大数据背景下统计专业教学方法改革探索

杨静 许峰 殷志祥 李德权

摘要：大数据时代下，各行各业都迫切需要数据分析和数据挖掘方面的人才，由此极大地推动了统计专业的发展.如何培养出适合当今社会发展需求的统计分析人才，归根结底是对统计专业传统教学方案方法的挑战.文中首先介绍传统教学方法，指出其不足之处;其次探讨大数据时代下的教学方法和实践形式;最后指出大数据时代下统计专业学生的培养模式必须要改革创新以适应时代发展需求.

关键词：统计专业;统计分析;教学方法;大数据分析

中图分类号：G642.0  文献标识码：A  文章编号：1673-260X（2019）08-0164-03

引言

随着大数据时代的到来，数据的产生成爆炸式增长，对这些数据中价值信息的提取就导致各行各业对“数据分析”类人才的大量需求.大数据分析并不是传统的数据分析，而是指用恰当的统计分析方法对收集的海量数据进行深度分析，提取到想要数据信息，得到相关且具有说服力的结论，再对数据加以全面挖掘和概括总结的过程.在具体的应用中，数据系统的分析所提供的结论不但可以帮助人们做出合适的选择，而且还可以帮助人们采取适当的行动.而统计专业正是培养数据分析人才的摇篮.因此探讨统计专业的教学方法使其如何适应大数据时代的社会需求则是我们所要关注的问题.

1 统计专业传统教学方法

统计学的专业课程很多，包括：概率论、数理统计、应用回归分析、多元统计分析、应用随机过程、非参数统计、抽样调查、数据分析及统计软件、计量经济学、经济预测与决策、金融数学、统计计算、数值分析、数据结构与算法、数据库管理系统、统计建模与数据分析、系统分析与软件设计、时间序列分析、大数据分析方法与应用、统计案例等.传统的教学方法主要侧重于理论的传授，老师在讲台上讲授，学生在讲台下记笔记、做题目，考试前死记硬背，考完试如释重负.这种传授模式带来的弊端就是学生毕业后，面临一个案例无从下手，一切需从头开始.学生若不能够主动的接受知识，就无法真正理解掌握知识，更无法进行实际运用.这也反应了以“教师为中心”的课堂模式具有一定的片面性、滞后性.单纯的课堂传授知识书本的教学模式已经不能达到培养高素质数据分析型人才的目标.那么应该采用什么样的教学方式才能培养出高能力的毕业生呢？这就是大数据时代下我们应思考的问题.

2 大数据时代的教学方法

2.1 大数据对传统统计学教学方式的影响

应用统计学的生命力在于应用.而当今的大数据时代面对的数据是异构性、规模性、实时性、复杂性和隐私性等特点，使得原有的数据分析方法已经无法满足需求.传统的理论教学模式对数据要求过高，使得现代的大数据无法满足其假设条件（新时代下的数据是多样性的，结构化、非结构化，如文本、图片、视频、音频等），进而无法对其进行分析.另一方面，传统教学方式培养出来的学生在动手和创新能力方面严重不足，仅局限于理论上的知识.

2.2 新时代下统计教学的思考

新时代下的大数据分析是指对规模巨大的数据进行分析挖掘，分析的结果应该可以转化成产品供用户（企业、政府等）所使用，使其产生价值.那么这里就問了：我们培养的学生应该具备哪些素质才能更好的满足行业的需求呢？学校应该如何调整教学方案，优化培养计划，才能更好的适应社会需求呢？某协会对2016年9月各大招聘网站发布的数据分析岗位招聘信息，采用爬虫获得原始数据后，进行统计分析得到用人单位非常注重应聘者的数据分析经验和数据挖掘能力.他们的分析还发现对于学历的要求更倾向于本科生和大专生.那么这反映开展本科应用“∏”型人才教育的重要性和必然性！

那么我们如何教学才能适应社会需求？这里给出作者的几点建议：

2.2.1 知识的讲解可以穿插在一个具体的案例中

在讲授知识前可以先介绍一个案例.首先进行背景介绍，引导学生去分析这个问题，引出所需知识点，然后进行知识点的介绍，再返回来进行案例的讲解引出新的知识点.这样由面到点的讲解，案例讲解完了，知识点也教授完了.最后让学生自己概括总结出一份具体实际意义案例分析报告.这样的教学模式可能会勾起学生的兴趣，加强学生对数据分析能力的应用.若没有案例，我们也可以自己寻找案例.比如可以利用问卷星等市场调查的方式，让学生设计问卷收集数据，然后在进行教学，这种方法尤其适用高校的统计案例这门课.学生从头到尾参与了教学，学生在数据分析能力、统计思维等方面将得到很好的锻炼.

2.2.2 鼓励学生自学数据分析软件

数据分析软件目前品种繁多，就我们所常用的就有12种之多，不可能在课堂上一一介绍给大家.这就需要学生根据自己的兴趣及未来的趋势选择一些软件学习.同样学习的过程也是要结合着案例系统的、有目的的学习.

2.2.3 鼓励学生与企业合作，或参加一些人才培养计划

我们知道企业用人的一个痛点就是对人才进行再培养，而之前大多数应届毕业生无法快速承担重要的业务工作，需要用人单位进行业务再培养.企业所需要的合格的毕业生一般要求具备一定的理论素养、计算能力、产业实践等实战技术能力.在高年级时学校应该高度重视学生实际动手分析数据的能力，积极有效的组织学生去单位公司实习有关于数据分析方面的具体案例，或激励学生去参加人才培养计划.

2.3 创新培养模式

面临着大数据分析人才的紧缺局面我们的应用统计专业学生的数据分析能力还有待提高才能不断的适应社会对于人才能力的需求.目前我们的培养方式还存在一定的局限，主要有以下几条：

2.3.1 需要加深统计理论知识的学习

大数据的分析需要扎实的统计理论知识作为基础，像大数定理等统计思想在数据处理和趋势预测中有着重要的作用一样.目前国内高校对于本科应用统计学专业的课程安排主要有概率论、数理统计、多元统计分析、时间序列分析、试验设计、应用回归分析、抽样技术、统计预测与决策、统计计算、统计建模与统计软件、数据挖掘等，但学校对于学生的数据分析方面的培养还相差甚远，还需要加强统计理论知识的训练和培养解决实际动手处理数据分析的案例.如神经网络、运筹学、案例分析等.同时，还应该设置与大数据分析相关的关联规则、决策树等课程，只有掌握以上的基础知识，才能进行数据分析、数据挖掘和统计决策等.

2.3.2 应加强数学、计算机等学科的能力培养

亚马逊大数据科学家约翰劳瑟曾说过：“统计学家和计算机工程师的结合体就是数据科学家.”大数据人才需要系统地掌握数据分析有关的知识和技能，主要包含统计学、计算机、数据挖掘等方面的知识.因此，对于应用统计学专业学生培养大数据分析能力，不仅仅只需要应用统计学专业的知识就能达到要求，还需要数学、计算机等相关专业结合，以弥补应用统计学专业学生在计算机编程及复杂数学问题解决能力上的欠缺.

2.3.2.1 课程之间的衔接—“案例教学法”

对于应用统计学专业现有的培养计划中做好大数据课程的衔接工作并解决课程内容规划等具体问题，为大数据分析培养提供制度保证和具体规划措施.在数据分析能力培训中应用十分成功的训练方法—“案例教学法”.这是哈佛商学院在上1920年代提出的一种很特有的案例教学形式，这些案例都是来采用商业管理的真切的情境或事件.案例教学法，有利于培养和锻炼学生自主学习和积极解决问题的能力.这种新的教学模式实行之后，在学生实际动手能力的培养上初具成效.这种方式“采用精挑细选的案例使学生不仅掌握具有普遍意义的知识还加强了学生解决实际问题能力的培养，让学生形成独立自主学习的能力”.

2.3.2.2 理论知识的实践能力转化

培养数据分析的专业型人才目的就是为了学以致用，为大数据行业提供能随时上岗的数据分析与挖掘型人才.数据分析本身就是为了从数据中提取有价值的信息，根据发现的问题建立模型，利用模型去预测企业收益风险、决策，进而做出正确合理的决策判断.因此，如何将基础知识和技能转化到实践中去是目前要解决的问题.主要措施是要提高学生理论和实际相结合的能力;培养和锻炼学生的统计建模和数学建模技能、算法编程能力和数据分析能力;培养学生运用所学的数学知识和统计软件（R、Python、SPSS等）分析解决实际问题及独立思考研究的能力.开展校企协同培养，构建问题导向、项目牵引的实践教学模式，使得学生在实习的过程中能够理论联系实际，将所学知识进行转化，切身体验数据分析的商业操作体系.这样就能够有效的促进学生有目的、有取舍地针对自身实际情况进行刻苦钻研学习，继而就能够培养出适合社会发展，满足市场需求的具有专业知识与数据思维的“π”型人才.

2.3.2.3 需提升学生的就业能力

中国大数据市场的缺口有100万以上，尤其是统计人才，因此应用统计学专业在大数据背景下越来越重要.社会需求的是能够将所学知识尽快应用到实际的数据挖掘中，需要既懂统计与数学，又懂计算机并与实际问题充分融合的大数据专业型的人才，包括数据分析师、数据工程师、精算师，当然国家更缺能够引领我国统计学科发展的数据科学家.但是统计专业的学生在就业过程中往往会出现数据分析能力不足，但对择业期望过高，不太了解就业市场需要的人才.面对这种现实情况首当其冲就是要加强学生对就业方面能力的培养，以便于和社会的需求相衔接.提升学生就业能力在很大程度上取决于与应用统计学专业在培养计划和方案上，也就是自身建设即课程体系、理论教学、实践教学、教学方法、教学形式、评价方式等方面有关.应用统计学专业在国外很受重视.据统计，在美国和加拿大，统计学人才需求远远大于供求，所以就业非常乐观.但是在中国，学校培养的统计学毕业生与市场所需要的统计学专业人才相差较远，也就是學校培养的统计学毕业生的能力不能很好的满足市场的需求与社会发展的要求.我们应结合上述各方面综合提高在校统计专业学生数据分析能力的素质，从而提升毕业学生的社会竞争力和就业能力.

3 结论

国务院学位委员会在第28次会议时通过《学位授予和人才培养学科目录（2011）》，由此统计学已经从数学和经济学独立出来，成为了一级学科，在政府高度重视下使统计学得到更为广阔的发展.南开大学的统计研究院副院长王兆军说：“目前，社会急需大量既懂统计与数学，又懂计算机，并与业界充分融合的大数据专业人才，包括数据工程师、数据分析师，更缺引领学科发展的数据科学家.为了提供更好、更持久的大数据处理与分析技术和方法，必须要有一个强大的数据科学学科做坚实后盾.如果没有数据科学学科的核心理论做支撑，大数据难免会泡沫化，也必然会损害国家的大数据发展战略.”因此应用统计学的教学课程要紧跟时代的步伐，满足社会对于统计学人才需求，为我国社会经济发展提供有用的人才，教学方法需要源源不断的改进，授课老师也应不断的进修学习，以保证能更得上时代的脚步.通过课程改革、加强实践等几方面努力来培养适合大数据时代发展的具有专业知识与数据思维的“π”型人才，为社会的发展进步做出应有的贡献.

——————————

参考文献：

〔1〕孙欣，尹彪.大数据时代背景下统计学学科的应对[J].统计与决策，2017（6）.

〔2〕杨炜明，廖书.大数据背景下统计专业教学改革探索[J].重庆电力高等专科学校学报，2015，20（1）：18-19.

〔3〕崔路云.基于大数据时代背景对统计学教育的几点思考[D].首都经济贸易大学，2014.

〔4〕李金昌.统计测度：统计学迈向数据科学的基础[J].统计研究，2015，32（8）：3-9.

〔5〕潘淑霞，孙王杰，张若东.统计学应用能力培养的探索与实践[J].吉林化工学院学报，2015，32（2）：80-83.

〔6〕从“T”型人才到“π”型人才，大数据人才培养之路该如何走[EB/OL].https：//www.sohu.com/a/139870618_287574.

〔7〕Zheng S. Exploration and Analysis on the Background and Model of Statistics Teaching Reform in Economic Management Major[J]. Journal of Wuyi University， 2015.

〔8〕Statistics I O M . The annals of applied statistics.[J]. Annals of Applied Statistics， 2008， 2（3）：887-915.

〔9〕Lee J Y L ， Brown J J ， Ryan L M . Sufficiency Revisited： Rethinking Statistical Algorithms in the Big Data Era[J]. The American Statistician， 2016（09）：57-59.