大数据时代的概述精选(十四篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的14篇大数据时代的概述，期待它们能激发您的灵感。

篇1

关键词：学习分析;数据挖掘;大数据

随着信息化技术的飞速发展，传统的教育方式也发生了翻天覆地的变化。MOOCs、云课堂等大量的在线教育模式的出现，使得教育信息化程度不断深入。各类在线学习系统已经获取和存储了海量的学生信息以及与学习过程相关的数据。如何获取、挖掘、理解、处理和利用在教育领域中产生的海量数据已成当务之急，学习分析应时而生。

一、学习分析的定义

2011年，在第一届学习分析与知识国际会议上，将学习分析定义为测量、收集、分析和报告关于学习者及其学习情景的数据，以期了解和优化学习和学习发生的情境。美国新媒体联盟（New Media Consortium）对学习分析也有类似的定义，认为学习分析是利用松散耦合的数据收集工具和分析技术，研究分析学习者学习参与、学习表现和学习过程的相关数据，进而对课程、教学和评价进行实时修正。

可以这样理解，学习分析所研究的数据是整个教育活动所产生的海量数据和学习分析过程中所产生的中间数据。这些数据包括集中式学习环境下，学生上传下载的学习资料、登录次数、每次学习时间、考试成绩等学习活动日志，以及分布式学习环境下，学生们通过邮件、短信、社交网络开展的学习讨论等。

随着可穿戴设备的不断推广和普及，可穿戴设备所捕获到的心率等各项身体活动数据，也将成为研究的数据来源。在此基础上，评估或预测学生的学习活动，并从中发现潜在的问题，为教育活动相关者提供决策支持，并进一步优化学习过程，设计更适合的学习情境。

例如，学习分析可以及时发现学生存在的问题，缺少前驱知识、某个知识技能掌握不达要求等等。这时，教师们就可以针对不同情况合理干预学生的学习活动，修改教学内容、改善教学方式等。当时，这只是一方面，学习分析所能做的远不止于此。

二、学习分析的研究内容及应用

学习分析在对学习者知识、学习者行为以及学习者本身建模的基础上发现潜在问题，通过解决问题优化教学资源和教学策略，预测未来学习趋势和结果等。能从学习分析中受益的包括教育系统相关的各个参与者，如学生、教师、研究人员、教育管理者和政策制定者等。

研究者通过学习者在线学习过程中，应答的正确率、回答问题时间、重复修改次数等抽取学习者与在线系统之间所产生的交互数据，以此来建立学习者知识模型。从模型中可以清楚地了解学习者所学习的知识和技能的掌握情况。这样，系统就可以在学习者需要时推送合适的学习内容。

学习行为建模是从在线交互数据中提取知识的学习顺序、每个知识点的点击次数、完成学习所花费的时间、线上和线下考试成绩、学习行为的变化情况等建立学习行为与学习结果之间的对应关系，以此来研究什么样的学习行为可以取得更好的学习成绩，哪些学习存在学习失败的可能性。

对学习者本身建模，是为了构建个人学习特性，例如学习的风格、偏好、目标，完成情况等，这样做的目的是对有同样学习特性的人进行分组和聚类。通过研究该模型，可以有针对性的提供个性化的学习环境，从而提高学习效率。

学习分析可以应用于优化教学资源和教学策略。它可以帮助教师实时监控网络教学情况，评估课程设计的效果，从而为教师在教学实践中做出合理决策。通过对大量的相关数据的采集和分析，能够发现隐藏在每个学习者背后的学习偏好和学习模式，为学习者提供真正适合个人的个性化学习环境和学习建议，有效提高学习效果。

云计算、数据挖掘、社会网络分析、物联网等技术使学习分析成为可能。但学习分析目前仍处于发展初期，还面临着多方面的挑战。数据来源多样、分布存储等使得数据预处理过程复杂繁琐，如何从海量数据中获取适合开展学习分析的有效数据占了大部分工作量。另外，学生隐私和档案的道德问题也是我们要格外关注的重点。随着学习分析的不断深入研究，它也将得到更加广泛的应用，为每一个学生提供更适合自己的个性化教育资源，不断深化教育信息化的发展。

参考文献：

[1]SIEMENS G， LONG P. Penetrating the fog： Analytics in learning and education[J]. Educause Review， 2011， 46（5）： 30-32.

篇2

个人健康大数据，是大数据时代里医疗大数据的内容之一，指个人从出生到死亡的全生命周期过程中，因免疫、体检、门诊、住院等健康活动所产生的大数据。按照归整的部门分为医疗卫生领域、金融保险领域、公安领域等。留存于医疗卫生领域的大数据，被理解为医疗大数据。

国家对于医疗大数据也早已做了顶层设计，2014年卫计委了“46312”工程，对国家卫生、计生资源整合做了顶层设计规划，其中的“3”就是指三大数据库，分别为电子健康档案数据库、电子病历数据库和全员人口个案数据库。

医改试点城市上海，已经在信息化、大数据支持上推进医改。具体来说，就是用大数据建立分析标准、评价体系、管理机制，以及基于大数据的决策和公立医院运行模式。对于曾经的评价方式，上海市医改办副主任许速称，“现在医院的评价体系是收入、门诊量、住院病人，但这会使医院的规模越做越大、收入越来越高、病人和财政的负担越来越重。公立医院产出评价体系和管理机制，应以卫生信息化为基础，建立以公益性和效率为核心的机制。”

他表示，“公立医院的产出应主要是病种，并通过大数据研究病种和寄主的关系，病种和资源的关系，资源和医务人员的效率、符合的关系，建立标准是上海医改的核心。”

具体来说，就是基于客观数据，按照疾病诊断和技术应用设定病种组合指数，测算公立医院平均病种组合指数，形成公立医院医疗服务产出评价的度量衡。分析病种与效率、技术、费用、资源的关系，科学评价公立医院服务效率、技术水平、费用控制、资源配置的合理性。以此来落实政府政策和政府管理。

此外，利用大数据分析疾病的病理和病因还将发现其他机会，如肺癌和胃肠道癌在中国的发病率较高，这些样本和分析对于正在寻找研发目标的制药企业也极具价值。

在大数据的驱动下，未来医疗资源优化配置的路径也将发生变化，在方正证券研究所的一项报告指出，医疗卫生领域三大数据库分为健康档案库、人口库、电子病历库，其中医院内部所产生的医疗数据价值最高，尤以基于电子病历的临床数据更甚。医疗卫生信息化产品抢占数据入口，应重点关注三类产品：基于电子病历的临床信息系统（抓取底层数据）、院内“集成/开放”平台（标准化数据），区域集成平台（共享数据）。

2015年1月28日，国家卫计委下发《关于印发进一步改善医疗服务行动计划的通知》，北京协和医学院公共卫生学院院长刘远立团队在2015年底作为第三方机构，对医院、医患双方的工作效果进行了评估。数据标准化开始在监管层面应用。

根据刘远立团队的研究，临床质量测量中最重要的是结果指标。“影响临床疗效的因素很复杂，加上医院与患者个体差异，如果不进行标准化，即使有大量的电子病历，也可能是苹果和桔子相比较。”

篇3

[摘 要] 大数据时代的来临，给教育带来了全新的变革，开启了教育的新篇章。数据挖掘技术分析了当前教育存在的问题，针对问题提出了大数据技术在教育资源、教育管理、评比系统及因材施教等方面的应用，尤其针对Visual FoxPro数据库设计这门课，设计了学生反馈信息获取和教学资源共享网站，更好地实现个性化教育，从而构建可行的教学模型。

[关键词] 大数据技术；数据挖掘技术；教育资源；教育管理

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 05. 133

[中图分类号] G434；TP311.13 [文献标识码] A [文章编号] 1673 - 0194（2017）05- 0244- 03

0 引 言

教育是国之根本，教育的发展预示着国家未来的发展。国家的强大离不开人才的培育，人才的培育需要一个良好的教育体制，教育体制的好坏决定了未来人才的输送。教育改革需要应用现代信息技术的各种手段，为其提供高效、便捷的沟通平台，从而实现信息的实时交流。对此，本文提出将大数据技术作为教育改革的第一手段，针对当前的教育问题制定可行性计划，有效地将数据收集、数据分析、数据处理、数据应用完美的结合到教育的改革中，从而使教育的发展脚步向前迈进一大步。

1 教育存在的问题

教育，教化育人，以现有的经验、学识推敲于人，为其解释各种现象、问题或行为，其根本是以相对成熟或理性的思维来认知新的事物，并将其见解育之他人，实现信息传承的过程。在这个传承的过程中，随着时代与科技的发展，教育的体制与核心也在不断地变化，其中的很多问题也越来越明显。

（1）教育资源繁多，选择教育方案困难。

（2）教育制度不够透明，阻碍教育的发展。

（3）传统的教育管理方法无法满足现代教育发展的需求。

（4）学生信息反馈不及时，无法做出最准确的解决方案。

2 大数据与数据挖掘

2.1 大数据

大数据，即big data或massive data，是指规模大到无法在有限的时间内用常规软件工具对其内容进行收集、管理和处理的数据集合。例如，一个学生考了99分，这只是一个“数字”，如果把考99背后的因素考虑进去，如家庭教育模式、自己努力程度、智商水平等，把他们和99分联系在一起，就成了数据。大数据的特点可以简单的概括为“4V”，即更大的容量（Volume）、更高的多样性（Variety）、更快的生成速度（Velocity）和价值（Value）。

（1）更大的容量。面对种类多样、更加复杂的数据，一个新的问题――数据的存储摆在了人们的眼前。大数据通常可以达到PB级的数据规模，因此，对于教育中每天产生的海量信息，大数据提供的数据存储都能够轻松的解决，这也为教育提供了最坚实的基础保障。

（2）更高的多样性。数据的来源有很多的渠道，如社交媒体、网络搜索、网络文章等，内容包括所有的办公格式、办公文档、图片、XML、HTML、音频、视频等。信息来源渠道的多样性及信息格式的多样性，使得大数据收集的信息拥有更高的多样性。

（3）更快的生成速度。即数据被创建和移动的速度快、时效性要求高，这是大数据区别于传统数据挖掘最显著的特征。在高速网络时代的今天，凭借着各种性能优越的硬件及高速的网络，不断生成各种各样的数据，而且这种高速度也成为了必然趋势。谷歌公司一天之内要处理几十PB的数据，Facebook产生约10亿张新的照片、300TB以上日志，淘宝交易进行数千万次、产生20TB以上的数据等。

（4）价值。每一条数据都有着其本身的价值。在当今高速的数据流通下，数据的价值密度也不断降低。所以，对于如何提高数据价值这个问题，我们还需要好好思考一下。

2.2 数据挖掘

数据挖掘（Data Mining）就是从大量不完整的、随机的、模糊的数据中抽出潜在的、有价值的数据的过程，是一类深层次的数据分析方式。数据挖掘的过程主要是信息收集、数据集成、数据规约、数据清理、数据变换、挖掘过程、模式评估、知识表示等，通过这一系列的过程给用户提供所需信息。数据挖掘能够对信息实现准确处理，帮助大数据这一个数据集合实现精准的应用，实现数据的价值，为大数据在教育中的应用，提供最有利的帮助。

3 大数据在教育中的作用

3.1 大数据下教育资源的选择

大数据不仅有着极强的数据收集、处理能力，而且可以为我们提供快捷、简单、准确的选择。面对海量的教育书籍、课堂笔记等，大数据能够轻松的收录、存储，并且根据我们的需要，通过数据处理技术，准确高效的提供有价值的信息，能够做到在大范围中寻找最优的结果。通过数据收集和处理为学生的学习减少很多不必要的选择，从而提高学习效率。例如，现在越来越火的“题库”类用，就是大数据的一个细化分支，通过对学生的查询信息的收集处理，可以显示学生目前的学习状况以及存在的知识点薄弱现象，能够帮助学生和家长以及老师开展教育工作。相对于“题库”类应用，以视频为载体的应用传播更为广泛，这些都是基于大数据技术的细化分支。

3.2 数据分析处理在教育评比系统中的应用

教育信息化不断发展，利用信息技术助力教育质量综合评比，能够使评比内容更加全面、数据收集范围更加广泛、数据形式更加趋于多样化、评比结构更加公开透明。因此，一个优秀的评价系统能够更好地推动教育的发展。20世纪90年代，欧美等发达国家与地区为确保教育质量积累了大量的数据经验，并建立了完善的高等教育人才培养评比系统。我国自20世纪90年代也开始着手于教育系统的建设，例如上海大学从1998年开始不断完善自己的教育系统，将教育系统与大数据的分析结合，经过十几年的不断完善，建成了一个完整的教育评比系统。

3.3 大数据在教育管理中的应用

教育一直都在强调要培养学生多方面能力，可是事实却是以“分”为首，很多初高中学生几乎没有课余生活，活在题海里。这样的事实是什么造成的呢？很多人说是应试教育必然的结果，其实不然。教育改革从本质上是好的，可是监管的不利、评比体系的不健全，使得更多的学生、家长、老师以及学校背离改革的初衷，更加看重考试分数。所以，一个健全的教育管理体系是多么的重要。我们可以通过采用大数据对信息收集方式多样性这一特点，更全面收集、掌握教育的发展状况。例如，可以通过学校监控视频收集学生和老师的学习授课情况，利用大数据的分析能力进行实时反馈。大数据与教育管理系统的结合，虽然不能快速的解决教育中的问题，但是其所提供的信息反馈能够更好地监督教育改革的步伐。

3.4 全面了解学生，实现因材施教

我们要想真正地做到因材施教，可以通过对教学信息的获取、存储、管理和分析，从而构建学生的学习模型，分析学生已有的学习方法和学习状态，并对其将来的学习进行一定的规划和引导。目前，教育中的大数据应用主要有教育数据挖掘和学习分析两大类，两个方向虽然同源，可是应用方向、研究对象、研究方法完全不同。教育数据挖掘是将来自教育的原始数据转换为有用信息的过程，是大数据应用于学习分析最基本的应用手段，并且通过数据挖掘自身的信息挖掘技术能够提高分析效率、扩大分析范围。学习分析是利用松散耦合的数据收集工具和分析技术，研究分析学习者学习参与、学习表现和学习过程的相关数据，进而对课程、教学和评价进行实时修正。我国学者顾小清认为，学习分析是围绕与学习者学习信息相关的数据，运用不同的分析方法和数据模型来解释这些数据，根据解释的结果来探究学习者的学习过程和情景，发现学习规律；或者根据数据阐释学习者的学习表现，为其提供相应的反馈从而促进更加有效的学习。为了达到对教育的进一步变革，我们需要建立一个数据模型，该模型以大数据为基础的数据分析与应用系统，主要存储学生和老师的日常学习与工作计划及其短期与长期目标，进而对学生和老师的需求进行全面的分析规划，实施可行的教育方案，真正的实现因材施教的最高教育目标。

笔者针对“Visual FoxPro数据库设计”这门课，设计了学生反馈信息获取和教学资源共享网站，通过采集学生反馈的信息，让老师更全面地了解学生的学习状况，更好地制定教学计划。网站还提供了教学资源共享平台，师生都可以文章等有关学习的各种资料，如图1所示，实现资源的可选择，使学生不再被动学习，可以主动选择学习内容，并在交流平台发表自己的一些看法等，如图2所示。通过网站信息的获取，进行数据分析，构建可行的教学模型，从而真正实现因材施教。

4 结 语

随着大数据时代的到来，以大数据为依托进行教育的改革能够更快速的推进教育的发展，从而为学生、教师、家长提供一个更优质的学习、教育、O督体系。大数据的应用可以使我们现在种类繁多的教育资源变得井井有条，各类资源更加清晰明了；教师制定教育规划时能够多一份准确的学生反馈信息分析，从而制订更加精准的教学计划；学生们可以脱离“题海”，转向准确、高质量的最优题区，不再做没头的苍蝇，找不到方向。在未来，大数据的应用会更加广泛，我们的教育一定会得到充分的发展，未来的教育我们也许不再需要沉重的书包、繁重的作业，需要的也许仅仅是自己对自己优势的发挥。

主要参考文献

[1]郑立海.大数据时代的教育管理模式变革刍议[J].中国电化教育，2015（7）：32-36.

[2]陆Z.大数据及其在教育中的应用[J].上海教育科研，2013（9）：5-8. [3]高巨山，郭健.数据挖掘技术在教育信息化中的应用研究[J].中国教育信息化，2007（9S）：75-76.

[4]何蕴毅.大数据背景下教育变革的思考与实践[J].教育信息技术，2014（12）：13-15.

篇4

关键词：统计学；教育改革；大数据

一、引言

最早提出大数据时代到来的机构是全球知名的麦肯锡咨询公司，该公司在一份研究报告中指出：“数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素，人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来”。

大数据是随着互联网技术的广泛应用带来的数据量和数据类型激增而衍生出来的一种现象，但大数据一词不仅指规模大、种类多的数据集，还包括对这种数据集进行采集、处理与分析以提取有价值信息和直接创造价值的技术构架和技术过程。大数据的第一个特征是数据量巨大。截止到2012年，数据量已经从TB（1024GB=1TB）级别跃升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB（1024EB=1ZB）级别。第二个特征是数据类型繁多、异构性突出，包括网络日志、音频、视频、图片、地理位置信息等等。第三个特征是数据价值密度较低，数据中存在大量重复性和无价值性信息或噪声。如何通过强大的计算技术和统计分析等方法迅速完成数据的价值提纯，是大数据时代亟待解决的难题。第四个特征是处理速度快、时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。

目前，不同的学科领域对大数据概念有着不尽相同的解释，但各种解释中大致可以从两个方面去理解。首先，大数据概念体现在数据量的巨大、种类的众多及产生速度的飞快，同时产生的数据集极有可能包含着各种半结构化和非结构化数据；其次，大数据概念还体现在对数据进行处理的手段和流程方面，由于数据量的庞大和类型复杂，利用常规的统计软件已经无法对当今的数据进行及时有效的存储、分析及处理。因此，所谓的大数据并不是单纯指数据流量的巨大，还指其结构的复杂和种类的多样，在数据处理和分析上需要采用高端计算平台或高级统计软件，以及海量数据中存在着可挖掘的潜在的大量价值信息与知识。

近年来，随着高速计算机的应用、信息技术的快速发展，特别是云计算技术的发展，使大数据的存储和分析技术得到迅速发展，目前的核心技术有MapReduce、GFS、BigTable、Hadoop，以及数据可视化等。在数据搜集上，可方便地通过在线互联网数据库获取二手数据或一手实时数据。在数据分析上，传统统计学方法采取的是基于统计模型的样本数据分析，而大数据分析技术则是通过高端计算平台，对大数据中的信息进行挖掘。

统计学作为对数据进行处理和分析的科学，必然受到大数据的影响。在大数据时代，统计学教育必须与时俱进，跟上时展步伐。近年来，有不少文献讨论了大数据环境下我国统计学教育的改革问题（例如[1]-[5]），本文在分析大数据时代特征的前提下，进一步讨论我国统计学教育的现状与挑战、统计学教育改革的内容、方法、借鉴和适应时代要求的变革问题。

二、统计学教育的现状与挑战

2013年，教育部对我国统计学专业设置进行一次新的调整，将原来的既可授予理学学位，也可授予经济学学位的统计学专业划分为统计学、应用统计学和经济统计学三个本科专业[6]。根据教育部高等学校统计类专业教学指导委员会2013年11月公布的数据，当时全国有194所高校开设了统计学专业，156所高校开设了应用统计学专业，164所高校开设了经济统计学专业[6]。目前，全国开设这三个统计学专业的高校个数和在校学生人数与2013年相比都有不少的增加。

面对大数据时代，我们目前的统计学教育无论在培养目标和教学内容上，还是在教育方式和人才培养模式上，都存在着亟待解决的挑战性问题。例如，在专业培养目标和人才培养过程中，我们比较重视课程层面上的评价，比较轻视专业层面上的整体评价，缺乏对学生综合能力的反馈机制。

关于教学内容，目前三个统计学专业在统计理论和应用统计两个方面有不同的侧重。统计理论主要包括：抽样理论、实验设计、估汁理论、假设险验、决策理论、贝叶斯统计、半参数和非参数统计、序贯分析、多元统计分析、时间序列分析、小样本理论和大样本理论等。在数据分析中，现今的统计方法基本以结构化数据为主要处理对象，而对非结构化和半结构化数据的分析和工具涉及较少。因此，现今统计学课程及内容已不能满足从事非结构型和半结构型的大数据研究和商业应用对人才培养的需要，必须进行必要的改革。

对于教育方式，鉴于大数据时代要求，统计分析人员需要具备较高的数学和现代统计学基础，具有较高的软件操作能力，掌握一定的大数据收集、整理、分析、处理和挖掘数据的技能。日本学者城田真琴认为：“数据科学家要有计算机科学专业背景，数学、统计方面的素养和使用数据挖掘软件的技能，善于利用数据可视化的手法展现晦涩难懂的信息，而且具备相应的专业知识、眼界和视野，具有适应社会发展和创造价值的能力”。现今的统计学教育方式还不能很好适应大数据时代数据科学人才培养需要，必须进行必要及时的调整和变革。

对人才培养模式，大数据时代不仅要求培养具有数据处理和分析所需的基本素质与技能，更重视培养从海量数据中发现和挖掘价值信息、把握市场机遇、创造利润的潜在能力。面对大数据时代的诸多挑战，现代统计技术、数据挖掘方法、计算机信息技术、软件工具和理念的日新月异，培养统计人才的教育模式也需要相应变化，统计学教育只有与时俱进，主动做出全面的调整和变革才能适应新时代知识进步和激烈人才市场竞争的需要，积极迎接大数据时代的挑战。

大数据时代对统计学教师有更高的要求，统计学教师需要与时俱进，跟上时代步伐。随着互联网、物联网、云计算等信息技术的发展，对数据的分析和处理的技术也随之要求更高，统计学教师固有的知识体系已不能满足培养现代统计人才的需要，必须进一步深化和更新原有的统计学理论知识，而且还需要学习掌握计算机技术、互联网、数据库和信息科学等有关知识和技术，同时还要熟悉处理非结构型和半结构型数据的知识和技能，以适应现代统计学教育对教师的知识结构和基本素质的要求。

大数据时代对统计专业的学生也提出了更高的要求，他们不仅需要掌握现代统计理论、统计方法和专业统计软件，还要学会如何分析、处理来自互联网或各种实际问题中的海量数据，如何利用统计软件和互联网技术进行数据操作，如何借助软件技术和统计准则判断数据质量，如何进行模型选择和评价模型方法的有效性，如何准确清晰地呈现统计分析结果和结论，等等。

2014年11月，美国统计学会了统计学本科专业指导性教学纲要 [7]，该教学纲要对统计学专业提出四个方面的要求：（1）具有扎实的数学和统计学基础、强大的统计计算和编程能力，熟练使用统计软件和数据库；（2）分析来自现实问题的真实数据，真实数据是统计专业教育的重要组成部分；（3）掌握多样化的统计模型方法；（4）具有通过语言、图表和动画等方式解释数据分析结果的能力。美国是统计学教育和人才培养最先进的国家之一，该指导性教学纲要代表着美国统计学专业培养人才的基本要求和发展方向，对我国统计教育的改革具有重要的参考价值。以该指导性教学纲要为参考依据，对照我国目前的统计学本科专业教育，无论是在培养目标和课程设置方面，还是在教学内容和教学方法方面，都存在着亟待解决的挑战性问题。

三、统计学教育的改革

大数据时代的统计学教育不仅是各种统计方法、数据挖掘方法和信息技术手段的延续或发展，更主要的是这些方法的集成应用和在实际数据分析中的真实体验。过去，企业数据库价格昂贵，在统计学教育的教学案例或实验课教学中，很少采用真实和海量的数据库资源，基本都是采用过时或虚拟的数据。今天，像百度大数据引擎这样的数据库的逐步对外开放，将有助于开展“线上大数据统计实验”教学。为了适应大数据时代要求，有必要利用网络资源以及各种数据处理软件，搭建线上大数据分析实验教学平台，全面开展大数据统计实验教学的改革。实际上，借助大数据分析平台，本科阶段的统计学教育就可以融人联机分析和数据的可视化教学。其次，要时刻关注大数据分析理论的进展，及时将新理论新方法融入课堂教学内容。

需要指出的是，在大数据时代，经典统计理论和方法并没有过时，但需要进行改进和进一步发展。这是因为，网上采集的巨型数据集往往存在大量的重复性和无价值数据信息，使得大数据价值密度降低。在对这些数据进行分析处理之前往往需要通过去噪、分层、截断、聚类等方法的预处理，将其变成便于进行分析处理的小数据，继而借助于经典统计方法进行分析和处理。因而在大数据时代仍然需要采用传统统计学的小样本理论和方法。所以，即便是在大数据时代，经典统计方法仍然是进行统计分析的基石，其核心地位不可动摇。所以，在大数据时代仍然要强化统计学的基本理论和方法，尤其是在长期发展和实践应用中经过验证的、成熟有效的经典和现代统计方法，在大数据时代仍然没有过时，但需要结合大数据分析的需要对经典统计方法进行必要的发展和改进。

大数据科学需要统计学与数学、计算机等学科的结合。亚马逊大数据科学家John Rauser 认为：“数据科学家是统计学家和计算机工程师的结合体”。为了满足大数据时代的要求，统计学专业的课程设置需要进行必要的调整。应根据新时代人才培养的要求，增设与大数据前沿领域发展相关的课程，如计算机网络和大数据相关的软件应用，同时要加大实验课和社会实践课的比重，引导学生理解和掌握大数据概念、理论、技术和方法，培养其运用大数据的相关分析工具解决实际问题的能力。对于理论课程，除基本统计理论外，还应开设一些较为现代和深入的课程，如现代贝叶斯方法、神经网络、数据挖掘、应用随机过程论等。另外，还应开设与大数据分析相关的关联规则、决策树、机器学习、支持向量机等课程。

为了培养与时代适应的统计学人才，统计学专业教师应不断更新自身的知识结构和价值观念，改变认识数据、收集数据和分析数据的思维，主动学习和补充互联网、现代数据分析技术、数据库和数据挖掘技术，使自己的知识体系不断更新和提升，跟上时展的步伐。

在大数据时代，要注意培养学生适应社会的能力。统计专业人才培养模式应以提高本专业学生数据分析方面的能力，开阔他们的视野，培养其适应社会的能力。应积极引导学生进入实训场所动手操作和锻炼，尝试以企事业单位的财政、金融、保险、统计、咨询和信息公司等部门为主构建专业性教育实践基地。鼓励学生到大数据相关的机构部门、产业园区和企业中去调查研究和实践。此外，统计专业应积极同其他专业进行合作，联合培养适应新时代要求的数据分析人才。鉴于大数据对数据分析人员在计算机技术、行业认知、业务知识、数据分析工具和方法的要求提高，统计学科应主动与计算机、经济学、管理学等相关学科合作，培养学生的计算机能力、专业素质和业务修养。

“它山之石可以攻玉”，关于统计学专业的课程设置，可以参考和借鉴美国统计学会公布的统计学本科专业指导性教学纲要。根据该教学纲要，统计专业的课程设置应该涵盖五个模块[7]：（1）统计方法与统计理论。建立统计模型并对模型的输出结果进行评价，熟悉统计推断，能够从数据分析中得出恰当的结论。（2）数据操作和统计计算。熟练使用一款专业统计软件进行探索性数据分析，发现和清洗数据中的错误记录，具有编程能力和算法思维，可以进行各种数据操作，还应掌握统计计算技术，能够进行模拟研究。（3）数学基础。熟练掌握微积分、线性代数、矩阵论、概率论和数理统计的基础知识。（4）实践训练和表达能力。具有良好的表达和交流能力，善于通过图示和动画等听众易于理解的方式展示分析结论，并且具有团队合作精神和项目领导能力。（5）特定领域的知识。掌握特定应用领域的知识，并用统计学特有的思维方法来分析和解决特定领域的实际问题。

大数据时代是以数据为中心的时代，统计学专业的教育改革必须适应这个时代的要求。统计数据分析中软件应用能力至关重要。在众多统计软件中推荐使用R和SAS软件，因为R是免费开源软件，其统计建模、统计计算和可视化功能强大，更新迅速，是最新统计方法的主要平台，非常有利于培养学生的编程能力和知识更新能力，而SAS软件被很多公司用于数据管理和数据分析，在实际应用领域具有长期而深远的影响，是数据分析不可或缺的专业统计软件。当然，教学中也可以尝试使用其他专业统计软件，例如经济统计专业学生也可使用SPSS软件，但最好会使用SAS或R软件。在加强软件使用和编程能力的基础上，应加强学生统计计算和统计模拟能力的培养。在大数据时代，强调统计计算的重要性是大势所趋。统计模拟技术是伴随着高速计算机和信息技术的快速发展而广泛应用的现代技术，可用来解决传统学科领域中无法解决的问题。例如，在计算技术飞速发展的今天，贝叶斯统计方法过去曾经面临的计算瓶颈正在逐渐消失，基于马尔科夫链蒙特卡洛（MCMC）技术的统计模拟方法在数据分析中的强大威力正在日益显现[8]。

参考文献：

[1] 刘春杰，大数据时代对当代统计学教育的挑战，统计与决策，2015年，第8期。

[2] 孟生旺，袁卫，大数据时代的统计教育，统计研究，2015年，第32卷4期。

[3] 葛虹，韩伟，大数据时代统计教育变革的SWOT分析与发展策略，统计与决策，2015年，第4期。

[4] 张海波，黄世祥，统计学专业学生大数据分析能力的培养方式选择，统计与决策，2014年，第24期。

[5] 李卫东，大数据对统计学科发展的影响，统计与决策，2014年，第13.期。

[6] 教育部高等学校统计类专业教学指导委员会.统计学专业教学单位.http：///category/信息公开/教学单位，2013-11-15.

篇5

关键词：大数据时代 大数据理解

1大数据时代概念的提出

当前，大数据这一词汇在各行各业中出现的频率越来越高，各种媒体中也经常对这大数据这一概念进行推广，大数据时代逐渐成为了一个社会热词，昭示着大数据时代的来临。

在学界中，大数据的理论思考与实践探索一直在如火如荼的济宁这，并与经济市场，政府机关形成了良好的合作与互相支持的模式。大数据时代的来临与当前互联网时代的建设基础和发展迅速的信息技术具有重要联系，早在上个世纪末就有了关于大数据时代的理论雏形，对整合所有数据并对数据进行加工，分析，处理提出设想。这一设想的提出与同一时期的“商业智能”的具有密切的联系，所谓商业智能也是指建立数据仓库的基础上挖掘数据的深度含义，分析数据从而挖掘出数据之间的内部联系性，从而获取文化公司所需要的信息，为文化公司的发展提供决策思路和数据支持。

直到世纪，信息技术的发展导致各种数据统计工作的便捷与高效性，人们逐渐发现了进行大规模数据分析和研究对文化公司在发展过程中所能起到的作用，互联网的覆盖范围越来越广，在各行业各的应用程度愈来愈高，智能手机的普及都为大数据时代的来临打下了坚实的基础，随后大数据的概念在信息技术行业中越来越得到认可与重视，大数据的相关理论基础研究与前景展望也越来越多，为大数据时代构建了理论结构与应用前景。

2012年的达沃斯世界经济论坛中将大数据作为主题之一进行讨论，可以说变相确定了大数据在未来社会发展进程中的地位，探究了以信息技术为依托的大数据处理分析如何对人类社会的发展作为贡献。国内对大数据在未来发展中将占据的地位和起到的作用也做出了充分的认可，各大企业与高校对大数据的概念与应用已经开始进行研究与实践。

2大数据一词的概念与理解

对大数据时代的理解离不开对大数据的概念的理解。什么是大数据？就当下而言，虽然大数据一词的出现的频率极高，许多媒体，部门，论坛都在使用这一词语，但是对大数据一词的核心含义的理解却并不一定充分。当前学界内对数据一词的定义尚且没有一个统一的较为得到广泛认可的定义。对大数据一词的定义可以分为几种，例如维基百科上说大数据就是指数量、规模庞大的数据资料，无法利用常见的软件工具对其进行高效率收集，处理与分析。还有的的说法认为大数据就是单纯指数据量足够大，远超常规水平的数据集合。还有的说法主要是认为大数据进行处理的方式才是大数据一词的实质，即大数据是通过特殊处理模式能提高企业对市场形势的掌控程度，为决策提供指导的数据分析处理方法。

因此来看，大数据的特征应该包含着两方面，一是大数据处理在技术层面具有先进性，二是大数据在社会性方面具有广泛性。如上文所述，大数据一词的出现是信息技术进步的结果。大数据最先出现其是存在与IT界的术语，大数据是一个多项技术合并在一起的概念，是一个具有系统性的体系，包括对数据依托信息技术实现大规模储存与联网分享的云技术，对数据进行分析处理的分布式处理技术，指纹识别，虹膜识别等对数据进行保密管理的感知技术等等，都应该包括与大数据体系之中。与此同时，大数据还具有社会性。大数据这一概念的出现离不开信息爆炸化的时代特征，大量的信息充斥于社会的每一个角落并呈现着井喷式的增长，每一个人都是数据的创造者与传递着，国际化进程的加快使人类社会前所未有的紧密联系在一起，在这种时代背景下酝酿出来的大数据概念无法避免的具有人类社会发展的特征。

在大数据时代，人们的思维模式必须向大数据化的方向靠拢，传统的思维模式已经不适合时代的发展。信息技术的进步使我们的思维模式也可以在依托大数据提供的信息作出更准确的决策和判断。在大数据模式下，高效率的数据收集与处理是我们可以脱离传统的抽样调查得出结论的办法，不用再考虑数据模型是否具有科学性和代表性，也不用考虑抽样结果是否具有偶然性，因为我们已经可以立足于全面性的数据来对问题进行思考与判断，同时，对数据的判断要提高效率，应为判断的本身也是一个大数据的过程，提高判断的效率再借以数据统计来提高其准确性。在大数据时代，人们面对数据不需要刨根问底的研究数据出现的原因，而是应该要考虑数据之间的关联性，研究数据之间的联系，思考关联出现的原因而不是单纯研究因果关系。

大数据时代对于社会的改变在于，它变革的是人们处理数据的方式与模式，改变的是人认知世界，认知事物的方法，在数据化的信息处理中提供发现问题，解决问题，创造价值的方法。大数据作为一个新生事物能开创出一个新的时代，不得不说大数据在我们当下的社会发展进程中是极有价值的。虽然大数据的定义及体系，实践应用方面还存在许多不足，缺少经验方面的积累，但是笔者相信随着时间的推移大数据体系的形成必将越来越完备。我们当下所需要做的就是把握住大数据时代的时代脉搏，必须明确大数据时代的要求：首先，大数据时代必须充分利用信息技术来提高数据的收集与储存，利用新的数据处理模式发现数据之间的关联新，为决策提高科学性的指导与数据支持。然后，大数据是技术属性与社会属性的有机统一，所以在大数据时代中两方面工作都要双管齐下，提高技术水平的同时还要注重社会实践应用，达到改变市场运作模式，各组织的结构的目的。最后，大数据不是一个高高在上的概念性名词，而是应该作为一种新的思维方式适用于社会的各个方面，包括政府行政，企业运营和人民生活等等，是新的时代智慧与时代气息，而不是单纯的一种技术或处理数据的手段。

必须要明确大数据时代真正的思想内涵，才能是我国在新时代的发展过程中不落人后，占据着有力地位，提高国家的信息化程度与综合实力，对本论文的命题“大数据时代”对企业人力资源管理工作的影响能做出正确的分析探究。

参考文献：

篇6

关键词：大数据；金融统计

中图分类号：F830 文献标识码：A 文章编号：1001-828X（2013）11-0-01

一、引言

何谓大数据？简而言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。“大数据”具有以下特点：第一，如果不依赖某些可视化软件的帮助，人类不可能理解如此大的数据量，用散点图寻找规律或异常情况的传统办法，在这里毫无作用；第二，数据可能高度互相关联。

哈佛大学社会学教授加里金指出：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”在2013年全国统计工作会议上，国家统计局局长马建堂指出：“大数据时代”的来临，对统计数据的生产方式带来了很大的挑战。统计部门应利用海量数据并对其进行标准化处理，发掘这一数据宝库，认真把握好这一促进政府统计改革发展的难得机遇。

作为数据密集型金融行业的监管部门，金融统计改革的重点是加强细粒度数据采集，建立全球协调一致的金融统计标准体系。本文旨在分析大数据对金融统计正在带来和将要带来的各种影响，分析大数据时代金融统计监管的特点及难点，同时对加强顶层设计，推动金融统计生产方式的变革和统计生产力水平的提升提出相关意见建议。

二、大数据时代金融统计的影响

（一）大数据时代金融统计对数据准确性的影响。目前我国金融统计数据是各金融单位按人民银行“全科目”指标口径层层汇总上报至人民银行，每一层级的金融机构在指标汇总过程中可能会产生错误，最终影响人民银行统计数据的准确性。大数据化的采集方式减少了层层汇总的环节，有助于提高数据及时性、准确性，在长期统计信息建设过程中有助于降低金融机构的统计成本，消减对于金融统计数据的质疑。

（二）大数据时代金融统计对宏观经济金融分析方式的影响。大数据时代分析数据并不是简单的数据汇总、对比或数据罗列，而是要按照科学方法挖掘数据，根据需要构建数据立方体进行联机分析处理，可以进行多个维度的下钻或上卷操作，对这些原始的数据进行加工、整理和上升为重要的结论。决策者通过海量数据寻找因果联系，而不只是规律，最终指导行动、决策效率和决策质量。

三、大数据金融统计监管工作的特点及难点

（一）数据数量和质量的矛盾。数据量大不一定就代表信息量或者数据价值的增大，相反很多时候意味着信息垃圾的泛滥。数据质量问题，贯穿于数据收集、使用、等所有过程，涉及各行业发展规划的设定等。一方面很难有单个系统能够容纳下从不同数据源集成的海量数据。另一方面如果在集成的过程中仅仅简单地将所有数据聚集在一起而不作任何数据清洗，会使得过多的无用数据干扰后续的数据分析过程。大数据时代的数据清洗过程必须更加谨慎，因为相对细微的有用信息混杂在庞大的数据量中。如果信息清洗的粒度过细，很容易将有用的信息过滤掉。清洗粒度过粗又无法达到真正的清洗效果，因此在质与量之间需要进行仔细的考量和权衡。

（二）数据公开与隐私保护的矛盾。如果仅仅为了保护隐私就将所有的数据都加以隐藏，那么数据的价值根本无法体现。数据公开是非常有必要的，监管机构可以从公开的数据中来了解整个金融市场的运行，以便更好地指导社会的运转。金融机构则可以从公开的数据中了解客户的行为，从而推出针对性的产品和服务，最大化其利益。因此大数据时代的隐私性主要体现在不暴露客户敏感信息的前提下进行有效的数据挖掘，这有别于传统的信息安全领域更加关注文件的私密性等安全属性。很多学者开始致力于研究新型的数据技术，尝试在尽可能少损失数据信息的同时最大化地隐藏用户隐私。但是数据信息量和隐私之间是有矛盾的，因此尚未出现非常好的解决办法。

（三）构建相关先行指标数据困难重重。大量实证检验证明，不论是非金融部门或更广泛金融部门爆发的危机，如房地产泡沫，最终都会传递到银行业，并变得更严重和更具有破坏力。因此对实体经济统计数据信息采集覆盖面低、相对匮乏和细化度不足，可追溯的历史数据有限、以及不同行业数据难以满足一致性要求等原因，对构建相关先行指标体系建设具有很大影响。

四、意见和建议

（一）重视细粒度数据的采集，内容从汇总指标发展到逐笔报送。近年来人民银行统计数据采集原则发生了结构性的根本转变，趋向富于弹性的逐笔报送模式，应用大数据开展宏观审慎管理。人总行开展的存贷款抽样综合统计工作是对大数据时代数据采集、汇总、清洗、利用过程的一项探索工作。目前只是在部分省的金融机构开展试点。下一步要在全国各金融机构中推开，是开启大数据时代的“敲门砖”。

（二）建立通用数据标准体系，提高整个金融业统计体系兼容性。

受数据标准不统一，数据记录不全等因素影响，现有统计数据通常难以满足可靠性、准确性、一致性等要求。因此，要开展金融统计标准化工作，确保各金融机构上报的数据源数据一致。主要是要规范以下三个方面的内容：一是要规范金融机构机构信息；二是规范金融工具信息；三是要规范金融计值。

篇7

关键词：大数据时代;航海保障;信息

中图分类号：TP274;F416.6 文献标识码：A 文章编号：1006-8937（2015）06-0131-02

“大数据”是一个抽象的概念，尚未被明确定义。业界主流的定义大多从大数据的特征出发，进行阐述和归纳。诸多定义中，最具代表性的是3V定义，即：大数据必需满足三个特点：规模性（volume）、多样性（variety）和高速性（velocity）。全球顶尖咨询公司麦肯锡，第一个提出了“大数据”时代到来。麦肯锡声明：数据已经渗透到如今各行各业的职能领域，成为了关键的生产因素;挖掘并运用海量的数据，正是新一轮的生产率增长，以及消费者盈余的新浪潮到来的预兆。在大数据的洪流中，未来不再难以捉摸。无论是个人的隐私问题，还是国家的安全问题，都将受到大数据分析的影响。

1 大数据推进行为模式的改革

大数据推进行为模式改革主要体现在以下几个方面。

1.1 推动信息透明化，主动推送重要信息

在大数据时代，航海保障部门应顺势而为，抓住实现信息透明化的机遇。强调多元的主体共同治理，是现代社会的发展趋势。应对时代变革，必须以“建立并完善一个开放、透明、公民参与、多方合作的公共部门”为重要战略。公共部门在这场变革的一个关键转变是，数据“被索取”的行为模式，将向“主动推送”转变。公共部门运用技术工具对大数据进行计算处理，整合并关联分析，再深度融合传统互联网与微信、微博等移动新媒体，可以为用户提供个性化的信息推送服务，并与用户产生更多互动交流。

除此之外，信息透明化使得让数据走出公共部门，通过鼓励社会团体与个人进行创新应用，实现数据再利用，发挥出大数据库巨大的潜在价值。公共部门所持有的大数据库的访问权限逐渐放开，应用范围逐渐广泛，利益相关者的工作效率也将随之提高。打破部门分割，连接数据孤岛，将不仅为航运业，也会为其他行业的社会生产提供巨大的“数据红利”。

1.2 及时预测用户需求，提供智慧的公共服务

大数据的核心价值，是通过整合分析海量数据，判断未来趋势走向。从个别数据，乃至一年数据、区域数据中，都有可能难以总结其规律，但随着数据长时间积累，多个区域数据综合，规律将更容易被捕捉到并加以应用。在美国人口密度最高的新泽西州，成功地大范围实施了以大数据分析为基础的“INRIX“的交通综合管理系统，为当地居民提供了高度准确的交通信息，极大地节约了外出所需花费的时间和成本。

航海保障部门须充分利用大数据的价值，由“收集数据者”转变为“数据分析者”，进而提升公共服务的智慧程度。目前航海保障领域在开展的云计算和数据挖掘等技术，将成为数据向“智慧”的转变的重要手段。通过大数据分析技术，可以超前挖掘预测用户需求，形成更精准高效的决策，不断提高服务的前瞻性和定向性。收集处理数据并预测用户需求，很快会成为公共部门的重要职责，其技术能力也将成为部门的核心竞争力。

1.3 细分用户群体，定制政策

麦肯锡研究发现，按照个人或群体特点，细分与定制公共服务，将提升服务效率、服务效果，以及用户满意度。大数据时代的到来，恰恰符合了以细分用户群体为基础的政策定制模式的要求。决策的一个重要环节是采集与分析信息，利用现有的数据融合、模型建设与仿真模拟等技术，能够为公共部门决策提供有力的科学依据。举个例子，德联邦的劳工局利用大数据分析技术，对民众群体进行细分，从而改变了对失业群体的政策，不仅节约了公共部门的开支、还减少了再就业的时差，有效提升了民众满意度。

2 大数据改革实施的具体对策

根据航海保障部门当前的实际情况，为了顺利实施大数据改革，有以下三方面对策。

2.1 对接与完善大数据相关的规章制度

大数据的应用必须在法律保障与约束下进行。美国为了推行大数据战略，推行了数部相关的国家法案，如《加强网络安全法》等。我国受研究年限的影响，尽管加快了立法进程，目前的相关法律法规发展仍不够完善，存在着缺乏纲领性文件、体系不健全等诸多问题。作为提供航海保障的公共部门，我们一方面要落实已有的法律法规，另一方面必须培养前瞻性与专业性思维，主要是积极加强大数据建设的国际交流合作，参与制定相关的国际规则，以此促进航海保障方面的大数据管理与国家、国际制度对接。

2.2 对数据进行分级评估

在认识到数据的重要性后，要在数据分析之初，有意识地建立数据分级评估体制。评估体制具体可包括：一项数据的安全级别、可用性等级等。所谓“安全级别”，即数据是否适合完全公开，是否有涉及比如个人隐私、商业机密，甚至国家安全。安全级别被严格区分，才能科学有序地处理数据共享与隐私之间的可能存在的矛盾。

2.3 培养大数据人才队伍

进入大数据这个新生领域，如何才能建立起一支专业的人才队伍，是各个行业都面临的问题。可根据三个层面来进行人才培养。①培养领导干部的新思维习惯：只有当领导干部站在战略高度审视大数据，以大数据思维来进行决策，才能使大数据战略顺利实施;②重视大数据骨干技术人员的选拔、培养与后备。据报道，大数据分析师在全球都属于最紧缺的职业之一。开展与高校等科研机构的人才培养合作，并进行业内数据分析合作，都将有利于解决当前骨干人才资源匮乏的问题;③培训大数据应用技术人员。应用技术人员位于最基础的层次，主要指具体的大数据软件操作人员。

3 结 语

本文介绍了大数据的概念和特点，并列举大数据对航海保障部门的行为模式改革的推进作用，指出了“对接与完善大数据相关的规章制度”、“对数据进行分级评估”和“培养大数据人才队伍”等三方面的实施对策。本文在党的十“加强网络社会管理”精神的基础上，思考大数据时代对我国航海保障事业发展所产生的深远影响，对航海保障部门大数据改革进行了探索性研究。

另外，本文还强调以下几点：①大数据是伴随技术发展出现的新事物，它在公共服务领域应用实例相对较少，公共部门在行为模式的改革过程中，应时刻保持对各个层面问题的关注;②不能照搬国外模式。中国国情的多样性，意味着大数据时代秩序的建立也难以一蹴而就。改革需要海事管理部门、航运界和学术界，共同合作来探索大数据之路的正确方向。

参考文献：

[1] 迈尔・舍恩伯格（英）.周涛（译）.大数据时代[M].杭州：浙江人民出版社，2013.

[2] 涂子沛.大数据：正在到来的数据革命，以及它如何改变政府、商业与我们的生活[M].桂林：广西师范大学出版社，2013.

[3] 尼古拉・尼葛洛庞帝（美）.胡泳（译）.数字化生存[M].海口：海南出版社，1997.

[4] 袁峰.网络社会的政府与政治[M].北京：北京大学出版社，2006.

篇8

1.新闻生产方式的变革

大数据的广泛应用使得传统新闻的生产模式受到冲击，并且逐渐形成了依托大数据而存在的数据新闻，新闻的前期搜集与后期整理、制作都围绕着数据的搜集与解释而展开，同时也打破了传统的新闻媒体对新闻的垄断与控制，尤其是许多互联网交流平台的开放，使得普通用户也能成为新闻的搜集者，同时新闻的传播也更加的便捷，更具有时效性。

2.新闻报道方式的变革

传统的新闻报道通常都需要依赖电视、报纸等较为固定的传播模式，大数据时代的到来，同样也造就了一大批互联网社交新闻媒体，逐渐形成了以全样本、可视性和重质化为报道特征的数据新闻报道模式，同时也大大增强了新闻报道的客观真实性。

二、大数据时代下新闻传播人才的培养

1.新闻传播人才需要丰富的文学知识与扎实的理科基础

随着社会经济的发展，人们的生活水平不断提高的同时，综合素质也在素质不断提高，对于新闻的报道工作早已不是简单的新闻采集工作，更重要的是对已有新闻事件的信息筛选的过程，因此在这个过程中一方面需要新闻传播人才具有扎实的理科基础，能够熟练的运用计算机以及数学等理科基础知识，将新闻事件进行简单的处理，同时以一种更加直观的方式展示在人民群众的面前，将新闻的数据信息在最短时间内传达给新闻关注群体。

2.新闻传播人才需要熟练的业务技能与经营管理的能力

随着大数据的飞速发展，新闻传播人员为适应社会发展的需要，首先必须要掌握基本的媒体业务技能，这其中包括摄影、录像、编稿、报道等四个方面，同时还需要掌握基本的应用软件的使用方法以及新闻挖掘手段和工具的使用。其次由于目前大数据正在与传统的新闻传播媒介相互融合，互联网的数据新闻传播使得新闻的传播变得方便快捷，也让人们在作为新闻信息传播者的同时也成为了新闻传播的管理者，因此也对新闻媒体人的专业技能以及经营管理能力提出了更高的要求。对于大数据时代下的谢恩媒体传播人才来说，如若想要更好地实现新闻的价值，则必须要学会要管理新闻传播，制定全面的新闻媒体管理方案。

3.新闻传播者需要基本的数据思维与数據的分析能力

正如前文所提及的对于新闻传播者需要具备丰富的文学知识，在大数据的时代背景下，具备基础的数据思维能力与分析能力正在逐渐成为新闻传播人才培养的基本素质要求，因为大数据所造就的数据新闻无时不刻都在运用着数据信息，而对于新闻传播人才来说，面对相同的新闻数据信息，如何将其通过筛选、分析等手段转变成为具有可读性的新闻素材已经成为工作常态。在这个过程中就要求新闻传播着具有一定的数据思维能力，不拘泥于传统的新闻分析模式，勇于创新思维、突破局限发掘出可供利用的、有价值的新闻信息，同时面对繁多的新闻数据信息能够精于挑选与分析，从看似普通的新闻数据中破获重要的新闻信息。

三、大数据时代下新闻传播学教学改革

1.打破学科限制，培养复合型人才

大数据时代所带来的新闻传播行业的变革使得传统的新闻传播学的教学难以适应其发展，同时许多的高校也纷纷开始着手有关于新闻传播学的教学改革，尝试打破关于各学科之间的限制，积极融合各科知识，培养复合型人才，而不是仅仅拘泥于本学科的知识，闭门造车，学生一级教师都应该认识到，在当前的时代背景下仅仅掌握新闻传播学的专业知识是远远不够的，是无法适应社会发展的需要的。

2.整合师资力量，提高教学的质量

当代对于数据新闻的产生与报道都需要新闻传播学、数据的处理以及计算机技术的应用等多种专业知识和能力，因此作为高校新闻传播学的教师其实也需要与时俱进，提升自身的综合素质与专业知识储备，才能向学生传授更优质的专业知识，为社会培养出更加符合时代需求的综合性素质人才。而在许多的高校内部实则很难做到，许多的高校教师往往只精于本专业的知识，同时大多数的教师从事教育工作几十年，从未接触过社会的新闻工作媒体，本质上是缺少实践经验的，这也极容易导致新闻传播学的课堂教学质量不高同时还与社会实际需求脱节。在新闻传播学的教学改革过程中，让教师深入到实际的新闻媒体内部学习，增强实践经验同时清晰地了解社会需求，提高教学质量，推动教学改革的进程。

篇9

 

2011年2月，国务院学位委员会进行了学科调整，统计学完全从数学和经济学中独立出来，上升为一级学科，设在理学门类中，编号为0714。统计学上升为一级学科后，下设的二级学科包括数理统计学、社会经济统计学、生物卫生统计学、金融统计、风险管理和精算学、应用统计学。统计学上升为一级学科对统计学专业的教学带来巨大影响。

 

同时，随着大数据时代的到来，使得传统的统计数据收集、处理与分析方法面临新的挑战，从而推动统计学的发展进入了一个全新的阶段。在统计学上升为一级学科以及大数据时代已经到来的大背景下，统计学专业的课程教学也面临着新的挑战，需要进一步改革与调整。

 

一、大数据时代的到来

 

(一)大数据的生成

 

伴随着人类对客观世界各领域数字化程度的不断提高，每天都有大量的数据产生，并且其产生的速度也越来越快。这些数据来源广泛，其中最主要的来源有：科学研究(如天文学、生物学、高能物理等实验数据)、社交网络、电子商务、物联网、移动通信等。

 

(二)大数据的定义

 

为了应对数据大规模增长带来的机遇和挑战，美国《Nature》杂志在2008年9月4日率先提出了“大数据”的概念。国际数据中心IDC 是研究大数据及其影响的先驱，在2011年的报告中定义了大数据：“大数据技术描述了一个技术和体系的新时代， 被设计于从大规模多样化的数据中通过高速捕获、发现和分析技术提取数据的价值”。但是大数据是一个新兴而且内涵不断发展的概念，尚没有统一公认的定义，只能从其特点上加以认识。

 

(三)大数据的特点

 

与传统数据相比，大数据的特征可以用五个“V”来表示，即Volume(容量大)、Variety(种类多)、Velocity(时效性强)、Value(价值高)、Visualization(可视化呈现)。大数据容量大是个相对的概念，受时间、行业和数据类型等因素的影响;种类多是指数据集的结构异质性，科技进步导致了结构化、半结构、非结构化数据的日益增多;时效性强是指大数据被生成、处理、移动的速度相当快，是区别于传统数据最显著的特征，这也增加了对即时分析、加工数据的需求;价值高是指大数据潜在的高价值能为评价和决策提供依据。可视化是大数据分析的关键步骤，是对有价值信息加以提炼并显示的过程。

 

(四)大数据的应用

 

大数据具有5Vs(Volume、Velocity、Variety、Value、Veracity)特点，蕴含着巨大的社会价值、经济价值和科研价值，已引起了产业界、学术界、政府部门和其他组织的高度关注和重视。

 

近年来，世界发达国家相继布局大数据战略，诸如联合国“数据脉动”计划、美国大数据战略、英国“数据权”运动，大力推动大数据发展和应用。大数据已纳入我国国家发展战略，国务院2015年8月31日印发了《促进大数据发展行动纲要》的通知(国发[2015]50号)，指出：“大数据成为推动经济转型发展的新动力，大数据成为重塑国家竞争优势的新机遇，大数据成为提升政府治理能力的新途径。以数据流引领技术流、物质流、资金流、人才流，将深刻影响社会分工协作的组织模式，促进生产组织方式的集约和创新。探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用”

 

二、大数据给传统统计学带来的冲击

 

(一)数据收集方法上

 

不同于传统的调查抽样方法获取数据，大数据的收集来源渠道通常为现代网络渠道，如互联网、物联网等。不同的数据源的数据采集需要专用数据采集技术， 如包含格式文本、图像和视频的网站数据，通常需要web爬虫技术。

 

(二)数据存储上

 

大数据的存储不同于传统的数据存储方式，有固定的格式和结构，对于大数据的数据库来说，可以直接将所探测到的信号自动容纳到其中;大数据需要有先进的存储设备，传统的存储设备已经不能容纳如此大量的数据。

 

(三)数据分析上

 

传统的统计分析方法，难以胜任对非结构化的大数据的分析。当前大数据分析技术的研究可以分为6个重要方向：结构化数据分析、文本数据分析、多媒体数据分析、web数据分析、网络数据分析和移动数据分析。

 

(四)数据展示上

 

数据可视化的目标是以图形方式清晰有效地展示数据的信息。一般来说，图表和地图可以帮助人们快速理解信息。但是，当数据量增大到大数据的级别，传统的电子表格等技术已无法处理海量数据。大数据的可视化展示需要专业的软件来完成。

 

三、大数据时代统计学专业教学改革

 

大数据时代的到来对统计学也带来了新的机遇和挑战，特别是大数据对于数据分析人才产生了巨大需求，同时也要求统计专业学生掌握更为复杂统计软件的编程和操作。大数据背景下，统计学要适应新的形势，需要对课程教学进行有针对性的改革。

 

(一)大数据时代统计学专业毕业生就业方向定位

 

大数据时代的到来，使各行各业，包括政府、企业、个人都希望能从大数据这座金矿中挖掘出对自己有价值的金子，从而增加了对统计专业毕业生的需求。一直以来，我国统计工作领域主要是政府统计、部门统计、民间统计。传统意义上，政府及各个部门是统计学学生就业的首选。然而，随着大数据时代的来临，越来越多的毕业生选择发展空间更为广阔的民间统计。民间统计相对于政府统计来说，涉及范围十分广泛，包括各类统计咨询公司、统计调查公司、统计研究院等，介于市场和企业、行业之间。民间统计的发展前景十分广阔，可以预见，随着大数据时代的来临，统计学作用的提高，民间统计必会成为统计专业毕业生选择就业的主要渠道之一。

 

(二)大数据时代统计学专业课程设置改革

 

大数据时代，在对统计数据分析人才需求增加的同时，也对统计专业毕业生的大数据处理能力提出了更高的要求，这就需要统计学专业在课程设置上，增加大数据处理与分析方法课程，如《大数据分析方法》、《数据挖掘》等，培养学生能够使用专业统计软件(R/SAS/Python)进行大数据的挖掘、清洗、分析等。

 

(三)大数据时代统计学专业学生实践能力培养改革

 

在课堂教学之外，通过广泛举办大数据技术创新大赛、大数据技术创新与创业大赛、数据挖掘挑战赛，支持学生成立大数据研究协会，举办大数据相关讲座论坛等方式，增强学生分析和处理大数据的能力。另外，还要加强校外大数据实践教学基地建设，通过与通信、互联网、电子商务等企业大数据开发中心以及大数据研究咨询机构合作，为学生提供给更多的实习、实践机会。

 

四、总结

 

总之，面对大数据时代的到来，统计学专业需要积极改革与调整课程的设置，注重学生实践能力的培养，以适应各行各业对大数据分析与挖掘人才的需求。

 

作者简介：

篇10

关键词：大数据；统计学；教学体系改革

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2015）04-0110-02

一、大数据时代统计学专业发展的新特点

（一）数据化的信息收集

传统的统计研究主要是对已收集的数据进行各种技术分析，包括描述性分析、推断性分析、截面分析、时间序列分析等，侧重点在于技术分析手段的使用上。然而大数据时代，关注的是信息本身。现代信息系统的使用使大数据成为可能，文字、地理方位、沟通等，任何事物都可以量化，一切现象都可以用数据或表格来诠释。因此，大数据背景下世界是由各种信息和数据所构成的。

（二）全数据模式的研究对象

在信息处理能力受限制的过去，人们缺少用来分析所收集数据的工具，因此产生了随机抽样。随机抽样法的目的是用最少的数据获得最多的关于总体的信息，从而使用样本对总体进行推断。然而，在大数据时代，数据处理的方式和技术发生了巨大的改变，人们可以通过互联网、数据库以及各种通讯工具获得海量数据，这时随机抽样就失去了它原来的意义。简单廉价的数据收集方法，足够的数据处理和存储能力，使得全数据模式成为可能。因此，大数据背景下样本即为总体。放弃随机抽样分析的捷径，采用所有数据的方法，可以发现一些隐藏在海量数据下的细节。

（三）混杂性的数据处理思维

传统的统计学处理数据的步骤是首先对数据进行整理和清洗，剔除不完整的或者异常值，然后再利用样本信息，在允许的误差范围内对总体进行推断和分析，即通过调整精确度的大小来对总体进行研究和分析。然而，在大数据背景下，来自各个时间和空间的数据来源纷杂，格式广泛，在萃取或处理数据的时候，很难做到把所有的数据都进行仔细地清洗。这种情况下，必须接受数据的混乱和不确定性，因为数据多比少好，因此更多的数据信息比更加智能、更加精确的算法系统还重要。当拥有大量数据的时候，可以忽略一部分精确性，但并不是说不需要精确性，而是数据规模不断扩大时，确切的数量已经不再那么重要了，可以通过大规模的数据来发现事物背后的规律。

（四）相关关系的基础分析方法

传统的统计中，大部分相关关系分析仅限于寻求线性关系，或是在建立假设的基础上揭示数据相互之间的因果关系，例如Granger检验就是依据时间序列数据对变量之间的因果关系进行的判断，但往往会产生一些虚假的因果关系。这是因为统计关系并没有蕴含多少真实的因果关系。在大数据背景下，数据点以数量级方式增长，用数据驱动的相关关系分析不再需要建立在假设的基础上，所以相关关系分析不容易受偏见的影响而发生错误。大数据时代相关关系通过回答“是什么”的问题，为人们认识世界提供了一种新的视角。因此，相关关系统计分析是大数据预测的基础。

二、统计学专业教学体系中存在的问题

大数据背景下传统的统计学专业教学体系存在的问题凸显，具体体现在以下几个方面。

（一）培养目标无法适应大数据时代的社会需求

传统的统计学专业教学体系的培养目标是通过统计专业核心课程内容的介绍，锻炼学生收集、整理和分析数据的能力，培养“应用型”统计专业人才。然而，大数据的出现，使得通过数据分析获得知识、商机和社会服务的能力，从以往局限于少数的学术精英圈子扩大到了普通的社会机构、企业和政府部门，各行各业对统计数据、统计分析的需要使得统计学专业受到了前所未有的关注。大数据背景下，要求统计学作为一种分析工具，能够与其他专业相互衔接，相互服务，培养“复合型”专业人才。因此，传统的统计学专业教学体系培养目标存在两个方面的挑战：第一，如何协调统计与其他专业之间的关系；第二，如何从“应用型”向“复合型”人才进行转变。

（二）忽视数据的收集和创新

传统的统计学专业教学体系重视数据的分析技术，更多的课程设置是围绕着数据分析方法和技术展开的，例如多元统计分析、时间序列分析、统计预测与决策分析等。基础的数据收集部分只在统计学原理中有一章的内容介绍，而且是作为非重点一带而过的。大数据以海量的数据为分析研究的对象，将一切社会经济现象进行量化，重视的是信息的收集和数据的创新，包括数据的再利用，数据的重组，数据的扩展，数据的折旧以及数据的开放等各个方面。这些内容在原有的教学体系中是没有体现的。

（三）与大数据时代脱节的教学内容

传统的统计学专业教学体系仍然固守着原有的教学内容，在近二十年内变化不大。专业的主干课程有统计学原理、国民经济核算、计量经济学、抽样技术与方法等。而在大数据背景下，教学内容以全数据模式为研究对象，强调对所有的数据进行分析，而不是开展随机抽样；允许不精确的存在，而不是在给定的精确程度下对总体进行推断和分析；关注海量数据之间的相关关系，而不是强调数据之间的因果联系。这些内容都无法在现有的教学体系中体现，因此，传统的专业教学体系与大数据时代是脱节的。

（四）实践教学环节薄弱

随着“应用型”统计专业人才培养目标的提出，学校对实践教学的重视增强，与过去相比，现有的专业教学体系中已经增加了实践教学环节。但是，在大数据背景下，实践教学仍然是统计学专业教学体系中的薄弱环节。主要表现在两个方面：（1）以模型驱动为主的实践教学模式已不适应大数据时代的要求。现有的实践教学内容并不是从数据出发，而是通过寻求一些适合模型的数据来“证明”这个模型的确有意义。这种思维方式与大数据时代的要求是不适应的，因为创造模型的目的是适应现实数据，而不是由模型驱动。（2）以SPSS、Eviews为主的软件教学已无法处理大数据。现有的实践教学中，主要讲授的是传统的统计分析软件SPSS和Eviews，因为这两种软件发展成熟，操作简单，可以处理一般的计量模型和时间序列。但是，大数据时代数据是海量的、复杂的，用简单的软件已无法处理和实施。

三、统计学专业教学体系改革的方向

根据以上分析，时代的发展对统计学专业提出了更高的要求，现有的教学体系中存在的各种问题即为统计学专业教学体系改革的方向。

（一）准确定位统计学专业的人才培养目标，重新设计主干课程的教学内容

大数据时代要求培养“复合型”统计专业人才，因此教学体系的培养目标要从简单的“应用型”向“复合型”转变。“复合型”统计专业人才要求学生除了具备数据收集、处理和分析的能力外，还要对统计学应用领域的背景知识有一定的了解。因此，按这个培养目标，需要对现有教学体系中的主干课程重新进行调整和设计。专业主干课程分为方法和应用两个方面。方法类的课程除了原有的计量经济学、时间序列分析、多元统计分析等外，又增加了机器学习、模拟算法、数据挖掘、R软件分析（或SAS软件分析）等处理复杂大数据的方法的课程。应用类课程在保留原有的国民经济核算，金融统计，证券投资，会计学基础外，增加一些统计学应用领域的基础知识课程，例如商业统计、生物统计、保险与精算统计等。此外，适当调整各专业主干课程的课时，一些课程可以增加课时，如软件分析、数据挖掘等，一些课程可以缩减课时，仅作一些简单的介绍，如抽样技术等。

（二）转变固有的思维方式，在大数据背景下积极推进教学改革

大数据时代，数据更多、更杂，传统统计学思维方式受到了极大的挑战。因此，以大数据为背景，转变固有的思维方式，从以统计技术方法为中心转换到以信息数据为中心，推进统计学专业教学改革十分重要。具体来说，可以弱化传统的推理论证的教学模式，强化数据收集、数据处理和数据分析的能力培养；强调数据本身的价值，让数据说话，用简单的方法了解数据背后所隐藏的信息和规律；使用项目式训练，让学生从项目中真正体验数据化处理的整个过程，达到理论和方法的结合；加强课堂教学与实验教学的统一和贯通，如在传统的教学过程中，将统计学原理、多元统计分析结合SPSS软件介绍，而时间序列分析又采用Eviews进行介绍，造成学生疲于学习各种软件，实际上SAS、R等统计软件可以实现所有的功能，用一种软件与课堂教学融合贯通能帮助学生更好更深地掌握软件的使用。

（三）创新实践教学模式，加强实践教学的开展

从以模型驱动的实践教学模式转变为以数据驱动的教学模式，构造课堂案例教学、实验教学、课后项目式训练、校外实习基地锻炼四位一体的创新型实践教学模式。计算机快速发展的今天使得大数据成为现实，在处理数据的时候，根据数据的特征创造出新的计算方法来满足实际需要，这就是数据驱动模式。在实践教学的过程中，要强调统计数据、计算机编程以及统计分析软件的结合。目前，R软件和SAS软件显示出了强大的数据处理和数据分析功能，实践教学环节中可以把这两种中的一种融入到专业课程中去，将计算机软件与课堂教学结合起来。此外，课后的项目式训练和校外实习可以带动学生了解和掌握整个数据分析实践的流程，激发学生学习的兴趣，在实践教学的过程中要多鼓励、多开展。

参考文献：

[1]曾五一，等.经济管理类统计学专业教学体系的改革与创新[J].统计研究，2010，（2）.

[2]陈倩.大数据背景下对统计学课程教学模式的思考[J].科技资讯，2013，（21）.

篇11

【关键词】大数据；成人高等教育；改革

1大数据在我国成人高等教育领域的发展现状

随着信息技术的发展，人们日常生产生活的各种行为被大量信息感知设备和采集终端记录、捕捉，在经过数字编码后被标记为某种数据进行存储，分析，通过对大量的人群进行每时每刻的搜集，就产生了海量的数据，大数据的概念就应运而生。大数据与云计算、物联网堪称新一代信息技术的代表，三者深度融合，与我国新型现代化建设深度交汇，对新一轮产业变革和经济社会绿色、智能、可持续发展具有重要意义。

目前我国的大数据产业发展尚处于初级阶段，技术创新驱动力不强，产业链与创新链缺乏有效衔接，成人高等教育除在线教育外运用大数据的例子少之又少。虽然国内已有不少企业、高校与科研院所成立了研究中心，针对大数据汇聚管理、智能分析等进行了研究，但是系统化研究不足，产学研协同创新不深，无法形成合力，难以有效支撑大数据在教育产业做大做强。

2大数据技术对成人高等教育带来的创新应用

2.1教学技术手段更加个性化，教学质量评估更为科学

现行的在线学习系统主要是由学生登陆服务器观看教师事先准备好的教学内容，完成学习，教师通过系统记录的学习时间进行考勤，至于学生是否需要学习该知识点以及学习效果如何，系统无从考察。借助大数据技术，基于学生各维度数据的自适应学习系统则可以提供更为个性化的学习方案。例如，学习日志、学习路径、学习成果数据、课程数据、学习管理数据等，研究者利用教育数据挖掘和学习分析技术对数据进行采集，根据不同的分析目的，调用不同的分析工具和模型对数据进行分析，为学习者提供适合自身的学习内容和学习策略，数据挖掘和分析的结果同时被传递给教师和管理者，以便进行人为干预，

2.2学生教育管理与思想政治教育更加精细

相对于基础教育、普高教育，成人教育所获得的支持和关注要逊色的多。当前，成人高等教育层次众多，形式多样，学生分散且难以管理，教育管理、思想政治教育面临诸多困难。大数据时代下，数据资源无处不在，理论上，学校可以充分利用机构优势对各类数据源和连接进行定位，有效实现数据的采集和汇聚，搜集学生在校的大量数据，如个人信息、特长爱好、性格特征，甚至社交、地理位置等，这些数据包含了学生的学习、思想、生活、情感等行为状况，通过大数据技术进行筛选、比较分析后，可以基本描绘出某个学生一段时间内的状态，对于异常的言论或行为，可以及时甄别发现，通过危机干预，避免极端事件的发生。

2.3成人招生市场分析与合作单位函授点评估更加合理

生源是成人高等教育的主体，也是成人院校生存发展的基础。随着出生人口高峰的下降，普通本专科高校间生源的竞争已经日趋白热化，成人高校所受的挤压更为严重，成人的招生工作面临严峻挑战。借助大数据技术，至少有两点可供参考：一是对历年的招生数据进行分析，通过对地区、中学、专业等信息进行关联性分析，得出历年生源较多的地区和中学，作为稳定的生源基地，组织人脉资源丰富的当地人员前往招生宣传，稳步扩大优势；而对于生源偏少的地区，选派创造性和活力较高的年轻人前往，加大宣传力度，创新宣传手段，开拓生源市场；二是通过网络进行调查，依托网站投票和微信、QQ等社交媒体对应届毕业生或家长进行问卷调查，了解他们的职业规划、报考意愿等，根据问卷结合地区、高考成绩等信息进行综合的数据分析，从而制定有针对性的招生策略。

成人院校在开拓新的合作伙伴，例如新建函授站点的时候，也可以使用大数据技术。传统的实地考察受制于时间的限制，不能对所在地区和合作伙伴有全面和长期的了解，而运用大数据技术就可以通过对这个地区潜在学习者水平分布、学习风气，函授点社会信誉、财务状况等多种维度数据综合分析，确立精准的办学定位，进而做出更科学的决策。

3大数据时代下成人高等教育发展改革的路径探索

为了应对新的形势和不断变化的社会学习需求，管理者必须要摒弃旧的思维模式，主动适应互联网思维，改变传统管理模式，为成人高等教育开辟一条新的发展路径。

3.1要重视大数据的应用，从经费、人员上给予保障

有人认为成人高等教育是普通教育的补充，大数据的管理可有可无，这种观念是完全错误的，在不断变革的时代，终身学习已成为必然选择，而普通高等教育只能提供一段时间内的学历教育，成人高等教育将会成为大多数人工作后提升自我的主要学习途径，成人高等教育即将迎来极大的生源爆发，届时，传统的数据信息管理模式将不能适应大量的数据处理，管理者必须从战略角度提前谋划，超前布局，对大数据下的信息化管理改革给予必要的经济支持，引进必要的技术人才，并且鼓励现有的在岗管理人员进行技术管理创新。

3.2有效整合各类资源，创新成人高等教育学习平台和管理信息系统

在互联网出现后，大数据时代来临前，我国教育信息化已经走过了十几年的发展历程，各成人高等教育机构都建立了诸如教务管理、学生信息管理等多个信息系统并且积累了大量网络教育资源。由于开发的人员、目的以及开发技术不同，系统都处于各自为政的状态，数据之间相互孤立，得不到有效的挖掘。在大数据时代下，为了最大限度的获取数据的内在关系，提取出有效的信息，应该将这些系统有效地整合，通过数据交换接口将各自的数据转换成格式统一的，可以参与合并计算的数据，同时建立有效的数据同步机制，保证新数据的一致性，只有这样，才能最大限度的发挥大数据的技术优势，进一步提高管理效率和决策水平。

3.3建立健全大数据共享和监管机制，既有效利用，又保障数据安全和个人隐私

大數据给人们带来了前所未有的价值，在今后的生产生活中，数据会成为越来越重要的信息。在全球“开放数据”的呼声日益高涨的大环境下，政府、企业、家长等社会各类机构必然要求学校开放数据共享，学校也将从社会获得更多的数据用于自身发展，这将是一个互利共赢的合作，能极大节省社会治理成本；与此同时大数据也开启了个人信息的搜集利用时代，随着网络的使用大量的个人隐私也被同时搜集起来，极易产生数据泄露和侵犯个人隐私的情况，造成法律风险。管理者应站在大数据思维的角度，将自由和责任统一起来，建立健全大数据的共享和监管机制，在法律的框架内，注重自由的同时，充分保护个人隐私，才能让大数据这个新生技术为成人高等教育的发展和改革做出良性和持续的贡献。

作者：洪方等

【参考文献】 

[1]李娜.大数据时代下的成人高等教育管理与发展创新[J].继续教育研究，2016（8）：61-63. 

篇12

关键词：大数据；数据分析；数理统计

基金项目：华北理工大学研究生教育教学改革项目资助（项目编号：K1503）

基金项目：华北理工大学教育教学改革研究与实践重点项目资助（项目编号：Z1514-05；J 1509-09）

G643；O21-4

谷歌公司的经济学家兼加州大学的教授哈尔・范里安先生过去说过统计学家将会成为像电脑工程师一样受欢迎的工作。在未来10年里，人们获得数据、处理数据、分析数据、判断数据、提取信息的能力将变得非常重要，不仅仅在教育领域，各行各业都需要数据专家，“大数据”时代的到来使得数据处理与分析技术日新月异，深刻的影响着各个行业、领域及学科的发展，尤其是与数据关系密切的行业及学科，而作为工科各专业硕士研究生重要的公共基础课数理统计学是天生与数据打交道的学科。

怎样在“大数据”时代背景下培养出适应面向企业自主创新需求的数据分析人员或掌握现代数据处理技术的工程师，如何把当下流行的“大数据”处理技术与相关数理统计学课程教学有机的结合，以激发学生对数据处理与分析技术发展的兴趣，这些都是我们在与数理统计学相关的课程教学中不得不思考的问题。然而，当前高校工科各专业硕士研究生数理统计教学的现状却与其重要程度相去甚远，整个教学过程的诸多环节都存在较大的不足，主要表现为：1.教学内容偏重理论，学生学习兴趣不高；2. 轻统计实验；忽略对统计相关软件的教学；3.没有注重数理统计的学习与研究生专业相结合，实用性强调不够。4. 轻能力培养；轻案例分析等。

这些现象导致的直接后果就是学生动手能力上的缺陷和创新能力的缺乏， 不能够自觉利用数理统计知识解决实际问题， 尤其缺乏对统计数据的分析能力。因此，需要数理统计学随着环境的变化不断创新新的数理统计思维和教学内容。避免教学内容与大数据时代脱节。为此笔者在该课程的教学过程中，有意识地进行了一些教学改革尝试。提出了几点工科研究生数理统计教学的改革措施。

（1）调整教学内容，将与数理统计相关的大数据处理案例引进课堂。有很多有普遍性的应用统计实际案例，可以在本课程的教学过程中有选择的引入介绍给学生，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法。以期解决工科研究生对确定性思维到随机性思维方式的转变的不适应性。

（2）适应大数据时代数理统计学课程的教学环境。实现教学方式的多样性。大数据时代背景下，互联网十分发达，学生根据自己的兴趣去收集、整理和分析数据，既可以改变他们对统计方法的进一步认识，也可以增加他们的学习兴趣。甚至可以以专业QQ群，邮件的方式和同学、老师之间相互交流，交流者处于相互平等的地位，可以畅所欲言，随时随地都可以交流，起到事半功倍的效果。这种交流使得教师不再是知识的权威，而是把教师上课作为一种更好自主学习的引导，这种交流使得他们的思想变得更加成熟。同时参与各种网络论坛，贴吧回答问题等使得他们更能体现自己的价值，这种交流也使得学生的学习热情和学习精神得到更好的激发。

（3）引导工科研究生开展与本专业相结合的课题研究，强调实用性，注重统计思维能力培养。适应大数据时代数理统计学课程教学环境，实现教学方式的多样性。以期弥补学生缺少数据分析实例的训练，解决学以致用的不足。在目前的数理统计教学安排下，受学时所限，如果相当一部分时间用来学习公式、定理的推导及证明，势必没有时间进行实际的数据分析练习。在大数据时代背景下，随着海量数据、复杂形式数据的出现，使得统计方法的发展和以前有了很大的不同，没有实际的数据分析训练，学生们就无法对统计的广泛应用性及重要性有深刻的体会，也不利于保持和提高他们的学习兴趣。这要求具体工作者提出新的统计思想和方法，加深对已有统计思想的理解，以解决实际问题。

（4）改革成绩评定方式。现有的考试模式为通过有限的一到两个小时的期末考试，进行概念的辨析和理论及方法的推导计算，由此来判断研究生关于数理统计课程的学习情况有很大的不足，特别是对可以利用软件进行的某些实际数据分析的考察没有办法实现。因此，有必要通过日常课堂“论文选题―提交―讨论”与期末理论考试相结合的形式对学生数理统计学习进行考核。加大对学生平时考察的力度，相应地减少期末考试成绩的比重。让学生选择一些与自己专业有关的数据进行尝试性的数据分析、一些统计科普著作的读书报告等并写成论文的形式提交，做为对学生成绩的评定方式，更能综合、客观地评价学生的学习情况。

数据分析在现代生活中发挥的作用越来越大，而道硗臣品椒可以与数据分析有机的结合，从而在提高数据分析效率的同时，保持分析结果的有效性，为生产和实践活动提供准确的参考。以上的思考和建议仅是我们在教学研究和教学过程中的一点体会，还有许多工作亟待深入，比如适合工科研究生数理统计课程的大数据案例选取，与课程内容的有效衔接；案例教学法如何实施；教学方式多样化问题；课堂教学与网络交流结合；理论介绍与软件应用训练结合问题等。教学改革与实践是一项艰巨的任务，以培养学生的实际运用能力和正确解释数据分析结果的能力为目的，强调统计思想和方法应用的培养，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法将是一项长期的工作。

参考文献

[1].游士兵，张 佩，姚雪梅.大数据对统计学的挑战和机遇[J].珞珈管理评论， 2013， （ 02）： 165-171.

篇13

前言

如今大数据技术在社会各个方面都有应用，比如金融、通讯、军事、物理学、生态学以及生物学领域，这促进了社会生活的发展和进步。人民大众生活的方方面面都得到了大数据所带来的便利。高职旅游教学是高职学校教育的重要部分，相关教育工作者需要加强对于大数据下高职旅游教学改革策略的研究，并且在实践中落实。

一、大数据时代背景下旅游专业教师教学观念的转变

大数据的不断发展促进了教师教学观念的更新和变化。高职学校旅游专业教师逐渐认识到教学的开展需要师生有效的互动，而课堂教学不再是单纯的讲授过程中，需要学生进行自主的学习探究。教师可以在课前把相应的教学内容布置给学生（通过互联网等手段），学生可以根据教师布置的视频进行学习，在家里就能完成相应的学习任务。

二、大数据背景下高职旅游教学方式的转变

在大数据背景下，翻转课程成为了主流的教学形式。和以往的教学模式相比较，教师在翻转课堂中的教学重点不是教授理论方面的知识，而是和学生进行充分的互动交流，学生可以相对自由的表达自己的想法和见解，并且阐述自己的学习心得和体会，课堂成为了学生和教师交流和互动的场所，这可以促进学生主动性以及积极性的提升，培养他们的发散思维以及创新思维能力。翻转课堂具有人性化的特质，学生可以在课堂外观看和学习教学视频，根据自己的需求来选择性的完成教师布置的任务内容，并且制定个性化的学习计划。旅游专业的课程包括需要专业性的术语，所以学生第一次理解起来比较困难，学生可以重复的观察教学视频，并且合理的使用暂停和快进快退功能，进而全面的了解需要掌握的知识内容，提升学生的效率。但是，大数据是具有时代性的，在发展的过程中有许多新型的教学策略涌现出来。

三、大数据时代背景下高职旅游专业教师综合素养的提升

想要培养大数据时代背景下的旅游管理人才，首先需要加强对于教师队伍的建设，并且积极地转变他们的教学理念，让教师明确大数据背景下专业信息化的发展方向，并且懂得使用对大数据的理解以及分析来解决当前的旅游发展问题，并且在教学中融入人才需求以及旅游专业发展的精神。对于高职旅游专业教师来说，需要掌握多方面的多媒体信息技术，并且熟悉心理学相关的知识以及技巧，还需要在发散性思维培养以及可视化教学方面具有一定的水平，进而实施有效的教学。为了提升教师队伍水平，学校可以组织教师到旅游管理的第一线去进行培训和锻炼，进而了解最前端的大数据旅游管理专业的技能和知识。只有这样，教师才能更好的指导学生应用和处理数据信息。

四、大数据时代背景下高职旅游专业教学体系的转变

旅游专业具有较强的实践性，而且，在大数据背景下，学术不仅需要具备相应的专业技能和知识储备，还需要能够分析处理数据信息。通过实践教学的开展，学生可以有效的将理论知识以及实践经验转变成自己的综合能力。所以说，实践教学对于大数据背景下旅游管理专业的发展具有重要意义。学校，学校需要加强对于本校综合实验室的投资和发展，落实对于学生数据软件以及计算机操作技能的锻炼，和校外的企业工程合作建设实习的基地，并且落实在实习和实践过程中应用的考核体系，如此一来，可以发挥数据时代下时间教学的重要作用，并且发展学生的数据处理和分析能力。

五、大数据时代背景下旅游管理专业学生需要具备的能力

第一，学生需要懂得如何处理和采集大数据信息。为了方便人们的出游，许多互联网公司推出了自己的旅游软件，比如艺龙、携程、去哪儿等，这些软件都是应用大数据信息来提供良好的旅游信息服务，这些软件都比较看重对于旅游信息的收集和分析。

第二，学生需要懂得如何管理和运营大数据信息。在大数据时代，旅游信息数据中心的数据比较复杂，需要由专业人员通过对于游客自身素质、兴趣爱好以及消费习惯的总结分析来获得。所以，学生需要发展管理和运营数据信息的能力。

第三，学生需要掌握处理大数据模型的能力。可以采集旅游信息的方向有许多，数据类型也比较丰富，但是相关的数据并不都能纳入数据库。举个例子，从成千上万张照片中找出有用的照片，可能只能找到几张。为了防止浪费精力和时间，学生需要具备合理分析数据模型的能力。

六、结语

篇14

大数据就是针对各种类型众多的数据当中，能够保证快速获得有价值信息的能力。并且在进行实际应用过程中，具有较稳定结果，数据关联性较高。金融统计是密集型金融产业的监管部门，对于金融行业的发展具有重要意义。大数据时代的到来，为金融企业金融统计的发展带来新的发展机遇。

二、大数据时代对金融统计的重要意义

1.对金融统计准确性意义

目前，我国现行的金融统计数据是按照各金融单位进行层层汇总方式进行数据传递，这就导致每一个机构在进行金融统计过程中可能出现问题，最终影响人民银行进行数据统计的准确性。大数据时代背景下，大数据采集方式的出现，减少了各金融机构之间层层汇总的数据统计方式，对于金融机构数据准确性具有重要保障。大数据时代的到来，使得金融在数据统计过程中成本有效的降低，对于金融统计准确性提升具有重要推动意义。

2.对金融分析方式的意义

大数据时代数据分析，在金融行业具体发展中具有重要意义。大数据时代金融统计并不只是将数据进行简单汇总，是将数据在一定时间内进行筛选，保证有价值信息的提取与使用，能够依据科学方式进行数据分类，满足金融行业数据统计要求。同时，大数据能够实现对原始数据的整理，实现重要金融结论的体现，保证金融行业决策效率性提升，保证决策效率质量。

3.对金融行业监管的意义

大数据信息集散处理能够实现金融行业监管能效的有力提升，大数据通过大量的非结构化数据，进行数据实时分析，实现对金融行业监管方式的更新。保证大数据处理的全方位信息，掌握金融分析机构的具体行为。通过大数据进行实际分析，能够保证监管报告的提供，并且内部信息相对准确，实现金融行业监管，保证金融监管有效开展。

三、大数据时代对金融统计改革与应用对策

1.重视细粒度数据采集

近年来，人民银行对于数据采集的结构发生根本性转变，逐渐向着逐笔报送方向发展。存贷款抽样综合统计工作就是对于大数据时代金融统计的集中应用，实现采集、汇总、筛选、利用的全过程探索。存贷款抽样综合统计工作在具体开展中，能够实现对于数据的有效采集，并通过具体分析，实现对金融利率市场变动的监测。这种方式在金融机构当中进行实际推广，对于金融行业数据统计具有重要作用，能够实现监测范围更加广泛。

2.建立数据标准体系

建立数据标准体系，对于数据发展具有重要意义，能够有效提升整个金融统计体系当中的兼容性。由于在现代金融体系发展中，受到数据记录不全面，数据标准不统一等相关因素的影响，现代传统的金融统计已经不能够满足现代金融发展标准，导致在金融行业数据安全性低下，准确性、一致性效果不明显，导致金融统计准确性受到影响。因此，建立数据标准体系，实现各个金融机构之间统计数据一致性，促进金融统计工作准确性提升，保证金融行业有效决策。进行实际标准体系建立过程中，应该重视以下几个方面内容：规范金融机构信息、规范金融计值以及规范金融工具，以此来实现数据标准的建立。

3.建立金融行业综合统计体系

金融行业存在一定风险，保证金融行业综合统计体系的建立，能够有效提升金融行业监管抗风险能力。运用大数据进行金融行业综合统计体系的建立，具体实施方法为：第一，建立包括银行、证券、保险等行业在内的金融体系，实现总量与结构、存货量以及流量、数量以及价格之间的金融体系框架构建，全面反映金融体系资金变化，控制资金流量以及流向等相应状况；第二，建立专项金融统计制度，针对金融行业高风险平台，如房地产、政府融资等建立专项统计制度，保证统计安全性提升，同时细化影响金融稳定检测统计指标，保证金融监管安全性提升，实现风险评估预计决策信息有效监管。

4.扩大信息共享基础

随着大数据时代的到来，完善数据发展渠道至关重要。进一步完善推动金融统计相关法律制度，强化共享机制，实现金融统计覆盖面积以及获取渠道的扩宽。保证金融统计体系建立过程中法律保证与支撑，实现金融统计的发展。同时针对相应数据实现统计资料的与提供，建立与国际接轨的数据体系，实现金融行业各部门之间统计工作流程，保证统计数据可知性。