Что такое статистика: пора внести ясность

Излагается авторский взгляд на современное представление о статистике как науке, образовательной дисциплине и области практической деятельности. Актуальность проблемы состоит в том, что от адекватного понимания сущности статистики зависят направления ее дальнейшей эволюции как инструмента повышения эффективности социально-экономического развития страны.

По мнению авторов, к началу XXI века статистика де-юре ассоциируется с деятельностью, измеряемой данными, которые отображают совокупность явлений различной природы, а существующая де-факто деятельность, связанная с оценкой количественной стороны массовых явлений в порядке информационного обеспечения процессов познания и принятия управленческих решений в социально-экономической сфере, игнорируется. Показано, что в первом случае теоретическая, методологическая и практическая деятельность в области статистики базируется на рассмотрении статистической совокупности как таковой, для чего разрабатывается соответствующий инструментарий, основанный в первую очередь на единстве методов математической логики, математической статистики и анализа больших данных. Во втором случае теоретическая, методологическая и практическая деятельность интерпретируется в рамках концепции, предполагающей, что количественная сторона массовых общественных явлений как объективная реальность выступает объектом познания и управления. Она основана на категориях «статистический показатель», «система показателей», «информационная модель».

Анализируя основные признаки двух видов деятельности, показано, что их конвергенция невозможна. Делается вывод о том, что при сохранении самостоятельного статуса первого вида деятельности, называемого статистикой, целесообразно признать самостоятельный статус второго вида деятельности, называемого социально-экономической статистикой, – как вида занятия, специальности и направления подготовки высшего образования, а также научной специальности – отрасли науки, закрепив его в профессиональном стандарте «Статистик», государственном образовательном стандарте высшего образования «Социально-экономическая статистика» и паспорте научной специальности «Социально-экономическая статистика».

1. Афанасьев В.Г. Системность и общество. М.: Политиздат, 1980. 368 с.

2. Кедров Б.М. Категории марксистской диалектики как методологическая основа статистической науки // Академия наук СССР. Ученые записки по статистике. Т. VI. М.: Изд-во Академии наук СССР, 1961. С. 5–38.

3. Михненко О.Е. Информационные модели в управлении экономическими явлениями. М.: МИИТ, 2009. 48 с.

4. Кендалл М.Дж., Стъюарт А. Теория распределений / ред. А.Н. Колмогоров; пер. с англ. В.В. Сазонова, А.Н. Ширяева. М.: Наука, 1966. 587 с.

5. Кендалл М.Дж., Стъюарт А. Статистические выводы и связи / ред. А.Н. Колмогоров; пер. с англ. Л.И. Гальчука, А.Т. Терехина. М.: Наука, 1973. 900 с.

6. Кендалл М.Дж., Стъюарт А. Многомерный статистический анализ и временные ряды / ред. А.Н. Колмогоров; под ред. Ю. В. Прохорова; пер. с англ. Э.Л. Пресман, В.И. Ротарь. М.: Наука, 1976. 736 с.

7. Ниворожкина Л.И. Кому преподавать статистику в цифровой экономике? // Вестник кафедры статистики Российского экономического университета имени Г.В. Плеханова. Статистические исследования социально-экономического развития России и перспективы устойчивого роста: материалы и доклады / под общ. ред. проф. Н.А. Садовниковой. М.: РЭУ имени Г.В. Плеханова, 2018. С. 362–363.

8. Майер-Шенбергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. Пер. с англ. И. Гайдюк. М.: Манн, Иванов и Фербер, 2014. 240 с.

9. Фрэнкс Б. Укрощение больших данных. Как извлекать знания из массивов информации с помощью глубокой аналитики. Пер. с англ. А. Баранова. М.: Манн, Иванов и Фербер, 2014. 343 с.

10. Hassani H., Saporta G., Silva E.S. Data Mining and Official Statistics: The Past, the Present and The Future // Big Data. 2014. Vol. 2. Iss. 1. P. 34–43. doi: https://doi.org/10.1089/big.2013.0038.

11. Hostie T., Nibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. New York: Springer-Verlag, 2009. 763 p.

12. Михненко О.Е., Салин В.Н. От анализа статистических данных к анализу реальных явлений на основе статистической информации // Наука о данных: мат. междунар. науч.-практич. конф. (Санкт-Петербург, 5–7 февраля 2020 г.). СПб.: СПбГЭУ, 2020. С. 196–199.

13. Маслов П.П. Статистика в социологии. М.: Статистика, 1971. 248 с.

14. Михненко О.Е. Цифровые технологии и эффективность статистических показателей // Цифровая трансформация в экономике транспортного комплекса: мат. междунар. науч.-практич. конф. / под ред. Ю.И. Соколова, Г.В. Бубновой, Л.А. Каргиной, И.А. Епишкина. М.: РУТ (МИИТ), 2019. С. 207–216.

15. Михненко О.Е. О мерах производительности труда // Статистические исследования социально-экономического развития России и перспективы устойчивого роста: мат. и докл. М.: РЭУ имени Г.В. Плеханова, 2019. С. 108–114.

16. Михненко О.Е. Проблемы управления экономическими явлениями на железнодорожном транспорте: информационный аспект. М.: МИИТ, 2001. 200 с.

17. Михненко О.Е., Салин В.Н. Статистика в профессиональном стандарте «Статистик» // Статистика – язык цифровой цивилизации: сб. докл. междунар. науч.-практич. конф. «II Открытый российский статистический конгресс» (Ростов-на-Дону, 4–6 декабря 2018 г.): в 2 т. Т. 1 / Российская ассоциация статистиков, Федеральная служба государственной статистики, Рост. гос. экон. ун-т (РИНХ), Ростовское региональное отделение ВЭО России. Ростов н/Д: Изд-во ООО «АзовПринт», 2018. С. 670–678.

18. Салин В.Н., Михненко О.Е. Статистическое образование в экономических вузах: современное качество и перспективы // Наука о данных: мат. междунар. науч.-практич. конф. (Санкт-Петербург, 5–7 февраля 2020 г.). СПб.: СПбГЭУ, 2020. С. 268–269.