决策所需的各种信息。因此,作为提供信息的企业统计必将在其中扮演重要的角色,发挥重要作用。

从总体上看,现有的统计数据基本上还是能够反映客观实际的。但是,随着市场经济的不断发展,经济结构复杂化,利益主体多元化,再加上体制转化过程中经济秩序混乱,人为干扰增多,因而搞准统计数据的难度也就日益增大,统计失实的潜在危险性也就日渐严重,并将逐步暴露。对此,我们必须需要清醒的认识,要始终不渝地把提高统计数据质量问题,摆到统计工作的首要位置,并才却综合治理措施,切实抓紧抓好,下面就统计数据质量问题谈谈自己一些粗浅的看法。统计数据质量控制的意义

企业统计的目的是为企业经营决策管理提供统计信息。在市场经济条件下,企业经营决策极具风险性,风险产生于不确定性并由不确定性程度决定风险的大小,而不确定性又与信息的准确和及时程度直接相关,信息愈准确及时,不确定性愈低;反之,信息不准确及时,不确定性愈高。所以,准确可靠的统计数据,便于决策和管理者正确地把握形势,客观地剖析问题,从而作出科学的决策。反之,有水分的、失实的统计数

据,相互矛盾的统计数据,给决策者以错误的信号,将会误导决策和调控,对企业的发展将会造成重大损失。因此,统计工作者必须以对本职工作高度负责的精神,已统计数据为对象,以消除统计数据的差错为目标,千方百计搞准统计数据,达到强化统计数据质量控制的目的。常见的统计数据质量问题及分析 2.1数据虚假

这是最常见的统计数据质量问题,也是危害最严重的数据质量问题。这些统计数据完全是虚构的杜撰的,毫无事实根据。造成统计数据虚假的因素多种多样,比如:有意虚报,瞒报统计数据资料,指标制度不严密,统计制度不完善,不配套等。

2.2 拼凑的数据

这种数据是把不同地点,不同条件,不同性质的数据在收集、加工、传递过程中,人为地拼凑成同一时间、地点、条件和性质下的同一数据。这种东拼西凑的数据,虽然分别有事实根据,但是从整体上看数据是不符合事实的,其性质与数据虚构相同。

2.3 指标数值背离指标意愿

这是由于对指标的理解不准确,或是因为指标含义模糊,指标计算的随意性大等原因造成的数据质量问题提,表现为收集整理的统计数据不是所要求的统计内容,数据与指标原意出现走样,面目全非。

2.4 数据的逻辑性错误

这是指统计资料的排列不合逻辑,各个数据、项目之间相互矛盾。2.5 数据的非同一性

这是指同一指标在不同时期的统计范围、口径、内容、方法、单位和价格上有差别而造成的数据的不可比性。

2.6 数据不完整

这里指调查单位出现遗漏,所列项目的资料没有搜集齐全,不符合统计资料完整性的要求。数据不完整,就不可能反映研究对象的全貌和正确认识现象认识现象总体特征,最终也就难以对现象变化的规律性做出明确的判断,甚至会得出错误的结论。

2.7 统计手段和统计分析落后

目前许多企业基础统计工作仍处于手工状态,很原始!即使采用计算机业仅仅是减少工作量去做一些汇总、指标计算,并没有真正引用先进的计算机技术和网络技术。所做的统计分析也局限于事后分析,即对统计数据进行单纯的讲解说明;不能利用网络技术实行信息共享等方式进行事前分析和预测。换句话说,“统计预测”这一职能根本没有发挥作用,缺乏对信息的收集、综合和系统化。

此外,常见的统计数据问题还有计算错误、笔误等。

可见,统计数据质量问题既可能是来自于实际阶段,也可能是来自于统计资料的整理阶段。统计数据质量控制方法

3.1 统计数据质量控制的原则应当是全过程的、全员参加的、预防为主的数据质量控制

首先,统计数据质量控制要贯穿于统计工作的全过程。每进行一步,都要对已完成的工作进行检查、对已发生的差错及时进行纠正,做到层层把关,防止差错流入下一个工作环节,以保证统计数据的质量。其次,参加统计数据质量管理和控制的人员应当是全面的。统计工作者都要树立数据质量意识,各个主要的工作环节都要落实专人负责。统计数据质量的好坏,是许多工作和许多统计工作环节质量的综合反映，牵涉到统计工作的所有部门和人员。因此,提高数据质量需要依靠所有统计工作者的共同努力,决不是单纯靠某一个部门或少数人所能搞得好、抓得了的。只有人人关心数据质量,大家都对数据质量高度负责,产生优质的统计数据才有坚实的群众基础。因而,统计数据质量控制要求把差错消灭在它的形成过程中,做到防检结合、以防为主。这就要求有关人员在质量控制中具有超前意识,抛弃那种出现了统计数据问题才想来办法解决问题的被动局面。

实行全员性质量控制,就在把统计数据质量目标及其关键交给广大统计工作者,落实到每个工作岗位,使每个岗位都有明确的工作质量标准,做到合理分工、职责明确、职责越明确,数据质量控制就越有保证。

3.2 统计设计阶段的质量控制

统计设计是统计工作的首要一切,统计数据质量的好坏,首先决定于这个过程,它是提高统计数据质量的前提。如果设计过程的工作质量不好,就会给统计数据质量留下许多后遗症。设计过程的质量控制需要抓好以下几项工作。

3.2.1正确规定统计数据质量标准。数据质量标准是指根据不同的统计目的对统计数据精度所提出的要求。满足统计目的精度的统计数据就是准确的、高质量的统计数据。首先要作充分的调查,系统地收集市场和用户对统计数据的反映和实际使用效果的情况;其次要分析研究过去统计数据的主要质量问题,找准统计数据质量控制的主攻方向;最后要进行反复论证,考虑到统计工作中实际能够达到的水平。

3.2.2 合理设计统计指标体系及其计算方法。

统计指标设计得是否合理,也是影响统计数据质量的因素之一。采用统计报表搜集资料,首先要实行标准化管理,制定的指标要符合统计制度的规定,范围要全,分组要准,指标涵义的解释和计算方法要精确;其次要对统计报表的设计、颁发、填制、汇总的全过程实行全面质量管理。

3.2.3 资料整理鉴别阶段的质量控制

统计资料整理鉴别阶段出现的差错是统计数据质量问题的重要方面。如果资料不准确,就会影响结论的正确。因此,要特别注意审查资料的可靠性和适用性,要弄清楚统计指标的口径范围,、计算方法和时期时点。对于口径不一致或不完整的资料,需要进行调整、补充;对于相互比较的资料,必须要注意有无可比性;一旦发现数据有严重的质量问题,应进行核实,避免有质量问题的资料进入汇总处理阶段。总之,对搜集到的资料,经过鉴别推敲、核实审定,使之准确无误,才能使统计数据的质量得到保证。人为错误的质量控制

4.1尽可能采用计算机处理统计资料,同时提高统计分析水平。

计算机作为当今社会不可缺少的高科技产物已渗透到我们生活、工作中的各个一切。运用计算机整理、汇总统计资料,速度快、效果好,其优越性是手工整理无可比拟的。现在国内大部分著名企业基本上实行网络化、全球化、利用网络资源了解世界先进行业信息,采用科学先进的统计分析方法和手段,进行横向、纵向对比,找差距控潜力,努力赶超世界先进企业。要能够写出有一定深度的统计分析预测报告,系统、全面、科学地去挖掘利用网络资源和从市场取得的第一手资料,完善整个分析、预测手段方法和过程。但是,也应重视计算机处理数据的质量问题,提高计算机数据处理的关键在于提高录入数据的可靠性。

4.2 统计工作者本身应提高自身素质

统计人员没有深厚的专业知识和丰富的实际工作经验,没有跟上时代及时进行知识更新,不善于统计调查获取第一手资料,就写不出有一定深度关于本企业某一方面对决策层有参考价值的统计分析报告。因此,对统计人员应该加强培训工作,企业内部应建立配套的培训机制,对每一层次统计岗位实施针对性的培训,必要时到企业外请有关专家学者授课,或到相关先进单位进行考察学习,做到取长补短。统计工作者本身也应该努力学习统计知识,钻研业务,不断提高统计业务素质和水平,杜绝因业务不熟悉而造成的数据质量问题。

4.3 加强对统计人员的职业道德培训。

目前,上级部门下达计划和各类政绩考核对统计数据干扰不可低估。有些地方,以是否完成计划和各类数据的高低作为考核地方政绩的依据,导致很多下级部门所报的统计数据高于计划数或持平,这并不是计划部门的计划多么精确合理,而是说明某些统计对象或统计部门受某种利益的驱动而使统计数据的质量得不到保障。当然,数据不真实、不准确的原因是多方面的,其中统计人员的思想道德对统计数据的影响是很大的。这就要求我们加强对统计人员的思想品德和职业道德教育,要求每一个统计工作者必须坚持实事求是的工作作风,认真对待每一个统计数据,如实地反映情况。

4.4 加大统计执法力度,保证源头数据的准确性。

统计部门今后应在加强统计信息工作建设的基础上从数据采集的圈子中跳出来,重点加强统计执法检查,对弄虚作假的单位要坚决严肃查处。要立法上,罚款数额应该大幅增加,以威慑统计违法者,逐步建立单位的统计诚信体系。

以上是本人对统计数据质量控制的一点肤浅的认识,旨在广大统计工作者更加重视统计数据的质量、抵制统计上弄虚作假的作为,提高统计数据的质量水平,使我们的统计工作能更好地为企业服务。

关于统计数据质量控制篇2

近年我国房地产业快速发展, 政府部门和社会公众对房地产信息的需求随之加大, 房地产统计是揭示房地产经济活动的本质和规律的国家统计措施之一, 是反映房地产业运行状况和发展趋势的重要基础性工作之一, 其统计数据的质量直接影响国家的经济建设和调控政策等。因此, 努力提高统计数据质量, 实现统计信息的准确、有效、全面、可信是当前房地产企业统计工作的重中之重。

统计数据的质量特征

统计数据的特征包括以下6个方面: 第一, 准确性, 是数据使用者的首要要求, 是指数据能客观反映统计对象实际情况, 统计误差控制在合理范围之内, 是统计数据质量在统计信息客观真实方面的体现。第二, 及时性, 是对统计数据形成和提供时间效率方面的要求, 是指统计数据发布时间和统计数据报告截止时间最大限度地缩短, 是统计数据质量在统计信息时间价值上的体现。第三, 完整性, 是统计数据在统计信息的内容含量上的体现, 要求统计部门提供的统计数据在内容上包括使用者所需的所有项目, 不能残缺不全。第四, 适用性, 是统计工作的最终目的, 是指统计数据质量在统计信息的价值实现上的体现。第五, 方便性, 是使用者对统计数据取得便捷性方面的要求, 是指统计数据的使用者能够通过各种渠道, 及时、方便地获取所需信息。第六, 可比性, 是数据使用者分析数据的重要指标, 同一统计指标的数据在时间和空间上要按照相同的尺度进行收集加工, 口径和范围要一致。在这六个方面的特征中, 准确性是其核心的质量特征。

房地产企业统计数据质量存在的问题

国家统计局和建设部采用全面报表的方式采集数据, 使得房地产统计数据的来源渠道较为单一, 统计数据质量存在以下几个方面的问题。

第一, 统计数据准确性问题。自2011年起国家统计局在房地产开发企业全面实施 “企业一套表” 统计调查, 在联网直报过程中存在最多的问题还是数据失真。多方面的原因都会造成统计数据在一定程度上失真的情况发生。首先, 人员方面的原因是造成数据失真的主观因素。从事统计工作的专业人员业务水平参差不齐, 填报人员更换频繁, 人员衔接不到位, 导致数据出现偏差; 台账、原始记录不健全, 数据不完整, 历史资料混乱, 使统计工作缺乏准确的依据。随着统计改革的不断深入, 统计指标设置越来越细致, 不少企业存在保守上报收入、利润等指标的现象, 人为对数据加以干预, 使得数据失去真实性。其次, 造成数据失真的客观因素是统计与会计在核算周期上存在一些差异等方面。比如财务状况年报上报时间较早, 截止时间为3月初, 企业的汇算清缴要到4月份, 股份公司的财务审计也要到4月份, 收入等数据是在清缴后最终确定的, 审计后的财务数据也会有所变动。统计年报财务报表只能上报12月份数据甚至采用年度预计数, 与实际年度财务数据存在一定差异。既保持准确性, 又不失时效性是当前统计工作面临的两难抉择。再次, 审核公式的设置很大程度上决定了数据报送质量, 审核公式设置的合理、全面, 企业上报的数据也会符合相应要求。如有土地购置投资, 不一定本年度有新开工施工面积, 但审核不通过, 企业就会修改新开工面积等数据并通过审核上报。

第二, 数据适应性不强。日常实践工作中不能保证数据的衔接, 统计工作涉及国家统计局、行业协会、中介机构、银行金融机构等多种统计组织, 统计方法、指标含义、统计口径等不完全一致, 或者没有清晰的界定, 致使数据使用者无法根据需要对数据进行调整, 难以实现数据在时间序列上的可比性。

第三, 统计数据的及时性、方便性不强。统计数据虽然经过高度信息化的处理, 但数据使用者不能及时便捷地获得所需数据, 缺乏数据的公布也是导致数据及时性和方便性不强的一个原因。

房地产行业统计数据质量的控制方法

首先, 统计数据质量控制要从专业技术层面进行控制, 是全员参与、全员控制的过程, 也是一项系统的工作。主要有以下几个方面的措施:

1. 建立完善的统计工作制度, 对统计数据的采集、加工、整理过程进行规范。数据质量控制实行规范化流程控制: 建立规范的报表审批流程、统计专报流程, 请示报告流程以及数据审核反馈流程, 其中重要数据预审后须经评估后完成审核反馈流程。通过实行工作流程规范化管理, 健全原始记录和统计台账, 有效解决了岗位和环节存在的随意性和不规范问题, 弱化人为因素, 强化规则要求, 做到前后衔接、环环紧扣、流程畅通, 以确保统计数据的质量。

2. 建立部门统计数据通报及共享制度: 有效地解决数据及时性、方便性不强的问题, 使数据更快地得到应用和反馈会促使统计数据质量的有效提高。充分利用房地产开发企业的管理资料和会计核算资料, 做好与企业信息系统的衔接, 减少增加的工作量。项目核算资料是统计报表的数据源, 避免重复收集信息及数据, 造成数据不完整和混乱。

3. 积极推进统计新技术的广泛应用: 普及网上直报与汇总, 对于基层数据实施抽样调查。在提高录入数据的可靠性的前提下, 运用电算化对数据进行整理和汇总。单一汇总平台不能满足各级需求时, 如需要数据深加工及不同时期对比汇总等, 应提取基本汇总表运用多种方式加工处理数据。

4. 积极推进多种调查方式相结合的调查方法, 如定期报表、重点调查、典型调查以及统计估算的方式, 全面提高数据统计质量。建立数据定期检查、项目调研制度。

5. 数据审核改变以人工为主, 计算机为辅的方式, 坚持机器审核和人工审核结合的方式, 严格执行原始数据必须由项目填报单位纠正, 减少表内逻辑错误, 报表间经过互相匹配和验证, 以确保数据质量。比如房地产开发项目经营情况与开发企业资金土地情况以及企业主要财务指标报表间的逻辑和匹配关系等, 特殊情况与公式设定不符时应注明实际发生情况。

其次, 统计数据质量控制还要从管理、监督等非技术层面进行约束。第一, 建立制度约束和责任追究相结合的系统规范控制。强化统计基础工作, 保证源头数据的准确性, 同时为确保统计资料的有效性、系统性、完整性应明确各个涉及部门的统计责任, 层层落实统计责任制, 谁出问题谁负责。第二, 统计部门与其它部门的协调一致也是确保统计数据质量的关键。统计部门与财务部门、市场部门、人力部门等协调统一, 按照企业统一确定的口径及核算范围提供相应的统计信息, 才能使数据可靠有效, 发挥使用价值和参考价值。第三, 提高统计人员素质是确保统计数据质量的根本保证。组织相关的业务培训, 开展多层次、多形式的岗前、在岗教育, 继续教育等以提高统计人员的素质, 杜绝因业务问题造成的数据质量问题。担任统计工作的人员必须取得统计从业资格, 持有统计从业资格证书。

结语

总之, 认真做好统计数据质量的控制工作是一项长期、系统的工作。数据质量的控制不仅要从报表收集、录入审核、反馈修改、汇总上报等流程上严格把关, 更要从管理、监督等完善数据质量的制度方面进行约束和保障, 形成完善的体系, 才能不断推动统计数据质量的提高。

摘要：统计工作的生命在于统计数据的质量, 统计数据质量直接影响着统计信息的可用性和可用价值的大小。加强统计数据质量的控制, 强化统计数据准确、及时、全面性对数据使用者的决策和发展具有十分重要的意义。本文阐述了统计数据的质量六个方面的特征, 并结合房地产行业统计数据的特点, 分析了统计数据质量存在的问题, 探讨了房地产行业数据质量的控制方法, 并提出了从流程上严格把关, 从管理、监督等完善数据质量的制度方面进行约束和保障, 才能不断推动统计数据质量的提高。

关键词：统计数据,质量控制,房地产统计

参考文献

[1].吕泽有.统计数据质量问题分析及控制方法探讨[J].中国商界 (下半月) .2009 (2) .

[2].魏颖.提高统计数据质量是提升统计服务水平的关键[J].大家Master.2010 (7) .

浅谈统计数据质量控制体系的构建篇3

关键词：统计数据；统计调查；数据质量

中图分类号：F273

文献标识码：A

文章编号：1009-2374(2009)03-0194-02

一、统计数据质量的内涵

各国统计机构和有关国际组织从满足用户需要的角度出发。确定了统计数据质量的理念。统计数据质量主要是指统计信息对用户需求的满足程度，具体包括适用性、准确性、及时性、可比性、可衔接性、可取得性、可解释性、客观性(或称为诚信)、方法专业性或健全性、有效性、减轻调查负担。

二、当前统计数据质量存在的问题

(一)统计调查方法存在的问题

统计调查方法需进一步改进，过分依赖全国统计报表的格局还没有得到根本改变。由于抽样调查与各级政府管理经济的体制不相适应，容易形成层层搞抽样调查或上面搞抽样调查、下面搞全面报表的局面，影响抽样调查优越性的发挥，影响了统计数据的质量。抽样调查尚不能满足调查内容指标繁多和多重分组的要求，这也会影响到统计数据质量的相关性与有效性的要求。

(二)统计调查与数据汇总过程存在的问题

在统计调查实践中，基层统计数据仍存在虚报、瞒报、错报、漏报问题，以及伪造和篡改统计数据的现象。在统计数据汇总处理中，仍存在计算机数据处理水平低，造成手工汇总过程中的记录、计算、抄写、打印产生的误差，以及机器汇总过程中在编码、录入、编辑、数据处理、打印过程中产生的误差等问题。这些问题对统计数据的准确性带来了极坏的影响。

(三)统计数据公布存在的问题

1．可解释性不强。我国统计数据公布时的可解释性与GDDS存在差距，这主要体现在三个“缺少”上：一是统计类目核心指标缺少细项内容的描述；二是统计数据缺少支持数据检查复核的相关核对方法，从而难以判断其合理性保障程度；三是数据缺少必要的文字说明与诠释，未向公众提供可以用来评估数据质量的相关资料，有关数据修正、统计方法的重大修改方面的信息也没有提供。上述数据公布作法上的缺陷，直接导致了目前我国统计数据的可解释性不强，严重影响了统计数据用户对数据的正确使用。而且这些数据一旦形成，其评估与调整难度极大。

2．可取得性不强。我国统计数据的公众可获取性与GDDS同样存在差距，主要表现在两点上：一是没有预先公布各项统计数据的发布日期；二是数据发布时对使用各方没有体现公平原则。后果是导致使用者获取信息的严重不对称，制造了市场的不公平竞争。

3．及时性也存在欠缺。在数据公布的频率与及时性上，相对于其他部门，财政统计与GDDS的差距较显著，其中，债务年度统计滞后六个月，财政年度决算的明细表更是滞后12个月，预算外收支、社会保障收支也没有及时或定期进行公布。

(四)统计数据质量管理存在的问题

在目前我国统计数据质量管理中，以单项数据质量管理为主，缺乏综合的、全面的质量管理体系：对数据质量内涵的理解相对来说仍较为狭隘，在实践中主要围绕这数据准确性进行评估，对数据质量的其他方面重视不够；在评估过程中，没有让社会公众和用户充分参与进来，评估机制缺乏必要的透明和有效性，未能取得社会各界对数据资料的充分理解和认可；缺乏明确的数据质量管理要求和目标。

三、统计数据质量评价指标的设置原则

(一)可比性原则

评价指标和评价标准的制定既要符合客观实际，又要便于比较。评价指标应根据待评统计数据的整体属性和效用值的比较进行排序。指标间要避免显见的包含关系，用适当的方法消除隐含的相关关系。指标处理中还要保持同趋势化，以保证指标间的可比性。可比性越强，评价结果的可信度越大。

(二)科学性原则

评价指标的设置应以科学理论为指导，以待评统计数据内部要素以及其间的本质联系为依据，正确反映待评统计数据整体和内部相互关系的数量特征。

(三)实用性原则

评价指标涵义要明确，数据要规范，资料收集要简便。指标设计必须符合国家和地方的方针、政策、法规，评价模型设计要有可操作性，评价计算简便，结构模块化，计算程序化，便于在计算机上操作。

四、统计数据质量控制体系的建立

(一)对质量体系进行总体设计

在质量体系总体设计阶段，首先应该制定统计数据质量方针，确定统计数据质量目标，然后进行统计数据质量现状调查，并与质量管理的国际标准进行对比，找出管理薄弱环节，在此基础上对统计资源(包括统计人员及物资设备)进行配备，建立数据质量组织体系结构，确定每个工作人员的数据质量责任和权限。

1．统计数据质量的分类控制与评估技术。统计数据质量的分类控制与评估技术是把统计分组原理与统计数据质量控制及评估的各项质量活动有机结合，对统计工作的各方面、各环节中有关统计数据质量的活动。在全面系统地认识基础上，按照一定的标准进行分类，根据分类结果确定影响统计数据质量的强点、弱点以及影响因素，并对这些强点、弱点、以及影响因素实施事前、事中、事后的预防、监督、改进措施的技术体系。统计数据质量分类控制与评估技术目的在于详细揭示城市建设投资开发公司统计数据质量的影响因素，预防、控制、减少误差的影响。

2．比较分析及探索性数据分析技术。比较分析技术的原理是根据统计数据生产过程及结果确定统计数据质量证据，依据质量证据与相应的统计标准进行比较，进而得出统计数据质量结论并制定相应的控制措施的技术方法。

(二)编制质量体系文件

一般地，编写质量体系文件的原则是“写你所做”，即写下在统计数据生产过程中必须做到的。具体来说，就是按照质量体系的要求，将统计信息生产过程文件化，即建立起三个层次的质量体系文件(质量手册、程序文件、作业文件)。

在质量体系文件中，首先应对统计数据的生产过程设置必要的控制点，按照控制标准对控制点进行检验或验证，并形成相应的质量记录。统计数据的生产，一般要经过方案设计、资料收集、整理、汇总、上报、分析与开发研究及公布提供等环节。这些环节密不可分，一环紧扣一环，一环不慎都将影响所生产统计数据的质量。这里的质量控制点具体就是指统计数据生产过程中影响其质量的要害问题及其所在环节。在确定控制点时应考虑：影响统计数据质量的主要问题有哪些?它们存在于哪些部门与环节?最容易出现质量问胚的环节是什么?经常出现质量问题的原因是什么?

其次，根据统计数据质量的特点，把统计数据质量分解为相关性、准确性、及时性、可比性、可衔接性、可理解性、可取得性、有效性等八个有机联系而又相互独立的组成部分，然后针对每一个统计数据质量因素，根据其特点将其分解成为对质量产生影响的、前后联系的若干个质量要素。这样，通过把与每一个统计数据质量因素有关的所有活动和环节分解为若干个有机联系的质量要素和建立不同层次的技师体系文件，利用最大量的质量记录和把与统计数据质量有关的相应职责确定到每一个固定的岗位，使与统计数据质量相关的每一个环节都受到完备的、系统的控制，并能对导致生产出不符合质量体系要求的统计数据的所有环节和责任进行追溯，以便对这些不符合质量体系要求的环节进行纠正和改进，从而使按照质量体系操作而最终产生出来的统计数据完全符合质量体系的要求和令用户最大限度的满意。

(三)执行质量体系

执行质量体系的原则是“做你所写”，即按照质最体系文件中所写的特定科学程序生产统计数据。

对统计数据产生的全过程所有环节的工作均实行控制，对统计数据产生全过程设置必要的控制点，并确定控制标准，对控制点进行检验或验证，并形成相应的质量记录。控制标准的确定应客观可行，不能因人为因素而降低标准或做过高的苛求。

在几个专项普查中所实行并取得很大成功的统计数据全面质量管理的措施及经验进行推广，拓展其应用范围，对生产政府统计数据的各项调查均实行控制。

五、结论

关于统计数据质量控制篇4

一个战略性和系统性的方法能帮助企业正确研究企业的数据质量项目，业务部门与 IT 部门的相关人员将各自具有明确角色和责任，配备正确的技术和工具，以应对数据质量控制的挑战。

Informatica 的六步法为帮助指导数据质量控制而设计，从初始的数据探查到持续监测以及持续进行的数据优化。

业务部门与 IT 部门的数据使用者 — 业务分析师、数据管理员、IT 开发人员和管理员，能够在六个步骤的每一步中协同使用 Informatica 数据质量解决方案；并在整个扩展型企业的所有数据领域和应用程序中嵌入数据质量控制。

步骤一：探查数据内容、结构和异常

第一步是探查数据以发现和评估数据的内容、结构和异常。通过探查，可以识别数据的优势和弱势，帮助企业确定项目计划。一个关键目标就是明确指出数据错误和问题，例如将会给业务流程带来威胁的不一致和冗余。

步骤二：建立数据质量度量并明确目标

Informatica的数据质量解决方案为业务人员和IT人员提供了一个共同的平台建立和完善度量标准，用户可以在数据质量记分卡中跟踪度量标准的达标情况，并通过电子邮件发送URL来与相关人员随时进行共享。

步骤三：设计和实施数据质量业务规则

明确企业的数据质量规则，即，可重复使用的业务逻辑，管理如何清洗数据和解析用于支持目标应用字段和数据。业务部门和IT部门通过使用基于角色的功能，一同设计、测试、完善和实施数据质量业务规则，以达成最好的结果。

步骤四：将数据质量规则构建到数据集成过程中

Informatica Data Quality支持普遍深入的数据质量控制，使用户可以从扩展型企业中的任何位置跨任何数量的应用程序、在一个基于服务的架构中作为一项服务来执行业务规则。数据质量服务由可集中管理、独立于应用程序并可重复使用的业务规则构成，可用来执行探查、清洗、标准化、名称与地址匹配以及监测。

步骤五：检查异常并完善规则在执行数据质量流程后，大多数记录将会被清洗和标准化，并达到企业所设定的数据质量目标。然而，无可避免，仍会存在一些没有被清洗的劣质数据，此时则需要完善控制数据质量的业务规则。Informatica Data Quality可捕获和突显数据质量异常和异常值，以便更进一步的探查和分析。

步骤六：对照目标，监测数据质量

数据质量控制不应为一次性的“边设边忘”活动。相对目标和在整个业务应用中持续监测和管理数据质量对于保持和改进高水平的数据质量性能而言是至关重要的。Informatica Data Quality包括一个记分卡工具，而仪表板和报告选项则具备更为广泛的功能，可进行动态报告以及以更具可视化的方式呈现。

Informatica数据质量控制解决方案组件

上面介绍的Informatica六步法，该方法运用Informatica数据质量解决方案，提供公司所需要的各种数据质量管理能力，并确保其所有数据均是完整的、一致的、准确的、通用的。该解决方案包括几个针对特定用途优化的组件：

Informatica Data Explorer运用基于角色的工具可促进业务部门与IT部门之间的协作，该数据探查软件发现和分析任何来源中任何类型数据的内容、结构和缺陷。

Informatica Data Quality软件执行清洗、解析、标准化和匹配流程并使得可视记分卡和仪表盘上的持续监测得以进行。与Informatica data Explorer类似，它特有基于角色的工具，业务部门和IT部门可以借此得以协同工作。

Informatica Identity Resolution软件能使各机构从60多个国家/地区以及各企业和第三方应用程序中搜寻和匹配一致数据。

用于加强协作的基于角色的工具

Informatica数据质量解决方案为业务部门与IT部门间的协作提供基础。其基于角色的工具特色设计使得业务分析师、数据管理员、IT开发人员和管理员能够充分利用他们独特的技能体系，并在流程中与所有相关人员沟通。

Informatica Analyst:适用于业务分析师和数据管理员。通过用语义术语表述数据，该款基于浏览器的工具使分析师和数据管理员能够探查数据、创建和分析质量记分卡、管理异常记录、开发和使用规则，以及与IT部门展开协作。

Informatica Developer: 适用于IT开发人员。这个基于Eclipse的开发环境允许开发人员发现、访问、分析、探查和清晰处于任何位置的数据。开发人员可以为逻辑数据对象建模，将数据质量规则与复杂转换逻辑合并，并在逻辑制定后，进行中游探查以验证和调试逻辑。

Informatica Administrator: 适用于IT管理员。该工具为IT管理员带来集中配置和管理的能力。管理员可以监测和管理安全性、用户访问、数据服务、网格和高可用性配置。

最好的数据质量方案特征

1.协作性。业务部门和IT部门为数据质量共同担责，业务分析师、数据管理员、IT开发人员和管理员各自将具有明确分工和适于其独特技能和视角的技术。

2.前瞻性。业务部门和IT部门认识到所有机构都会不同程度地受到劣质数据的影响，有必要再劣质数据严重影响到企业业绩之前，积极探查数据以发现和纠正问题。

3.可重复使用。有关数据探查与清晰的业务规则可被重复运用于任意数量的应用程序，而不论数据时内部预置、在合作伙伴处还是在云环境中。

关于统计数据质量控制篇5

通过总结智能交通系统(ITS)数据质量控制中所涉及的数据属性,提出了ITS数据质量控制算法:根据阈值理论和交通流理论,针对错误数据、丢失数据和不精确数据设计相应的`判别规则,利用数值计算方法对其进行修正,并提出了针对数据中的不规则时间点的修正算法.在对北京市和美国圣安东尼奥市的两组不同时间序列的ITS数据进行实践应用后,比较质量控制前后的数据特征,证明所提出的算法能够有效地解决数据质量问题,提高数据的精确度.最后,对国内外ITS数据进行质量控制后的结论和经验作了总结.

作者：耿彦斌于雷赵慧 GENG Yan-bin YU Lei ZHAO Hui 作者单位：耿彦斌,赵慧,GENG Yan-bin,ZHAO Hui(北京交通大学交通运输学院)

于雷,YU Lei(北京交通大学交通运输学院;德克萨斯南方大学)

关于统计数据质量控制篇6

劳动竞赛活动简报

XX银行（以下简称“我行”）为响应并推进“夯实统计信息基础，提升银行业数据质量”劳动竞赛活动，深入开展的重要举措，力求全面提升我行统计数据质量管理，推动我行统计数据质量的持续、全面提升。

一、推动活动的目的全面、及时和准确的统计信息不仅是配合监管有效性也是银行做好风险管控的重要基础和保障。我行成立以来对这一问题一直十分重视。当前，不论是从夯实统计基础角度，还是精细化管理、加强内部控制机制建设角度，进一步提高我行统计数据质量已迫在眉睫。

二、组织领导

为配合有序、高效地夯实我行统计信息基础和数据质量。经研究，决定成立工作领导小组，领导小组成员名单如下：

组长：XX行长）

副组长：XX（副行长）

成员：由XX村镇银行各部室负责人组成。

领导小组下设办公室，办公室主任由办公室主管XX担任，各相关部室负责督促、指导和协调工作。积极提供提升各类相关稿件、新闻摘要等，配合我行每月的“简报”工作。1

三、主要实施内容

提升数据质量，从根本上要解决体制和机制问题，要从我行基础数据的管理抓起，从组织、制度、系统和流程建设抓起。夯实统计信息基础，提升我行数据质量，为我行持续、全面加强数据质量管理提供方向和抓手。一方面，通过日常数据质量核查与管理，能够调动银行自身的能动性，将我行自身的管理和配合监管需要结合起来，提高其内生积极性，以取得更好的效果；另一方面，我行的统计现场检查与银监会的《良好标准》评估，充分发挥统计人员、复核员和对应上级科室配合产生合力，提高统计质量的有效性。

数据质量的提升是一项系统工程，需要从各个方面加强管理和协调。也包括竞赛内容的六个方面：一是行领导对统计工作的重视情况，资源支持、协调机制以及对重大事项的部署是否到位；二是日常数据质量管理情况，建立日常数据质量监控机制；三是良好的自评，结论是否客观，证据是否充分；四是积极配合外评，是否主动、积极配合提供材料安排访谈人员等；五是整改情况，是否根据评估结论切实整改；六是数据质量持续提升情况，自评或者外评结束后，是否促动我行提升了数据质量。另外在竞赛期间我行还要注重以下几个要素的提升：

第一项要素是组织机构及人员。包括提升组织领导管理、归口管理、岗位设置、团队建设，要明确分管领导在数据质量管理中的职责，以及完善管理体制、统计岗位设置和团队建设。没有领导和高管的重视，没有良好的管理体制和良好的团队，数据质

量管理必然成为无本之末。

第二项要素是制度建设。主要是建立全面我行，科学、有效的统计管理制度和业务制度，为数据质量管理和统计工作提供规范和依据。

第三项要素是数据质量的监控、检查与评价。包括日常监控、监督检查、考核评价，内容主要是建立我行有效的数据质量监控体系、统计现场检查制度和考核评价体系，从机制方面直接加强对数据质量的约束和激励。

第四项要素是数据的报送、应用和存储。包括数据报送、分析应用、资料存储，内容主要是我行健全报送环节、分析应用和存储，通过分析应用和扩大共享，提高附加值，形成数据质量管理的良性循环。

四、有关要求

（一）上级有关要求。根据《柳州银监分局关于推动分局及辖区各银行业机构参加“夯实统计信息基础提升银行业数据质量”劳动竞赛的通知》（柳银监发[2012]29号）的精神。我行参加本次竞赛活动要紧紧围绕“夯实统计信息基础，提升行业数据质量”这一主题。要紧密结合实际，充分调动广大干部职工的积极性和创造性，以提高数据质量作为建功立业的主要内容，为配合银监系统风险监管和我行风险管理夯实基础。

（二）自评及整改要求。根据《银行业统计管理暂行办法》(2004年第6号主席令)及《柳州银监分局关于推动分局及辖区各银行业机构参加“夯实统计信息基础提升银行业数据质量”劳

动竞赛的通知》（柳银监发[2012]29号）的精神和要求。我行作如下自评要求：

符合：完全达到要求，没有明显不足。

大体符合：银行没有完全符合条款要求，但总体有效性较好，覆盖了主要方面。评估中发现的一些小问题未对数据质量带来实质性的影响，银行具备在较短时期内实现达标的能力并且做出了具体安排。

较不符合：虽然制定了规章制度和政策程序，但存在较明显缺陷；事实证明，有关政策和程序在实际工作中没有得到全面执行，由此对数据质量带来实质性影响。“较不符合”与“大体符合”这两个评级之间的“跨度”较大，在两者之间做出选择有时不太容易，但还是要求评估人员必须通过审慎、客观的评价表达明确的意见。

不符合：在数据质量管理的主要方面没有规章制度，或相关制度未得到有效执行，严重影响数据质量。

对照每条标准和原则，评估人员在实施评估时，从三个方面予以确认：第一，在我行是否有规范的制度性文件或者具有约束性的其他书面材料；第二，这些制度文件得到了全面和实质性地执行；第三，执行达到了预期效果，数据质量能满足监管要求。总之，我行应有足够的相关证据以及合理的逻辑证明表明其确实达到了上级监管部门的标准和要求。

对为达到监管部门的标准和要求的，须立即重视编写“事实确认书”并立即上报行领导，及时作好整改工作。

浅谈我国统计数据质量控制篇7

1 造成统计数据质量不高的原因

1.1 统计基础力量薄弱

现在, 统计部门负责的大型普查 (人口普查、农业普查、经济普查等) 和专项调查 (1%人口抽样调查、景气调查、安全感调查、投入产出调查等) 接连不断, 各专业统计报表也越来越多, 要求越来越严, 而基层统计部门人员力量少, 大部分基层统计人员都是超负荷工作, 仅有的几个工作人员对上有市局十几个科室和调查队系统部署的工作任务, 对下有各个街道办事处、乡镇政府、企事业单位、个体户和住户, 工作任务十分繁重, 致使敷衍了事、闭门造车等现象时有发生。

1.2 统计数据人为干扰

现行的目标考核体系, 使得行政领导对统计工作关注度增强, 他们关注的不是统计部门的办公条件, 而是统计部门所统计的各项考核的经济指标, 这是他们的政绩。“数字出官”, 必然导致“官出数字”, 在领导的暗示和诱导下, 统计人员明知在数据上弄虚作假是违法的, 但在一种无形的压力下, 他们出于一种“无奈”的心态, 只得顺从领导者的意图做手脚, 掺水分, 虚报统计信息。甚至是、胡编乱造, 可以说经过干扰之后就没有完成不了的计划和目标, 没有不高速发展的经济社会。

1.3 统计执法不够严格

现行统计法于1983年颁布, 2009年做过修改, 2010年1月1日已执行新的《统计法》, 但由于宣传力度的不够和统计部门对违法者的惩治力度和强度不足, 使得执法主体和被执法对象都缺少一种“有法必依, 执法必严”的概念, 有些人明目张胆的制假造假, 谋取私利, 违法违纪, 导致了统计信息的歪曲与变形。

1.4 统计数据采集不准

一是报表单位 (住户) 普遍存在怕露富、怕麻烦、不信任统计部门等思想, 瞒报统计数据, 比较突出的指标是收入、税额、利润等。二是报表单位 (住户) 工作态度不够端正, 责任心不强, 对统计工作认识不高, 报表随意性较大。三是有的报表人员没有经过相应的专业培训, 对报表指标理解不透, 从而不能保证所填数据的准确性。四是有些单位统计人员一兼多职, 工作量较大, 对统计报表应付了事。五是企业统计人员岗位变动频繁, 前任后任衔接不到位, 也导致了数据填写的不准确。

2 提高统计数据质量的措施和建议

2.1 加强基层统计队伍建设

一要在物质和人员编制上为基层统计部门提供帮助。通过多方集资, 为基层配备电脑等必要的办公设备, 并逐步实现联网, 提高基层统计的工作效率, 增加人员编制, 从而减轻基层统计工作任务。将省、市、县三级统计机构实行垂直管理, 其人、财、物与地方政府脱钩。乡镇街道统计员实行委派制, 由县 (区) 统计局直接管理。二是要加强统计队伍的业务能力建设。通过定期举办培训班, 抽调基层骨干到上级统计部门跟班学习等形式, 提高基层统计人员的业务操作能力;通过组织统计人员的继续教育以及从业资格考试、统计师资格考试等, 提高统计人员的业务知识水平。

2.2 改革现行领导考核体系

一要淡化统计数字的政绩观, 建立切实可行的干部考核体系, 防止因考核目标不切实际而引发的虚报浮夸的歪风蔓延, 走出“官出数字, 数字出官”怪圈, 考核工作中要重实绩, 既要看发展速度, 更要看长远和整体的可持续发展效益。二要完善干部实绩考核统计制度, 将定量考核与定性考核有机结合起来, 组织部门要多听取群众意见, 提高干部工作的公开化、民主化程度, 让群众最大限度地参与到干部政绩考核工作中去, 而不是仅凭干预过的统计数据来浮夸政绩。三要要求政府官员报喜也报忧, 不能强行向下级下达指标, 不得人为改变甚至杜撰数据, 不得庇护统计上弄虚作假行为。要建立干扰统计数据年度考核一票否决制, 要追究领导相关责任, 这样才能消除统计人员在工作时的顾虑, 从而提高统计数据质量。

2.3 加强统计法制法规建设

一要加大对《统计法》宣传力度。采用发放宣传资料、制作宣传板、悬挂横幅, 在广播、电视、报纸、网站上开辟统计法宣传专栏等形式, 广泛深入地宣传统计法律法规, 以提高社会各界对统计法律法规的认识, 达到普法的意义;二要加大统计执法力度, 对违法的统计工作人员除依法处理外, 一律清除出统计队伍。对参与违法的领导, 一经查实, 必须依照有关法规从重从快处罚, 决不手软。严厉打击企事业单位虚报、瞒报、伪造、篡改统计资料等违法行为, 对典型案例要及时通报, 做到“查处一件, 处罚一件, 曝光一件”, 取得“查处一片, 震慑一片, 教育一片”的效果;三要坚持全面执法与全员执法相结合, 拓宽执法检查的范围, 壮大执法检查的队伍。积极组织各专业统计人员参与统计执法检查, 在充实执法力量的同时增强专业统计人员依法治统的能力。

2.4 提高企业统计人员素质

一要提高企业统计人员的责任感, 牢固树立统计数据质量是统计工作生命线的思想;二要提高统计人员的业务水平。要依托年报会、季报会等平台对企业统计员进行定期或不定期的培训, 包括统计专业知识的培训, 所有统计员都必须通过严格考核, 达到合格标准并取得上岗合格证方可上岗。企业还应按规模大小、统计业务的难易程度, 配备有一定统计职称的综合统计人员, 保证统计数据的准确性。

2.5 建立数据质量控制体系

统计数据质量的监控与评估是一项复杂的、长期的系统工程, 可在政府统计部门内按专业建立权威的数据质量监控和评估小组, 制定地区生产总值、农业增加值、工业增加值、建筑业增加值、固定资产投资额、社会消费品零售总额、人均可支配收入等主要统计指标的具体评估办法和标准, 各专业评估小组按评估办法和标准对基层报表进行认真审核、评估, 对有问题的数据要及时核实订正, 对波动较大的数据要及时进行查询和核实, 确保各基层统计报表数据的真实性和可比性。

总之, 统计工作在国家宏观调控和微观管理下, 在广大统计工作者的共同努力下, 不断解决影响统计数据质量失真的各种问题, 统计数据质量会逐渐提高, 统计的信息作用也将发挥得更好。

摘要：多年来各级党政部门都反复强调统计工作要坚持实事求是, 发扬求真务实的工作作风, 努力提高统计数据质量, 朱镕基同志在国家统计局视察时留下四个字“不出假数”, 2001年全国统计局长会议中, 时任中共中央政治局委员、国务院副总理温家宝同志强调, 坚决反对弄虚作假和虚报浮夸。如今, 统计数据已成为政府决策的有力助手, 但由于一些新问题的产生, 统计数据质量已受到社会的质疑。

关键词：统计,数据质量,队伍建设,法治建设

参考文献

[1]冯卉.对提高统计数据质量的几点建议.山西农产品市场信息网, 2008.

探讨测绘数据入库流程的质量控制篇8

关键词数字化地形图;质量控制

中图分类号P208文献标识码A文章编号1673-9671-(2010)081-0152-02

1数字化地形图的特点

数字化地形图数据采集的手段多样,可为人工手扶数字化、扫描矢量化、航空遥感影像的数字化或野外数字化实测,在这些应用中,十分注重数据采集的精度,图形元素的分类、颜色、线型的设置以及最后绘图的成图质量。其特点表现为:

1)地物点、地貌点的空间位置表示精确;2)成图计算机作业,色彩丰富,功能齐全,使地形图极具可视性,符号统一,线划均匀;3)成果便于保存、查阅和今后更新,可对数据进行深层次开发和利用,特别是可以方便快速地为城市建设提供各种用途的专题图;4)数据检查修改具有隐蔽性。

2测绘数字化地形图入库前的质量检查

由于数据采集的过程不规范或成图过程中的误操作,以及GIS数据的特殊要求,测量成果往往存在很多数据质量问题,如房屋没有封闭、线不连续、实体没有属性或者属性错误等等,因此在入库前必须进行严格的质量检查。

图1数字化地形图入库流程图

2.1图形实体检查

检查的内容主要有地物编码是否正确,实体属性是否完整,地物是否放错图层,符号、线型、线宽是否规范,线自相交检查,是否存在伪节点、悬挂点,高程注记检查,建筑物注记检查,面状地物封闭检查,重复实体检查,复合线重复点检查等。

2.2属性数据检查

主要检查房屋楼层、结构等数据是否录入,高程点属性值与高程注记是否匹配,等高线高程注记是否正确。

2.3复合线减肥检查

凡是用复合线绘制的实体,主要是等高线,如果复合线结点过密,必然造成数据臃肿,数据量加大,有必要对密集结点的复合线进行滤波处理。

3两种地形图入库流程

根据不同成图方法的基础资料,采用不同的作业方法。对于数字化测图的成果资料,已有一套DWG格式数据,需整理加工出一套Mapinfo数据即可。具体方法是:利用CASS7.1软件,对数据进行编辑和检查错漏,然后输出Mapinfo6.0。

作业流程如图1所示。

对于平板仪测图的成果资料,先采用扫描矢量化方法获取数据,再进行数据加工处理。具体方法是:测绘原图经扫描后,利用Geoway3.0软件进行数字化采集,检查修改后输出Mapinfo数据一套。经二级检查后输出AutoCADMap2000数据一套。作业流程如图2所示。

图2平板薄膜地形图入库流程图

4入库数据的质量检查矢量

数字化测图的最终目的是将地形图转入GIS系统的数据库,入库的数据必须根据GIS系统的要求进行检查,要确保数据的质量。数据质量主要包括:位置精度、属性精度、逻辑一致性、完整性、现势性。

4.1地理精度检查

地理精度检查主要包括:各种地图要素的正确性,各种地理要素的表示是否协调一致,注记和符号的表示是否符合图式要求,综合取舍是否恰当,图面是否清晰、美观,图廓整饰是否正确、完整等。其主要通过内业图面检查和外业巡视对照检查完成。

4.2位置精度检查

位置精度即坐标精度,在一定的坐标系统下,以坐标方式反映各种要素关系与地面实际情况相吻合的程度,包括位置描述的数学基础,图廓点、格网点、控制点的精度以及平面位置精度,高程精度和图幅边界的接边精度等。

1)数学基础主要检查所用坐标系统的正确性、图廓线坐标及控制点的正确性检验等。

2)平面精度和高程精度检查通过重复设站,测定各地物点的坐标和高程,与图上相同的地物点进行比较,确定地物点的平面位置及高程误差。

3)整饰质量检查。整饰质量检查包括:各种符号注记是否符合图式规范要求;线划是否光滑、清晰,线形是否符合规定;名称、性质、高程等注记是否正确,位置是否合理,字体、字号及方向是否符合规定,是否压盖地物及点状符号;各种地理要素关系是否正确,是否有压盖、重叠等现象。

4.3属性精度检查

属性精度主要反映属性数据的正确性,它涉及分类、代码、属性值以及注记名称的正确性。属性精度主要检查点、线、面的属性代码及属性值的正确性、唯一性,注记的正确性,数据分层的正确性。要逐层检查是否有多余的属性,逐层检查各属性表中的属性项项名、类型、长度、顺序等是否正确,有无遗漏或多项;检查各要素分层、代码、属性值是否正确或遗漏。

4.4逻辑一致性的检查

逻辑一致性指数据定义统一性与描述数据集之间固有的逻辑关系正确性。逻辑一致性检查包括:属性一致性、格式一致性、分层一致性、拓扑关系的正确性和多边形闭合等。要检查各层是否有重复的要素,检查有向符号、有向线状要素的方向是否正确;检查多边形的闭合情况,标识码是否正确;检查各要素的关系是否合理,有无地理适应性矛盾,是否能正确反映各要素的分布特点和密度特征。

4.5完整性的检查

完整性是指符合选取标准的数据是否全部选取,即该表示的是否都完整表示。完整性检查包括:数据分层的完整性、数据层内部文件的完整性、要素的完整性、属性的完整性等。

4.6现势性的检查

现势性是指数据库中数据与当前实际情况的符合程度。

4.7附件质量检查

包括控制资料、底图、检查资料、文档资料及其他附属资料的正确性、完整性检查。

5数据格式转换

5.1定制CASS7.0的图元索引文件INDEX.INT

所谓图元就是图形的最小单位,一个复杂的符号可以含有多个图元,图元索引文件记录了每个图元的信息,该文件格式如下:CASS7.0编码,主参数,附参数,图元说明,用户编码,GIS表名。

修改“用户编码”、“GIS表名”两项,把它对应到MapInfo数据相应的内容,就可以用软件“输出到MapInfoMif/Mid”的功能,实现数据转出。

5.2在SurpMap软件中修改和编辑数据

在SurpMap 软件中读入Mif/Mid数据,并挂接SurpMap符号库,检查图形属性数据是否完整和遗漏。如发现问题,利用相关的工具进行修改,修改好后,打印出图,套合原始CAD图纸做比较,如有问题再次修改,直到与原始数据套合准确无误。