传统统计学范文

摘要:基于大数据特征,统计学的抽样理论和总体理论的存在价值、统计方法的重构及统计结果评价标准的重建等成为统计学理论面临解决的首要问题.为适应大数据时代的发展,分析了大数据时代传统统计学所面临的机遇与挑战,对传统统计学的继承、发展和完善,重构大数据时代新的统计理论有其重要意义.

关键词:大数据;统计学;数据分析;抽样理论;理论

重构随着信息科学技术的高速度发展,当代获取和储存数据信息的能力不断增强而成本不断下降,这为大数据的应用提供了必要的技术环境和可能.应用大数据技术的优势愈来愈明显,它的应用能够帮助人类获取真正有价值的数据信息.近年来,专家学者有关大数据技术问题进行了大量的研究工作[1],很多领域也都受到了大数据分析的影响.这个时代将大数据称为未来的石油,它必将对这个时代和未来的社会经济以及科学技术的发展产生深远的意义和影响.目前对于大数据概念,主要是从数据来源和数据的处理工具与处理难度方面考虑,但国内外专家学者各有各的观点,并没有给出一致的精确定义.麦肯锡全球数据分析研究所指出大数据是数据集的大小超越了典型数据库工具集合、存储、管理和分析能力的数据集,大数据被Gartner定义为极端信息管理和处理一个或多个维度的传统信息技术问题[23].目前得到专家们认可的一种观点,即:“超大规模”是GB级数据,“海量”是TB级数据,而“大数据”是PB及其以上级别数据[2].

一些研究学者把大数据特征进行概括,称其具有数据规模巨大、类型多样、可利用价值密度低和处理速度快等特征,同时特别强调大数据区别于其他概念的最重要特征是快速动态变化的数据和形成流式数据.大数据技术发展所面临的问题是数据存储、数据处理和数据分析、数据显示和数据安全等.大数据的数据量大、多样性、复杂性及实时性等特点,使得数据存储环境有了很大变化[45],而大部分传统的统计方法只适合分析单个计算机存储的数据,这些问题无疑增加了数据处理和整合的困难.数据分析是大数据处理的核心过程,同时它也给传统统计学带来了巨大的挑战[6].产生大数据的数据源通常情况下具有高速度性和实时性,所以要求数据处理和分析系统也要有快速度和实时性特点,而传统统计分析方法通常不具备快速和实时等特点.基于大数据的特点,传统的数据统计理论已经不能适应大数据分析与研究的范畴,传统统计学面临着巨大的机遇与挑战,然而为了适应大数据这一新的研究对象,传统统计学必须进行改进,以继续和更好的服务于人类.目前国内外将大数据和统计学相结合的研究文献并不多.本文对大数据时代这一特定环境背景,统计学的抽样理论和总体理论的存在价值、统计方法的重构及统计结果的评价标准的重建等问题进行分析与研究.

1传统意义下的统计学

广泛的统计学包括三个类型的统计方法:①处理大量随机现象的统计方法,比如概率论与数理统计方法.②处理非随机非概率的描述统计方法,如指数编制、社会调查等方法.③处理和特定学科相关联的特殊方法,如经济统计方法、环境科学统计方法等[7].受收集、处理数据的工具和能力的限制,人们几乎不可能收集到全部的数据信息,因此传统的统计学理论和方法基本上都是在样本上进行的.或者即使能够得到所有数据,但从实际角度出发,因所需成本过大,也会放弃搜集全部数据.然而,选择最佳的抽样方法和统计分析方法,也只能最大程度还原总体一个特定方面或某些方面的特征.事实上我们所察觉到的数据特征也只是总体大量特征中的一小部分,更多的其他特征尚待发掘.总之,传统统计学是建立在抽样理论基础上,以点带面的统计分析方法,强调因果关系的统计分析结果,推断所测对象的总体本质的一门科学,是通过搜集、整理和分析研究数据从而探索数据内部存在规律的一门科学.

2统计学是大数据分析的核心

数的产生基于三个要素,分别是数、量和计量单位.在用数来表示事物的特征并采用了科学的计量单位后,就产生了真正意义上的数据,即有根据的数.科学数据是基于科学设计,通过使用观察和测量获得的数据,认知自然现象和社会现象的变化规律,或者用来检验已经存在的理论假设,由此得到了具有实际意义和理论意义的数据.从数据中获得科学数据的理论,即统计学理论.科学数据是通过统计学理论获得的,而统计学理论是为获得科学数据而产生的一门科学.若说数据是传达事物特征的精确语言,进行科学研究的必备条件,认知世界的重要工具,那么大数据分析就是让数据最大限度地发挥功能,充分表达并有效满足不同需求的基本要求.基于统计学的发展史及在数据分析中的作用,完成将数据转化为知识、挖掘数据内在规律、通过数据发现并解决实际问题、预测可能发生的结果等是研究大数据的任务,而这必然离不开统计学.以大数据为研究对象,通过数据挖掘、提取、分析等手段探索现象内在本质的数据科学必须在继承或改进统计学理论的基础上产生.

摘要：基于大数据时代对统计学广泛而又深远的影响，文章针对大数据时代统计学课程创新创业教学行动变革过程中存在的问题，结合教学实践，并提出一些相应的教学行动变革建议与思考。

关键词：大数据时代；大统计学；教学行动变革

随着大数据时代的到来，统计学显得日益重要。追溯到2011年，统计学科已被国务院学位委员会设置为一级学科[1]，其重要性由此可见一斑。如今的统计学现处于大数据时代的风口浪尖，依然是关于数据科学的重要学科。统计学在各大院校的发展如火如荼，如何使统计学教学更好地适应大数据时代的发展要求？如何培养符合大数据时代要求的人才？如何在大数据时代实施统计学创新创业教学行动变革？这是统计学教育一线的同仁们必须面对的现实问题。

一、大数据与大数据时代

“大数据”一词最早始于1980年在《第三次浪潮》中由美国著名未来学家阿尔夫•托夫勒提出，2008年9月“BigData:ScienceinthePetabyteEra”在《科学》（Science）杂志发表，这是“大数据”这个词开始被广泛传播的开端。2011年6月，IDC研究报告《从混沌中提取价值》提出的三个基本论断奠定了大数据的理论基础。几乎与此同时，全球知名咨询公司麦肯锡了《大数据：创新、竞争和生产力的下一个前沿领域》研究报告，这是大数据时代到来的标志。从目前来看，我国大数据的理论研究和应用研究起步较晚，学术界、企业界及政府部门对该领域的重视程度前所未有。北京大学教授耿直称狭义大数据是指一个大样本和高维变量的数据集合；广义是指涵盖多学科领域，是一种多源、混合的数据集合[2]。厦门大学教授朱建平等从统计学观点出发，认为大数据指那些超过传统数据系统处理能力、超越经典统计思想研究范围、不借用网络无法用主流软件工具及技术进行单机分析的复杂数据的集合[3]。所谓大数据时代指涵盖多学科领域的巨量数据资源通过互联网、云计算等现代网络工具实现数据存储、价值提炼、智能处理和反馈的信息时代。

二、大数据对统计学发展的影响

随着大数据时代的来到，统计学工作者面临的最大考验就是如何深度开发和利用海量数据信息。一方面大数据的兴起对统计学的固有范式产生了重大影响，要求统计学能够解决更多、更复杂的问题，因为传统统计学力不能及，这是统计学在大数据时代所面临的挑战；另一方面，大数据促生了统计学新的生命力，要求统计学既要在理论上又要在方法上必须做出创新，这是大数据时代为统计学提供的机遇。并且，大数据将促使传统统计学对研究具体问题的方式、方法发生相应改变，不仅改变其统计研究的工作流程，而且改变统计学研究具体科学的深度和广度。但是，大数据并没有改变其作为“数据”的本质，因此大数据也不会改变统计学的性质，即统计学依然是处理数据的有效工具。从而，就统计学层面而言，大数据带来的既有挑战又有机遇，同时也必将壮大统计学的生命力[3]。例如北京大学陈松蹊教授指出，大数据的出现将对统计学的随机抽样、因果分析和数据维度等方面在研究方法和计算上提出了一系列的挑战，但无疑也带来了许多机遇，诸如数据分析技术的开发、隐含关系与规律的发现，以及利用大数据技术提高官方统计的精准度和可信度等。由此不难发现与大数据时代相匹配的是统计学应该是“大统计学”，即利用大数据信息进行统计推断的艺术和科学。

三、大数据对统计学教学的影响与应对策略

作为经济类和管理类专业的基础必修课程，传统统计学课程一般沿袭保守的“数学证明+手工计算”统计教学模式。计算过程繁琐，手工绘制统计图表也不够精确和美观，这些都影响学生的学习兴趣和学习效果。采用SPSS软件作为教学平台，不仅极大改变了该门课程的教学方式和学习方式，SPSS作为新出现的教学要素，给统计学课程的理念、目标、框架带来了不同视角。

一、基于SPSS的统计学课程框架

传统统计学课程框架是典型的学科中心课程，其特征是将课程内容按知识的逻辑结构关系组织在一起，追求知识的完整性、系统性，强调知识的传授、信息获得和记忆，忽视对学生的技能训练，难以达到将理论用于实践的目的。SPSS在教学上的应用，给我们改革统计学课程提供了契机。新课程教学模式可概括为:以统计软件SPSS作为教学平台，以数据收集+统计学基本原理和思路+数据处理软件为核心。课程理念凝炼为“略去证明、讲清原理、依托软件、突出实用”十六字方针。具体表现在:(1)理论讲授着重“讲清基本原理，略去繁难的证明”，可分为数据搜集、数据整理、描述统计、统计指数、相关与回归等模块。统计学理论的讲授以“必需够用”为原则。(2)上机实践环节强调“依托SPSS，突出实用”，要求学生熟悉SPSS的操作基本流程:打开数据文件、确定统计程序、指定统计变量、解释统计结果。采用多媒体教学手段，以计算机软件为主要教学工具。着重培养学生的实践操作技能，突出体现职业教育的技能性、应用性。课程改革目标是培养学生在专业领域中的数据分析能力，具体包括两个方面的内容:在掌握统计基本原理的基础上，培养学生的理性;以统计软件为依托，以专业典型数据分析任务为载体，培养学生的应用性。课程框架的特点不是介绍理论统计学的数学原理，而是侧重阐述统计方法的思路与思想，并辅以大量经济与管理的实例，通过SPSS统计软件实现具体统计步骤。SPSS软件是教学平台，整合各方面因素以有利于学生数据分析能力的培养。

二、统计学课程载体的选择和实现

有人认为课程载体是:“只要它能为你的教学目标服务，能承载你的教学内容，具体的存在物，载体是一个可望又可及的目标，在它被完成后，学生往往会有强烈的成就感。”选择课程载体有六个原则:承载课程教育目标;涵盖完整工作过程;涵盖后续岗位所需的职业素质要求;涵盖技术文档制作;涵盖成本核算;涵盖过程考核与综合考核。我们认为统计学课程载体就是承载一定职业能力的任务或项目，学生通过完成任务或项目，养成数据分析能力。课程载体的选择必须在专业典型工作任务或项目中寻觅。不同专业的统计学课程基本理论可以一样，但其课程载体必须体现不同的专业性。以会计专业统计课程为例，学习描述性统计分析时，以上市银行一些重要财务指标的会计信息与股票价值相关性研究为载体。

第一步，搜集数据。学生分小组搜集20～30家上市的金融银行类股票一定时刻的股票价格、流动比率、净资产负债比率、固定资产比率等财务指标。

第二步，数据录入。打开SPSS软件，进入“变量视图”，定义好变量。切换到“数据视图”中输入变量的具体取值。

第三步，确定统计程序。点击“分析”、“描述统计”、“描述”，打开“描述性”对话框。第四步，指定统计变量。将“流动比率”、“净资产负债比率”等选入“变量”列表。单击选项按钮进入“描述:选项”对话框，如图1所示。第五步，结果解释。结合统计学知识和专业知识，学生可从平均股价、净利润等统计指标看我国银行业经营状况。会计专业学生通过SPSS完成上述任务，加深对描述统计理论知识的认识，也与未来工作中的典型任务相结合，体现了统计学课程的技能性、应用性。区别于传统模式，改革后的统计学课程由不同的任务或项目组成，用SPSS加以实现。

［摘要］伴随着互联网信息技术发展的日新月异，这推动应用统计学向金融领域日益融合。这些变动给高校应用统计学专业的发展带来难得机遇，同时在现实的教学实践中，也出现了情势不一的困境。有效化解这些困境需在数学改革中凝练专业方向、搭建交流平台、明确发展规划、构建教学相长的教学模式等。

［关键词］应用统计学;金融;教学

伴随着高校办学竞争的加剧和社会对于人才需求的迫切，部分地方院校专业的发展也进入了调整组合的新时期。目前部分地方高校依托传统的学科优势，结合日新月异的新学科发展，开设了一些具有交叉学科性质的新专业，确立了新的研究方向，诸如高校应用统计学(金融统计方向)专业。本文结合笔者的教学和思考，围绕当前国内高校该专业的发展现状，关于应用统计学(金融统计方向)专业的前景形成了一些粗浅的认识，以求教于学界和同行。

1应用统计学开设的必要性

应用统计学发展的广袤前景。当前大数据时代的到来，引发了不同学科的重构。这同样让传统统计学也开始走入到了“寻常百姓家”。从2014年11月29日至30日，在中国人民大学召开的首届“大数据与应用统计国际会议”上可以看出，大数据的到来引发了传统统计学的一次革命。目前在天文学、基因学、宇宙学、流行病学、经济金融学、生命科学和工程学等领域中均得到了广泛的应用［1］。同时当前依托网络的金融创新工具也异军突起。而金融统计侧重于以货币信贷及金融运行为研究对象，综合运用统计学、计量经济学、金融学等相互交叉的一门学科。从该定义可以看出，金融统计更强调实践性和应用性。放在应用统计学的语境下，其特殊性是不言自明的。寻求二者之间的差异化，填补地方高校办学中的“红海”困境，构建高校办学的“蓝海”战略，是当前地方高校实现跨越发展的题中之义。从当前的发展来看，应用统计专业(金融统计方向)的毕业生也得到了人才市场的认可，同时人才市场也反馈出了渴求的信号。据财经网“阿里云联合8高校开新专业3年培养5万数据工作者”报道，LinkedIn网站在全球调查得知，统计分析和数据挖掘技能是2014年最受雇主喜欢的项技。［2］为此在目前高校办学竞争日趋加剧的环境下，部分地方院校结合自身的学科特点，整合资源，办好应用统计学(金融统计方向)专业，就显得尤为必要和迫切。

2现实场域中的尴尬

1、跨学科教学的尴尬。担忧两层皮教学，顾此失彼。现实场景下，从教师维度来看，由于部分教师，在授课过程中，要不来自于纯粹数学领域，要不来自于金融学学科，在教学中，缺乏跨学科、重实践的丰盈厚重的教学经验。授课过程中，较容易出现教学的顾此失彼现象。即要不过于偏重数学理论，而忽视了金融学领域;要不过于倚重或者强调金融知识，而弱化了统计学。从学生维度，研究显示，该专业的学生兴趣点偏向于金融方面，将统计和其他知识视为了金融的辅助。［3］在选取该专业的动机上，也体现出了一定的世俗色彩与功利性动机。显然，这与该专业的人才培养目标定位是不吻合的。

2、职称评审中的尴尬。对于高校教师而言，研究方向的聚焦，便于科研成果的涌现和爆发，也有助于个体教师的专业发展。而一些高校该专业的教学就存在如下的尴尬。由于跨学科的专业设置，在授课老师的选取上，受到了一定局限。目前的授课教师，主要还是依托于传统数学学科的教师，该学科的教师在职称走向上，主要是数学领域。而金融学教师讲授该专业课程，就略微显得尴尬了。尤其在金融经济类职称的申报上就无形中受到了弱化边缘。现实情境造成了目前该专业教师队伍的单一或者“近亲化”现象，部分一线教师存在边讲边学的处境。这对于该专业的整体把握、优化发展是不利的。

IT、互联网行业对统计类人才需求较大，占全部调研行业需求的35%；同时，约有1/5的用人需求体现在金融行业；房地产行业与服务业分别占1/10。结合上述行业自身特点与用人需求比例，统计类人才招聘主要集中在新兴行业，其中以技术类互联网行业为首。上述25542个统计相关岗位中，对高中以下及硕士以上学历员工需求较少，均不足10%；专、本科学历员工需求量较为突出，占全部需求的近4/5；其中，约有11622个岗位要求大专及同等学历，即符合高职高专学历的岗位约占全部岗位的45.5%。根据企业招聘岗位对学历要求，高职高专学生符合近50%岗位需求。

从统计类人才岗位分布看（表3），统计类相关岗位辐射了各个行业、各个部门，充分体现出企业对于人才需求的多层次、多样化。同时，统计技能在公司内部各岗位有着不可或缺的地位。根据智联招聘网站数据（如表4），企业对统计专员岗位需求量尤为突出，占全部岗位比重的近1/2。通过对上述岗位的岗位职责的具体分析，低层次统计人员，如统计专员岗位，在企业内部大多从事简单的数据资料收集、录入及报表汇总等技能性工作，工作中基本不涉及统计算法研究；相反，对中高层统计人才需求量相对较小，主要集中在管理岗及部分高端技术岗位，如数据经理、数据分析专家、首席数据官等。这些岗位要求员工掌握夯实的统计理论、扎实的统计算法技术及具备丰富的从业经验。通过上述职业岗位群分析，目前就业市场需要更多掌握统计技能而非专业统计理论算法的人才。因此，掌握基本的统计技能是高职高专学生毕业后迈向社会求职的基础。

一、理论实践一体化教学法在统计课中的改革

通过对课程内容的模块化，把理论知识教学与技能训练相结合，以突出培养学生的职业技能为本。课程内容与要求、进度与教学环节设置均满足职业技能训练。21世纪是知识经济高速发展的时代。当下需要更多掌握新技能、适应新形式的高素质实用型人才。学校作为学生的良师益友、企业的合作伙伴，必须准确定位，根据社会需要和自身特点，在顺应时展、迎合企业用人需求的基础上，突出职业教育特色，培养出既有理论知识，又有较高实际操作能力的复合型高技能人才。传统统计学的纯理论教学已不适用。课程教学重心应偏向实践，做到理论结合实践，狠抓学生能力培养。

1．改革课程结构

传统学科型培养模式与企业用人需求之间的差距，体现出学生动手能力弱，综合能力差，适应工作岗位慢等短板。通过调研，统计类岗位需要学生了解统计学的基本概念，掌握统计数据的采集、整理、描述方法，熟练绘制统计图和统计表。根据岗位要求，将上述统计学课程知识转化为正确数据采集能力、准确信息分析能力、灵活软件操作能力，意在培养学生基本职业素质——数据敏感力、市场洞察力、统计分析的严谨力及吃苦耐劳精神。理论实践一体化教学打破了传统的章节式教学模式，改为知识模块式与操作模块式同行的教学方式，着重培养学生运用专业知识解决实际问题的能力。知识模块主要介绍统计的产生、发展，统计的研究对象、基本概念等。操作模块是通过Excel、SPSS等配套统计软件，集中讲解统计调查实施、数据整理、指标计算、统计分析报告的撰写等内容。这种模块式教学做到了以学生职业技能与就业能力为基础，教学计划以企业岗位要求为基础，配以大量现场教学，教学进度因学生自身而设定，教师起辅助指导作用，立足学生全面素质的提升。

2．突出能力培养

理论实践一体化教学法引入案例教学，鼓励学生独立思考，引导学生由注重知识到注重能力的转变。教师运用PDCA循环对案例教学进行有效控制。P（Plan）——计划：精选案例；D（Do）——执行：讲解案例、拓展案例；C（Check）——检查：评价教学；A（Action）——处理：发现问题，改进案例；在案例教学实施中，通过优秀案例展示，学生首先对案例产生学习兴趣。教师对案例进行重点、难点讲解后，学生明确了学习目标。通过案例学习，学生加深对教学内容的理解，学会模仿案例，自主研究，以达到锻炼学生思考问题、分析问题的能力。

摘要：为适应大数据时代对高素质人才的需求，依据大数据的内涵及其体现出的特征，通过对当前普通高校工商管理类专业统计学教育的深入探究，发现工商管理类专业统计教育应该从教师专业素养、课程体系与教学内容、教学手段与方法等方面进行调整与改革，与时俱进，做到人才培养与社会需求的良好衔接.

关键词：大数据；工商管理类专业；统计学；教学改革

2012年，教育部出版的《普通高等学校本科专业目录和专业介绍》明确了统计学在经济管理等专业的基础核心课程的地位.统计学不仅为工商管理类专业学生学习其他相关课程提供必不可少的统计理论与方法，通过理论、实验及社会实践等各个教学环节相结合，逐步培养学生的计算能力、抽象思维与逻辑推理能力、分析与解决问题能力、理论与实践相结合的综合运用能力等.随着互联网、大数据时代的来临，社会对于工商管理类学生在数据处理方面提出了更高的要求.

1大数据的内涵与特征

大数据是计算机等电子信息技术高速发展下的产物，这一概念最早出现在阿尔夫•托夫勒1980年出版的《第三次浪潮》之中.由此，大数据在中国引起广泛关注，成为众人周知的概念.1.1大数据的内涵大数据是相对于传统数据而言的，是一个较为宽泛的术语，众多学者从不同视角对“大数据”的内涵与特征进行了阐释.维基百科的定义是：大数据指的是所涉及的资料规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理，并整理成为帮助企业经营决策更积极目的的资讯.［1］美国咨询机构麦肯锡给出的定义是：大数据是一种规模庞大，在一定时间内无法用传统数据库软件工具获取、存储、管理、分析的数据集合.朱建平、章贵军等（2014）提出，广义的大数据应从数据结构和数据处理技术两个角度分析，其给出的定义为“大数据指那些超过传统数据系统处理能力、超越经典统计思想研究范围、不借用网络无法用主流软件工具及技术进行单机分析的复杂数据的集合”［2］.耿直（2014）认为，狭义的大数据“是一个大样本和高维变量的数据集合”，广义的大数据不仅量大，而且包括各种结构类型、涵盖多学科领域各种项目数据集的重叠是一个“数据的海洋”［3］.英国学者维克托•迈尔•舍恩伯格在其著作《大数据时代》中提出了大数据时代的数据信息分析处理出现三个重要的转变，这三个重要转变可以理解为：大数据的规模庞大、样本即为全部数据以及数据本质追踪不仅限于因果关系等新特点［4］.还有一些学者Grobelink•M（2012）［5］、Brian•Hopkins、Boris•Evelson（2012）和刘念真（2013）等是从特点出发描述了大数据.Grobelink（2012）认为大数据具有三个特点，即大量性（Volume）、高速性（Velocity）、多样性（Variety），又称3V特点［6］.刘念真则认为大数据除了具备Grobelink的3V特点外，还具价值性（Value）和真实性（Veracity），即五V特点［7］.学者们阐述大数据内涵的观点主要分为以下几个类型：一是从大数据赖以存在的技术角度进行大数据定义；二是主要从数据规模、数据结构等角度定义了大数据；三是两个角度合二为一进行了定义；四是并未给出清晰的定义，但通过分析大数据的特点对其进行了界定.虽然视角不同，但通过众多学者的分析，让我们对大数据这一新生事物有了较为清晰、全面的理解.借鉴中外学者的观点，本文对大数据理解为：大数据是一种拓展边界的数据集合，不仅包括传统的数字，还包括大量文字、符号、视频、音频、图片等半结构化、非结构化的数据，其规模庞大，所蕴含的信息及价值提取困难，是一种依附现代信息技术进行收集、存储、处理、分析的以信号为基础的数据.1.2大数据的特征根据大数据产生的时代背景以及对其内涵的理解，我们认为大数据具有以下五个特征：（1）容量巨大.大数据的首要特征是量大.随着电子信息技术的快速发展，计算机网络遍布全球各个角度，云计算平台、分布式数据库、分布式文件系统、互联网和可扩展的存储系统等技术的快速发展，为大数据收集、存储、处理、分析提供了技术支撑平台.随着电脑、智能手机、平板电脑等网络工具的普及，数据来源与范围不断拓展，数据规模以惊人的速度增长.（2）类型多样化.传统数据以结构化数字数据为主，在大数据时代，数据不仅包括传统数字，还包括大量的文字、图片、音频、视频、符号、代码等半结构化、非结构化的数据.据IDC的调查报告显示：“企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%”［8］.（3）数据获取的高速性.大数据获取的高速性是相对于传统统计数据而言的.传统的统计数据获取渠道主要是专门调查，以时间较短的抽样调查为例，需要明确对象、制定方案、实施调查等具体内容，调查的时间周期较长.而大数据的获取是依托现代信息技术、互联网等完成，在明确目标的前提下，几乎可以在以秒为单位的时间内完成.（4）大数据价值巨大.大数据的价值不仅仅是本身信息数量的庞大，更是通过对这些庞大信息进行专门的技术处理，抓取信息蕴含的意义，进而获得有意义信息带来的价值“增值”.随着技术不断进步，这种价值增值呈现出低成本高收益的特质，这必将带动大数据产业更加快速的发展.（5）数据具有可变性.大数据的可变性主要表现在以下几个方面：数据总体的可变性.从动态角度看，大数据总体是一个不断变动的集合.一般情况下，大数据总体仅是某一个时间截面样本；数据的含义的可变性.即数据含义的非单一性，相同的文字、符号、图片等可能具有不同的含义，这样无疑加大了数据处理、管理的难度；数据来源的变动性.大数据时代数据收集主要利用网络技术、电脑、手机等工具，这些数据载体的使用并未覆盖所有的人群，当然也未覆盖所有人类的行为，因此，这些数据的价值与意义具有一定局限性［9］.

2大数据对工商管理类专业统计学课程教学的影响

随着计算机、互联网等技术的普及，大数据的应用日益广泛，如何拓展大数据时代的统计思想、统计理念，使当今的高等教育接受者能够更好地掌握先进、实用的大数据收集、管理、分析的技术与方法，成为满足时代需求的人才，是当今高校应用统计教育的重大挑战.对高校传统统计学教育，挑战主要表现在以下几个方面.

2.1对任课教师的专业素质提出了更高的要求

摘要：学生运用统计学方法分析问题能力的培养已经逐渐引起人们的重视。本研究以湖南文理学院经济与管理学院为研究对象，列举统计学课程教学中存在的一些问题，基于社会实践与毕业设计导向，提出统计学实训课程改革的一些方案，并将改革运用于实践教学，追踪调查了解其方案实施的效果，以此为今后统计学教学改革提供参考借鉴。

关键词：统计学；课程改革；社会实践；毕业论文

一、前言

自2014年教育部提出“加强高校实践环节的教育，进一步将教学与实际相结合”以来，高校教学的人才培养模式就一直在不断完善，越来越多的大学课程已增设实训环节。大学生实践与分析能力的提升通常作为人才筛选的评判标准，是培养创新思维的基础，也是判断当下实训课程改革是否成功的依据，在大学生综合素质培养中起着十分重要的作用。然而，从现有大学生社会实践报告和毕业论文中来看，大学生真正运用统计方法分析现实问题的能力还有待提升。学生普遍反映开设的《统计学》课程更多是以案例的形式进行讲解，缺少针对实际问题的解决方法。本文以湖南文理学院经济与管理学院为研究对象，对统计学课程进行创新设计，在传统统计学课程基础上，引入实践与分析环节，培养学生的动手操作能力和解决问题的分析能力，并将统计学课程中所学知识应用到毕业论文设计和社会实践报告中，以此提升学生的综合素质能力。

二、统计学课程中存在的主要问题

1.教材缺乏数据包，打消学生实际操作的积极性传统的统计学教材中多以理论教学为主，案例实训操作也多以例题的形式展示，书本中课后习题往往缺乏相应的配套资源。统计学课程中的习题往往针对的是大样本（样本数量超过30个为标准），如果按照书中的例题进行操作，往往需要学生自行将样本数据手动录入软件，耗费大量的时间精力，既违背了以分析问题为宗旨的教学目的，也极大地打消了学生进行实际操作的积极性。

2.教材案例脱离现实，无法激发学生的兴趣统计学教材中所用案例较多偏离现实。纵观近年来统计学教材中所使用的案例，编者较多偏向于以管理者的视角对灯泡、机床零件、产品质量等生产环节进行分析。然而，多数学生在现实生活中是消费者的角色，从管理者的角度进行案例分析，对于学生而言不仅很难激发其学习的兴趣，而且容易于让学生形成“读书无用”的想法。

3.统计图表的规范性要求不能引起学生的重视对近三年的毕业论文进行随机抽查，在随机抽样的36篇经管类毕业论文中，仅有7篇毕业论文使用了统计图表，使用比例不足20%，若进一步考查其使用的规范性，则几乎全部不合格。对于这一现象，在学生的社会实践报告中也得出了相似的看法，调查结果几乎全篇都是以文字性叙述为主，通过数据分析得出结论的调查报告寥寥无几。

【摘要】大数据正在改变我们的生活以及理解世界的方式，那么以数据为研究对象的统计学该如何应对？高等院校经管类专业统计学教学该如何应对？本文基于大数据探讨经管类专业统计学教学模式创新，积极应对大数据时代的到来。

【关键词】大数据；统计思维；统计学

1引言

伴随着大数据时代的到来，各个科学领域都在大量地获取数据，人文社会科学领域收集来自经济、金融和人文的大量的观察和调查数据，自然科学领域收集从微观的基因数据到宏观的天文数据；不仅如此，《“十三五”国家战略性新兴产业发展规划》明确提出实施国家大数据战略，推进重点领域大数据高效采集、有效整合、公开共享和应用拓展；加快数据资源开放共享，建立健全数据资源交易机制和定价机制，保护数据资源权益；发展大数据新应用新业态，加强海量数据存储、数据清洗、数据分析挖掘、数据可视化等关键技术研发；强化大数据与网络信息安全保障。《物联网“十三五”发展规划》提出将突破数据采集交换关键技术、突破海量高频数据的压缩、索引、存储和多维查询关键技术作为关键技术突破工程之一。统计学作为一门分析数据的科学，研究如何收集数据、处理数据、分析数据和解释数据并从数据中得出结论。因此，在大数据时代背景下，统计教育工作者应以市场需求为导向，积极探索高等院校经管类专业人才培养模式。

2树立大数据思维

（1）大数据的认知思维。从来源上看，传统数据来的统计改革”。自试验或调查，数据的提供者大多是确定的；而大数据通常来源于互联网、物联网，某种意义上讲，大数据来源的微观基础是很难追溯的，或者说，大数据拓展了统计数据的来源，也扩展了统计研究工作的范畴。从类型上看，传统数据大多是以文本资料为主的结构型数据，而大数据更多是如图片、视频、音频、动画、地理位置等非结构型数据、半结构型数据或异构数据，数据类型具有多样性。从量化方式上看，传统统计学是根据一定的数据计算规范，如用平均数、方差等计算具体数值，同时数据的量化结果可直接用于各种运算与分析；而大数据如何量化、如何从中提取信息、如何与结构化数据对接是一个崭新的问题。（2）大数据的收集思维。传统数据的收集是先确定统计分析的目的，然后设计调查方案、执行每个流程，其往往是通过单一渠道进行收集和整理，投入大而数据量有限；而大数据的收集思维首先是充分利用大数据源，同时打破数据的时间和空间限制，凡是大数据源中能找到的数据，就不再需要进行专门的调查，这样让数据的收集更具广泛性和全面性。（3）大数据的分析思维。传统的统计分析过程是“定性——定量——再定性”，首先是靠经验判断找准定量分析的方向，再依据数据分析得出结论；大数据的统计分析过程可以简化为“定量——定性”，直接依赖数据分析做出判断、得出结论。大数据时代应主动利用现代网络信息技术和各种软件工具从大数据中挖掘出有价值的信息，并在此过程中丰富和发展统计分析方法。

3创新统计学教学模式

（1）案例、项目、微课等教学方式。传统的统计学教学方式以理论讲授为主，加之统计学的教学内容不可避免包含统计公式的推导，难以让学生产生浓厚的学习兴趣。大数据时代背景下的统计学是一门实用性很强的学科，统计学人才的培养应定位为具有相关交叉学科背景的综合型、应用型人才，应特别强调对数学、计算机、数据库等知识和技术的熟练掌握，基于此，案例分析、项目讨论、微课等教学方式提供更加自主的学习空间，积极引导学生的主动性，强调以学生为中心而不是以教师为中心，克服了传统教学单向灌输知识的局限，通过一系列相互关联的统计学项目、统计学案例、微课的实施，引导学生积极学习与思考，提高学生应用软件的能力和编程水平，更好地构建知识架构。（2）多导师制。大数据时代背景下，经管类专业统计人才的需求相比其它专业具有市场导向性强、行业分布广、专业水平高等特征，涉及数学、数据库、计算机编程语言、分布式计算、数据挖掘、数据可视化等相关专业课程，传统的单一导师制可能难以同时兼顾理论教学与实践指导工作，因此大数据时代背景下经管类专业统计人才的培养可以采用多导师联合培养的方式，切实解决学生学习中所遇到的各种理论或实践问题。同时大数据时代背景下经管类专业统计人才的培养非常有必要搭建灵活机动的“政、企、产、学、研”平台，相应地，经管类专业人才培养的主体包括大数据资源方、大数据统计分析人才需求方、拥有丰富理论和专业知识的科研院所等等。