大数据分析能力在高职财会专业群的培养方式探索

张俊霞

摘 要：大数据时代的来临给财会类专业人才培养提出了新的挑战，本文分析大数据时代的新要求，并立足于高职学生学习实际，提出大数据分析能力培养的目标、内容和模式。旨在提高大数据时代下高职财会类专业学生就业竞争力和职业持续发展能力。

关键词：大数据 财会专业群 培养方式

中图分类号：F275 文献标识码：A 文章编号：2096-0298（2018）07（b）-184-02

1 大数据能力要求

随着互联网技术、物联网技术的不断发展，数据的产生、收集、分析方式都有着质的变化，数据大量、全面、实时、连续的记录和数据形式的日趋丰富，政府、企业、单位、个人都参与的数据的产生和应用，大数据的发展影响着社会的方方面面。

财会专业群学生直接参与企业的经营管理，随着物联网和数据采集技术的发展企业经营管理数据会更加实时、全面、连续，伴随着公共数据的积累，财会类岗位面对的数据也会越来越繁杂，培养财会类学生的大数据分析能力有助于提高学生的职业发展能力，培养学生大数据分析能力具有重大意义。

2 大数据能力培养的目标、定位和规格

大数据分析是一门集合计算机、数学、统计学等多学科的综合技能，在繁重的专业知识学习中培养高职财会类专业群学生大数据分析思维、大数据分析能力的方式需要探索。

财会类面对的数据原材料采购价格、生产数据、销售数据等，相对工整规范，具有可度量、货币化等特点，且财会类数据连续全面真实，这些数据特点与其他行业和政府的大数据还是有所区别。同时，高职学生学习时间短，数学基础相对较弱，因此高职财会类学生大数据能力的培养应该淡化大数据开发、大数据系统架构等计算机能力、弱化图片和视频的采集和处理技术，突出结构化数据处理数据分析能力培养。

数据本身是抽象的，如何解读与分析需要具备扎实专业知识和业务，因此培养学生扎实的财会类专业知识是基础，同时在岗位中面对越来越复杂的数据具备基本的清洗、分析、挖掘、可视化技能，为企业经营管理服务。

3 大数据能力培养的主要内容

高职财会类学生需要培养基础的数据分析能力，如总值分析、均值分析、趋势分析、比较分析和分类等，熟悉相关与回归、聚类分析、关联分析等统计学方法；大数据分析能力则需要重点培养数据采集、数据清洗、数据可视化、数据分析、数据挖掘等能力。

3.1 大数据采集

大数据采集是大数据能力的基础，培养学生快速准确全面获取数据的能力是大数据分析技能的起点。企业各种原始凭证、记账凭证、账簿、报表等会计资料信息采集，包括传统纸质材料和电商电子材料等信息的采集，因为相对工整规范，采集难度不大；培养学生对企业自有数据仓库数据抽取导出能力，将充分发挥企业历年数据作用。

同时，企业不仅要采集企业内部核算资料，还要进行管理活动需要采集原材料价格、市场前景、同类产品销售情况等外部数据资料，这些资料有公开的如钢铁价格、原油价格等，也有不公开的某企业某产品销售情况，所以通过大数据的手段在获取某类产品、某些特点产品的销售情况，或者购买参考公共销售情况数据，需要培养学生爬取数据的能力。

例如，利用八爪鱼进行淘宝、天猫、京东等网站商品检索结果抓取或者商品详情内页资料进行抓取，也可以自行设计或者购买规则进行特定数据抓取；利用公共平台数据对企业商品的竞争情况有更全面的了解，也可以获取消费者的检索热点；对自己产品的评论资料可以进行典型意见和关键词的提取，提高CRM水平，如图1所示。

随着物联网传感器的发展，自动、实时、全面、完整、可靠、准确的数据不断出现，每一个界面、每一个动作、每一次交互都有迹可循并被规范记录，获取的数据也将更加全面，企业的数据采集也更趋自动。

3.2 大数据清洗

培养学生通过对数据进行多方验证、审核，将有杂质的数据剔除能力；培养学生从格式、逻辑、数值等多方面进行数据清洗和整理，处理缺失值、孤立点、垃圾信息、规范化、重复记录、特殊值、合并数据集等问题的能力。

3.3 大数据分析

对于企业积累数据和获取的外部数据都要及时进行分析应用，快速充分分析数据尤为关键。培养学生数据分析、数据挖掘的技能尤为重要，具体需培养数据分析技能如下。

（1）描述型分析：是什么？

描述性分析会提供重要指标和信息。例如，通过每月的销售单据，可以获取大量的客户数据，如客户的地理信息、客户偏好等；也可以了解企業库存、销售等生产经营数据。

（2）诊断型分析：为什么？

通过评估描述型数据，诊断分析工具能够深入的分析数据，钻取到数据的核心，分析某种产品或者某些产品销售量变化原因等。

（3）预测型分析：可能怎样？

预测型分析主要用于进行预测事件未来发生的可能性、预测一个可量化的值，或者是预估事情发生的时间点。使用各种可变数据来实现预测，在充满不确定的环境下，预测能够帮助做出更好的决定，如预测原料价格可以辅助决定库存、预测销售可以辅助决定产量、预测业务量可以辅助决定资金筹集量等。

（4）指令型分析：做什么？

指令模型是基于对“是什么”“为什么”和“可能怎样”的分析，帮助用户决定应该采取什么措施。通常情况下，指令型分析不是单独使用的方法，而是前面的所有方法都完成之后，最后需要完成的分析方法。例如，交通规划分析考量了每条路线的距离、每条线路的行驶速度、以及目前的交通管制等方面因素，来帮助选择最好的回家路线；企业考量了销售数据的变化、分析了市场和消费者的原因、预判了产品市场前景，进而决定对产品实施哪些改进。

3.4 大数据可视化

大数据可视化是培养学生对大数据分析结果进行直观呈现能力。培养学生利用企业自有数据或者外部连接数据、抓取数据等方式获得的数据进行全方位呈现的能力，培养学生将数据的汇总、平均、交叉列联分析等描述和分析结果，利用适当的图形进行展示的能力。大数据可视化是非常重要的技能，具体如下。

3.4.1 各类变量适合的基本可视化效果

单一变量：点图、抖动图；直方图、核密度估计；累计分布函数。

两个变量：散点图、LOESS平滑、残差分析、对数图、倾斜。

多个变量：假色图、马赛克图、平行左边图。

3.4.2 借助大數据可视化工具，直观展示大数据

大数据具有多维、连续、杂乱等特征，培养学生利用时间轴，动态呈现企业资产、负债、应用资金、利润等方面数据能力，将抽象枯燥的数据直观呈现，辅助企业根据历史生产经营情况和当前社会背景制定合理的预测和决策。

4 大数据能力培养的基本模式

4.1 梳理探索大数据能力培养课程体系

统计学、概率论与数理统计等基础课程培养学生基本数据处理技能；大数据中的小统计，了解大数据特点并理解大数据与统计的关联；数据挖掘、大数据分析与实践等课程通过案例学习大数据分析方法技巧；通过暑期实践或者毕业设计实施项目驱动学生实践大数据分析全过程。

4.2 探索大数据分析能力的教学团队培养模式

大数据的快速发展对教师队伍提出了较高的要求。教师团队采用企业挂职、企业专家进校园、教师参与企业培训等多种方式不断提升教学水平。积极进行大数据相关科研项目，并与多学科交叉合作，成果入课堂。

4.3 建立培养大数据分析能力的实验实践教学平台

依托本院与杭州菲尔德经济信息咨询有限公司共建的统计工厂项目以及苏州国云集团的墨镜大数据分析工具，建设培养大数据分析能力的实验实践教学平台。建立能够收集、储存、分析教育大数据的实践教学平台，建立支撑大学生创新创业的大数据实验实践教学平台，建立能够支撑教师教学团队科研的大数据实验实践教学平台。

4.4 探索大数据分析能力培养的教学模式

4.4.1 课程设计

对大数据分析课程进行项目化教学设计，将大数据分析能力进行模块化项目化分解与设计，结合行业经典案例和最新“大数据”热点话题，将枯燥的大数据分析形象化生动化，同时考试不再是一锤定音，而是在总任务的纲领下每个环节提交和汇报各节点的成果，过程性考核也更能真实反映学生掌握知识运用知识的能力和水平。

4.4.2 教学资源建设

自制了“大数据与中小微企业统计实务”在线视频课程，学生可以利用碎片化的时间根据自己的掌握程度自行学习，教师可以利用视频课程采用翻转课堂、SPOC等混合式教学手段，开展线上线下联动的教学模式改革。

4.4.3 以赛带学

举行院校级别大数据分析大赛，参加全国大数据分析大赛，以赛带学。参加大数据分析比赛培训，学习大数据分析比赛优秀成果，用历年大数据分析大赛资料带动课程学习和技能培训。

这些教学模式促进大数据分析类课程教育教学质量和教学研究水平的持续提升。在大数据快速发展背景下，继续优化大数据分析能力培养的课程体系，推动适应大数据分析能力培养要求的优秀教学团队建设，完善大数据分析能力培养所需的实验、实训与实践教学平台体系，深化大数据分析能力培养需要的立体化教学模式改革和创新，为进一步提高教育教学水平和人才培养质量奠定扎实基础。

参考文献

[1] 张海，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）.

[2] 宋卫红.大数据时代体育专业大学生数据分析能力培养的必要性分析[J].当代体育科技，2017（34）.

[3] 王移芝，金一，周围.基于“计算思维”能力培养的教学改革探索与实践[J].中国大学教学，2014（3）.

[4] 陆枫.面向大数据时代的计算机系统能力培养改革与实践[J].计算机教育，2017（3）.

[5] 吴东，卢立群.大数据时代的软件学院学生能力培养[J].南昌教育学院学报，2014（5）.