论文部分内容阅读
科学技术在现阶段的发展过程中取得了长久化的进步，在信息技术的革新过程中，逐渐涌现出了以云技术与物联网为主的尖端科技，为大众的生活带来便利的同时，促使社会生产形式出现了较大的变动。在大数据时代的影响下，统计学逐渐加强了与数据信息之间的联系，并在大数据时代的建设过程中发挥出了自身的实用价值。然而，时代的变革趋势也为统计学模式的转型带来了新机遇与新挑战，为了能够保障统计学能够顺利的应对转型过程中的难题，应加强对变革目的的分析，探讨有效的时代数据信息，进而找出合理的问题解决办法。
一、大数据的处理、抽样以及分析
（一）网络图的模型
借助网络图所建立的模型，可以细致化的描述高维度的变量关系，这是由于网络图模型属于高维数据分析处理工具，同时还形成了多样化的图像模型系统软件，为变量关系的处理提供了便利。在节点网络当中，若变量较多时，为了能够有效获取相关的变量信息，则可以直接利用网络实现对信息的传播与交流，并通过高维联合形式的计算，进而构建以数据处理为主的网络平台。
（二）数据的预处理
数据的梳理、纠偏、矫正以及不完全数据的填补等内容，都属于数据预处理工作当中的重要组成部分，可以采用随机抽样的方法，对相关数据进行处理并整合，进而针对数据当中的问题进行纠偏。传统的统计机构数据具有代表性的特点，并且系统的误差几率较小，但在实际的数据更新以及获取过程中所耗费的时间较多，同时对于数据的涵盖面积较小。利用互联网获得数据具有数量大、效率高等方面的特点，但仍然会存在数据的偏倚现象，此时可以利用多元化数据重叠处理的方法，实现对数据资源的有效整合，解决单一化数据难以完成的业务。
（三）大数据的分析与整合
传统的数据库连接方法已经难以满足大数据时代对于数据信息收集工作的整体要求，此时应根据数据库的重叠项目进行深入研究，发挥有关条件的独立性优势，对多个不同的变量进行整合，进而完善以大数据变量为主的收集方法，保障方法与数据收集的完整性。在多种数据来源以及专题数据库的影响下，还可以通过对数据收集过程进行总结，获取有效的统计理论，进而再对经验和理论进行整合。
（四）大数据环境的抽样
现阶段对于大数据环境抽样的方法仍然处于研究的状态，根据不同数据流之间的关系，可以直接获取相关数据，同时此类数据还具有精确性的保障。此外，针对数据信息的适应性、动态性以及连贯性等方面的特点进行深入研究，再结合数据样本进行全面化的调查，及时的针对调查的对象以及项目进行调整，确保所提供的数据能够吸引大众的兴趣。在大数据背景的影响下，可以采用大数据案例解析的方法，并以非随机抽样为主，扩大数据的样本数量。
二、大数据时代统计学所面临的挑战
（一）缺少合理的统计软件和方法
1.缺乏对技术以及资源的投入
大数据时代的不断深入发展，为加快不同媒介当中的信息传播速度提供了保障，相关领域所使用的软件也逐渐适应了时代形式的变化。此外，计算机技术的逐渐进步，在促进软件发展的同时，对其提出了更高的要求，使其能夠在更新的过程中，逐渐顺应统计学学科领域相关内容的变化趋势，确保软件与学科知识相互匹配。然而，现阶段由于企业缺少对于配套资源的投入力度，导致相关行业领域的企业缺乏对技术的开发能力和计划指导。
2.统计软件功能不足
在大数据时代的信息处理过程中，主要的信息载体属于信息技术和计算机技术，在使用计算机设备进行运算的过程中，还会运用到与统计学学科基础专业知识相关的内容，进而发挥出统计学软件的实际作用。利用统计学软件不仅能够提升统计学对于数据的分析能力，还可以有效降低统计学的难度 ，进而再利用统计学进行操作，扩大了统计学的使用范围。在大数据时代的转型过程中，已经逐渐涌现了一批统计学软件，且相关软件还具有成熟性以及完善性的特点，但此类软件当中仍然存在部分问题 ，导致统计软件无法发挥出自身的功能价值。
（二）数据收集方式所产生的变化
数据的来源具有丰富性以及多样化的特点，互联网时代下的信息交流形式，不仅能够打破时间与空间的局限性，还可以保障信息联系的密切性。数据的来源属于个体、社会、经济以及生活等各个方面，随着专业统计数据库在建设过程中的规模化发展，同时也丰富了间接性的数据来源，使数据的收集与获取手段不仅呈现出了多样化的特点，同时也实现了信息传输的高效化。
（三）数据的类型发生变化
1.频数的转变
传统以低频、低维为主的数据逐渐转变成为以高频、高维为主的数据形式，大量的高频、高维类型的数据，以半结构化的形式呈现出了交错复杂的情况，其中虽然隐含了丰富的价值信息，但相关数据信息背后的逻辑特征却无法摆脱模糊性的影响，导致在关键信息要素提取的过程中，对数据逻辑机理的挖掘工作带来了一定的难度，难以保障此项工作的顺利开展。
2.结构的变化
数据的类型本身具有结构化的特点，而随着大数据时代的深入发展，逐渐有结构化的数据朝着半结构与非结构型的数据类型进行转型，同时非结构化的数据类型在整体数据类当中占据了较大的比例。
（四）样本选取与标准确定的难度较大
1.对非结构数据的关注程度较低
样本的数量逐渐呈现出了成倍增长的趋势，同时还会在数据处理的过程中，受到“零散化”发展形式的阻碍。在长期的统计学学科知识结构的革新过程中，由于数据属于结构化的形式，而传统学科的概念设置则是面对非结构数据，导致数据处理工作难以被有效落实，同时也无法在大数据时代背景的影响下提取有效的数据信息。造成此类现象的原因，主要是由于现阶段对于非结构数据的关注程度较低导致的。
2.样本之间缺乏关联性
样本在统计学当中具有重要作用，而样本的统计主要与主体对象的特点和关系有关，但在大数据时代的影响下，各个样本之间的联系逐渐被弱化，且关联性不强。在一般情况下，统计学属于样本集合的概念，但在大数据时代的影响下，使数据的来源呈现出了多样化的特点，并通过对多种角度的论证，保障了统计数据的合理性，进而对统计学相关内容的研究工作提出了更高的要求。 三、大数据时代下变革统计学学科的有效措施
数据变革是大数据时代在转型过程中的必然要求，促使统计学学科内容摒弃了传统形式的局限，而更新了学科方面的内容。传统的统计学学科不断被完善，并逐渐朝着成熟化的方向发展，为了能够打破传统统计学在实施过程中时间耗费等方面的局限性问题，还应在信息资源的收集过程中，利用网络计算的形式，保障结果的准确性，在提高整体的效率基础上，优化统计学学科模式。
（一）加强统计学学科建设
统计学学科还具有很强的实用性，并且属于综合类的学科知识，在社会建设与发展的过程中，企业应加强对员工的管理，促使其能够熟练的掌握关于统计学学科的方法和技巧，切实满足现阶段社会对于专业统计学人才的需求。此外，相关单位还需要加强对统计学学科的建设力度，并以提高统计学学科教学水平以及课堂效率为目的，将统计学学科建设工作的重点放在对数据的收集以及应用能力的培养过程中。与此同时，员工还需要在培训以及学习的过程中，选取多样化的学习方法，加强自身的实践操作能力，进而通过对有效经验的积累，保障员工在发展的过程中，能够适应大数据时代的转型需求，进而为社会提供充足的实用性人才支撑。
（二）更新统计学学科内容
大数据技术的革新需要打破传统计算机技术的局限，并依靠各种技术实现发展，在完善技术内容的同时，打造多元化的创新途径。传统的应用型统计学为了能够实现革新，并推动发展的进程，应结合其他的先进技术，针对统计学学科的内容进行整改。同时，在信息时代的发展背景影响下，通過加强对数据信息的收集、分析与处理，并对结果进行对比，在保障结果准确性的同时，全面化的掌握事态的变化，进而延长应用型统计学学科的实用周期。结合统计学学科的理论体系以及思维方法，可以在分析数据的同时，保障统计结果的准确性，进而实现对统计学学科内容的创新。
（三）加强统计学思维建设
进一步加强统计思维的建设力度，帮助统计人员树立思维意识，在大数据时代的建设过程中，强化统计学与大数据之间的关联性，进而加大对员工思维的培训力度。此外，通过对员工统计学学科思维意识的培养，不仅能够帮助员工更好的分析、整理并归纳有效的数据信息，避免员工在工作的过程中出现盲目性的特点。同时，员工还可以在学习统计学学科思维的基础上，找出数据之间的关联性与规律性，使统计思维意识的建立能够帮助员工积极的面对大数据时代背景下，在数据统计过程中的复杂化问题，进而养成良好的思维模式。
四、结语
结合统计学学科的培养要求以及大数据时代的发展背景进行深入分析，针对现阶段统计学学科所面临的挑战进行探讨，明确在革新过程中的问题与不足，进而提出有效的整改策略。在大数据时代的深入发展过程中，为统计学学科的转型带来了新的机遇，促使其能够在紧抓机遇、实现创新的基础上，积极的应对时代挑战。此外，及时的摒弃传统统计方法在数据处理过程中的局限性，并结合计算机技术的优势，发挥分布式数据以及数据流的应用优势，进而树立灵活创新意识，确保统计方法能够顺应时代需求。
（作者单位：延边大学）
一、大数据的处理、抽样以及分析
（一）网络图的模型
借助网络图所建立的模型，可以细致化的描述高维度的变量关系，这是由于网络图模型属于高维数据分析处理工具，同时还形成了多样化的图像模型系统软件，为变量关系的处理提供了便利。在节点网络当中，若变量较多时，为了能够有效获取相关的变量信息，则可以直接利用网络实现对信息的传播与交流，并通过高维联合形式的计算，进而构建以数据处理为主的网络平台。
（二）数据的预处理
数据的梳理、纠偏、矫正以及不完全数据的填补等内容，都属于数据预处理工作当中的重要组成部分，可以采用随机抽样的方法，对相关数据进行处理并整合，进而针对数据当中的问题进行纠偏。传统的统计机构数据具有代表性的特点，并且系统的误差几率较小，但在实际的数据更新以及获取过程中所耗费的时间较多，同时对于数据的涵盖面积较小。利用互联网获得数据具有数量大、效率高等方面的特点，但仍然会存在数据的偏倚现象，此时可以利用多元化数据重叠处理的方法，实现对数据资源的有效整合，解决单一化数据难以完成的业务。
（三）大数据的分析与整合
传统的数据库连接方法已经难以满足大数据时代对于数据信息收集工作的整体要求，此时应根据数据库的重叠项目进行深入研究，发挥有关条件的独立性优势，对多个不同的变量进行整合，进而完善以大数据变量为主的收集方法，保障方法与数据收集的完整性。在多种数据来源以及专题数据库的影响下，还可以通过对数据收集过程进行总结，获取有效的统计理论，进而再对经验和理论进行整合。
（四）大数据环境的抽样
现阶段对于大数据环境抽样的方法仍然处于研究的状态，根据不同数据流之间的关系，可以直接获取相关数据，同时此类数据还具有精确性的保障。此外，针对数据信息的适应性、动态性以及连贯性等方面的特点进行深入研究，再结合数据样本进行全面化的调查，及时的针对调查的对象以及项目进行调整，确保所提供的数据能够吸引大众的兴趣。在大数据背景的影响下，可以采用大数据案例解析的方法，并以非随机抽样为主，扩大数据的样本数量。
二、大数据时代统计学所面临的挑战
（一）缺少合理的统计软件和方法
1.缺乏对技术以及资源的投入
大数据时代的不断深入发展，为加快不同媒介当中的信息传播速度提供了保障，相关领域所使用的软件也逐渐适应了时代形式的变化。此外，计算机技术的逐渐进步，在促进软件发展的同时，对其提出了更高的要求，使其能夠在更新的过程中，逐渐顺应统计学学科领域相关内容的变化趋势，确保软件与学科知识相互匹配。然而，现阶段由于企业缺少对于配套资源的投入力度，导致相关行业领域的企业缺乏对技术的开发能力和计划指导。
2.统计软件功能不足
在大数据时代的信息处理过程中，主要的信息载体属于信息技术和计算机技术，在使用计算机设备进行运算的过程中，还会运用到与统计学学科基础专业知识相关的内容，进而发挥出统计学软件的实际作用。利用统计学软件不仅能够提升统计学对于数据的分析能力，还可以有效降低统计学的难度 ，进而再利用统计学进行操作，扩大了统计学的使用范围。在大数据时代的转型过程中，已经逐渐涌现了一批统计学软件，且相关软件还具有成熟性以及完善性的特点，但此类软件当中仍然存在部分问题 ，导致统计软件无法发挥出自身的功能价值。
（二）数据收集方式所产生的变化
数据的来源具有丰富性以及多样化的特点，互联网时代下的信息交流形式，不仅能够打破时间与空间的局限性，还可以保障信息联系的密切性。数据的来源属于个体、社会、经济以及生活等各个方面，随着专业统计数据库在建设过程中的规模化发展，同时也丰富了间接性的数据来源，使数据的收集与获取手段不仅呈现出了多样化的特点，同时也实现了信息传输的高效化。
（三）数据的类型发生变化
1.频数的转变
传统以低频、低维为主的数据逐渐转变成为以高频、高维为主的数据形式，大量的高频、高维类型的数据，以半结构化的形式呈现出了交错复杂的情况，其中虽然隐含了丰富的价值信息，但相关数据信息背后的逻辑特征却无法摆脱模糊性的影响，导致在关键信息要素提取的过程中，对数据逻辑机理的挖掘工作带来了一定的难度，难以保障此项工作的顺利开展。
2.结构的变化
数据的类型本身具有结构化的特点，而随着大数据时代的深入发展，逐渐有结构化的数据朝着半结构与非结构型的数据类型进行转型，同时非结构化的数据类型在整体数据类当中占据了较大的比例。
（四）样本选取与标准确定的难度较大
1.对非结构数据的关注程度较低
样本的数量逐渐呈现出了成倍增长的趋势，同时还会在数据处理的过程中，受到“零散化”发展形式的阻碍。在长期的统计学学科知识结构的革新过程中，由于数据属于结构化的形式，而传统学科的概念设置则是面对非结构数据，导致数据处理工作难以被有效落实，同时也无法在大数据时代背景的影响下提取有效的数据信息。造成此类现象的原因，主要是由于现阶段对于非结构数据的关注程度较低导致的。
2.样本之间缺乏关联性
样本在统计学当中具有重要作用，而样本的统计主要与主体对象的特点和关系有关，但在大数据时代的影响下，各个样本之间的联系逐渐被弱化，且关联性不强。在一般情况下，统计学属于样本集合的概念，但在大数据时代的影响下，使数据的来源呈现出了多样化的特点，并通过对多种角度的论证，保障了统计数据的合理性，进而对统计学相关内容的研究工作提出了更高的要求。 三、大数据时代下变革统计学学科的有效措施
数据变革是大数据时代在转型过程中的必然要求，促使统计学学科内容摒弃了传统形式的局限，而更新了学科方面的内容。传统的统计学学科不断被完善，并逐渐朝着成熟化的方向发展，为了能够打破传统统计学在实施过程中时间耗费等方面的局限性问题，还应在信息资源的收集过程中，利用网络计算的形式，保障结果的准确性，在提高整体的效率基础上，优化统计学学科模式。
（一）加强统计学学科建设
统计学学科还具有很强的实用性，并且属于综合类的学科知识，在社会建设与发展的过程中，企业应加强对员工的管理，促使其能够熟练的掌握关于统计学学科的方法和技巧，切实满足现阶段社会对于专业统计学人才的需求。此外，相关单位还需要加强对统计学学科的建设力度，并以提高统计学学科教学水平以及课堂效率为目的，将统计学学科建设工作的重点放在对数据的收集以及应用能力的培养过程中。与此同时，员工还需要在培训以及学习的过程中，选取多样化的学习方法，加强自身的实践操作能力，进而通过对有效经验的积累，保障员工在发展的过程中，能够适应大数据时代的转型需求，进而为社会提供充足的实用性人才支撑。
（二）更新统计学学科内容
大数据技术的革新需要打破传统计算机技术的局限，并依靠各种技术实现发展，在完善技术内容的同时，打造多元化的创新途径。传统的应用型统计学为了能够实现革新，并推动发展的进程，应结合其他的先进技术，针对统计学学科的内容进行整改。同时，在信息时代的发展背景影响下，通過加强对数据信息的收集、分析与处理，并对结果进行对比，在保障结果准确性的同时，全面化的掌握事态的变化，进而延长应用型统计学学科的实用周期。结合统计学学科的理论体系以及思维方法，可以在分析数据的同时，保障统计结果的准确性，进而实现对统计学学科内容的创新。
（三）加强统计学思维建设
进一步加强统计思维的建设力度，帮助统计人员树立思维意识，在大数据时代的建设过程中，强化统计学与大数据之间的关联性，进而加大对员工思维的培训力度。此外，通过对员工统计学学科思维意识的培养，不仅能够帮助员工更好的分析、整理并归纳有效的数据信息，避免员工在工作的过程中出现盲目性的特点。同时，员工还可以在学习统计学学科思维的基础上，找出数据之间的关联性与规律性，使统计思维意识的建立能够帮助员工积极的面对大数据时代背景下，在数据统计过程中的复杂化问题，进而养成良好的思维模式。
四、结语
结合统计学学科的培养要求以及大数据时代的发展背景进行深入分析，针对现阶段统计学学科所面临的挑战进行探讨，明确在革新过程中的问题与不足，进而提出有效的整改策略。在大数据时代的深入发展过程中，为统计学学科的转型带来了新的机遇，促使其能够在紧抓机遇、实现创新的基础上，积极的应对时代挑战。此外，及时的摒弃传统统计方法在数据处理过程中的局限性，并结合计算机技术的优势，发挥分布式数据以及数据流的应用优势，进而树立灵活创新意识，确保统计方法能够顺应时代需求。
（作者单位：延边大学）