数字经济时代经济学类专业学生数据分析能力提升研究

刘兰廷 李雪征

［摘 要］随着数字经济的快速发展，经济学类专业学生亟待提升数据分析能力。按照数据思维与学科交叉、数据处理与统计分析、数据可视化与文本解释、实际应用与项目实践四个模块，文章设计了一种系统化的学习路径，每个模块都提出了一系列的方法和策略，包括课程体系构建、多样化教学方法和实践活动策划等，以帮助学生逐步提升数据分析能力，促进学生在数字经济時代更好地应对实际经济问题。

［关键词］数字经济；经济学类专业；数据分析；培养路径

doi：10.3969/j.issn.1673-0194.2023.21.022

［中图分类号］G642 ［文献标识码］A ［文章编号］1673-0194（2023）21-0071-04

0     引 言

数字经济以其高速、高效、高度集成的特点，不仅为经济发展带来了新的机遇，也带来了新的挑战。数字经济的快速发展和信息技术的广泛应用正在深刻改变着经济学领域的面貌。数字经济的兴起不仅带来了大量的经济数据，而且也对经济学类专业学生提出了更高的数据分析要求。在这样的现实背景下，经济学类专业学生提升数据分析能力变得尤为重要。

传统经济学研究注重理论梳理和数学建模，而在数字经济时代，经济研究趋向于数据驱动和实证分析。数字经济涉及大量的数字化信息、在线交易、社交媒体、移动应用等，这些数据蕴含着复杂的经济现象和规律，需要经济学类专业学生具备与之匹配的数据分析能力来深入挖掘其中的价值［1］。同时，在数字经济背景下，企业、政府和其他组织对人才的需求也发生了变化，对熟练掌握数据分析技能的经济学类专业学生更加青睐。因此，这类学生需要具备更深入的数据思维和数据分析技能，能够从大量的数据中提取有价值的信息，能够为经济决策和问题解决提供科学依据。虽然经济学类专业学生在经济学领域具有一定的专业知识，但在数据分析技能上存在欠缺［2］。例如，缺乏对大数据的深刻理解和运用，对数据分析工具和技术的掌握不够熟练，以及在实际应用中存在实践经验不足的问题，这都影响了他们在数字经济时代的竞争力。

面对数字经济背景下经济学类专业学生的能力短板，经济学类专业教师亟须采取有效的策略和路径来提升学生的数据分析能力，以更好地适应数字经济时代的经济发展和市场需求。本研究从数字经济背景角度出发，探讨经济学类专业学生数据分析能力的提升策略和路径，以帮助他们更好地应对数字经济时代挑战，提高职业竞争力，获得更多就业机会。

1     经济学类专业学生提升数据分析能力的必要性

1.1   增加学术研究深度，应对经济研究要求

现代经济研究日益强调数据驱动和实证分析，越来越多的经济研究需要基于大量的经济数据进行分析。经济学类专业学生若想从事经济研究，就需要具备扎实的数据分析能力，能够处理、解读和分析大规模、复杂的经济数据并分析对应的经济现象。在掌握统计学和计量经济学实证分析方法的基础上，对现实经济数据进行深入挖掘和理论分析，揭示经济现象和规律，为经济研究提供更加科学的证据支持。通过数据分析，经济学类专业学生可以进行更为深入的实证研究，例如基于真实数据对经济政策进行评估、预测经济趋势、进行市场分析和产业研究等。这些实证研究可以提供更为深刻的学术见解，丰富学术研究成果，提高研究的学术价值。

1.2   解决实际经济问题，助力地方经济发展

在现代经济环境中，制定决策越来越依赖于数据。从政府的经济政策到企业的市场战略，都需要基于大量的数据来进行支持和评估［3］。通过提升数据分析能力，经济学类专业学生可以深入分析本地区的经济数据，了解经济运行状况，发现经济潜在问题，并提供政策建议等。通过提升数据分析能力，学生可以更加科学地解读和分析经济现象，提高决策的科学性和精准性，降低决策风险。例如，经济学类专业学生可以通过数据分析方法来研究就业市场的结构和变化，探究就业率波动的原因，并提出相应的政策建议；他们还可以通过数据分析来研究消费者行为的特点和倾向，为企业制定市场营销策略提供理论依据。

1.3   满足市场岗位需求，提升就业竞争力

在现代劳动市场中，数据分析能力被认为是一种重要的职业技能。随着企业和政府对大数据和数据分析的需求不断提升，具备良好数据分析能力的经济学类专业学生将在就业市场上更具竞争力，为他们找到理想的职位增添“砝码”。在数字经济时代，越来越多的企业和组织对于数据驱动的决策和业务模式产生了需求，具备较强数据分析能力的经济学类专业学生在就业市场中更容易获得更多就业机会，包括数据分析师、经济分析师、市场分析师等职位，从而拓宽就业选择面。此外，经济学与其他学科如统计学、计算机科学、人工智能等交叉融合，形成了许多跨学科的研究领域，数据分析在各行各业中的应用也越发广泛。经济学类专业学生通过提升数据分析能力，将能够更好地应对跨学科和跨行业的需求，提高自身的综合素养。

2     经济学类专业学生提升数据分析能力的培养路径

2.1   数据思维与学科交叉

2.1.1   数据思维养成

数据思维是指通过对数据的观察、理解、分析和解释，形成对问题和现象的深刻认识和洞察，并运用科学的方法进行分析和决策的一种思维方式。数据思维的培养包括数据意识、数据素养、数据逻辑等方面的培养。数据思维的养成对经济学类专业学生提升数据分析能力至关重要。通过培养学生对数据的敏感性和分析能力，使他们能够更加主动地从经济问题中提取和利用数据，深入挖掘问题背后的内在规律。

在课程设置上，尝试增加数据科学导论课程，引入数据科学的基本概念、方法和工具，让学生了解数据科学的基本原理和应用场景，培养他们对数据的认知和理解能力。在教学方法上，通过引入实际的经济数据案例、经济统计数据、经济数据报告等，让学生了解经济数据的来源、类型、特点以及如何获取和使用经济数据，培养学生对数据的敏感性，使他们能够在经济学研究和实践中主动地进行延伸。

2.1.2   跨学科交叉学习

经济学类专业学生在进行数据分析时，需要融合多学科的知识，如数学、统计学、管理学、环境学等。通过引入跨学科的内容，让学生了解不同学科的分析模式，培养他们综合分析和解决问题的能力。例如，研究社会不平等问题时，可以结合社会学和经济学的方法，使用社会学的调查数据和经济学的经济指標进行分析，以深入了解不同社会群体在稀缺资源分配上的差异和影响。

在课程设置上，设计跨学科课程，将经济学与其他相关学科的知识和方法结合起来，例如环境经济学、行为经济学等。进而在课程教学中引入实际经济问题并进行案例分析，如市场分析、企业决策等，将数据分析的思想贯穿到多门课程中，让学生运用经济学知识多维度思考问题。组建跨学科导师团队，由不同学科的教师组成，共同指导学生的学科交叉研究和项目。这样的导师团队可以为学生提供多元化的指导和支持，促进学生学科交叉思维的培养和数据分析能力的提升。此外，通过组织学科交叉的研讨会、学术报告等促进教学资源共享和学科交流。

2.2   数据处理与统计分析

2.2.1   数据收集与处理技能

数据质量对于数据分析的结果具有重要影响。学生通过学习数据收集和处理技能，可以掌握如何采集高质量的数据，并进行数据清洗、去噪和检验，从而保障数据分析的可靠性和准确性。从数据中提取有价值的信息，应用于经济现象的解释和预测。

数据收集与处理课程旨在培养学生收集、整理和处理经济数据的能力。在经济统计学课程中介绍不同类型的经济数据源以及常见的数据收集和处理方法，并学习常用的数据处理工具，如Stata、SPSS、

Python等。通过数据管理与数据库应用课程的学习，让学生了解如何管理和应用经济数据；在教学方法上，通过案例分析让学生体验数据收集、整理和处理的实际操作，利用课堂讨论和互动，引导学生分享自己在实际数据收集和处理中的经验和疑惑，促使学生思考和探讨数据处理的方法。

2.2.2   统计分析方法

学习统计分析方法是提升数据分析能力的重要一环。在学术研究中，适配的统计方法能提高研究的可信度；在市场领域，运用统计分析方法进行市场分析能提高决策的科学性。

经济学类专业学生可以通过统计学原理课程，掌握统计学的基础知识和统计分析方法，如描述性统计、推断性统计、回归分析、时间序列分析、面板数据分析等。为了更好地帮助学生掌握这些方法，还要设置统计分析实践课程，引入实际的统计软件和工具，让学生通过实践操作来应用软件，并掌握在数据处理和统计分析中的应用技能［4］。同时，课程中还可以引入实际经济数据并进行案例分析，培养学生运用统计分析方法解决实际经济问题的能力。

为了应对愈加复杂的经济环境和大数据的挑战，除了传统的统计分析方法外，还可以引入一些高级统计分析方法，如机器学习、数据挖掘、深度学习、高级统计模型等。这些方法可以帮助经济学类专业学生更好地理解和应用先进的数据分析技术，为解决实际经济问题提供更加灵活且高效的解决方案。

2.3   数据可视化与文本解释

2.3.1   数据可视化技能

数据可视化是将统计分析得出的结果以图表、图形等形式进行展示的过程，即通过视觉化的方式将数据呈现出来。对于经济学类专业学生而言，掌握数据可视化技能，能够帮助他们更好地理解和解释复杂的经济现象。在经济政策评价、市场分析和预测、经济研究等领域，数据可视化为经济分析和政策制定提供了有力的证据和支持。

通过设置数据可视化课程，学生可以系统地学习数据可视化的原理和设计原则，掌握如何使用常见的数据可视化工具和软件。课程可以通过实操练习，让学生亲自动手创建不同类型的经济数据可视化图形，深入理解如何通过可视化方式将复杂的经济数据呈现出来。课程采用案例教学的方式，通过真实的经济数据案例，引导学生分析和选择合适的手段。学生可以根据数据类型、目标受众、展示需求等因素，选择合适的图表、图形或地图来描述经济数据。

2.3.2   数据分析结果的文本解释

对数据分析结果进行有效的描述和解释，可以帮助学生更好地理解数据分析的结果，从而有助于经济学类专业学生更加准确地解释和评估经济数据，并为经济分析和政策制定提供合理依据。同时，良好的结果描述和解释能力还有助于与他人分享研究成果，提升沟通能力和学术表达能力，对于未来从事经济学相关职业的发展也具有积极的促进作用。

为了提升经济学类专业学生对数据分析结果的文本解释能力，可以在统计课程中设置专门的模块，讲授数据分析结果的文本解释原则、方法和技巧。通过实践演练的方法，例如写作、报告、撰写论文等方式，锻炼学生如何将复杂的数据分析结果以简明扼要的方式表述，并准确地解释其含义。这种文本解释能力的培养应当注重对学生综合素养能力的锻炼。例如，学生需要具备批判性思维能力，深入思考数据分析结果的逻辑、推理和推断，从而准确地解释数据背后的经济现象。此外，学生还需要灵活运用跨学科思维，将经济学知识与统计学、信息技术等领域的知识结合起来，进行综合分析并合理解释。

2.4   实际应用与项目实践

2.4.1   实际应用能力

数据的整理、分析和可视化等内容需要在实际应用中检验其有效性和可行性。实际应用模块，通过将数据分析结果应用于实际场景或真实项目中，进行实际操作，检验和应用数据分析的结论和建议。

在经济学类专业的理论课程教学中，引入实际案例教学可以为学生提供更加真实的学习体验，结合对数据处理、统计分析、数据可视化和文本解释的学习，使学生能在实际案例中运用所学的经济学理论和方法进行数据分析。此外，可以设置模拟经济实验课或实践调查课等，让学生主动发现数据、搜集数据，并对数据进行分析。为学生提供实习和实训机会，让他们在真实的工作环境中应用所学的经济学知识和方法，参与实际经济问题的解决。另外，教师可以组织学生去企业实地考察和调研，拓展学生的知识面，提高他们的实践操作能力。

2.4.2   项目实践锻炼

项目实践是锻炼经济学类专业学生综合数据分析能力的另一种手段，通过学生参与或设计实际经济项目，并在实践中进行项目管理、数据采集、数据分析和结果解释，全面锻炼学生的实际操作能力和问题解决能力。与实际应用相比，项目实践更注重实际操作和团队合作。

从学术研究角度来看，学术论文的撰写和参与学术研究项目是经济学类专业学生提升数据分析能力的重要途径。根据研究的问题和目的，学生需要收集、整理和分析大量的经济数据，采用经济学理论和方法，形成完整的研究成果。此外，支持经济学类专业学生参加数据分析竞赛项目，如市场调查与分析大赛、统计建模大赛等，这些竞赛项目通常要求学生在有限的时间内运用数据分析方法解决实际问题，并提出有效的解决方案。同时，这些竞赛还提供了与其他学院学生合作的机会，实现跨学科的知识融合，更好地体现数据分析成果的运用，形成更全面和综合的数据分析解决方案。

3     結束语

随着数字经济时代的到来，传统的经济学理论和方法已经不足以应对当今经济领域的复杂问题。提升经济学类专业学生的数据分析能力对于学术研究、服务地方经济和提高就业竞争力至关重要。本研究通过数据思维与学科交叉、数据处理与统计分析、数据可视化与现象解释、实际应用与项目实践四个模块，阐述了经济学类专业学生提升数据分析能力的路径。围绕课程设置、教学方法、实践活动等角度提出了一系列的方法和策略。随着经济领域的日益数字化和数据化，经济学类专业的学生只有紧跟时代需求，持续学习和不断更新数据分析技能，才能在数字经济发展的洪流中脱颖而出。

主要参考文献

［1］吴伟平，向国成，尹碧波，等.大数据与经济学复合型人才培养深度融合的模式研究［J］.创新创业理论研究与实践，2022，5（7）：112-114.

［2］郭力，成佳梦.大数据时代下经济学人才培养的挑战与应对措施［J］.教育信息化论坛，2022（1）：81-83.

［3］赵琪.数字经济背景下新商科人才数据分析能力提升对策与实践［J］.商业经济，2021（8）：106-107，124.

［4］张海波，黄世祥.统计学专业学生大数据分析能力的培养方式选择［J］.统计与决策，2014（24）：66-68.