大数据背景下经管类专业统计学课程教学改革研究

章政

（苏州大学应用技术学院，江苏苏州 215325）

统计学作为经管类专业以培养学生数据能力为目的的一门课程，在大数据时代具有重要作用。然而，随着大数据的产生，统计学的定义、作用与思维方式都发生了变化，促使统计学的发展迈入新的台阶。因此，重新完善统计学课程体系并将大数据与统计学进行有机结合，以培养能够适应大数据时代的新商科数据人才已势在必行。

1 统计学与商科数据人才培养

（1）商科数据人才。新零售、新制造、新管理等新型模式的产生，对商科专业教学提出了新的挑战。这要求培养出来的商科学生具有新理念、新思维以及新方法。在大数据时代，最重要的是数据思维。数据思维实际上还没有一个明确的定义，指的是在提出问题、分析问题、解决问题的过程中，以数据的收集和利用为核心手段的思维方式。许多企业走在数字化转型的前沿，其数据人才功不可没。数据人才通过对数据的收集、预处理、加工以及应用等环节对业务进行预测与调整，有效提高了公司的服务效率。商科专业培养的学生不仅需拥有专业知识，也应具有在数据中看见并形成见识的能力，其中包括管理见识和商业见识。

（2）统计学与商科数据人才培养。随着企业数字化转型，数据思维应该成为所有政府管理者、企业管理者必须要掌握的思维方法。高校作为企业人才培养的高地，应将数据思维的培养贯穿于整个教学过程。统计学是培养学生数据思维与数据能力最基本的一门课程。

一名合格的数据工作者不仅能够掌握业务与行业知识、数据科学相关理论、数据分析方法，还应能够用先进的分析工具进行分析，使分析过程更加高效、分析结果更加准确。统计学课程在人才培养中的作用为培养学生的数据分析与应用能力，因此在对数据能力要求更高的大数据时代，统计学课程在教学过程中具有重要作用。

2 大数据对经管类专业统计学教学的影响

（1）研究内容与研究对象的深化。统计学是一门研究数据的科学与艺术。在以往的统计学应用过程中，由于受到搜集条件的限制，数据往往是通过抽样调查而得来的结构化数据。在大数据背景下，随着信息化技术的迅速发展，数据来源更加广泛，数据种类变得更复杂。凡是可以被数据化的信息载体，都可以被称为数据。这类数据大多为半结构化、非结构化或者异构的[1]。面对非结构化数据，几乎没有哪种分析过程直接对非结构化数据进行分析，也无法直接得出结论。因此，在大数据背景下，统计学的研究对象应从结构化的数据转化为结构更复杂、来源更广泛、数据体量更大的多类型数据。

（2）研究思路的变化。在传统的统计学研究过程中，通常从实际问题出发确定研究目的，根据研究目的进行数据收集、数据分析以及结果解释。涉及统计推断问题时，需要在确定研究目的时提出假设并通过结论对假设进行检验，这是一个从定性分析到定量分析再到定性分析的过程[2]。

在大数据背景下，研究思路则转化为从定量分析到定性分析。这是由于大数据时代，样本即总体，此时数据分析最基础性的工作就是如何从大量数据中找到与研究相关的定量数据，并从定量数据中找出数据背后蕴含的价值，为决策与判断提供依据。大数据的数据体量巨大，蕴含的价值密度较低。在对这些数据进行分析时，通过数据整合、探索发现并加以总结，将有助于发现意外的规律与结论。一旦某些规律被发现，其蕴含的价值往往很高。

（3）研究工具的多样化。Excel、SPSS、SAS、R、STATA以及MATLAB为传统统计学课程最常用的教学软件。统计软件的作用在于以一些统计模型如相关分析、回归分析为基础进行数据分析与处理，发现数据规律[3]。

当数据的体量和数据类型达到一个限度时，传统的数据采集、存储、处理以及分析技术已经不能满足数据分析需求，须采用分布式存储、分布式并行计算、流处理等技术。大数据所依赖的数据分析技术为非关系型的，由此衍生出一系列专门做大数据分析处理的工具，如HADOOP、SPARK等。同时，统计学中的数学分析模型已经无法满足大数据的需求，相比于大数据时代常用的分类、聚类、预测算法，它们数据处理效率较低且无法满足数据复杂性需求。

3 大数据背景下经管类专业统计学教学改革

（1）教学目标的改革。传统统计学课程的教学目标主要分为3个方面：第一，对统计原理、理论以及方法的理解；第二，需要学生具备较强的数据搜集、整理、分析以及解释的能力；第三，需要学生拥有运用统计方法分析解决实际问题的能力。统计学是一门集知识性、应用性以及操作性为一体的课程，也是帮助学生建立数据分析思维掌握数据知识最重要的一门课程。大数据时代的统计学教学，应将学生数据思维的培养引入统计学教学目标。统计学课程不在于教会学生多少公式、多少算法，而在于培训学生以数据为核心进行思考的能力与意识。同时，随着数据的多样化，应让学生具备大数据时代数据的无样本性、复杂性和容错性等意识，使学生既有处理一般数据的能力，又具有识别大数据、分析和处理大数据的能力。

（2）教学内容的改革。统计学分析的4个环节为数据获取、数据加工整理、数据分析以及结果的呈现解释说明，因此传统的统计学教学均围绕着这4个层面展开，且是基于结构化的少量数据。随着半结构化与非结构数据的出现，数据的获取及分析方法均发生了改变。在数据获取环节，数据既可以从调查与实验中获取，也可以通过互联网、物联网产生。获取的数据多为非结构化数据，因此需增加数据的收集与获取方面的教学。在做一个大数据分析项目时，大部分工作都会集中在数据加工整理环节，基于此应增加数据清洗、数据整合、数据变换、数据归约内容的教学。大数据时代分析的数据不再是样本，传统的统计推断部分如参数估计、假设检验失去了处理大数据的意义，一些传统的数据分析方法在处理大数据时的结果也无法达到预期[4]。因此，在数据分析环节可以增加能够处理大数据的分类算法、聚类算法、关联分析等内容。在统计分析的最后一个环节需要对结果进行可视化呈现，可增加复杂的数据可视化内容教学。

统计学课程课时较为有限，在增加大数据环节教学内容的同时，应将原教学内容进行调整与整合。教学方面需弱化算法、模型的推导过程，关注模型在实际问题的应用，以培养学生的数据思维。

（3）教学方法的改革。大数据时代的到来，对学生的自主学习能力、应用能力提出了更高要求，传统的“填鸭式”教学模型已无法满足学习需求[5]。在实践教学环节，传统的统计软件在数据处理量、数据处理速度、模型准确性等方面均无法满足需求，应选取大数据教学平台进行实践教学，其中Python、R语言、Hadoop等大数据分析软件和处理工具可作为教学环节的一部分。另外，教学层面应创新教学模式，可利用翻转课堂、混合式教学等模式。教学过程可从项目出发，以学生为中心培养学生解决问题的能力与数据思维[6]。

4 结语

数据作为统计学的研究对象，在大数据时代已发生了颠覆性的变化，这为统计学的教学工作提出了更高的要求。对于经管类专业的统计学教学，首先应根据数据概念的深化在教学内容上进行改革，同时运用大数据时代先进的分析工具，进行以培养学生数据思维为目的的教学工作，使这类学生成为既具有行业见识又有数据能力的复合型人才。