摘要：為適應大數據時代對高素質人才的需求，依據大數據的內涵及其體現出的特征，通過對當前普通高校工商管理類專業統計學教育的深入探究，發現工商管理類專業統計教育應該從教師專業素養、課程體系與教學內容、教學手段與方法等方面進行調整與改革，與時俱進，做到人才培養與社會需求的良好銜接.
關鍵詞：大數據,工商管理類專業,統計學,教學改革
2012年，教育部出版的《普通高等學校本科專業目錄和專業介紹》明確了統計學在經濟管理等專業的基礎核心課程的地位.統計學不僅為工商管理類專業學生學習其他相關課程提供必不可少的統計理論與方法，通過理論、實驗及社會實踐等各個教學環節相結合，逐步培養學生的計算能力、抽象思維與邏輯推理能力、分析與解決問題能力、理論與實踐相結合的綜合運用能力等.隨著互聯網、大數據時代的來臨，社會對于工商管理類學生在數據處理方面提出了更高的要求.
1大數據的內涵與特征
大數據是計算機等電子信息技術高速發展下的產物，這一概念最早出現在阿爾夫·托夫勒1980年出版的《第三次浪潮》之中.由此，大數據在中國引起廣泛關注，成為眾人周知的概念.
1.1大數據的內涵
大數據是相對于傳統數據而言的，是一個較為寬泛的術語，眾多學者從不同視角對“大數據”的內涵與特征進行了闡釋.維基百科的定義是：大數據指的是所涉及的資料規模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理，并整理成為幫助企業經營決策更積極目的的資訊.[1]美國咨詢機構麥肯錫給出的定義是：大數據是一種規模龐大，在一定時間內無法用傳統數據庫軟件工具獲取、存儲、管理、分析的數據集合.朱建平、章貴軍等(2014)提出，廣義的大數據應從數據結構和數據處理技術兩個角度分析，其給出的定義為“大數據指那些超過傳統數據系統處理能力、超越經典統計思想研究范圍、不借用網絡無法用主流軟件工具及技術進行單機分析的復雜數據的集合”[2].
耿直(2014)認為，狹義的大數據“是一個大樣本和高維變量的數據集合”，廣義的大數據不僅量大，而且包括各種結構類型、涵蓋多學科領域各種項目數據集的重疊是一個“數據的海洋”[3].英國學者維克托·邁爾·舍恩伯格在其著作《大數據時代》中提出了大數據時代的數據信息分析處理出現三個重要的轉變，這三個重要轉變可以理解為：大數據的規模龐大、樣本即為全部數據以及數據本質追蹤不僅限于因果關系等新特點[4].
還有一些學者Grobelink·M(2012)[5]、Brian·Hopkins、Boris·Evelson(2012)和劉念真(2013)等是從特點出發描述了大數據.Grobelink(2012)認為大數據具有三個特點，即大量性(Volume)、高速性(Velocity)、多樣性(Variety)，又稱3V特點[6].劉念真則認為大數據除了具備Grobelink的3V特點外，還具價值性(Value)和真實性(Veracity)，即五V特點[7].
學者們闡述大數據內涵的觀點主要分為以下幾個類型：一是從大數據賴以存在的技術角度進行大數據定義;二是主要從數據規模、數據結構等角度定義了大數據;三是兩個角度合二為一進行了定義;四是并未給出清晰的定義，但通過分析大數據的特點對其進行了界定.雖然視角不同，但通過眾多學者的分析，讓我們對大數據這一新生事物有了較為清晰、全面的理解.借鑒中外學者的觀點，本文對大數據理解為：大數據是一種拓展邊界的數據集合，不僅包括傳統的數字，還包括大量文字、符號、視頻、音頻、圖片等半結構化、非結構化的數據，其規模龐大，所蘊含的信息及價值提取困難，是一種依附現代信息技術進行收集、存儲、處理、分析的以信號為基礎的數據.
1.2大數據的特征
根據大數據產生的時代背景以及對其內涵的理解，我們認為大數據具有以下五個特征：
(1)容量巨大.
大數據的首要特征是量大.隨著電子信息技術的快速發展，計算機網絡遍布全球各個角度，云計算平臺、分布式數據庫、分布式文件系統、互聯網和可擴展的存儲系統等技術的快速發展，為大數據收集、存儲、處理、分析提供了技術支撐平臺.隨著電腦、智能手機、平板電腦等網絡工具的普及，數據來源與范圍不斷拓展，數據規模以驚人的速度增長.
(2)類型多樣化.
傳統數據以結構化數字數據為主，在大數據時代，數據不僅包括傳統數字，還包括大量的文字、圖片、音頻、視頻、符號、代碼等半結構化、非結構化的數據.據IDC的調查報告顯示：“企業中80%的數據都是非結構化數據，這些數據每年都按指數增長60%”[8].
(3)數據獲取的高速性.
大數據獲取的高速性是相對于傳統統計數據而言的.傳統的統計數據獲取渠道主要是專門調查，以時間較短的抽樣調查為例，需要明確對象、制定方案、實施調查等具體內容，調查的時間周期較長.而大數據的獲取是依托現代信息技術、互聯網等完成，在明確目標的前提下，幾乎可以在以秒為單位的時間內完成.
(4)大數據價值巨大.
大數據的價值不僅僅是本身信息數量的龐大，更是通過對這些龐大信息進行專門的技術處理，抓取信息蘊含的意義，進而獲得有意義信息帶來的價值“增值”.隨著技術不斷進步，這種價值增值呈現出低成本高收益的特質，這必將帶動大數據產業更加快速的發展.
(5)數據具有可變性.
大數據的可變性主要表現在以下幾個方面：數據總體的可變性.從動態角度看，大數據總體是一個不斷變動的集合.一般情況下，大數據總體僅是某一個時間截面樣本;數據的含義的可變性.即數據含義的非單一性，相同的文字、符號、圖片等可能具有不同的含義，這樣無疑加大了數據處理、管理的難度;數據來源的變動性.大數據時代數據收集主要利用網絡技術、電腦、手機等工具，這些數據載體的使用并未覆蓋所有的人群，當然也未覆蓋所有人類的行為，因此，這些數據的價值與意義具有一定局限性[9].
2大數據對工商管理類專業統計學課程教學的影響
隨著計算機、互聯網等技術的普及，大數據的應用日益廣泛，如何拓展大數據時代的統計思想、統計理念，使當今的高等教育接受者能夠更好地掌握先進、實用的大數據收集、管理、分析的技術與方法，成為滿足時代需求的人才，是當今高校應用統計教育的重大挑戰.對高校傳統統計學教育，挑戰主要表現在以下幾個方面.
2.1對任課教師的專業素質提出了更高的要求
當前，高校工商管理類統計學教師就其專業知識背景，可分為兩類：一類是屬于理學概率論數理統計學專業;另一類是屬于經濟學的社會經濟統計專業.前一類專業出身的教師具有較強的數學邏輯思維，擅長數學推理分析、數學計算、計量模型的構建;而后一類專業出身的老師相關的社會經濟類專業基礎知識較強，但數理類知識薄弱[10].
受專業所限，這兩類教師突出的弱項就是在計算機軟件應用與編程等技術方面都不擅長.隨著大數據時代的到來，大量的半結構化、非結構化數據成為數據庫重要組成，這些數據的收集、整理、存儲與分析等必須借助于現代先進的技術手段才能完成，從而在客觀上要求教師具有較高計算機操作能力、較為先進的計算機知識，這對當前高校統計學專業教師無疑是一個挑戰.
大數據時代，由于數據處理對象為全樣本，即樣本為數據總體，依靠傳統小樣本統計推斷的方法將不再適用.因此，教師需要更新自身的知識結構，學習掌握大數據、全樣本下的數據處理與分析的基本理論方法，提高學生的大數據處理與分析能力.
2.2對教學內容與時代的銜接提出了挑戰
高校工商管理類專業開設的與統計相關的課程主要有：“概率論與數理統計”“統計學原理”“市場調查與預測”等.課程內容相對固定，教學內容以數字數據為主要研究對象，數據收集以抽樣調查為主，是針對傳統小樣本數據的統計推斷分析，難以適應大數據統計分析要求.大數據時代，統計研究對象是全數據樣本，并且大數據并不滿足正態分布，總體參數估計與假設檢驗、非參數估計等傳統的分析方法難以對大數據進行有效分析.
當前，大數據研究的主要問題有：探究半結構化、非結構化數據量化方式和標準;探索異構數據的規律;利用計算機科學、計算機數學等領域知識創新大數據分析方法等.顯然，傳統的教學內容難以滿足大數據研究的需求.另外，在大數據時代，企業要求高校畢業生是理論與實踐能力兼備的人才，不僅能夠利用現代分析工具進行數據收集、管理，還能將先進分析方法應用到經濟、金融以及管理等領域.針對當前形勢，高校統計學教育應進行教學內容改革，在加入適應大數據的統計理論與分析方法的同時，提高實踐教學內容所占的比重，做到人才培養與社會需求的良好銜接.
2.3對教學方法與教學手段的挑戰
目前，在高校應用統計學教育中，教學方法與手段比較單一也是一個比較突出的問題.教師在理論部分一般采用課堂講授法，在偏向應用型的統計學內容如統計調查、參數估計與檢驗、回歸分析等，一般采用結合具體案例進行講解，實踐教學環節所占比重小，一些教師甚至沒有安排實踐環節.在實踐教學環節，一些教師會采用小組討論、社會調查等方式，一些教師通常結合Spss、Excel、Eviews等統計軟件設計相應的實驗課程，讓學生掌握使用統計軟件進行統計分析推斷的技能.
但實踐環節的方法與手段適應的是傳統的小樣本數據分析，難以應對大數據帶來的挑戰，大數據分析的重點、難點與傳統的統計分析是存在很大差異的.大數據背景下，研究對象是全體數據，而不是隨機抽取的樣本數據;統計分析是以數據為中心，而不是以傳統的技術與方法為中心;統計分析的難點是半結構、非結構化數據的量化與標準化，構建大數據系統下的統計模型、發現異構數據的關聯等，而不是傳統的因果關系分析、統計的準確度與精度分析等.因此，傳統的教學方法與手段難以適應大數據時代對統計分析的要求，改革勢在必行.
2.4對人才培養模式的挑戰
統計學是工商管理類專業的重要課程，教育部在《普通高等學校本科專業目錄和專業介紹》(2012)中規范了基本的培養要求，其主旨是培養學生兼具扎實基礎知識與實踐能力，培養學生將統計知識運用到具體領域的綜合能力.但目前，高校的應用統計教育存在“重理論，輕實踐”的誤區.在傳統教育模式下，教師偏重對理論知識的教授，注重對原理、公式和模型的計算與推導，通過案例分析、習題等方式強化學生的理論基礎，但忽視實踐教學環節，不注重學生實踐能力、綜合運用能力的提高.隨著大數據時代的來臨，這種模式下培養出來的學生勢必難以滿足企業對人才的要求[11].
根據張學新(2016)的歸納，企業招聘數據分析工程師職位的共同要求如下：(1)具備統計、數學、計算機等專業背景，具有數據挖掘工作經驗;(2)熟悉常用算法，熟練使用一款統計軟件，具備相應編程能力，進行數據處理與統計分析;此外，需要學生具備相關領域專業知識，熟練掌握統計分析方法進行數據特征分析的能力[12].從其總結來看，基礎知識只是一個必備的條件，企業更注重的是實踐技能與數據分析經驗.因此，一般本科院校在人才培養過程中，在以市場需求為導向的前提下，注重學生綜合素質的提高，在扎實學生理論基礎的同時，注重學生實踐技能的培養、綜合運用能力的提高.
3大數據背景下工商管理類專業統計學課程教學改革的舉措
3.1更新價值觀念與知識結構，提高專業教師素質
專業教師首先要解放思想，主動認識、學習與把握大數據時代變化的實質，不斷更新自己的價值觀念，確立大數據的統計思想.與傳統的抽樣樣本分析不同，大數據分析是全數據樣本分析，不需要依靠樣本推斷全體，也無需進行可靠性、有效性的檢驗.但，大數據是異構數據，存在模糊性、易變性、容錯性，需要不斷學習新技術、新知識，運用創新性的統計分析思維來開發數據價值的觀念，并將這一理念傳輸給學生，培養學生的大數據統計思想與創新思維.與傳統統計分析相比，大數據分析從數據特征、分析方法到實際應用都出現了新的變化，需要專業教師拓展自身知識結構，為大數據時代統計教育做好知識儲備.
專業教師在扎實的傳統理論基礎之上，需要學習現代大數據收集、管理以及分析應用知識，尤其是大數據的異構數據的測度與量化，大數據建模方法等重點內容.此外，大數據分析有新的技術要求，需要學習和補充大數據相關的互聯網、計算機軟件工具等方面的知識.工商管理類專業的教師還應將電子商務、財務管理、金融學、市場營銷等專業的特征與“互聯網、大數據”的特征相結合，設計出適合本專業的教學體系、方法與內容.
參考文獻：
[1]維基百科.大數據[EB/OL].(2014-08-08)[2015-01-08].http：//zh.Wikipedia.org/wiki/%E5%A4%A7%E6%95%B8%E6%93%9A.
[2]朱建平，章貴軍，劉曉葳.大數據時代下數據分析理念的辨析[J].統計研究，2014，32(2)：10-17.
[3]耿直.大數據時代統計學面臨的機遇與挑戰[J].統計研究，2014(1)：5-9.
[4][英]維克托·邁爾·舍恩伯格.大數據時代——生活、工作與思維的變革[M].袁杰，譯.杭州：浙江人民出版社，2013.
[5]非結構化數據“飛”入云中，企業如何應對[EB/OL](.2011-08-05)[2018-07-16].https：//www.csdn.net/ar⁃ticle/2011-08-05/302706.
[6]李金昌.基于大數據思維的統計學若干理論問題[J].統計研究，2016，33(11)：3-10.
[7]劉春杰.大數據時代統計學教育面對挑戰的應對[J].凱里學院報，2015，33(3)：29-32.
相關刊物推薦：統計研究是統計領域具權威性的理論刊物。雜志1984年在北京市創刊，所刊發論文的內容反映著統計學術的新動向和新思維，在學術領域的宣傳和引導作用顯得愈發重要。
相關閱讀
