论文部分内容阅读
【摘 要】随着信息技术与应用统计学理论的深入发展，数据分析能力已成为现代应用统计学专业人才应当具备的基本技能之一。大规模、高速性和多样性的海量数据对人类数据分析能力提出了全新的挑战，对数据分析实践教学模式提出了新的要求。本文在分析了传统的数据分析实践教学模式的弊端和不足的基础上，提出了数据分析实践教学模式改革措施，使得应用统计人才培养在大数据时代抓住先机，提高就业的竞争力。
【關键词】大数据；数据分析；教学模式改革
【中图分类号】G712 【文献标识码】A
【文章编号】2095-3089（2019）05-0025-01
引言
最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产要素。人们对于海量数据的挖掘和运用，预示着新一波生产率和消费者盈余浪潮的到来。”
大数据是指不限量的数据，是基于现代信息技术与方法记录的全体数据，其基本特征是尽可能地包含数据，它与样本容量无关，只与信息来源的数量和存储量有关[1]。随着计算机技术的发展，带来了数据的爆发式增长，数据量已经从TB（1TB=1024GB）级别跃升到PB（1PB=1024TB）、EB（1EB=1024PB）乃至ZB（1ZB=1024EB）级别。海量的数据以分布式方式进行存储，特别是文本、音频、图片、视频等非结构化数据的广泛存在，导致传统的统计方法和统计分析工具已无法满足大数据分析的需要，对人类处理与分析数据的能力提出了新的要求。在此背景下本文结合大数据时代对数据分析人才的要求及传统数据分析实践教学模式存在的问题进行阐述，进而探讨将大数据分析技术和统计分析技术相结合的实践教学模式，以培养学生的大数据分析能力，提高学生就业的能力。
一、大数据时代对数据分析人才的技能要求
大数据在数据形态、存储形式、处理技术有等方面，都与传统数据有明显区别，对人类处理与分析数据的能力提出了新的要求，大而复杂的数据使得传统的数据处理及统计分析工具已不能适应大数据时代的挑战，也对应用统计专业人才能力培养提出了新的要求。
大数据背景下的数据分析人才需求是复合型人才，能够对数据、统计学、数据分析、机器学习和自然语言处理等多方面知识综合掌控，分析和挖掘数据价值。根据《2016年中国互联网最热职位人才报告》显示，数据分析人才最为稀缺，其中最为欠缺的数据人才主要有两种：数据处理人才和数据分析人才。
数据处理人才主要负责数据处理的全过程，即数据的获取、存储、清洗、加工、建模和传输等。数据分析人才主要负责对大数据进行价值挖掘，包括对数据统计结果的甄别与分析，对数据分析结果的评估与展示，对用户数据的需求的判断与反馈。
二、传统数据分析实践教学模式存在的问题
传统的数据分析实践教学一般采取的方式是教师讲解、演示，然后学生跟着练习，这种教学方式存在的不足主要体现以下两个方面：一是如果有的同学当堂没有掌握就很少有办法去重新学习掌握；二是学生练习的操作案例不够与时俱进，导致学生学习知识、操作技能的积极性不高。
传统的教学模式通常局限于课堂上，教师的讲解演示常常会受到时间的限制，导致理论无法讲解深入透彻，学生对理论理解不透彻，则导致理论与实践相脱节。
传统的教学模式中，课堂教学案例来源于行业的真实数据资源少，特别是适合分析的大数据，同时校内外相关实习、实践、实训资源少，导致学生在解决实际问题上的能力欠佳。
三、数据分析实践教学模式改革与实践
针对传统数据分析实践教学模式存在的弊端和不足，本研究在调整和改革现有人才培养方案的基础上，探索能够满足现有数据分析需求的人才培养模式，使得数据分析人才的培养在大数据时代抓住先机，从而提升就业的竞争力。为了实现这个目标，具体措施如下：
首先，对现有大数据分析理论进行梳理，厘清新数据分析方法与传统数据分析理论之间的区别与联系，培养学生的数据分析思维。在教学团队的努力下，现已具备机器学习案例录屏53个，供学生学习。
其次，从应用角度设置应用统计专业课程体系与内容，培养学生数据分析能力。通过统计案例分析实验课程和短学期数据可视化课程，培养学生搜集数据、整理数据、分析数据、呈现数据的基本能力，并将这些能力应用于解决实际工作的具体问题。同时，在团队教师的努力下，成立了Kaggle小组，指导学生主动参与Kaggle里面的竞赛项目，进一步提升学生数据分析的能力。
最后，将大数据分析人才培养目标与行业应用相结合，培养复合型应用人才。通过校友资源，将实际应用中的数据做成案例，通过案例分析，增长学生解决实际问题的能力。同时，我们依托产学研合作的多家实习基地，开展数据分析实习、实践，增强学生数据分析的应用能力，同时反馈我们的实践教学。
通过教师的讲授和视频学习相结合的方式学习理论，进而理论指导实践，实践中进一步夯实基础，切实践行陶行知先生提出的“教学做合一”。借助产学研实习基地，以现实应用中的实际问题为主要任务，开展实践教学，以实践为中心，通过实际的实践学习理论、巩固理论，在实践中传授理论方法，增强学生解决实际问题的能力及理论的应用能力，提升我校的数据分析实践教学水平，进而提高我校人才的培养质量，提升就业竞争力。
参考文献
[1]李金昌.大数据与统计新思维[J].统计研究，2014（1）：10-17.
[2]刘春杰.大数据时代统计学教育面对挑战的应对[J].凯里学院学报，2015（3）：29-32.
[3]崔璐云.基于大数据时代背景对统计学教育的几点思考[D].首都经贸大学硕士学位论文，2014.
[4]陈火弟，刘光萍，罗泉龙.高校课程群建设与课程组构建的研究与实践——兼论东华理工大学数信学院课程群建设与课程组构建实施方案[J].东华理工大学学报：社会科学版，2008（1）：67-72.
作者简介：吴佳（1989.02-），女，上海立信会计金融学院，汉族，江西樟树，硕士研究生，助教，研究方向：机器学习。
【關键词】大数据；数据分析；教学模式改革
【中图分类号】G712 【文献标识码】A
【文章编号】2095-3089（2019）05-0025-01
引言
最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产要素。人们对于海量数据的挖掘和运用，预示着新一波生产率和消费者盈余浪潮的到来。”
大数据是指不限量的数据，是基于现代信息技术与方法记录的全体数据，其基本特征是尽可能地包含数据，它与样本容量无关，只与信息来源的数量和存储量有关[1]。随着计算机技术的发展，带来了数据的爆发式增长，数据量已经从TB（1TB=1024GB）级别跃升到PB（1PB=1024TB）、EB（1EB=1024PB）乃至ZB（1ZB=1024EB）级别。海量的数据以分布式方式进行存储，特别是文本、音频、图片、视频等非结构化数据的广泛存在，导致传统的统计方法和统计分析工具已无法满足大数据分析的需要，对人类处理与分析数据的能力提出了新的要求。在此背景下本文结合大数据时代对数据分析人才的要求及传统数据分析实践教学模式存在的问题进行阐述，进而探讨将大数据分析技术和统计分析技术相结合的实践教学模式，以培养学生的大数据分析能力，提高学生就业的能力。
一、大数据时代对数据分析人才的技能要求
大数据在数据形态、存储形式、处理技术有等方面，都与传统数据有明显区别，对人类处理与分析数据的能力提出了新的要求，大而复杂的数据使得传统的数据处理及统计分析工具已不能适应大数据时代的挑战，也对应用统计专业人才能力培养提出了新的要求。
大数据背景下的数据分析人才需求是复合型人才，能够对数据、统计学、数据分析、机器学习和自然语言处理等多方面知识综合掌控，分析和挖掘数据价值。根据《2016年中国互联网最热职位人才报告》显示，数据分析人才最为稀缺，其中最为欠缺的数据人才主要有两种：数据处理人才和数据分析人才。
数据处理人才主要负责数据处理的全过程，即数据的获取、存储、清洗、加工、建模和传输等。数据分析人才主要负责对大数据进行价值挖掘，包括对数据统计结果的甄别与分析，对数据分析结果的评估与展示，对用户数据的需求的判断与反馈。
二、传统数据分析实践教学模式存在的问题
传统的数据分析实践教学一般采取的方式是教师讲解、演示，然后学生跟着练习，这种教学方式存在的不足主要体现以下两个方面：一是如果有的同学当堂没有掌握就很少有办法去重新学习掌握；二是学生练习的操作案例不够与时俱进，导致学生学习知识、操作技能的积极性不高。
传统的教学模式通常局限于课堂上，教师的讲解演示常常会受到时间的限制，导致理论无法讲解深入透彻，学生对理论理解不透彻，则导致理论与实践相脱节。
传统的教学模式中，课堂教学案例来源于行业的真实数据资源少，特别是适合分析的大数据，同时校内外相关实习、实践、实训资源少，导致学生在解决实际问题上的能力欠佳。
三、数据分析实践教学模式改革与实践
针对传统数据分析实践教学模式存在的弊端和不足，本研究在调整和改革现有人才培养方案的基础上，探索能够满足现有数据分析需求的人才培养模式，使得数据分析人才的培养在大数据时代抓住先机，从而提升就业的竞争力。为了实现这个目标，具体措施如下：
首先，对现有大数据分析理论进行梳理，厘清新数据分析方法与传统数据分析理论之间的区别与联系，培养学生的数据分析思维。在教学团队的努力下，现已具备机器学习案例录屏53个，供学生学习。
其次，从应用角度设置应用统计专业课程体系与内容，培养学生数据分析能力。通过统计案例分析实验课程和短学期数据可视化课程，培养学生搜集数据、整理数据、分析数据、呈现数据的基本能力，并将这些能力应用于解决实际工作的具体问题。同时，在团队教师的努力下，成立了Kaggle小组，指导学生主动参与Kaggle里面的竞赛项目，进一步提升学生数据分析的能力。
最后，将大数据分析人才培养目标与行业应用相结合，培养复合型应用人才。通过校友资源，将实际应用中的数据做成案例，通过案例分析，增长学生解决实际问题的能力。同时，我们依托产学研合作的多家实习基地，开展数据分析实习、实践，增强学生数据分析的应用能力，同时反馈我们的实践教学。
通过教师的讲授和视频学习相结合的方式学习理论，进而理论指导实践，实践中进一步夯实基础，切实践行陶行知先生提出的“教学做合一”。借助产学研实习基地，以现实应用中的实际问题为主要任务，开展实践教学，以实践为中心，通过实际的实践学习理论、巩固理论，在实践中传授理论方法，增强学生解决实际问题的能力及理论的应用能力，提升我校的数据分析实践教学水平，进而提高我校人才的培养质量，提升就业竞争力。
参考文献
[1]李金昌.大数据与统计新思维[J].统计研究，2014（1）：10-17.
[2]刘春杰.大数据时代统计学教育面对挑战的应对[J].凯里学院学报，2015（3）：29-32.
[3]崔璐云.基于大数据时代背景对统计学教育的几点思考[D].首都经贸大学硕士学位论文，2014.
[4]陈火弟，刘光萍，罗泉龙.高校课程群建设与课程组构建的研究与实践——兼论东华理工大学数信学院课程群建设与课程组构建实施方案[J].东华理工大学学报：社会科学版，2008（1）：67-72.
作者简介：吴佳（1989.02-），女，上海立信会计金融学院，汉族，江西樟树，硕士研究生，助教，研究方向：机器学习。