数据分析师统计学基础精选(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篇数据分析师统计学基础，期待它们能激发您的灵感。

篇1

[关键词] 大学生；经管类专业；数据分析能力；职业竞争力；问题；策略

[中图分类号] G320 [文献标识码] B

近年来，随着全球经济一体化进程的加快和网络时代信息获取的便捷程度的极大提高，“用数据说话，做科学决策”已成为企业提高经营管理水平的必然选择，在全球500强企业中，90%以上的重要投资和经营决策都取决于充分的数据分析支持。数据分析在企业战略规划、项目投资决策、融资决策、营销决策、生产运营与管理决策中发挥的作用和价值日益显现，并已被我国政府部门和各行各业越来越多的企业所认同。在这一时代背景下，社会对项目数据分析师、市场调查分析师这些高技能应用型人才的需求旺盛，供给缺口巨大，据权威部门预测，在未来几年，我国对专业项目数据分析师的需求预计可达20万人，调查分析师的市场缺口则在100万人以上。面对社会对数据分析人才的强劲需求和高校经管专业毕业生就业难并存的局面，高校应充分地认识到，当今社会数据分析能力已成为经管类大学毕业生在职场中生存的一项核心能力，积极探讨提升经管类专业大学生数据分析能力的有效策略，对于更好地适应社会需求，提高大学生的职业竞争力具有重要的意义。

一、社会对数据分析人才的技能与素质要求分析

数据分析是指运用适当的统计分析方法对收集来的大量数据进行整理、分析，从数据中提取有用信息并形成分析结论，提出有价值的决策参考建议的过程。数据分析师是指在不同行业中，专门从事数据搜集、整理、分析，并依据数据做出行业或市场研究、评估和预测的专业人员。笔者通过对各大招聘网站数据分析师、市场调查/市场分析师等职位招聘信息的搜索和分析，深入挖掘并归纳出社会用人单位对数据分析师职位的技能和能力素质要求（详见下表1），以期为高校经管专业学生数据分析能力的培养提供参考。

从表1可以看出，数据分析能力是一种综合实践能力，它要求数据分析人员在了解行业状况及公司业务流程的基础上，构建数据分析的思路，主动地搜集相关数据，运用恰当的统计分析方法，借助于统计分析软件对数据进行处理和分析，从而得出分析结论，并撰写出有价值的分析报告。

通过以上分析，笔者认为，高校在经管类专业学生的培养定位中应对数据分析能力的培养给予充分的重视。应要求所有经管类专业的学生具备基本的数据分析能力，以适应本专业领域业务数据的收集、整理和初步分析的需要，并有针对性地培养出一批具有较强数据分析能力的学生，为他们考取项目数据分析师、调查分析师等资格证书创造条件，使他们有机会成为各行业中数据分析领域的高级专门人才。

二、经管类专业大学生数据分析能力培养中存在的主要问题

（一）经管类专业课程体系设置中缺少数据分析能力培养模块

当前，在许多高校经管类专业的培养方案中，较少设有专门讲授数据分析内容的课程。与数据分析相关的内容分散于《大学计算机基础》、《数据库应用基础》、《统计学》、《市场调查与预测》等课程，学生虽然从多门课程中接触到与数据分析相关的一些内容，但各门课程的教学资源未能实现有效的整合，如，《大学计算机基础》课程一般在大一开设，该门课程中将Excel软件作为办公自动化软件之一，一般只讲授简单的文字和数据录入及处理，并未涉及Excel软件的高级数据分析功能。而《统计学》和《市场调查与预测》课程一般在大二开设，主要侧重于从理论上介绍数据的收集、整理和数据分析的各种方法，以及市场调查和市场预测的各种方法，这两门课程主要为数据分析提供方法论的指导。这样的课程体系设置中就缺少了将数据分析的方法与数据分析的工具结合起来培养学生数据分析实际技能的课程，致使学生并未能有效、深入地掌握实际的数据分析技能。

（二）缺少实用性强的培养学生数据分析能力的实践教材

近年来，一些出版社出版了一批以Excel或SPSS为分析工具的统计分析教材，如：黄等编著的《Excel统计分析基础教程》、邓维斌等编著的《SPSS19（中文版）统计分析实用教程》等教材，这些教材在内容体系上与《统计学》教材大体相同，教材内容涉及面广，与企业实际需求结合不紧密且难度较大，对于没有数据分析基础的学生来讲很难掌握，而且有些高级统计分析方法在企业的实际工作中也很少能应用到。

（三）缺乏数据分析理论与实践能力兼备的教师队伍

培养学生的数据分析能力，首先需要拥有一支既懂数据分析理论又能指导学生统计软件操作的高水平的教师队伍，而长期以来统计学教学中一直存在的重理论，轻实践的状况，使得能够讲授《数据分析》实践课程的教师严重缺乏，这也是影响学生数据分析能力培养的关键制约因素。

（四）学生对数据分析存在畏惧心理

对于许多初次接触统计学和数据分析的学生，经常会对书中大量的数学公式和复杂的软件操作产生畏惧心理和回避心理，加之一些统计学教师在教学过程中对学生的学习没有加以正确的引导，致使很多学生从一开始就对掌握数据分析这门有用的技能失去了的兴趣和学习的信心，从而必然会影响到学习的效果。

三、经管类专业大学生数据分析能力提升策略的探讨

（一）完善学生数据分析能力培养模块

为强化学生数据分析能力的培养，高校经管类各专业的培养方案中应设置培养学生数据分析能力的模块。笔者认为，首先应将已开设的与学生数据分析能力培养相关的《大学计算机基础》、《数据库应用基础》、《统计学》、《市场调查与预测》等课程的内容进行有机地整合，在此基础上，在大三学年开设《数据分析基础》实践必修课，以加强学生数据分析的实际技能，构建学生数据分析能力的完备知识体系。同时，经管各专业还可根据需要增设《SPSS软件应用》作为专业选修课，以满足那些对数据分析有浓厚兴趣，准备考取项目数据分析师、调查分析师资格证书，有志于成为数据分析专门人才的学生的需求。

（二）开发实用性强的《数据分析》实践教材

借鉴社会项目数据分析师、调查分析师资格认证相关培训教材，编写一部《数据分析基础》实践教材，教材将以通用的Excel软件为分析工具，这样可以降低学习难度，从心理上拉近与非统计专业学生的距离，目的是使经管专业的学生掌握必知必会的数据分析概念、流程和操作，以适应社会对经管类应用型人才应具备基本的数据分析技能的需求。教材的内容体系将按数据分析的流程构建，具体内容将设以下7大模块：1.数据分析概述；2.数据采集；3.数据处理；4.数据分析（包括数据分析方法、数据分析工具的使用）；5.数据呈现；6.报告撰写；7.综合案例。

（三）培养一支数据分析理论与实践能力兼备的教师队伍

针对当前部分高校缺乏数据分析理论与实践能力兼备的讲师队伍的难题，学校可以采取“引进来，走出去”的办法多渠道解决专业师资力量不足的问题，一方面可以从其他学校聘请专业教师授课，也可以派出本学校中、青年教师到其他设有统计学专业的高校进行短期的进修学习，以提高数据分析的理论水平和实践能力，此外，学校还可以鼓励本校中、青年教师考取项目数据分析师等资格证书，以深入地了解社会对数据分析能力的需求，使学校的人才培养定位与社会需求能够实现无缝对接。

（四）培养学生对数据分析的浓厚兴趣

记得有一位资深的数据分析人士曾说过：“统计学是一门很难，但是很有趣，更是很有用的工具学科。懂得如何使用它的人总是乐在其中，而尚未入门的人则畏之如虎。”笔者结合多年的教学经验认为，要想将《统计学》这样一门多数人认为很难的课程让初学者理解它、接受它，对它产生浓厚兴趣，需要借助一些人们生活中的小案例，将难懂的统计学的基本概念和公式还原回生活当中，用来解释社会经济现象，帮助学生发现隐藏在数据背后的规律。总之，培养学生对数据分析的浓厚兴趣，是提升经管类专业学生数据分析能力的关键所在。

[参 考 文 献]

[1]邓维斌，周玉敏，高锡荣.经管专业数据分析能力研究[J].数字通信，2013（2）

篇2

关键词：互联网联网 数据分析师 人才培养

互联网行业在快速发展，“互联网+”概念的提出标志着互联网已叩响“万物互联时代”的大门。在这个时代，大数据渗透于各行各业，掌握数据核心价值成为企业脱颖而出并取得胜利的法宝。越来越多的企业承认竞争优势与大数据有关，由此，数据分析师这一职业逐渐得到认可并受到追捧。世界500强企业中，有90%以上都建立了数据分析部门。在国内，已有超过56%的企业在筹备和发展大数据研究，据有关部门预测未来5年，94%的公司都将需要数据分析专业人才。数据分析师的职位需求随之不断增长，全国数据分析师的职位由2014年初的200多个职位增长到接近3000个职位。正如著名出版公司O’Reilly的创始人Tim O’Reilly断言，大数据就是下一个Intel Inside，未来属于那些能把数据转换为产品的公司和人群。

优秀的数据分析师已经成为促进各行各业发展，推动国家经济进步的重要人物。但我国针对数据分析的研究起步晚，市场巨大，职位空缺现象十分严重。因此，培养数据分析人才的项目活动应引起高度重视。

1互联网环境下的数据分析师

1.1数据分析师的定义

谈起数据分析师，很多人都认为其职位高高在上，不可企及，但实际并非如此。让我们从案例出发来探索其内在含义，数据分析最经典的案例便是“啤酒与尿布”，沃尔玛超市将Aprior算法引入Pos机数据分析发现美国年轻的父亲去超市为婴儿购买尿布的同时，往往会顺便为自己购买啤酒，这样便使尿布和啤酒这两样看似不相干的商品有了某种联系。于是，沃尔玛尝试将两种商品摆放在同一区域，进而取得了意想不到的良好销售收入。可见，数据分析是运用适当的方法对收集来的大量数据进行分析整理，筛选有价值的信息并形成相应的解决方案以帮助人们作出判断，采取适当行动的过程。

1.2数据分析师的层级分类

经对多家招聘网站数据分析师的招聘信息进行分析研究，发现目前数据分析师大体分为三个层级：传统行业的数据分析师、互联网初级数据分析师、互联网高级数据分析师。传统行业的数据分析师的主要工作是整理、处理数据，专业技能只要具备一定的数学和统计学知识储备即可；第二层级是互联网初级数据分析师，职位要求在传统数据分析师的基础上掌握少数的计算机工具譬如SPSS、SQL等，从职人员需具备一定的数据敏感度和逻辑思维能力，能够对数据源进行分析并能制作数据报表；互联网高级数据分析师是一类复合型人才，要熟悉业务环境并能与技术相结合解决企业实际问题，并掌握数据挖掘常用算法和一系列相关的分析软件，他们的工作与企业发展密切相连，拥有一名优秀的数据分析师的企业将拥有与同行业竞争的资本。

1.3数据分析师的能力需求

数据分析师的工作分为采集、存储、筛选、数据挖掘、建模分析、优化、展现、应用等一系列过程。接下来从主要步骤详细分析数据分析师的能力需求。数据挖掘过程即从海量数据中提取潜在的有价值的信息，要求数据分析师掌握一系列相关分析方法譬如聚类分析、关联分析、等并能熟练运用数据挖掘算法和相关工具；建模分析即对数据抽象组织，确定数据及相关性的过程，在此基础上要掌握譬如决策树、神经网络、K-means算法、SVM等至少一种相关算法；展现过程要求具备数据整理、数据可视化、报表制作能力，熟练应用D3、Vega实现数据可视化，并能运用R和DateWangler工具将原始数据转化为实用的格式。

2数据分析师的培养现状

2.1国外数据分析师的培养现状

在国外，无论是学术研究还是企业部门，数据分析已发展到较为成熟的地步。斯坦福大学的研究成员着手开发MEGA（现代动态网络图像分析Modern Graph Analysis for Dynamic Networks）并与多家媒体公司紧密合作，研究社交媒体中的用户行为，建立模型并探究其中的规律；哥伦比亚大学已开设了《数据科学导论》和《应用数据科学》课程，从2013年秋季起开设“数据科学专业成就认证”培训项目，并于2014年设立专业硕士学位和博士学位；华盛顿大学开设《数据科学导论》课程，并对修满数据科学相关课程学分的学生颁发数据科学证书。数据分析师在国外已引起了充分的重视，他们均衡分布在各行各业，运用掌握的专业知识并结合相关思维为自身、企业乃至社会的发展做着不小的贡献。

2.2国内数据分析师的培养现状

近年来，在国内，大数据的概念虽被媒体和行业广泛提及，但数据分析算是刚刚起步，数据分析师的培养课程未得到普及，我国目前将数据分析纳入教学体系的高校寥寥无几，开设相关课程并取得一定成果的有：香港中文大学设立“数据科学商业统计科学”硕士学位；复旦大学开设数据科学讨论班，于2010年开始招收数据科学博士研究生；北京航空航天大学设立大数据工程硕士学位；中国人民大学统计学院开设数据分析方向应用统计硕士。

和国外相比，我国数据分析师的人才培养机制还未成熟，高校教育仍存在各种各样的问题，譬如，大学生虽然从多门课程中接触到与数据分析相关内容，但各门课程的教学资源未能实现有效的整合。互联网环境下，大数据带来的是一场革命性的变化，若想把握机遇，实现国家经济革命性发展，首要任务就是数据分析师的培养。

3如何成为优秀的数据分析师

数据分析师作为新时代新兴起的高薪职业，对人员的能力要求是相当高的，下面将根据数据分析师的定义、能力需求并结合互联网环境的时代背景，对数据分析师的成才途径作出详细的分析。

思维变革，数据分析师成才的前提。首先要在思维方面有所改变，培养自身数据思维、多模式思维、逻辑思维和结构化思维。数据思维即量化思维，对数据具有独特的敏感度，相信一切事物皆可量化；多模式思维即构造多种想法和解决思路，拓宽思维，从多角度出发，以寻求最优的解决问题的方案；逻辑思维，在错综复杂的海量数据中要有缜密的思维和清晰的逻辑推理能力才能按照自己既定的目标有效解决问题；结构化思维即系统性思考问题，深入分析内在原因，能够制定系统可行的解决方案。

技能变革，数据分析师成才的工具。作为一名优秀的数据分析师若想在互联网环境下对海量数据进行有效的管理，就要努力学习相关的专业技能。要掌握多种机器学习方法，不断学习相关软件应用，譬如，Java、Python、SQL、Hadoop、R等等，这将成为数据分析全过程的辅助工具；除此，还要掌握一定的心理学知识，能够很好的分析和解释客户行为；在此基础上，最核心的是要掌握一定的业务能力和管理能力。

素质变革，数据分析师成才的保证。在个人素质方面，互联网时代对数据分析师的要求增多，若想成为优秀的数据分析师就应不断学习完善以下素质能力：对工作的态度严谨认真，对数据的变化时刻保持敏锐的洞察力，对方法的运用保持一定的创新性，对团队保持团结合作之心，能与顾客沟通交流并及时了解他们的需求。

实践，数据分析师成才的推动力。数据分析师的职责是帮助企业挖掘市场价值、发现机遇、准确进行市场定位并从海量数据中找出问题，提出解决方案。因此，在数据分析师的成才道路上，实践是必不可少的。相关人员要在掌握理论的基础上，敢于应用于实践，充分考虑数据中存在的价值和风险。使自我能力在实践中不断改进和完善。

4给我国高校的建议

高校为数据分析师的成长提供指导和途径，肩负着为我国社会培养有用人才的重任，因此高校要努力构建数据分析师的人才培养机制，不断输出数据分析相关人才。

高校的首要任务是，强化师资力量，改进教学方法。各大高校应联合共建优秀师资团队，鼓励教师考取数据分析师资格证，并到实际企业中进行历练。再者，我们要组建专门师资团队到国外开展学习工作，取其精髓，去其槽粕，不断优化我国数据分析师的培养体系。

第二、培养专业化的人才就要有效整合各门课程的教学资源，构建系统性教学结构。鉴于市场对数据分析师的需求的火热程度，高校完全可以开设专门课程，将与数据相关的课程进行有机的整合并开设数据分析导论、基础等课程，制定数据分析系统性课程体系，专门为市场培养数据分析的专业人才。

第三、在具备优秀的师资力量和良好的教学体系的基础上，高校也高度应注重学生兴趣的培养。数据分析师是新时代的复合型人才，一名优秀的数据分析师需掌握包括数学、统计学、运筹学、社会学、管理学以及大量软件应用在内的大量相关知识，学习过程会十分繁琐、复杂，学习周期长，学习难度大，所以建议各大高校在制定教学体系时应合理安排课程，在教学过程中应注重课程的趣味性，寓教于乐，采用案例导入、项目教学等教学方法，逐渐培养学生对数据分析浓厚的兴趣。

第四、随时更新教学数据，培养适应时展的人才。基于大数据的4V特征即大量化（Volume）、多样化（Variety）、快速化（Velocity）、价值化（Value），在培养数据分析人才的期间，高校一方面要注重数据的全面性，另一方面要注重数据的更新，及时更改教学方法和教学案例，与时俱进。高校要充分利用互联网的优势，引入MOOC（Massive Open Online Course，大规模网络开放课程）教学方式，充分发挥大数据在教育领域的作用，克服传统教学方法资源少、反馈慢、综合分析困难等缺点，将数据分析的研究成果应用于数据分析人才的培养，实现数据分析行业的良性循环。

第五、注重理论与实践相结合，努力为学生搭建实践的平台。高校可考虑校企合作的教学理念，边教学边实践，让学生将所学到的理论知识转化为实际应用，一方面在实践中巩固并检验自己的理论知识，另一方面数据来源真正的企业运营中，让学生切实体验数据的作用和风险，有助于塑造真正对企业有用的人才。

5结语

综上所述，互联网带来了全球范围的数据信息大爆炸，这对企业来说是机遇同时也是挑战，能将大数据为自己所用，是企业取胜的关键，因此数据分析师逐渐被各行各业认可。文章从数据分析师的定义出发，结合目前的时代背景，对数据分析师的每一工作步骤所需的能力进行研究，旨在初步探索优秀数据分析师的成才之道，为即将成为数据分析师的学者提供一定的理论参考。最后，针对如何构建数据分析人才培养体系，对我国高校提出了几点建议。高校的培养只是为数据分析师提供成才的途径，如何成为资深的数据分析师还有赖于每个学者的不断探索和研究。

参考文献：

[1]张明元.数据分析师的职业是否高不可及[J].出国与就业，2007（08）：56.

[2]郑葵，马涛.经管类专业大学生数据分析能力提升策略探讨[J].商业经济，2013（19）：52-53.

[3]冯海超.大数据时代正式到来[J].互联网周刊，2012（24）：36-38.

[4]谭立云，李强丽，李慧.大数据时代数据分析人才培养的思考及对策[J].科技论坛，2015.

[5]尹颖尧，李鸿琳.赶紧培养数据分析师[J].大学生，2013（18）：78-79.

[6]程征.提升数字阅读质感的数据分析师[J].中国记者，2013（6）：46-47.

[7]张文霖.数据分析师那些事[J].统计论坛，2013（7）：44-45.

篇3

无论是政治，还是经济形势，任何政府、企业、个人，面对未来进行投融资等项目决策，不经过数据分析论证就简单的决定会带来巨大的危害，已经渐渐的被人们认同。所以，只要参与社会政治、经济等活动，进行投融资，期望带来一定的经济效益，或者社会效益，就必须加强数据分析工作，对投融资意向进行评估，为决策提供科学的依据。

（一）项目数据分析

1、什么是项目数据分析工作

项目数据分析就是研究将经济学理论用数学模型表示，并应用于项目投资分析的方法论。项目数据分析过程是：提出项目（研究机会）、初步可行性研究（市场、技术、资源、环境研究、效益、风险分析评价）、测算经济效益、评估和决策、可行性研究（市场、技术、资源、环境研究、效益、风险分析评价）、评估和决策、项目实施。

2、项目数据分析工作的内容、特点

（1）项目分析工作的内容

一般来说，项目数据分析的内容包括项目的经济效益评价、项目的风险分析和项目的比较选择。

项目的经济效益评价主要是在假设项目没有风险情况下的经济效益，主要针对非贴现指标（会计收益率和投资回收期）和贴现指标（净现值、内部收益率、获利指数和动态投资回收期）。

项目的风险分析，主要是进行盈亏平衡分析、敏感性分析和概率分析。

项目的比较选择，主要是独立方案、互斥方案和不完全互斥方案的设计、评估等选择。

（2）项目分析工作的特点

项目数据分析工作是一门边缘科学，其特点是以定量分析为主要分析手段，通过分析翔实的数据进行项目的论证得出定性结论，并以定量数据进行说明。显然，项目数据分析，必须通过建立数学模型的方法进行分析涉及经济学、数学、统计学和预测学。

（二）什么是投融资

1、项目投融资的概念。

投资是指 “为了在获得预期的收益而作出的确定的垫支或牺牲的各种经济行为” 。因此，投资并不局限于与基础建设相关的经济活动，还包括证劵投资、信贷投资和信托投资。

2、项目投资的特点

项目投资的特点是现在投入资金进行经济效益的博弈，通过对该项目的管理进行长期或者未来的收益，不仅具有时间性，而且具有较强的风险性，其本质就是获得预期的收益。

一些大型的投资项目，通常都由一家专业的财务顾问公司担任其项目的财务顾问，财务顾问公司做为资本市场中介于筹资者与投资者之间的中介机构凭借其对市场的了解以及专门的财务分析人才优势，为项目制定严格的，科学的，技术的财务计划以及形成最小的资本结构，并在资产的规划和投入过程中做出理性的投资决策。

（三）项目数据分析工作对投融资具有重要的意义

1、数据分析工作提高了工作效率，增强了管理的科学性。无论是国家政府部门、企事业单位还是个人，数据分析工作都是进行决策和做出工作决定之前的重要环节，数据分析工作的质量高低直接决定着决策的成败和效果的好坏。

2、越来越多的企业将选择拥有中国项目数据分析师资质的专业人士为他们的项目做出科学、合理的分析，以便正确决策项目；越来越多的风险投资机构把中国项目数据分析师所出具的项目数据分析报告作为其判断项目是否可行及是否值得投资的重要依据；越来越多的企业把中国项目数据分析师课程作为其中高管理层及决策层培训计划的重要内容；越来越多的有志之士把中国项目数据分析师培训内容作为其职业生涯发展中必备的知识体系。

二、从事项目数据分析工作的感受

（一）从数据分析师的角度，项目数据工作需要做到以下几个方面的服务，才可以为被服务对象提供优质的有价值的投融资报告。

1、真诚服务

所谓真诚服务，主要是因为投融资报告的价值来自于数据分析师精湛的业务能力，细致的数据搜集能力、阅读能力、分析能力和预测能力。无论是竞争性项目、还是基础性项目，由于数据分析工作时一门边缘科学，需要对真实和翔实的数据进行定量或者是定性分析，需要对国家或者国际政策进行审读，需要对经济形势进行判断，需要对项目所属的行业进行科学的宏观把握，因此，项目数据分析师在搜集相关数据，在分析相关数据时，在阅读国家或者国及政策时，在斟酌行业趋势时，都需要真诚的付出，否则，闭门造车或者移花接木式的投融资报告，只能是危害客户，只能给客户带来更大的风险，而不是丰厚的收益。

2、真心服务

所谓真心服务，主要是指项目数据分析师在服务客户时，需要站在客户的角度思考问题。由于项目数据分析师，是从属于某公司，因此从公司利益出发，需要为公司赚取一定的利润，这部分利润就来自于数据分析师所服务的客户。从客户角度思考，实际上客户委托数据分析师针对企业的项目意向而进行的数据分析，实际是希望数据分析师提供的项目方案，不仅是可行的，能够为公司获得预期利益，而且是风险较小的，可以操作实施的投融资报告。

3、真实服务

所谓真实服务，就是指数据分析师在进行项目数据分析，通过建立数学模型的方法进行分析并提出具有科学性的、前瞻性的、科学性的、可操作性的投融资项目预测报告时，需要是真实服务。一般来说，客户在提出项目设想时，是充满了憧憬，也具有天真的幻想，那么数据分析师提出的可行性报告如果是刻意逢迎客户的主张，那么对客户来说将是灾难性的打击。

4、真情服务

所谓真情服务，主要侧重于项目付诸于实践中，项目数据分析师跟踪调查项目实施的禁毒，以及修正项目风险分析和比较选择。

（二）从数据分析师所服务的客户角度来看，客户也需要做到以下几个方面的工作：

1、信赖数据分析师的服务

对数据分析师服务的企业来说，信赖数据分析师是必要的。一方面，投融资项目报告，制定严格，具有科学性，是理性的投资决策；另一方面，

2、忠诚数据分析师的服务

3、诚挚和数据分析师的合作

数据分析师在进行投融资项目分析时，一方面，客户的意项是否描述清晰、完整、完全，是非常重要的，它决定了投融资项目报告的起点和方向；另一方面，企业的真实经营状况，也对项目报告具有决定性的意义。因此，企业需要同数据分析师进行诚挚的、真诚的合作，否则，项目数据报告就存在不可预知的、本可避免的巨大风险。

三、为项目方和投资方案例分析

支持创新 不忘避险—“倍爱康”生物科技项目作为股东类项目，“中投信保”为“倍爱康”提供4笔贷款担保，累计担保余额1900万元，实现保费收入28.5万元。

“倍爱康”是由冶金自动化研究院投资兴办的高新技术企业，主营磁分离酶联免疫检测系统等医疗器械和试剂的购销与制造。企业贷款用途为引进加拿大的磁酶免系统。但贷款后对该产品的市场推广未见成效，研发费用又较高，在销售无法取得突破的情况下，使得公司的净利水平偏低。同时，下游各地方医院压款情况严重。虽引入的国外先进技术不如预期般成功，企业仍按时还贷，该项目顺利完结。

篇4

大数据比任何时候都谈论的多，因此公司的管理层比以往任何时间都希望通过数据分析得到他们感兴趣的东西，因此都会为此组建一支网站分析团队去发现其中的价值。对于数据分析团队人员来说，把数据导入到网站软件分析占据在工作量小于10%，而把剩下的90%的时间用在发现数据中的价值，形成自己的观点从而驱动公司作为改变，这才是数据分析师的价值。

那么，数据分析师们如何实现从数字到观点，以下是我的五点建议：

1、不仅要对比差异，而且要对比趋势

网站分析软件让分析师去对比连续的数据，例如：按月、按年来比较变成很容易，但是对于一些逻辑上的比较，例如：工作日每天，当前与上周的同一天等在对于软件的实现有一定难度。然而，最好的发现趋势的方法还是把数据导入到excel中，通过透视表去发现数据中的趋势。还可以在分析中加入一些统计指标，均值、方差、均方差；

2、在形成结论前请深入分析数据的异常

对于一个网站分析师来说，没有什么出现那种“狼来了”更悲剧的事情。曾经有一个同事对于一次网站的活动表现非常忧虑，因为自从这个活动上线后，指标连续8周下降。后面分析发现这是一个针对返校的活动(国外大部分大学每学年为三个学期，开学时间分别是8月、1月、5月)，但那个时间正赶上感思节(感恩节是在每年11月的第四个星期四)。

对于之前讨论的情况，计算方差是一个很好的评估你的数据变化是不是在统计学上显著，是否你的变化的数据落到二个方差之外。(译者备注：如果一个变量符合正态分布，则其95%的值会落到均值左右二个方差内。这也许就是为什么时候你会听到一个分析师说，这个变化超过5%了吗？超过应该给予足够的关注。)

3、细分是更深入的分析的基础

发现影响数据变化的关键因素(显著变化的驱动力)可能需要花费你超过90%的时间与精力。有时间，导致数据明显变化的原因可以很容易被发现。有的时候为了回答一个数据的变化，你可能需要花很大精力去研究。然而，通过对数据细分(数据行业有一句话：无细分，吾宁死)，您可以快速找到影响的未来趋势变化共享行为特征。

4、在报告中与对商业的影响联系在一起

你在报告中必须向听众这样一个问题：为什么我需要关心？常规中，分析结果可以提高收入、节约费用、或者提高用户服务满意度。例如，针对季节性的促销活动，网站的着陆页是不是比去年表现的好。如果是，需要多快去实现这些改变，这些改变对于整体的影响，是不可以实现设定的销售目标。

5、让观点可执行

篇5

关键词：大数据 市场调查与预测 教学改革 专业特色

中图分类号：F274

文献标识码：A

文章编号：1004-4914（2017）02-237-02

一、引言

信息技术和社会化媒体的飞速发展引发了数据的大爆炸，而庞大的数据集为企业进行市场调查与预测提出了新的挑战。为了适应新的企业需求，高校《市场调查与预测》课程的人才培养方案和培养模式必须做出相应的调整，引入新的教学方法和人才培养理念，使用更加先进的调查预测工具，为企业培养出具备数据分析能力的优秀人才。

二、课程改革的必要性

（一）大数据时代的要求

随着大数据时代的到来，企业越来越重视基于大数据的更多样本，更多实时数据的分析。对于市场专业本科阶段的学生来讲，虽然不能达到数据分析的专家，但是必须顺应时代及企业人才需求的变化，提升数据分析的能力，《市场调查与预测》课程的教学改革迫在眉睫。

（二）传统教学方法与教学模式存在很多弊端

《市场调查与预测》课程最显著的特点就是实践性强，但是传统的教学方法与教学模式很难达到锻炼学生实践能力的目的。主要体现在以下三个方面：第一，传统的注入式教学方法主要强调的是理论知识的传授，学生缺乏参与感，很难调动学生的自主性和积极性，培养学生的创新性；第二，传统课程安排实践课时偏少，通过查阅各类院校本课程的教学计划，多数高校实践课时占总课程课时的比例不足30%，教师很难对整个实践过程进行监管和指导。第三，传统的教学模式忽略了对实践能力的考核，基于实践课时偏少，实践成绩所占总成绩的比重很低且缺乏完整科学的成绩评定体系，容易造成学生“搭便车”的现象；第四，《市场调研与预测》课程与《统计学》存在较强的相关关系，在授课过程中如果缺乏课程衔接与配合意识，很容易造成内容的重叠。同时，如果学生的统计学知识不扎实，对数据的分析仅仅停留在问卷调查数据的初步统计，很难提高学生的数据分析能力。

三、课程改革的基本思路

《市场调查与预测》课程的教学改革应顺应大数据时展的要求，通过以学生为主体，教师为主导的教学方法，着重培养学生的实践能力、创新能力和数据分析能力。教学内容上增加数据分析的内容，主要引入SPSS统计软件的实验课程，提升学生的数据分析能力；教学形式上采用课题式教学，通过课题式教学与分组合作学习的互动式教学模式提高学生的实践能力；课程考核上，通过制定公平合理的考核制度提高学生参与实践锻炼的积极性，并在提高自身综合素质的基础上提高对教师教学的满意度。

（一）教学内容的调整

依据市场调查与预测统计分析的需要，学生要先修《统计学》课程，通过和《统计学》教师的沟通与配合，《市场调查与预测》课程教学内容减少与《统计学》重复的理论部分，增加数据分析内容，尤其是SPSS操作模块。与此同时，增加实践课时。该课程的总课时为48学时，其中课堂理论授课占用24学时，SPSS操作占用12学时，实践课时12学时。课程理论讲授模块的内容包括：市场调研方案设计、数据搜集方法、市场调研误差、数据整理与分析、市场调研报告的撰写、市场预测的基本方法。SPSS操作模块包括：问卷设计与数据收集、问卷数据的录入与清理、单变量的一维频率分析、双变量的交叉表分析、多选变量的一维频率分析和交叉表分析、描述统计分析、简单统计推断、单因素方差分析、线性相关分析与线性回归分析。@两个模块不是孤立的，而是通过课题式教学完成，学生通过选定的课题展开，围绕选题在实践课时完成完整的市场调研过程，应用SPSS完成数据的分析过程，最后以课题小组的形式进行汇报。

（二）教学的组织形式

教学组织形式上主要采用课题式教学与分组合作学习的形式，鼓励学生按照兴趣以4～6人为一组进行组队，通过发现生活中与市场调查相关的实际问题，参与教师的课题项目，参与大学生市场分析大赛或者结合大学生创新项目等形式确定调研主题，明确调查目的、调查对象和调查范围，设计调查方案。无论对于教师还是学生，新的科研项目的立项都会面对很多的新问题。在教学过程中，全体师生围绕共同感兴趣的科研课题展开教学与科研活动，形成一个学习型的教与学的团队。提高学生自主学习与实践的意识。师生在教学与科研活动中会有新的发现，达到教学相长的目的。

（三）课程成绩评定方案的优化

由于《市场调查与预测》的课程加强了实践环节，所以在最终课程的成绩评定中，学生实践环节的占比要相应的提高。我校传统课程考核中，综合成绩=平时成绩+期末成绩。平时成绩和期末成绩分别占30%和70%。现计划调整为：综合成绩=实践成绩+期末成绩。其中实践成绩和期末成绩各占50%。由于实践环节都是分小组进行，调研报告和最终的汇报只能区分不同小组的最终表现，很难区分小组成员的实践表现。为了防止小组成员在团队作业中出现搭便车的现象，所以学生个人实践成绩=小组实践成绩70%+个人平时成绩30%。小组实践成绩的评定在汇报过程中采取小组互评和老师评定相结合的方式，其中小组互评占30%，由其他小组评定的平均分计算得来，老师评定占70%，按照课题选题的难易程度及完成的工作量大小来确定。个人平时成绩=组长评分30%+老师评分70%，组长评分根据组员的参与度及完成情况决定，老师评分根据小组分工的完成情况决定。这种成绩评定结构尽可能的做到客观公正，让学生切身体会到自觉参与实践锻炼的重要性，促进学生积极投入到实践锻炼中，并在提高自身综合素质的基础上提高学生对教师教学的满意度。

四、课程改革与专业特色

由于课程采用课题式教学与分组合作学习的形式，不仅锻炼了学生的实践能力和创新能力，而且对学生团队沟通与合作能力也是一种提升。通过这种教学模式的实践也可以为市场营销专业特色的建立指明方向。

（一）以就业为导向

市场营销专业的学生将来很可能从事市场调研工作，因此如果能在学习的基础上考取相关证书可以很大程度提高就业率，比如可以鼓励学生考取中级调查分析师证书。中级调查分析师证书考核的内容主要包括五个模块：消费者行为学、调查概论、市场调查实务、抽样技术和调查数据分析。学生可以侧重以“消费者行为”为课题开展市场调查，不仅使学生掌握了市场调查的基本理论知识，而且也掌握了市场调查的实务，提高了数据分析的能力，实现了大数据时代企业对新的人才需求的无缝衔接。

（二）以专业竞赛为导向

该课程的实践环节也可以以专业大赛为依托，比如学生的选题可以先以校级大学生创新项目为基础组织教学实践，既完成了教学任务，又可以为参加更高层次的专业大赛奠定一定的基础。在现有课题的基础上选拔比较好的项目衔接省级大学生创新项目、全国及海峡两岸大学生市场调查分析大赛等。这种模式既可以加强与全国高校的交流，也可以紧追市场调研实践教学模式的前沿，拓宽任课教师的思路，促进教学质量的提升，提高教学满意度。

总之，《市场调查与预测》课程的改革不仅顺应了大数据时代的发展，同时也能体现出以市场调研为依托的专业特色。但是我校《市场调查与预测》课程的改革并非一蹴而就，也是一个循序渐进的过程。课程的改革不仅和现有师资水平有关，而且与学校的各种软硬件配置以及实验室建设也存在很大的关系。目前我校在《市场调查与预测》教学方面的软硬件还存在很大的欠缺。如何提高实验室的利用效率，加强实验室软硬件建设，实现SPSS操作课程与理论课程的无缝衔接也是需要我们通过调研来逐步改善的。同时，课程的建O需要长期的投入和努力，我们在提高学生的市场调研实践能力，增强学生将来融入社会的适应能力的过程中还要不断摸索和提升，紧跟时展的步伐。

参考文献：

[1] 段晓梅.基于SPSS软件的《市场调查与预测》实验课程教学研究[J].教育教学论坛，2014（9）58～60

[2] 李红梅.市场调研课程实践性教学模式研究[J].教育教学论坛，2015（12）107～109

[3] 陈成栋，刘晓云.“市场调查与预测“课程教学改革实证研究[J].中国市场，2012（35）26～28

[4] 赵磊，朱娜.“大数据”时代农业高职院校财经类专业市场调查与预测人才培养方法探讨与研究[J].经济研究导刊，2014（27）187～188

篇6

二年以上工作经验|男|24岁（1990年8月28日）

居住地：北京

电　话：133********（手机）

E-mail：

最近工作 [ 1年5月]

公　司：XXX咨询公司

行　业：商务咨询

职　位：咨询员

最高学历

学　历：本科

专　业：计算机软件

学 校：蓝翔技校

自我评价

本人性格开朗，思想正直，诚信，稳重。工作认真踏实，责任心强，善于独立思考，分析问题，解决问题。具有扎实的统计学专业基础知识，掌握常见的统计方法；熟练掌握常用的数据挖掘方法，算法和相关工具、熟练使用SAS软件；有良好的逻辑思维能力，注重细节、对数字敏感，能挖掘数据背后的意义，能够独立完成、撰写业务数据分析报告。

求职意向

到岗时间：一个月之内

工作性质：全职

希望行业：商务咨询

目标地点：北京

期望月薪：面议/月

目标职能：咨询员

工作经验

2013 /7—至今：XXX咨询公司[1年5个月]

所属行业： 商务咨询

咨询部咨询员

1. 与客户进行电话沟通，详细介绍调研项目和调研流程并回答客户疑问，曾一天接打客户电话100余个;

2. 筛选分析调研数据，使用Excel处理超过2万个样本数据，具有丰富的数据处理经验;

3. 翻译2007年翰威特全面薪酬评估研究对85个部门超过1000个职位的工作描述，中文译文达10万字;

4. 参与相干公司北京分公司、天宇客货运输服务有限公司(日本通运株式会社在中国的合资公司)的人力资源咨询项目，与客户公司20余名高级管理人员面对面进行访谈。

2012 /7—2013 /7：XXX网络有限公司[1年]

所属行业： 数据分析

数据部数据分析师

1、根据业务需求，制定用户使用行为数据的采集策略，设计、建立、测试相关的数据模型，从而实现从数据中提取决策价值，撰写分析报告；

2、跟踪并分析客户业务数据，为客户的发展进行决策支持；

3、完成对海量信息进行深度挖掘和有效利用，充分实现数据的商业价值；

4、支持微博事业部等产品部门下的运营，产品，研发，市场销售等各方面的数据分析，处理和研究的工作需求。

教育经历

2007/9—2011 /6 蓝翔技校 计算机软件 本科

证 书

2009/6 大学英语六级

2008/6 大学英语四级

篇7

坐镇网站数据分析职位的人一般会拥有逻辑性强、商业敏感度高、懂网站前端技术，懂统计学等特征。故而给人一种“北方佳人，绝世而独立”之感，认为入行门槛过高。其实网站分析职业入行不难，难在成为高端数据分析人才。如果能窥到门径，且习学方法得当，能否出将入相，就看个人际遇和努力程度了！

我是做互联网产品运营的，查看数据、做数据报表、基于数据分析指导工作(优化流量营销渠道、优化网站功能、优化业务流程)是必做功课。但是因为我所效力的几家单位均不重视网站数据带来的商业回报(相信大多数公司使然)，所以在实际工作中的应用并不深。但个人来说，我一直嗜好网站分析，对GA也情有独钟，曾经也和网站分析星期三等专业数据分析团队合作组织过小型线下沙龙，所以私底下一直在钻研。因为在学习过程中走过许多“坎坷”路，一波三折，亦看过好多无用书籍。为了大家能少花银子多办事，我先推荐一些好的书籍和博客(网站内分析专用)。对于新手来说，系统性的入门教程总是最好的敲门砖，因为脉络清晰，所以容易上道：

基础书籍：《网站分析基础教程》《网站分析实战：如何以数据驱动决策，提升网站价值》《流量的秘密:Google Analytics网站分析与优化技巧》第二版

技能进阶：《精通Web Analytics 2.0：用户中心科学与在线统计艺术》

数据呈现：《谁说菜鸟不会数据分析》2013最新版?0?2《Excel商务图表应用与技巧108例(双色版)》《鲜活的数据：数据可视化指南》

拓展训练：《大数据时代》《量化：大数据时代的企业管理》?0?2?0?2《R语言实战》

银子不够的童鞋可猛攻这三个博客：

宋星：网站分析在中国；王彦平：蓝鲸的网站分析笔记；吴盛峰：网站数据分析。

这三人的博客基本全是原创，而且都有网站地图，阅读起来可以由浅入深，看了很多博主文章，这三个博客对我帮助最大！

理论学习，收效甚微，如果边学边实践，那进步神速，所以这部分我主要分享我学习实践的过程：

虽然我是运营行当，但上文说过，我所效力的几个公司不重视网站数据的商业效果，所以我在五年的网站工作中涉足网站数据这块的时间并不多，所做的往往是最简单的网站数据统计，而非分析，更遑论基于数据指导决策了。所以，更多的情况下，我都是拿自己的小站，用GA应用服务，来实践学习。我还记得刚入门的时候，每学到一个技能点都“漫卷诗书喜欲狂”。但是因为贪大求全，没有知识脉络，导致我沉头胀眼。后来脆用念书时候的知识点学习法把GA也分成若干知识点来学习实践：基本度量、正则表达式、自定义报表、虚拟页面、过滤器、事件跟踪、自定义变量、高级细分等功能点。各个功能点集中实践，逐个攻破。果然不久后明显感觉到功力大增。

后来，换了份工作，该单位上了一套华贵的网站分析系统：Omniture的SiteCatalyst，姻缘一线，此系统的实施部署工作不偏不倚恰巧落在了我头上。据了解，国内鲜有公司使用这么昂贵的服务。因为没买该系统的商业培训，为了尽快一睹芳艳，那段时间，我在网络上搜肠刮肚网罗教程，未果。托网站分析星期三的朋友帮忙，亦未果。弹尽粮绝之际，只好看SiteCatalyst帮助教程了，但中文翻译不够标准，深恨当初英语逃课。但是，SiteCatalyst前期部属工作并不顺利，大概用了一个季度时间才勉强部属完成(这里面有很多因素：技术人员熟悉理解时间，与商业顾问沟通业务关键指标(老外)时间，商业顾问、实施顾问服务时间有限、团队间的协调不利等因素)。在部属即将完成的时候，我又因调换部门，这项系统的使用权花落别院，错失了这个深入学习的机会，至今难以释怀。

在个人不断学习实践过程中，不知不觉的我感觉到自己有了基于数据量化的工作思想(KPI)，于是在工作中我根据所工作的网站的特性草拟了一份业务运营团队阶段性KPI指标，因未被采纳，所以可以分享如下(时隔1年，现在再看这份kpi指标表，的确是不算合理，有些指标定位不清晰)：

篇8

关键词：财务分析；大数据；教学改革

作者简介：王晖（1973-），女，黑龙江鸡西人，北京信息科技大学经济管理学院，讲师；段文军（1969-），女，山东蓬莱人，北京信息科技大学经济管理学院，副教授。（北京 100192）

基金项目：本文系北京信息科技大学教学提高-专业建设项目（项目编号：5028023501）的研究成果。

中图分类号：G642.0 文献标识码：A 文章编号：1007-0079（2013）25-0111-02

当今时代不断涌现各种新型信息方式，例如博客、社交网络等；不断兴起各种新技术，例如云计算、物联网等。数据的产生不受任何的限制，数据以前所未有的速度不断增长和累积，大数据时代已经来到。[1]《华尔街日报》认为大数据时代是引领未来繁荣的三大技术变革之一。麦肯锡公司在一份报告中提出数据是一种生产资料。企业每天面对海量的财务数据，如超市的销售记录、银行的交易记录、淘宝网站数千万笔交易记录（产生量超过50TB，存储量40PB①）。企业如能利用这些巨大的数据集挖掘出有价值的信息，那么企业就能掌控下一个创新、竞争和生产力提高的关键。大数据时代，尤其是财务大数据时代，呼唤创新型人才。[2]呼唤具备综合财务分析能力的人才，利用财务大数据为企业创造财富。

如何培养财务分析人才？在财经类高校本科，一般都开设“财务分析”课程，该课程教学目的是培养学生对真实企业进行综合财务分析，并能独立撰写财务分析报告的能力。[3]本文以北京信息科技大学（以下简称“我校”）为例，探讨大数据时代下财务分析人才的需求特点，对高校“财务分析”课程设置的影响，并提出改进“财务分析”课程教学的建议。

一、大数据时代下财务分析人才需求特点

相较于其他类型数据，财务数据更大、更复杂，蕴藏着更多宝贵信息。麦肯锡公司2011年报告推测，利用大数据分析，零售商可增加运营利润60%，制造业设备装配成本会减少50%。[2]在财务大数据环境下，如何整理与统计这些杂乱无章的数据？如何让财务数据开口说话为企业管理者经营决策提供科学依据？朱东华（2013）认为，大数据时代下，传统的数据分析方法已经不再适应当前的数据环境，同时，各种企业对数据的依赖与日俱增，甚至定量分析方法将逐步取代定性分析方法。[4]财务大数据和大量的财务数据分析需求助长了企业对统计和数学背景的人才需求。

可见，大数据时代下财务分析人才应该具备扎实的统计学和数学功底，能够熟练运用定量分析方法分析数据以获取信息，撰写分析报告为企业相关利益人决策提供依据。

二、“财务分析”课程教学现状

张先治（2007）认为，财务分析是财务分析主体为实现财务分析目标，以财务信息及其他相关信息为基础，运用财务分析技术，对分析对象的财务活动的可靠性和有效性进行分析，为经营决策、管理控制及监督管理提供依据的一门具有独立性、边缘性、综合性的经济应用学科。[5]财务分析课程是为我校经济管理学院财务管理专业本科三年级开设的一门专业必修课。学生前期已经学过数学、经济学、会计学、财务管理、统计学等课程。财务分析课程正是在学生掌握前期所学各门课程的基础上，培养学生综合运用所学专业知识，分析判断企业的财务状况，并根据数据分析结果找出企业存在的问题，提出解决方案。[6]为了更好地实现“财务分析”课程教学目的，课程组的老师们经过讨论，决定修改2008级财务管理专业教学计划，将原来课堂教学的方式改为1/2的学时用于课堂教授基本理论，1/2学时用于实践教学。笔者自2011年开始，按照新的教学计划给三届学生讲授了“财务分析”课程。

1.理论教学部分

教材选用东北财经大学出版社出版，张先治和陈友邦主编的《财务分析》（第五版）。该教材体系完整，内容丰富，全书以一家虚拟的ZTE公司为例，演示财务报告分析、财务效率分析和财务综合分析。每章设有案例和复习思考题，该书还有配套的习题集。在课堂教学中，以教材为主线，突出介绍各种财务分析方法的使用，以及根据分析结果得出结论，提出解决方案。

2.实践教学部分

一人一企，边学边分析。每位学生选择一家上市公司作为分析对象，利用学校购买的金融数据库以及相应网络资源，结合所学财务分析理论知识进行上机实验，在Excel内完成数据分析，并将分析结果形成财务分析报告。学生分析判断和决策能力在实战中得以锻炼，教学效果得到改善。

但是，随着大数据时代的来临，外部环境对数据分析能力要求的提升，仅仅学会利用Excel进行水平分析、垂直分析、趋势分析、比率分析和因素分析，已经远远不能满足市场对财务分析人才的需求，学生就业的竞争力无从谈起。结合前面大数据时代下财务分析人才需求特点，我校学生财务分析能力的培养存在着以下问题：

1.学生数据收集、整理和分析能力弱

定量分析方法应用的基础是数据，财务分析人员必须学会从海量的网络资源中搜集并筛选与自己的分析对象和分析目的相关性较强的资料信息，[7]这些资料信息可能是结构化数据，例如金融数据库等；也可能是非结构化数据，例如网页等。从实践教学环节反映出学生数据收集和整理能力弱，分析其原因主要是：

（1）学生不熟悉对财务分析有帮助的网络资源。搜集有价值的数据需要一定的技巧，其中最为重要的是熟悉一些重要的网站，知道相应的数据应该在哪里找到的概率比较大，做到有的放矢。

（2）学生无法将非结构数据快速地转换成所需的数据形式。类似金融数据库这样的结构数据，学生基本能够筛选出所需信息。但是，对于类似网页这样的非结构数据，他们就只能运用最原始的复制粘贴的方法提炼数据信息，耗时且耗力。2013年2月1日，人保财险执行副总裁王和在中国第七届“保险业管理信息化高峰论坛”上指出，在过去的两三年里，结构和非结构数据发生了本质性的逆转。过去就整个社会来讲，绝大多数的数据是结构数据，而现在非结构数据正呈快速增长的趋势，现在以及未来，非结构数据将占到95%，甚至更多。

“财务分析”课程讲授的基本方法主要是比率分析和因素分析法等。目前，无论是学术界还是业界，研究人员大量使用统计模型进行财务数据分析，例如聚类分析、多元回归、因子分析、时间序列预测法等。因而，我校学生数据分析能力急需加强，尤其是统计学和数学的基础要扎实。

2.学生财务分析报告撰写水平有待提高

财务分析的结果是以财务分析报告的形式展示给企业利益相关人，为其进行财务预测、财务决策、财务控制和财务评价等提供可靠信息。财务分析报告是对企业经营状况、资金运作的综合概括和高度反映。李宝智（2012）认为，报告应具备八要素：准确、完整、可比、用户导向、相关、问题的解决方案、及时和易用。[8]从我校学生提交的财务分析报告看，与上述要求还有很大差距。

三、“财务分析”课程教学改革建议

1.培训网络资源使用

重点介绍几个数据库的使用：

（1）金融数据库。我校购买了两款金融数据库，北京聚源锐思数据科技有限公司金融数据库（http：//）和深圳市国泰安信息技术有限公司CSMAR财经系列研究数据库（http：//）。登陆金融数据库后，输入查询条件即可下载上市公司财务数据，速度快且数据量大，数据格式可以任意选择。

（2）中国资讯行（国际）有限公司高校财经数据库（http：//），INFOBANK于1995年在香港成立，是一家专门收集、处理及传播中国商业、经济信息的香港高科技企业，信息范围涵盖19个领域、197个行业。

（3）国务院发展研究中心信息网（国研网）（http：//.cn）。国研网已建成了内容丰富、检索便捷、功能齐全的大型经济信息数据库集群，包括：六十几个文献类数据库、四十多个统计类数据库等。

网站资源：中国证券监督管理委员会（http：//）、上海证券交易所（http：//.cn）、深圳证券交易所网站（http：//）、巨潮资讯网（http：//.cn）和相关协会网站等。

2.培养数据预处理和建模能力

收集到数据之后，需要对数据进行预处理，利用统计学的理论和方法将数据转换成一个分析模型。[9]学生在统计学、计量经济学课程中，已经完成基本模型理论、SPSS或者Eviews三分析软件的学习。但是，若想实现对大数据的整理和分析，应该掌握R或者Matlab统计分析软件，同时，还要掌握一种编程语言，例如C++、JAVA、C#等。利用编程语言调用统计分析软件，从而实现大数据的分析。另外，建议学生了解Perl语言编程，该语言擅长处理非结构数据。

3.培养文献阅读及财务分析报告撰写能力

数据分析之后，需要撰写财务分析报告，为各方利益相关者的决策提供依据。不同财务分析的目的，形成的财务分析报告具体要求会有所差异，但是撰写财务分析报告的基本步骤相同。首先查阅文献，阅读相关学术文章、财务分析师分析报告、评级机构报告等；其次，模仿写作，组织财务分析结果，形成报告。此中没有捷径，需多看、多写。

注释：

①1TB 等于1000GB，1PB 等于1000TB。

参考文献：

[1]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，（1）.

[2]邬贺铨.大数据时代的机遇与挑战[J].求是，2013，（4）.

[3]张肖飞.财经类高校《财务分析》课程案例教学改革研究[J].商业会计，2013，（1）.

[4]朱东华，张嶷，汪雪锋，等.大数据环境下技术创新管理方法研究[J].科学学与科学技术管理，2013，（4）.

[5]张先治.财务分析理论发展与定位研究[J].财经问题研究，

2007，（4）.

[6]陈卫军，徐文学，陈平.基于上市公司网上资源的《财务分析》实训教学探讨[J].财会通讯，2012，（2）.

[7]王桢.网络环境下财务分析案例教学方法的改进[J].中国教育信息化，2012，（1）.

篇9

两年以上工作经验 |男| 25岁（1986年1月18日）

居住地：杭州

电　话：138********（手机）

E-mail：

最近工作 [1 年8个月]

公　司：XX进出口贸易有限公司

行　业：贸易/进出口

职　位：营运主管

最高学历

学　历：本科

专　业：统计学

学　校：杭州商学院

自我评价

对市场具有敏锐度，懂得从数据中发现潜在问题和潜在机会，能够熟练运用各种控制图进行质量分析和数据分析。做事原则性强、效率高、有条理，能够通过自己的专业能力帮助公司在质量管理、市场开发、成本控制等发面提供合理的建议，致力于帮助企业提高和完善各体系和制度。

求职意向

到岗时间： 一个月内

工作性质： 全职

希望行业： 贸易/进出口

目标地点： 杭州

期望月薪： 面议/月

目标职能： 主管

工作经验

2010/4—至今：XX进出口贸易有限公司[ 1年8个月]

所属行业： 贸易/进出口

营运部 营运主管

1、负责公司经济运行状况的分析；

2、负责进出口统计的分析；

3、负责业务经济状况的分析；

4、对各种统计数据提供分析模型和报表；

5、为公司业务的风险控制和成本控制提供数据支持。

---------------------------------------------------------------------

2009/3—2010/3：XX中介有限公司 [ 1年]

所属行业： 中介服务

财务中心 统计分析主管

1、负责公司各部门的财务工作；

2、负责业务相关数据的统计、管理、跟踪、分析；

3、负责制作各种业务统计报表，为其他部门的工作计划建立一个数据基础；

4、负责组织市场调研，进行抽样调查等，并整理相关数据，制作统计报表；

5、根据其他部门要求，提供相应的数据支持。

---------------------------------------------------------------------

2008/7--2009 /2：XX证券中心 [ 8个月]

所属行业： 金融/投资/证券

研究部 数量分析师、风险管理师

1、负责制定公司风险管理制度；

2、为投资部门提供量化分析和数据支持；

3、负责分析宏观政策和市场变化对投资业绩的影响；

4、负责了解行业变化，并及时对各部门反馈行业资讯；

5、负责数据库统计规划和建设。

教育经历

2004 /9 --2008 /7 杭州商学院 统计学 本科

证 书

2006/12 大学英语六级

2005/12 大学英语四级

篇10

①大数据分析

②大数据可视化

③BI商业智能分析

④大数据检索

⑤产品大数据分析

⑥大数据预测、咨询

⑦大数据服务支撑平台

⑧机器学习技术

“大数据分析、可视化及BI领域——

虽然这三个领域在功能及应用范围上各有千秋，但实质上可以说是相辅相成：通过大数据的基础分析工具，研究人员可以获得数据内部的逻辑及结果表现，但通常这些结果过于复杂并缺乏合理的表达形式，使数据科学家及企业的管理者无法快速领会并对经营活动进行调整。

因此大数据的可视化方案应运而生，多数可视化方案都作为数据分析工具的延伸而存在，但也有少部分公司另辟蹊径，采用非传统方式将数据的可视化更加贴近需求。BI则是大数据分析和可视化与业务场景的结合，作为企业内部管理工具，使企业的价值有了极大的增长，成为了大数据应用领域重要的一环。

{ 1 }大数据分析领域，在朝向易用、简单化发展

大部分大数据分析企业的现状，可以说是将数据的分析、可视化及数据的采集、治理、集成进行了一体化，以大数据的分析平台形式存在。例如Fractal Analytics除了具备数据分析功能外，还提供自动化数据清理及验证服务，能够返回标准化的结构化数据；Voyager Labs则能够实时采集、分析遍布世界各地的数十亿个数据点，帮助用户进行预测。

上述典型公司主要面向大型企业进行定制化全流程服务，客单价有时高达千万美元级别，例如Fractal Analytics的客户就包括飞利浦、金佰利等大型公司，其高昂的价格及服务令小型企业望尘莫及。

但随着大数据技术的逐渐普及，SaaS化的大数据分析服务将是一个明确的发展方向，而其使用门槛也将大幅降低，从而将大数据分析的能力逐步赋予给中小企业，以真正的实现其基础资源的价值。同时确保企业数据安全的数据脱敏、数据保护市场也会随着SaaS化的到来而逐步拓展出新的市场空间。

目前大数据技术简化、低成本、易用的趋势已经在部分公司的产品策略上有所体现，例如大数据分析公司Domino的产品让数据科学家只需专注于自己的分析工作，而不用关注软硬件基础设施的建立及维护，Datameer更进一步开发出的产品屏蔽了复杂的大数据分析底层技术，通过类似电子表格的可视化数据分析用户界面，让企业的员工能够快速上手使用，RapidMiner Studio可零代码操作客户端，实现机器学习、数据挖掘、文本挖掘、预测性分析等功能。

在大数据分析能力普及的同时，提升数据分析性能、优化数据分析结果的技术研发也在快速进展中。例如SigOpt通过自主开发的贝叶斯优化(Bayesian Optimization)算法来调整模型的参数，获得了比常见的网格搜索(grid searching technique)解决方案更快、更稳定、更易于使用的结果，目前SigOpt的产品不仅可以让用户测试不同变量，还能够提供下一步的测试建议，以帮助用户持续优化改善数据分析结果。

令人感到欣喜的是，在大数据分析领域还存在着一些颠覆了传统数据分析理论，采用独特方式方法进行数据分析的公司。这类公司的技术对传统数据分析方法进行了很好的补充，在特定领域有着成功的应用。

这类公司中的典型之一是由三位全球顶尖的数学家创立的Ayasdi，它利用拓扑数据分析技术和上百种机器学习的算法来处理复杂的数据集，不仅可以有效地捕捉高维数据空间的拓扑信息，而且擅长发现一些用传统方法无法发现的小分类，这种方法目前在基因与癌症研究领域大显身手，例如一位医生利用Ayasdi的数据分析技术发现了乳腺癌的14个变种，如今Ayasdi已经在金融服务和医疗保健行业中获得了相当数量的客户。

{ 2 }可视化技术，逐步实现了自动化、智能化

大数据可视化是连接数据分析结果与人脑的最好途径，因此可视化技术的高低也成为了左右大数据企业获客能力的重要因素。目前可视化的发展方向同大数据分析一致，都是朝着简单、自动化、智能的方向在努力。

典型企业如Alteryx是一个提供一站式数据分析平台的初创公司，旨在让用户在同一个平台上完成数据输入、建模以及数据图形化等操作，将数据运算与精美的图像完美地嫁接在一起，并能够和SAS和R语言一样进行数据的统计和分析。

通过可视化帮助用户实现真正的管理能力提升也是重要的功能之一，德国大数据公司Celonis通过流程挖掘技术，从日常记录中提取数据、发现关键因素，并最终揭示公司在业务中的执行情况，能够帮助客户公司提高30%的工作效率。

发展到如今，可视化技术已经不局限于传统的分析结果展示，而是能够直接转换文本、图片等非结构化的数据并直观展现，例如Quid利用机器智能读取大量文本，然后将该数据转换为交互式视觉地图，以节约过去通常会耗费在阅读检索中的大量时间。Origami帮助营销人员将CRM、社交媒体、邮件营销和调查报告等跨平台的数据整合并进行有效分析，使其简单化、直观化、视觉化，人人都能够高效实用。

同时数据分析及可视化对硬件应用的革新也在进行中，开发GPU关系数据库服务的Kinetica获得了5000万美元A轮融资，采用同一技术路线的MapD也已经能够做到比传统计算内核快100倍的速度对大数据进行查询与可视化。

{ 3 }BI技术摆脱"鸡肋"，实时便捷普惠政企效率提升

BI技术的发展已经有了较长的历史，但由于技术因素此前一直被限制于企业内部采集与应用，实际发挥的效果有限并且使用率不高。如今在数据采集与应用范围普及与大数据分析、可视化技术的推动下，通过数据仪表板、智能决策等方式提升企业运营效率利器的BI再次获得了资本市场的青睐，Tableau作为BI的代表性企业已经顺利IPO目前市值超过48亿美元，另一家代表性企业DOMO估值也达到20亿美元，成长速度远超传统商业软件公司。

相比于可视化技术，BI更偏重于实际的应用，通过模板化、SaaS化及去代码等方式，BI应用范围不再局限于数据科学家及企业高管，可预见未来企业内部每个员工都可以通过BI工具获知自己及所处部门的各项数据，并能够有针对性的改进工作方式与方向。

已经累计融资1.77亿美元的Looker令用户能够使用自然语言进行查询，降低了查询大型数据集的门槛；GoodData为企业提供大数据分析SaaS服务，其所有的数据分析服务实现了100%云化，企业可以将公司已有数据导入GoodData的云平台，再对数据做跟踪、切分、可视化、分析等处理。

BI领域一个有意思的应用案例是Qlik公司的产品受到了中国海关总署的高度赞扬。海关总署每天都需要进行庞大的数据分析，Qlik则通过图形化数据展示，使海关管理人员不再受平台和时间的限制，能够多视角长跨度的分析，实现了对于现有海量数据的业务的快速展示，极大地促进了稽查效果。

“企业大数据检索、产品大数据分析、大数据咨询预测、大数据平台及机器学习领域——

企业大数据检索能够充分挖掘并释放企业数据的潜力；产品的大数据分析使用户行为成为了产品设计与运营环节的重要参考因素；大数据技术与咨询业务的结合则对咨询行业形成了很大的影响，数据技术导向的咨询业务将极有可能成为未来行业的主流选择；大数据服务支撑平台类企业则为大数据技术的普及和实用化做了很大的贡献，是大数据技术生态中不可或缺的一环；最后是机器学习，作为大数据分析的底层技术方法也逐渐开始得到广泛应用。

首先将企业大数据检索、产品大数据分析、大数据咨询预测、大数据平台和机器学习这五个领域的典型企业列举如下，接下来将分版块进行详细介绍。

{ 4 }企业大数据检索

移动互联网的普及与SaaS服务的兴起令企业沉淀的数据量呈指数级上升，但目前对企业数据价值的挖掘仅仅停留在较浅层面，真正的大数据分析能力还尚未应用。因此如何做好企业内部数据信息价值的发掘成为了关键的第一步。

提升企业数据挖掘检索能力，并将检索的技术门槛降低的典型企业有Algolia，目前其产品具备关键字输入智能容错功能，并提供搜索排名配置，能够让普通员工也能按需要找到自己所需的数据信息。同时Algolia还为移动设备提供了离线搜索引擎，其C++ SDK可以嵌入到应用服务器端，这样即便没有网络连接应用也能提供搜索功能，适用范围很广。

而在SaaS化服务兴起的同时，企业采用多种软件导致内部数据不联通而形成了数据孤岛。根据互联网女皇Mary Meeker的分析，不同行业的公司平均使用SaaS服务的数量从最低25个至高达91个，需要跨平台数据检索分析服务。Maana开发的数据搜索和发现平台Maana Knowledge Graph，其长处便是收集来自多个系统或者"孤岛"的数据，并将其转换为运营建议，可广泛应用于多个行业。

{ 5 }产品大数据分析

产品大数据分析相对其他应用来说关注度稍低，但其能够发挥的功能并不少。通过收集用户的浏览、点击、购买等行为，不单从宏观上能够察觉用户群体的喜好变化提前应对，微观上还能够构建用户画像，从而做到定制的产品推荐与营销，能够有效的提升用户的消费水平与满意程度。

Mixpanel便是一家提供类似产品的公司，其让企业用户跟踪用户的使用习惯提供实时分析，其产品有用户动态分析(Trends)、行为漏斗模型(Funnels)、用户活跃度(Cohorts)及单用户行为分析(People)等几个模块，全面的覆盖了可能发生的用户行为与场景。

{ 6 }大数据咨询预测

如今大数据技术的发展为事件分析和预测提供了可能，并且准确度和处理速度已经具备了很大竞争力，传统咨询公司的处境类似于现在面对AI威胁的华尔街分析师，或许不久之后就将会被替代。因此随着逐渐出现大数据咨询公司的同时，传统咨询企业也纷纷与大数据技术公司合作，甚至成立了自己的数据业务部门。

Opera Solutions便是一家依托大数据分析的咨询公司，其创始人是咨询行业资深人士，曾创办了商业咨询公司Mitchell Madison和Zeborg。

目前Opera致力于金融领域的数据分析类咨询，通过建模、定量分析给客户提供建议，解决客户的商业问题。例如其计算机系统可以一次性采集数十亿条数据，包含从房产和汽车价格到经纪账户和供应链的实时数据等，通过分析从中获得有关消费者、市场和整个经济体系将如何行动的信号或见解。其客户包含了咨询机构及花旗银行等公司，最近还为摩根士丹利提供了帮助经纪人团队给其客户提供投资建议的业务。

新技术、机器学习与咨询预测行业的结合，相比于仅使用大数据分析技术能够获得更好的效果，也成为了行业内的一个小热点。例如基于社会物理学原理的Endor能够依托少量数据生成统一的人类行为数据集，并比传统海量数据分析方式更早的做出模式识别与判断。在甄别facebook上受ISIS控制的账号的实验中，根据已知少量ISIS账号特性，Endor高效分辨出了新的ISIS疑似账号并且准确度令人满意。

{ 7 }大数据服务支撑平台

目前围绕着大数据技术与大数据产业生态链发展的，还有许多是平台服务型的公司，这类公司具备一定的技术水平，但主要通过服务大数据技术公司及科研人员而存在，是技术生态中不可或缺的一环。

Dataiku创建了一个云平台，旨在使数据科学家和普通员工更容易获得公司收集的大数据，并通过机器学习库缩短了专家以及数据分析师所需要的时间。

Algorithmia的平台上提供包括机器学习、语义分析、文本分析等通用性算法，一旦用户找到想用的算法，只需添加几行简单的算法查询代码到应用中，Algorithmia的服务器就会与应用连接，避免了开发者的重复劳动。

目前部分向开发者社区业务发展过渡的平台型企业，因其资源已经得到行业巨头的青睐，被Google收购的Kaggle便是一例，通过举办数据科学周边的线上竞赛，Kaggle吸引了大量数据科学家、机器学习开发者的参与，为各类现实中的商业难题寻找基于数据的算法解决方案。同时Kaggle为其社区提供了一整套服务，包括知名的招聘服务以及代码分享工具Kernels。

{ 8 }机器学习

机器学习，是模式识别、统计学习、数据挖掘的技术手段，也是计算机视觉、语音识别、自然语言处理等领域的底层技术，在附件的介绍中大家可以看到，微软Azure、Google云平台及AWS都推出了自己的机器学习产品，而众多的机器学习创业公司则通过提供有特色的技术或服务进行差异化竞争。

已累计获得了7900万美元融资的Attivio专注于利用机器学习技术通过文本进行情绪分析，提供有监督的机器学习与无监督机器学习两种技术，帮助企业通过识别企业语料库中的文档进行情绪建模与分析。思科通过Attivio的智能系统令销售人员能够在与客户合作时依据对方的情绪、消费能力等数据推荐合适产品，从而节省了数百万的销售运营费用，同时节约了销售团队15-25%的时间。

篇11

电信运营商拥有多年的数据积累，拥有诸如财务收入、业务发展量等结构化数据，也会涉及到图片、文本、音频、视频等非结构化数据。从数据来源看，电信运营商的数据来自于涉及移动语音、固定电话、固网接入和无线上网等所有业务，也会涉及公众客户、政企客户和家庭客户，同时也会收集到实体渠道、电子渠道、直销渠道等所有类型渠道的接触信息。整体来看，电信运营商大数据发展仍处在探索阶段。

大数据在电信行业应用的总体情况

目前国内运营商运用大数据主要有五方面：(1)网络管理和优化，包括基础设施建设优化和网络运营管理和优化；(2)市场与精准营销，包括客户画像、关系链研究、精准营销、实时营销和个性化推荐；(3)客户关系管理，包括客服中心优化和客户生命周期管理；(4)企业运营管理，包括业务运营监控和经营分析；(5)数据商业化指数据对外商业化，单独盈利。

第一方面：网络管理和优化。此方向包括对基础设施建设的优化和网络运营管理及优化。

(1)基础设施建设的优化。如利用大数据实现基站和热点的选址以及资源的分配。运营商可以通过分析话单和信令中用户的流量在时间周期和位置特征方面的分布，对2G、3G的高流量区域设计4G基站和WLAN热点；同时，运营商还可以对建立评估模型对已有基站的效率和成本进行评估，发现基站建设的资源浪费问题，如某些地区为了完成基站建设指标将基站建设在人际罕至的地方等。

(2)网络运营管理及优化。在网络运营层面，运营商可以通过大数据分析网络的流量、流向变化趋势，及时调整资源配置，同时还可以分析网络日志，进行全网络优化，不断提升网络质量和网络利用率。

利用大数据技术实时采集处理网络信令数据，监控网络状况，识别价值小区和业务热点小区，更精准的指导网络优化，实现网络、应用和用户的智能指配。由于用户群的不同，不同小区对运营商的贡献也不同。运营商可以将小区的数据进行多维度数据综合分析，通过对小区VIP用户分布，收入分布，及相关的分布模型得到不同小区的价值，再和网络质量分析结合起来，两者叠加一起，就有可能发现某个小区价值高，但是网络覆盖需要进一步提升，进而先设定网络优化的优先级，提高投资效率。

德国电信建立预测城市里面的各区域无线资源占用模型，根据预测结果，灵活的提前配置无线资源，如在白天给CBD地区多分配无线资源，在晚上，则给酒吧地区多分配无线资源，使得无线网络的运行效率和利用率更高。

法国电信通过分析发现某段网络上的掉话率持续过高，借助大数据手段诊断出通话中断产生的原因是网络负荷过重造成，并根据分析结果优化网络布局，为客户提供了更好的体验，获得了更多的客户以及业务增长；

第二方面，市场与精准营销。此方向包括客户画像、关系链研究、精准营销、实时营销和个性化推荐。

(1)客户画像。运营商可以基于客户终端信息、位置信息、通话行为、手机上网行为轨迹等丰富的数据，为每个客户打上人口统计学特征、消费行为、上网行为和兴趣爱好标签，并借助数据挖掘技术(如分类、聚类、RFM等)进行客户分群，完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征。

(2)关系链研究。运营商可以通过分析客户通讯录、通话行为、网络社交行以及客户资料等数据，开展交往圈分析。尤其是利用各种联系记录形成社交网络来丰富对用户的洞察，并进一步利用图挖掘的方法来发现各种圈子，发现圈子中的关键人员，以及识别家庭和政企客户；或者分析社交圈子寻找营销机会。如在一个行为同质化圈子里面，如果这个圈子大多数为高流量用户，并在这个圈子中发现异网的用户，我们可以推测该用户也是高流量的情况，便可以通过营销的活动把异网高流量的用户引导到自己的网络上，对其推广4G套餐，提升营销转化率。总之，我们可以利用社交圈子提高营销效率，改进服务，低成本扩大产品的影响力。

(3)精准营销和实时营销。运营商在客户画像的基础上对客户特征的深入理解，建立客户与业务、资费套餐、终端类型、在用网络的精准匹配，并在在推送渠道、推送时机、推送方式上满足客户的需求，实现精准营销。如我们可以利用大数据分析用户的终端偏好和消费能力，预测用户的换机时间尤其是合约机到期时间，并捕捉用户最近的特征事件，从而预测用户购买终端的真正需求，通过短信、呼叫中心、营业厅等多种渠道推送相关的营销信息到用户手中。

(4)个性化推荐。利用客户画像信息、客户终端信息、客户行为习惯偏好等，运营商可以为客户提供定制化的服务，优化产品、流量套餐和定价机制，实现个性化营销和服务，提升客户体验与感知；或者在应用商城实现个性化推荐，在电商平台实现个性化推荐，在社交网络推荐感兴趣的好友。

第三方面，客户关系管理。此方面包括客服中心优化和客户生命周期管理。

(1)客服中心优化。客服中心是运营商和客户接触较为频繁的通道，因此客服中心拥有大量的客户呼叫行为和需求数据。我们可以利用大数据技术可以深入分析客服热线呼入客户的行为特征、选择路径、等候时长，并关联客户历史接触信息、客户套餐消费情况、客户人口统计学特征、客户机型等数据，建立客服热线智能路径模型，预测下次客户呼入的需求、投诉风险以及相应的路径和节点，这样便可缩短客服呼入处理时间，识别投诉风险，有助于提升客服满意度；另外，也可以通过语义分析，对客服热线的问题进行分类，识别热点问题和客户情绪，对于发生量较大且严重的问题，要及时预警相关部门进行优化。

(2)客户关怀与客户生命周期管理。客户生命周期管理包括新客户获取、客户成长、客户成熟、客户衰退和客户离开等五个阶段的管理。在客户获取阶段，我们可以通过算法挖掘和发现高潜客户；在客户成长阶段，通过关联规则等算法进行交叉销售，提升客户人均消费额；在客户成熟期，可以通过大数据方法进行客户分群(RFM、聚类等)并进行精准推荐，同时对不同客户实时忠诚计划；在客户衰退期，需要进行流失预警，提前发现高流失风险客户，并作相应的客户关怀；在客户离开阶段，我们可以通过大数据挖掘高潜回流客户。国内外运营商在客户生命周期管理方面应用的案例都比较多。如SK电讯新成立一家公司SK Planet，专门处理与大数据相关的业务，通过分析用户的使用行为，在用户做出离开决定之前，推出符合用户兴趣的业务，防止用户流失；而T-Mobile通过集成数据综合分析客户流失的原因，在一个季度内将流失率减半。

第四方面，企业运营管理。可以分为业务运营监控和经营分析。

(1)业务运营监控分可以基于大数据分析从网络、业务、用户和业务量、业务质量、终端等多个维度为运营商监控管道和客户运营情况。构建灵活可定制的指标模块，构建QoE/KQI/KPI等指标体系，以及异动智能监控体系，从宏观到微观全方位快速准确地掌控运营及异动原因。

(2)经营分析和市场监测。我们可以通过数据分析对业务和市场经营状况进行总结和分析，主要分为经营日报、周报、月报、季报以及专题分析等。过去，这些报告都是分析师来撰写。在大数据时代，这些经营报告和专题分析报告均可以自动化生成网页或者APP形式，通过机器来完成。数据来源则是企业内部的业务和用户数据，以及通过大数据手段采集的外部社交网络数据、技术和市场数据。分析师转变为报告产品经理，制定报告框架、分析和统计维度，剩下的工作交给机器来完成。

第五方面，数据商业化。数据商业化指通过企业自身拥有的大数据资产进行对外商业化，获取收益。国内外运营商的数据商业化都处于探索阶段，但相对来说，国外运营商在这方面发展的更快一些。

(1)对外提供营销洞察和精准广告投放。

营销洞察：美国电信运营商Verizon成立了精准营销部门Precision Marketing Division。该部门提供精准营销洞察(Precision Market Insights)，提供商业数据分析服务。如在美国，棒球和篮球比赛是商家最为看中的营销场合，此前在超级碗和NBA的比赛中，Verizon针对观众的来源地进行了精确数据分析，球队得以了解观众对赞助商的喜好等；美国电信运营商Sprint则利用大数据为行业客户提供消费者和市场洞察，包括人口特征、行为特征以及季节性分析等方面。

精准广告投放：Verizon的精准营销部门基于营销洞察还提供精准广告投放服务；AT&T提供Alert业务，当用户距离商家很近时，就有可能收到该商家提供的折扣很大的电子优惠券。

(2)基于大数据监测和决策支撑服务。

客流和选址：西班牙电信于2012年10月成立了动态洞察部门DynamicInsights开展大数据业务，为客户提供数据分析打包服务。该部门与市场研究机构GFK进行合作，在英国、巴西推出了首款产品名为智慧足迹(Smart Steps)。智慧足迹基于完全匿名和聚合的移动网络数据，帮助零售商分析顾客来源和各商铺、展位的人流情况以及消费者特征和消费能力，并将洞察结果面向政企客户提供客流分析和零售店选址服务。

篇12

【关键词】 共享数据； 聚变时代； 经济统计

【中图分类号】 C81 【文献标识码】 A 【文章编号】 1004-5937（2016）22-0026-03

第十届全国企业经济统计学年会于2016年7月16―18日在兰州隆重召开。会议由全国企业经济统计学会主办，兰州财经大学统计学院、重庆允升科技大数据研究中心和重庆誉锋宸数据信息技术有限公司联合承办。会议的主题是：“共享数据聚变时代下的经济统计理论及应用研究”。全国近百所高校、政府和企事业单位的200位专家学者参会。

国家统计局副局长许宪春博士针对我国当前经济发展态势作了《2016年上半年经济形势分析》报告，北京师范大学邱东教授针对空间经济比较中由购买力平价推断存在的宾大效应等问题作了《BHPPP中的纯价比假设与宾大效应的弱存在》报告，厦门大学杨灿教授基于投入产出分析的扩展框架作了《产业关联测度与关键产业甄别》报告，暨南大学刘建平教授针对我国政府统计调查体系在新时代面临的问题作了《深化我国政府统计调查体系改革的思考与建议》报告，浙江财经大学李金昌教授针对大数据时代下如何理解统计学等问题作了《统计学与大数据》报告，上海财经大学徐国祥教授针对大数据时代统计学的发展作了《大数据、云计算背景下的统计改革与创新》报告，山西财经大学李宝瑜教授针对当前统计建模要求前提条件苛刻等问题作了《特征样本重复抽样建模方法设计与应用》报告，江西财经大学罗世华教授利用分形方法在非线性时间序列中的研究作了《多重分形时间序列非线性特征辨识及其应用研究》的报告。本届会议入选论文68篇，分为经济统计与政府统计、大数据与统计学科发展以及统计学理论及应用等专题展开交流。主要学术观点综述如下：

一、经济统计与政府统计理论及应用研究

南京审计大学贾晓峰在《江苏最终需求结构与产业结构之间互动变化定量研究》中，运用江苏最新公布的2012年投入产出等数据，分析了江苏最终需求结构与产业结构的变化情况，运用投入产出模型深入研究了江苏最终需求结构与产业结构之间互动变化的数量关系及内在机理，设计出多种方案进行情景模拟分析，并提出了相应对策。

楚雄师范学院张无畏在《基于三角形中线的三次产业结构变迁路径研究》中，利用三角形中线对三次产业结构变化的六种形式及其内部关系进行了研究，结果表明：六种形式之间的变化路径以及各种形式之间可能发生转化，一定是渐进的，不能跨越；每一种形式的数学约束可以用一组不等式表示；用三角形的三条中线来划分三次产业结构的六种形式，能简洁有效地表示这六种形式及其变化。

暨南大学刘建平、陈冬进在《名录库调查――基于行政记录的统计调查方法》中，为了破解抽样调查和普查费用不断攀升、无回答率持续升高、调查效率和数据质量越来越低、难以满足社会日益增长的需要等难题，提出将基于行政记录的名录库调查作为我国官方统计调查的新思路，阐述了世界主要先进国家使用行政记录进行统计调查的基本现状，讨论了建立名录库调查的基本理论和方法并与传统的普查以及抽样调查方法进行了比较，总结了名录库调查在统计工作中的重要作用，最后提出深化我国政府统计改革的若干建议。

东北财经大学屈超、杨森森在《技术进步、技术效率与东北地区工业企业全要素生产率》中，基于数据包络分析法（DEA）的Malmquist指数方法计算了2001―2011年东北地区按注册类型分组的工业企业的全要素生产率及其构成变化，详细考察了企业的技术效率，发现东北地区工业企业在观察期内全要素生产率提高的主要因素是技术进步，技术效率的影响微乎其微；使用CCR模型和BCC模型，将技术效率分解为纯技术效率和规模效率，并得出相关结论。

暨南大学夏帆在《中国三大经济圈产业聚集现象之检验――基于微观地理数据的分析》中，使用了Duranton和Overman（2005）提出的第三代测度方法对我国三大经济圈制造业的空间聚集现象进行了检验，发现三大经济圈的大部分产业呈现出聚集特征，呈现分散特征的产业不多；通过对距离上聚集特征的考察，发现聚集总是倾向于在较小的范围内出现，一般在50公里以内；分析了各个产业的聚集程度后发现三大经济圈聚集程度最强的十个产业各不相同，且都与各自的产业特色有关。

青岛大学张迎春、袁伟萍、管琪在《基于最小间隔树法的中国地区间购买力平价试算》中指出，最小间隔树法是国际比较测度各国购买力平价的方法，有利于识别不同国家经济的相似性，并尝试将其用于中国地区间购买力平价的计算，得出相关结论。

上海财经大学郑正喜在《产业关联效应的虚拟测度理论辨析》中，辨析了产业关联效应的虚拟测度理论（HEM）研究方法，认为其核心假设的实质是改变被抽取产业的主体属性，指出应当采用完全抽取的基础假设才能构建出相对合理的测度指标，并进行了实证研究。

集美大学陆晓倩、王立凤在《厦门潜力产业选择及与台湾产业对接问题研究》中指出，选择和培育合适的潜力产业可充分挖掘区域优势，建立和发展区域主导产业并带动相关产业发展。同时运用偏离―份额分析法考察厦门的产业结构及第三产业细分行业增长差异，结果显示厦门市的第三产业尤其是生产业增长优势明显；借助区位商的定量标准探讨厦门与台湾在经济资源禀赋方面的异同，确定了厦门潜力产业选择的重点，并提出促进厦门与台湾潜力产业对接的策略。

重庆工商大学刘浩在《实施创新驱动发展战略――R&D资本化》中，通过对R&D核算方法调整的动因，阐述了核算体系中增加研发支出核算具有的重大意义，系统整理了现有核算方法的利弊，在GDP框架下对R&D资本化的核算方法作了相应分析，并结合我国实际情况，针对R&D活动核算提出对策建议。

河北经贸大学王会英在《河北省区域经济发展水平差异研究》中，选取产业结构、经济效益、经济总量、居民生活水平和经济外向性5个方面的16个指标构建评价体系，采取客观赋权方法建立加法合成评价模型，并基于2013年的统计数据对河北省的区域经济发展差异作了定量分析，提出了对策建议。

二、大数据时代统计学与统计学科发展研究

重庆工商大学李勇在《基于物联网时代的工业大数据挖掘方法及应用研究》中，针对互联网和物联网的时代特征，从大数据来源、基本特征、处理技术和大数据思维4个维度提炼出大数据的概念；阐述了数据挖掘基本方法的优势和不足；分析了物联网下工业大数据呈现的本质特性；比较分析了消费大数据和产业大数据的挖掘技术和分析方法的异同，指出工业大数据分析和挖掘中存在的难点和重点；结合工业互联网阐述了大数据挖掘技术的应用。

云南财经大学张敏的《多水平贝叶斯模型在大数据挖掘中的应用》从线性回归模型扩展到多水平线性模型，将线性回归统计学习方法的基本思路拓展到多水平线性模型，借助于贝叶斯统计方法和马尔科夫链蒙特卡罗算法，将多水平线性模型应用于大数据的挖掘中并进行了实例应用。

中南财经政法大学刘洪在《应用统计专业硕士（大数据分析方向）培养模式探索》中，从项目背景、国内外相关项目现状、数据分析师需具备的基本技能和课程体系设计4个方面，对当前大数据分析方向的专业硕士研究生人才培养进行了全方位的阐述和探索。

天津财经大学杨贵军在《“数据工程”方向课程设计》中，从全国统计学专业数据工程方向教学联盟、“数据工程”概念提出的背景、数据工程师专业人才培养和“+数据工程”技能培训4个方面，详细阐述了针对大数据时代如何从统计学科角度培养大数据人才。

重庆工商大学李禹锋在《基于互联网白酒消费市场现状的大数据分析》中，通过网络爬虫技术收集和清洗数据，借助词云图和文本挖掘技术等，对品牌销售额、品牌销量以及白酒香型、酒精度和规格的消费倾向等进行了分析，并对未来市场的消费趋势作了展望。

闽南师范大学陈立双、祝丹在《大数据推动下中国CPI测算方法创新趋向与挑战》中，基于居民消费领域大数据对居民消费者价格指数带来的机遇和挑战，分析了大数据在CPI测算中的可能应用路径，探讨了大数据推动中国CPI测算理论与方法的创新趋向和面临的挑战，探讨了大数据在中国CPI测算的方法论问题。

三、统计理论与统计应用研究

天津财经大学杨贵军、孟杰、蔡凯月在《人口年龄结构、人力资本与人口红利测度――基于超越对数生产函数模型的经验分析》中，阐述了人口红利是经济增长的重要源泉，测度人口红利对全面掌握中国人口变化规律、科学制定人口政策和经济政策具有重要的理论价值与实践意义；指出现有研究普遍仅从人口年龄结构角度测度人口红利，忽视了劳动力人力资本对经济增长的贡献。在综合考虑人口年龄结构和劳动力人力资本两个角度下，使用超越对数生产函数测度了中国的人口红利，并得出相应结论。

华中师范大学王江涛、冯元化在《如何确定即时波动率核估计量的最优窗宽》中指出，在即时波动率的各种估计量中，非参数估计量因其能准确地度量即时波动率成为研究热点，但这类估计量在应用中面临最优窗宽的确定问题。其借鉴非参数回归分析中窗宽选择的思想，以即时波动率的核估计量为例，构建了一种能从数据中准确计算出最优窗宽具体值的算法，从理论分析和数值验证方面看，该算法具有良好的稳定性、适应性和收敛速度。

厦门理工学院陈安全和浙江工商大学李海涛在《一种新的四格表独立性检验――基于回归模型的方法》中指出，传统四格表的独立性检验采用卡方检验，若采用回归模型技术将四格表中的定性变量量化后引入到模型中，同时利用回归模型中的系数显著性检验来检验四格表的独立性，在一定条件下具有等效性和一致性。

楚雄师范学院梅莹在《经济新常态下云南省新的消费增长点培育研究――云南省城镇居民消费现状分析》中，针对云南省城镇居民家庭人均可支配收入和人均全年消费性支出的数据，构建了基于扩展线性支出系统的静态和动态比较模型，得出相关结论。

重庆工商大学周世铭、付安瑶在《网络意识形态传播新特点现状分析》中，通过文献资料分析、网络爬虫技术和问卷调研分析，对旧媒体时代、互联网时代和当前新媒体时代中的主流意识形态、非主流意识形态、网络意识形态三种意识形态传播的方式和特点进行了对比分析，提出目前意识形态传播过程中呈现出新的传播特点。

河北经贸大学汤玉环在《基于VAR模型的经济发展与土地财政关系的实证研究――以河北省为例》中，基于河北省2002―2013年的数据，建立经济发展与土地财政的VAR相关模型，通过研究河北省经济发展与土地财政的作用机制，探讨土地财政对于经济发展的利弊作用，寻求地方财政与经济发展的均衡，以更好地促进河北省的经济发展。

篇13

关键词：财经类院校；专业建设；数据分析；数据挖掘

一、引言

从大环境来看，如今，全球数据量均呈现激增趋势，大数据时代全面到来，这不仅意味着社会需要更多信息分析人才，也说明相关院校要加强信息管理专业人才培养。从本国国情出发，我国从工业社会向以信息资源开发、应用和管理为主要特征的信息化社会转变，计算机技术在各行各业普及应用，对经济管理活动中产生的海量数据进行分析，挖掘出有潜在价值的信息，为管理决策提供依据，是信息管理学科研究的新方向。以目前毕业生就业市场需求情况来看，懂经济、懂计算机同时又能掌握数据分析知识的学生在就业时有相当的优势，这恰好与我们哈尔滨金融学院信息管理专业的人才培养目标一致，如何发挥财经类本科院校的办学优势，建成专业特色，是此次本科教学改革的目标。

二、人才培养目标

对于我们这样有明显“金融特色”的院校，充分发挥在金融领域的办学优势，塑造出自己的金融特色，即：坚持服务于金融行业，跟踪IT发展的前沿，把握财经行业在信息化方面的最新需求，培养学生创新意识和能力，打造金融特色专业：金融信息管理－数据分析方向。培养具有管理学和计算机科学的专业知识，精通金融学、经济学以及数据分析理论与技术，了解数据的商业价值，通晓以清晰直观的形式提供数据分析结果的方法，强调学生掌握现代管理科学思想，掌握现代信息系统的规划、分析、设计、实施和运行维护等方面的方法与技术，同时，更要具有较强的信息系统开发利用以及数据分析处理能力。

三、金融特色信息人才培养模式构建

（一）面向社会需求

2013年3月，IDC数字宇宙报告《大数据，更大的数字身影，最大增长在远东》写到：预计到2020年数字宇宙规模将达到40ZB。在这样的大数据环境下，我国也必然需要更多高素质的信息管理类人才，例如，互联网企业、金融机构、保险、医疗卫生、电子商务、零售企业及政府数据中心等行业对大数据专业人才的需求量都很大。所以，在此情况下，我院有必要在加大人才培养力度的同时，面向社会需求，对信息管理专业数据分析方向人才的培养标准与目标进行重新定位，以确保符合大数据时代提出的新要求，顺应大数据浪潮的发展趋势。例如，未来对具有大数据管理和分析能力的人才需求将快速增长，数据分析师、数据架构师、数据可视化人员、数据监管人员等和大数据相关的职位也将应运而生，因此，我院应当注重培养需要具备深度分析数据能力的专业人才，使其成为能够满足市场需求的高层次复合型人才，为社会发展付出应有之力。

（二）教学特色

课程教学内容归纳为两个模块：“信息系统开发课程”、“数据分析课程”，其中，“信息系统开发课程”又分为“开发技术类课程”和“面向应用的课程”两个子模块，将程序设计类课程与管理信息系统理论课程相结合，以理论指导实践，通过该课程的学习，使学生了解信息系统开发的基本理论和方法、信息系统的实施、运行与管理方法，熟练掌握信息系统的开发工具，最终通过案例实践，深入理解信息系统的分析与设计过程。“数据分析课程”又分为“数据分析方法课程”和“面向应用的数据分析课程”两个子模块，从而形成较为系统的立体化课程体系，数据挖掘是数据分析的核心课程，运筹学是辅助课程，教学目的是使学生掌握数据分析的基本方法和典型工具，了解数据仓库和数据挖掘的基本原理，初步具备利用数据分析和解决实际问题的能力。

（三）制定科学合理的人才培养方案

在制定培养方案的过程中，要以市场需求为导向，设计灵活的人才培养方案，既要高度重视理论知识的学习，又要加强实践能力的培养，为学生搭建实践平台，拓宽实践渠道。极力扩大与企业和科研院所的合作，为学生创造更多的研究、实践机会，在课堂教学环节中，设立一些针对某个合作企业的某些具体问题的研究项目，组织学生在该企业的资助下开展研究。这样既丰富了学生的实践经验又提高了他们的综合分析能力和动手能力，同时还能促进合作企业的创新发展。

四、课程设置

计算机程序设计在数据架构当中起着重要作用，因此，在通识课基础上，从第二学期开始，开设专业基础课：C语言程序设计，专业必修课：面向对象程序设计、数据库、数据结构、Java程序设计、JSP程序设计、Web实战项目（Java方向）等计算机程序设计类课程，以及SPSS、数据挖掘与分析类课程。同时，开设信息管理专业既有体系中的基础课程：信息管理概述、会计学、管理学、统计学、运筹学、信息资源管理、数据库原理及应用、UML与可视化建模、计算机网络技术、银行计算机系统、管理信息系统（含课程设计）、信息系统分析与设计、专业英语等。以及专业选修课：信息检索技术、多媒体技术与应用二选一，电子商务概论、静态网页设计、图形图像处理三选一，IT项目管理、系统工程、ERP原理与应用三选一，企业资源规划、经济法、经济学三选一。

五、强化实践性教学

财经类学校在专业教学方面应该关注实践性课程的设置，它是培养学生理论联系实际能力的关键，实践教学能够帮助学生更加了解学科特点，实践的过程中学生原本零散的知识点得以组合联通，长久以来，高校办学都在坚持以行业需求为导向，以培养学生能力为目标，实现学术与职业特点的融合，要将“隐性”的课外实践逐渐转变为“显性”的实践课程。在落实学生实践学习的过程中，学校要积极引入从业资格课程、职业群集课程等等，强化专业实践，与当地的金融企业建立合作伙伴关系，引入“3+1”的实践教学模式，全面促进学生能力、素质以及知识等综合能力的提升，使其能够更加满足当今市场对人才的各项要求。同时，学校还可以构建校企联盟模式，协同培养人才，充分发挥校企合作的优势，为学校学生提供良好的实践平台以及展现自我的机会，帮助他们客观的认识自身职业的特点，进而有目的的投入实践学习，提升自身能力。实践教学要侧重学生职业能力的培养，要帮助他们更加适合当今市场的需求，树立“厚基础、精专业、强能力”的人才培养目标。最后，要注重实践评价，建立完善的评价体系，通过这样的方式了解学生的实践情况，便于查缺补漏。开展实践教学，要综合多元化的实践渠道，融合先进的教学方式，最大限度将课程体系内容与工作领域的相关知识紧密联系在一起，必须要使学生的专业能力、职能能力得到提升。从多年的实践经验来看，实践教学人才培养模式有效提升了学生的综合素质以及专业水平，有利于学生未来发展与就业，在目前金融类学科教学中应该加以推广。

六、结论

信息管理与信息系统专业是一个多学科交叉、应用以计算机为主的技术解决经济管理问题的专业，应用范围广泛，技术性强。随着信息技术的发展以及信息化建设的推进，信息系统在运行中积累的数据量已经超越管理控制能力，社会对具有数据管理和数据分析能力的人才需求也在迅猛增长，信管专业的建设必须从社会需求的角度出发，重新设计课程体系和教学内容，培养符合经济社会发展需要的人才。

参考文献：

[1]刘婷婷.大数据时代下信息管理与信息系统专业培养模式研究[J].中国电子教育,2014(02).

[2]石洪波.财经院校信息类专业数据管理与分析课程群体系研究[J].高等财经教育研究,2015(09).

[3]闫娜.大数据视角下信息管理与信息系统专业建设研究[J].图书馆学研究,2013(11).

[4]陈红琳.财经类院校信管专业人才培养模式研究[J].科技视界,2013(25).

篇14

为适应社会经济发展需要，本专业坚持以培养素质优良的复合型、创新型、应用型人才为中心，培养面向我国特别是河北省经济社会发展需要，德、智、体全面发展，具备扎实的经济学理论、西方经济学理论以及现代管理学理论，具有良好的数学素养，掌握统计学的基本理论和方法，能熟练地运用计算机进行数据管理与分析，能在企事业单位和经济管理部门从事统计调查、统计信息管理与分析等工作的应用型合格毕业生。其培养的学生具有人文素养，熟知和掌握统计学基础知识、基本理论、基本方法和技能，受到应用基础和技术开发方面的科学思维和科学实验训练，具有较强的开拓创新能力、沟通协调能力和预测决策能力；具有系统、扎实的科学文化知识和全面的身心健康素养，能够在工作中科学地采集各类信息数据，并能够运用现代技术手段建立统计模型，综合分析解决相关领域实际问题。

二、统计学专业学生素质拓展结构分析

为了实现学生实践能力培养的目标，使统计学专业毕业生掌握多种专业核心技能，按照、教育部、全国学联出台的《关于实施“大学生素质拓展计划”的意见》，在思想政治与道德素养、社会实践与志愿服务、科学技术与创新创业、文体艺术与身心发展、社团活动与社会工作、技能培训等六个方面引导和帮助广大学生完善智能结构。在课程设置上，把第一课堂的教育与第二课堂的活动有效结合，按照“平台+模块”的模式，构建以第一课堂教育课程为基础的“大学生素质拓展课程化建设体系”，实现大学生素质拓展模块化、项目化、课程化、体系化。

以第一课堂为基础，改善以提高学生综合素质与应用能力为目标的课程体系，划分多个模块，分项实施，全方面提升学生素质与能力。第一课堂的模块主要包括基本技能模块、专业技能模块、专业技能拓展与创新能力培养模块。将大学生第二课堂的各项活动分为思想道德素养、身心健康素养、科学文化素养、社会实践与志愿服务、社团活动与社会工作、技能培训与创新创业等六个功能模块，加强第二课堂教育中的实践环节，整合提升第二课堂中有助于提高大学生综合素质的各项活动和工作项目，有针对性的进行工作设置，全面发展学生的综合素质与应用能力的培养。

1、基本技能模块

基本技能模块主要包括思想道德教育、身心健康教育等内容，主要是通过思想政治课、大学生职业规划课、法律、体育和语言、计算机及数据库等课程展开，从人的基本素养方面着手培养学生的基本技能。语言模块具体包括外语、大学语文及应用文写作等内容。计算机及数据库操作模块具体包括计算机基本知识、基本操作与应用管理、数据库的建立与管理等内容。

2、专业技能模块

（1）专业基础技能模块

专业基础技能模块主要包括经济理论、管理理论、会计与财务理论以及统计基本理论等内容。经济理论部分主要包括政治经济学、微观经济学、宏观经济学以及相关的经济学分支等内容，其目标是让学生掌握基本经济理论及其分析方法，能够运用经济理论于实际问题的分析，并做出初步判断。管理理论部分主要包括管理学、现代企业管理、人力资源管理及市场营销学等内容，其目标是让学生熟知各种管理理论，掌握控制、组织、计划等管理环节的基本知识；掌握经典的管理研究方法、熟悉市场营销的基本理论以及人力资源、组织设计等相关知识。会计与财务理论部分主要包括会计基本理论、财务理论、税收筹划等内容，其目的是让学生熟悉会计和财务基本知识，了解纳税申报和税收筹划等相关知识。统计基本理论主要包括数理统计理论、描述统计、推断统计等内容，其目的是让学生理解数理统计的基本知识、掌握统计学基本原理，为专业核心技能的学习与掌握打下坚实基础。

（2）专业核心技能模块

专业核心技能模块主要包括统计分析方法、经济模型构建、经济分析与决策、统计学软件应用等内容。统计分析方法主要包括多元统计分析、时间序列分析、抽样技术、非参数统计等课程，其目的是让学生掌握基本的数据分析方法，为实际工作及进一步的深造创造有利的条件。经济模型主要包括数理经济学和计量经济分析等内容，其目的是让学生掌握计量经济分析的基本原理与实际应用，以及把经济模型与实际问题结合进行理论构建及各种检验的方法。经济分析与决策主要包括经济社会统计、国民经济统计、统计预测与决策等课程，其目的是培养学生对经济社会现象进行数据收集和统计分析的基本技能，并以此为基础对经济社会的运行进行必要的预测与决策，为经济管理提供必要的智力支持。统计学软件应用，这是一个对实践能力要求较高的层次，主要是通过对常用统计软件的掌握，为专业基础技能、统计分析方法、经济模型分析以及统计预测与决策等技能的实现创造便捷的条件，这一部分主要通过统计实验进行，是一个理论联系实践的关键环节，为使这一环节通畅、顺达，以有利于综合素质和应用能力的全面提升，故必须在各种课程设置中加强实验的比重，强化实验的掌握。

（3）综合技能模块

综合技能模块主要包括各种应用调查方法、统计数据收集与整理、数据分析方法的综合应用，这一模块主要是通过引导学生参加各种社会实践、参与教师的科研调查以及各类型比赛实现。其目的是培养学生综合运用统计学知识，进行统计设计、统计调查、统计整理、统计分析的意识和能力，并能够熟练运用统计分析方法进行统计报告的撰写与演示等工作。

3、专业技能拓展与创新能力培养模块

专业技能拓展与创新能力培养模块主要包括经济形势分析与预测、团队组织和管理技能、项目评估和专业资格认证体系等内容。其目的是加强统计学基本知识与相关专业的结合，以满足学生不同发展需要。经济形势分析与预测模块主要由经济问题报告及相关学术沙龙组成，使学生能够熟练运用经济学理论对宏观、区域、行业经济形势进行分析和预测，提出相应政策性建议的方法。经济管理研究方法模块主要由学生参与的相关科研与教学培训构成，其目的是加强科研训练，熟悉科学研究的一般程序、方法和基本流程，熟练运用各种研究方法，为实际工作和进一步深造奠定良好基础。项目评估模块主要是针对各类实际项目进行经济、社会与财务评价，通过项目评估、财务规划和税收筹划等理论知识的运用，让学生熟悉和掌握各种评估方法及可行性论证分析过程，扩大统计学专业的就业领域。与统计学专业联系紧密的资格认证有调查分析师、统计软件认证以及数据库分析等，专业资格认证体系模块主要是为学生的资格认证提供培训或相关辅导，通过学生的资格认证强化学生能力，增强就业竞争力。

三、以社会调查为平台的实践教学方案设计