时间：2023-07-11 17:37:50
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇统计学的数据分析，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
关键词：大数据时代；统计学；影响
随着大数据时代的到来，各企业采用了新的策略，获得了更多的利润。对于统计专业来说，改变发展策略，使培养出来的专业人才能够适应大数据背景的需求是其主要任务。目前，高校统计学专业逐渐认识到大数据时代综合性人才培养的重要性，并对专业建设进行了相关改革。
一、大数据时代对统计学的影响
大数据时代的到来对现代统计专业的发展造成了新的冲击，要确保培养出来的人才能够起到应有的作用，首先要了解大数据时代对统计专业所造成的影响。
（一）大数据时代使数据结构和数据性质发生变化
网络技术以及基于网络技术的电子商务等新的数据记录模式标志着大数据时代的到来。大数据时代，不再依赖于抽样调查的记录模式，网站浏览、视频监控都将形成大量数据。传统的数据结构甚至是数据性质发生了变化。大量的数据信息对于需求者来说，如何甄别其可用价值成为关键。传统的数据可以二维表格显示和整理。但大数据时代所产生的数据具有多样化和复杂化特征，往往包含了大量的音频、视频、HTML等。这要求大数据的收集具有较强的目的性，才能实现其价值。
（二）大数据时代要求统计分析方法和统计思维更新
大数据时代的主要特征为数据多且复杂，数据分析要求分析者对总体进行分析。在这一背景下，参数统计不再具有意义，假设检验法也随着总体分析而失去价值。数据的复杂化对传统大数据统计思维造成了巨大的冲击，要求统计者具有活跃的思维。只有对传统数据的改变进行分析，并且树立新的统计方法。
二、大数据时代下的统计学发展新策略
为适应大数据时代的需求，统计学专业的发展势必要对传统模式进行改革。目前，多数高校统计学专业已经认识到大数据对于其发展带来的冲击。为此，本文提出了以下策略，以及能够帮助统计学取得更好发展。
（一）加强统计应用性教学
根据大数据时代数据的总体分析特征，数据分析人员应掌握全面的分析方法。在人才培养过程中，应致力于培养实践分析能力，提高数据和资料收集能力，并且培养其强烈的数据价值观，使其能够从众多数据中找到所需的。另外，对传统模式进行改革，增加大数据统计内容，以适应时代的需求。基于大数据的结构特点，实施资料透视化教学，提高分析者对复杂数据的分析能力。
（二）培养大数据统计思维
在人才培养过程中，新的统计思维的培养具有重要意义，即强调数据分析实践能力的提高。统计思维的培养有助于数据分析者对复杂的数据进行区分，从而整理有效信息。在大数据时代，不仅要以传统的平均思维、动态思维和变异思维为基础，还要注重基于整体分析的大数据思维。另外，还要培养数据分者的复杂性思维，以应对复杂的数据库。总之，大数据时代需要数据分析者具有全面的、创新性的思维。
（三）强化基础性统计知识
统计学自身具有复杂性，其改变多且抽象。基础的统计知识是进一步掌握大数据分析思维的基础，可见学习基础性统计知识的重要性是不言而喻的。为此，应该采取深入浅出的方法，利用多媒体等方式使复杂的数据统计清晰化、简单化。结合具体的案例使数据分析者正确认识统计概念、掌握统计原理和方法。此外大数据分析不再是一种专业，而是更倾向于一种技术，这要求我们将大数据分析与统计学以外的相关知识相互联系。注重真实相关与伪相关的讲解，强调商务智能的开发和分析。只有具有坚实的基础，才能确保数据分析者大数据分析思维的养成，适应现代社会的需求。
（四）加强复合型人才培养
为适应大数据时代的需求，复合型人才的培养是关键。所谓复合型人才，是指其不但要具有专业的数据分析能力，还要相应的具备管理以及其从事专业的技术。大数据时代，高校应建立全面的人才培养模式，注重培养人才的数据分析能力、编程能力等，使其真正了解大数据，懂得如何利用大数据对其所处的行业起到积极作用才是关键。总之，大数据时代对综合性人才具有更高的需求，大数据时代不仅培养的是一种能力，而且是一种思维，是对全新模式下的数据的分析和利用。高校作为人才培养的重要基地，其教学模式的改革、对大数据时代所需教学模式的认识是高校的主要任务。
三、总结
统计学是经济学的基础课程，传统的统计人才培养具有定向性。而随着大数据时代的到来，数据产生的形式多样，且具有复杂性。大数据分析不仅是作为一种专业存在，而是应以一项必备的技术而存在。大数据时代，传统的统计思维和统计方法发生了改变，统计人才培养方式的改革也就势在必行。（作者单位：海南师范大学）
参考文献：
[1] 朱怀庆.大数据时代对本科经管类统计学教学的影响及对策[J].高等教育研究，2014（3）.
[2] 姚寿福.经济管理类本科专业统计学课程教学改革思考[J].高等教育研究，2012（3）.
[3] 孙耀东.大数据背景下统计学专业课程教学探究[J].廊坊师范学院学报（自然科学版），2015（06）.
关键词：大数据时代 数据分析 理念 辨析
中图分类号：C8 文献标识码：A 文章编号：1674-098X（2017）01（c）-0136-02
近年来，对大数据的研究和应用已经受到我国各界人士的广泛关注，国家统计局已经把信息处理技术列为关键性的创新技术工程之一。随着我国大型计算机的迅速发展，处理大规模的复杂数据的能力逐渐提升，从这些大数据中提取有效信息的能力也逐步加强，毫无疑问，我国进入大数据时代的脚步将会进一步加快，人们将会感受到大数据时代下给其带来的生活、工作上的便利。
1 大数据和大数据时代简介
1.1 大数据
大数据是指远大于一般数据的巨量资料，需要人们通过全新的处理模式才能获取其中有价值的数据信息。“大数据”这一概念最早由维克托在《大数据时代》一书中引用得来，最开始对其定义为：不通过传统的随机分析方法直接对所有数据进行分析处理，主要有大量、高速、多样和价值4个特征。
大数据可以分为大数据技术、大数据工程、大数据科学和大数据应用等领域。目前受到最多应用的是大数据技术和大数据应用。人们通过收集数据，提取有效信息就可以为企业发展或者社会活动提供最有效的实施途径。因此，可以这样说，在大数据的王国里，最成功的企业就是那些善于运用机遇的公司。
1.2 大数据时代
大数据时代是建立在信息时代的基础上，通过互联网、物联网等渠道广泛搜集海量数据资源并对其进行存储、提取和展示。在大数据时代，几乎所有人都能够享受从任一数据中获得所需要的信息，大数据时代也具有社会性、广泛性、公开性和动态性4个特征。大数据时代的发展将会引领社会众多领域和行业的变革，对人类的生产、生活方式产生深远影响。
在大数据时代下，传统的数据分析思想已经不再适用，应该做出改变。首先，应该转变抽样思想，大数据时代下的样本即总体，已经不再依靠少量样本分析事物的相关规律；其次，要转变数据精确测量的思想，大数据时代要学会接受繁冗复杂的多样性数据；最后要转变探究事物的因果关系思想，转为研究事物的相关规律。以上思想的转变，均与统计学有关，因此，下面将分析大数据对统计学带来的具体影响。
2 大数据对统计学研究工作的影响
2.1 大稻莘岣涣送臣蒲У难芯慷韵
大数据影响的领域范围非常广泛，在大数据时代，不仅能够对以结构数据为度量单位的客观主体，还可以对不能用数据衡量关系的文本、图片、音像等非结构数据进行分析，大大扩展了传统统计学的研究范畴。
2.2 大数据影响统计学的工作进程
统计学是对所搜集的数据进行整理和归纳的方法论学科。大数据时代的资料十分丰富，分析数据已经不再需要抽取样本了，因为数据总体即是样本。此时，传统的统计学抽取样本分析的工作方法已经不再适用，而是被现代化通过传感器自动采集数据的方法所取代。
3 大数据时代下数据分析理念辨析
3.1 数据分析理念
传统的数据分析是指用统计学方法将收集的数据资料进行系列分析，以便最大化地开发数据中的功能，从中提取有价值的数据，再和未经处理的数据进行对比，发挥数据的作用。大数据时代下的数据分析，由于数据量非常大，数据本身的动态特性使人们要研究的数据难度加大，因此，大数据时代的数据分析一般利用统计学的理念，采用更广泛的方法统计和分析数据，以此摆脱对数据样本的依赖，也可以避免数据的流动性给分析结果带来的不确定性。大数据时代更加注重数据的增值分析工作，研究数据的未来走向，使其中有价值的数据可以增值，将有效数据有机整合，能够及时发现问题和解决问题。
3.2 数据分析的主要程序
3.2.1 数据整理
统计数据的整理主要分为4个步骤：审核统计资料、对资料进行分组、汇总和编制统计表格或图表、保管和公布。当统计对象为数据资料庞大、类型复杂、要求处理速度快的大数据时，这些步骤就显得繁冗了，尤其是图表的绘制是没办法实现的，因此，只需要对资料进行审核和存储。大数据的审核和存储不同于传统意义上的数据审核和保存，大数据时代利用先进的现代化工具进行数据的审核和保存。
3.2.2 数据的开发
传统数据的样本量较小，目的主要着眼于解决问题，数据的时效性较强，数据的使用价值会随时间流逝而降低。而大数据的流动性很强，随着时间的推移会越来越壮大，而且具有推陈出新、价值重塑的可能，因此，在大数据时代，数据是会不断增值的，开发大数据，是一项有重要意义的工作。
3.2.3 数据的应用
其中分别对教育、运输、消费品、电力、石油与天然气、医疗护理、消费金融等进行分析和预测。根据这些行业的特点，可以总结出大数据挖掘商业价值的基本方法为：客户群体细分，为每个群体量定特别的服务；模拟现实环境，发掘新的需求的同时提高投资的回报率；降低部门联系，提高整条管理链条和产业链条的效率；降低服务成本，发现隐藏线索产品和服务的创新。从图1中可以看出，大数据的应用群体十分广泛，能否对获取的数据及时、迅速处理，对该行业的发展具有重要意义。
4 结语
该文主要对大数据时代下数据分析理念进行了相关的分析和研究。首先对大数据及大数据时代的概念做了简要阐述，接着分析了大数据对统计学的两点影响，最后分析了大数据时代下的数据分析理念。总而言之，在现代社会，大数据的应用已经成为时代新的特征，能否从海量数据中提取有价值的信息做出相应的预测，对于企业或者个人的发展具有重要意义。
参考文献
【摘要】所谓统计思想，就是在统计实际工作、统计学理论的应用研究中，必须遵循的基本理念和指导思想。统计思想主要包括均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等思想。文章通过对统计思想的阐释，提出关于统计思想认识的三点思考。
一、关于统计学
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
二、统计学中的几种统计思想
1统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述
2.1均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.3估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.4相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.5拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.6检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
3统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
三、对统计思想的一些思考
1要更正当前存在的一些不正确的思想认识
英国着名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
参考文献:
陈福贵.统计思想雏议[J]北京统计,2004,(05).
庞有贵.统计工作及统计思想[J]科技情报开发与经济,2004,(03).
统计学在大多数人的心目中是一门很难掌握的学科。对于统计理论的研究来说，大概的确如此。然而应用统计学作为与生活密切相关的学科，能教给我们思考和判断问题的方式，是一种基本的思考方法和思维能力。在日常生活和教育教学工作中，经常会遇到各种各样的信息和数据资料，如何基于这些资料做出更为明智的判断和决策？这就是应用统计学要解决的问题。学习统计知识，是教育工作者提高基本科研能力和素质的有效途径之一，也是我们每一个人必备的思维能力。
首先，统计学的思想和方法与中小学教师的日常教学和科研工作密不可分。如何了解调查数据背后所隐含的规律，如何探求发现这些规律以便更好地指导教学，是每一位中小学教师应该思考的。这里，我推荐戴维.S.穆尔著，郑惟厚翻译的《统计学的世界（第五版）》（中信出版社，2003年）和Gudmund R.I Versen 和Mary Gergen著，吴喜之、程博、柳林旭、仝莉萍等翻译的《统计学：基本概念和方法》（高等教育出版社，施普林格出版社，2002年）。这两本书作为统计学的普及教程，具有以下特点：第一，通过实际生活中的例子让我们逐渐明白统计学的基本思想和方法。书中回避了纯数学式的描述，以风趣的语言、清晰直观和容易理解的实例阐述了统计学的基本概念和统计学在各行各业的各个方面所扮演的重要角色，通过一个个真实的、与我们生活息息相关的小故事，让我们在不知不觉中增长统计学的专业知识，提高分析水平和思考能力。第二，强调学习应用统计学知识的重点在于思考，在于理解所学知识的实际应用价值。比起套用统计学公式，学会运用统计学的思想来思考更能够训练思维，更有助于解决错综复杂的实际问题。这两本书立足于满足人们对统计信息日益增长的需要。通过这两本书，我们可以了解统计领域的主要思想是如何与现实世界相联系的，以及如何为解决实际问题服务的。中小学教师的日常教学和科研通常会涉及许多数据信息，如学生考试结果的数据、学生每天花费在作业和活动上的时间、学生的心理健康状况等等，采用统计学技术来了解学生学习和教师教学过程中的规律是指导与服务教学必不可少的内容。
其次，中小学教师在掌握基本统计思想和方法的同时，应该学会使用计算机技术来解决日常教学和科研中的数据分析问题。正如大部分学习统计学的教师所敏锐地意识到的那样，随着计算机技术的发展，统计学的教学方法已经发生了戏剧性的变化。计算机与教学环境的结合，尤其是界面越来越方便友好的办公软件和统计软件的使用，使得看似复杂和繁杂的工作变得易于操作，这也大大增强了统计方法的应用能力。在了解应用统计知识的同时，我建议大家学会使用简单的、易操作的数据分析软件，以便促进统计方法的实际应用。SPSS专业统计软件是当前最流行的数据分析工具之一，是主要应用于社会统计学领域的数据分析软件，具有友好的界面和菜单操作功能，非常易掌握。这里我向大家推荐骆方和我本人参与编著的《SPSS数据统计与分析》（清华大学出版社，2010年），本书并不力求面面俱到，并非要全面地介绍SPSS的各种功能和操作，而是有重点、系统地介绍常用功能，并且结合具体案例介绍了怎样综合应用这些功能。此外，本书还对一般教学研究方法，如问卷调查，需要用到的数据搜集、编码和录入等相关知识进行了介绍，以便全面提高读者的应用能力，确保读者通过学习可以独立完成数据分析工作。同时，本书还附有学习光盘、案例数据和电子教学资源，便于初学者练习和操作。另外，Office办公系统中的软件Excel也具有统计功能，借助Excel，我们不用在电脑上安装任何其他的专业软件，就可以轻松完成基本的数据分析。在这里再向大家推荐一本参考书，由梁烨、柏芳和李嫣怡编写的《Excel统计分析与应用》（机械工业出版社，2009年）。本书精选了62个专业案例，以实验教程的形式讲解了如何以Excel为工具来解决各种统计分析问题。“即查即用，学以致用，实用够用”是此书的编写宗旨，同时配套的光盘资源和多媒体教学动画，也有助于全面提升读者自己动手解决实际问题的能力。这两本统计数据分析的软件教程还有一个共同点，就是同时提供了一些热点问题的统计分析，这有助于提高读者的综合应用能力，从而提高其在教学和研究工作中应用统计方法的动手能力。
统计是从信息和数据中找出规律性的信息，并做出判断和结论。每天的生活和工作都要求我们认真观察，善于思考。戴维.S.穆尔在《统计学的世界》一书中有个典故：许多统计学家在第二次世界大战中发挥了重大的作用，沃德是其中之一。他发明的一些统计方法，在战时被视为军事机密。沃德在被咨询飞机上什么部位的钢板需要加强时，画了飞机的轮廓，并且标出返航的战斗机上受敌军创伤的弹孔位置。资料积累了一段时间后，机身各部位几乎都被填满了。于是沃德建议，把剩下少数几个没有弹孔的位置加强，因为这些部位被击中的飞机都没有返航。这件事情会给你怎样的启示呢？掌握和应用统计学的基础知识，将有助于你更加睿智地做出决策。
参考文献：
[1]戴维.S.穆尔.统计学的世界（第五版）[M].郑惟厚译.北京：中信出版社,2003.
[2]Gudmund R.I versen, Mary Gergen.统计学：基本概念和方法[M].吴喜之,程博,柳林旭,仝莉萍等译.北京：高等教育出版社，施普林格出版社,2002.
[3]骆方,刘红云,黄.SPSS数据统计与分析[M].北京：清华大学出版社，2010.
[4]梁烨,柏芳,李嫣怡.Excel统计分析与应用[M].北京：机械工业出版社,2009.
（作者单位：北京师范大学心理学院）
培养数据分析观念是小学数学“统计与概率”领域内容的核心目标，《义务教育数学课程标准（2011）》后，特别是在2015年教育部提出“核心素养”以来，数据分析观念的培养得到前所未有的关注和重视。
数据分析是反映由一组数据引发的思考，人们可以分析与推测出可能的结论。数据分析强调的是数据，是实证判断，而不是凭感觉臆断，既要回顾分析，又要做出预期，既要关注局部，又要关注整体。因此，数据分析观念的培养需要学生亲历与体验。
史宁中教授在他的《基本概念与运算方法》一书中指出：“统计学研究的基础是数据，是通过对数据的分析得到产生数据背景的信息。”统计学与数学有所不同，数学研究的基础是抽象了的定义与假设，而统计学强调的是数据，是数据分析观念。如平均数在数学里只是一个算式的运算结果，而在统计学里是一个重要概念，使用平均数反映一组数据的水平以及产生的影响。
当前，教师们关注与研究更多的是数学，对统计学的认识还比较模糊，在实际教学中难免出现偏差。那么，如何引导学生经历统计过程，更好地促进和培养数据分析观念呢？笔者认为，“统计与概率”教学要重视以下四个方面的转变。
一、资源利用变虚拟为真实
教材提供的活动设计，或出现的一组数据，本质上都是虚拟情境，学生难以获得真实的经历与体验，如果开发真实的活动资源，经历真实的统计过程，效果更佳。
例如，教师组织课堂内的统计活动――摸球游戏：袋子里装了10颗球，有红球和黄球。不打开袋子看，你怎样才能知道红球多还是黄球多？要求先讨论摸球规则，再分组进行“我摸你猜”的摸球游戏。学生根据小组内的摸球统计数据，初步猜想哪种颜色的球多，感受小数据信息的作用。接着，学生进行小组摸球情况对比，分析与大多数摸球情况不同的个案，探讨能让实验判断更为准确的方法。最后，汇总全班数据，感受数据信息量变大之后给“哪种球多”的判断带来的变化。学生经历试验、猜想与验证的过程，感受随机现象的不确定性，以及随机现象背后隐藏的一般规律。有些统计活动还可以从课堂内延伸到课堂外，使学生亲历实实在在的统计过程。
二、统计活动变“一般”为内涵
小学阶段的统计方式最为简单，无非是收集数据、整理数据与简单的数据分析，但从统计背景和统计学的视角看，在统计过程中还可以从以下方面挖掘内涵。
1. 样本感知。
例如，教学中进行“全班学生最喜欢哪个体育项目”的调查活动，教师不应着急调查统计，让学生先对样本的选择有初步的感受。引导学生选择与讨论：三种调查方法，哪种比较合适？（1）问自己最要好的几位同学；（2）问自己小组的所有同学；（3）问全班同学。然后，再次讨论：要知道全校同学最喜欢哪种体育项目，你认为哪种方法比较合适？（1）问全校学生；（2）调查每个年级的一个班级学生；（3）在校门随机询问部分学生。引导学生聚焦样本的代表性与可操作性，建立样本概念，感知总体与抽样调查的样本选择。
2. 尝试方法。
在收集数据与统计数据的过程中，不同情况下采用的统计方法也会不一样，教师需要提供给学生尝试不同方法的机会，感受调查方法的多样性和不同方法的优点。
例如，每学年末的不同学科教师的满意度调查，先采用逐一询问同学后画正字的统计方式，让学生感受该方法效率的低下；然后采用全班举手的方式，学生感受快捷与方便，但又发现这样统计真实性受到影响，学生对这样的调查统计没有心理安全感，进而讨论更科学的调查统计方法。最后采用不记名问卷统计完成调查任务，学生对无记名问卷的真实性有了初步的感受。如果用网络无记名调查问卷的方式，学生在规定时间内，可以在不同地方完成问卷，时效更佳。
3. 体会价值。
一般情况下，课堂上教师都会让学生说一说统计与统计结果的用处，比如调查统计学生最喜欢的运动项目，那么就可以建议学校多开展这项体育活动，但这就像是一场模拟活动，学生还是没有获得真切的价值体验。我们所期待的效果是，通过统计活动，学生可以发现问题，让他们看到事物的发展变化，才能更好地体验统计的价值。
例如，笔者针对校园周边环境脏乱差的现象，组织学生开展研究性学习活动。学生通过调查，发现校园周边脏乱差现象的成因是小摊小贩占道经营，不仅阻碍学生通行，还留下了许多垃圾。随着调查的深入，他们发现在小摊贩购买早餐的主要群体是学生。进一步在五年级开展的问卷调查中，学生发现：经常在小摊贩吃早餐的学生占全年级总数的34%，其中外来务工人员子女占92%，主要原因是父母没时间准备早餐。取得第一手数据资料后，由学生策划的“家里吃早餐，安全又健康”的活动随即展开：给家长一封倡议书，开设保健与养生课，与街道、城管等多部门齐抓共管，使得校园周边环境得到彻底改善。在调查、统计、分析、活动的过程中，学生真切感受到调查统计对具体事物所产生的变化，体现了它的实用价值。
三、统计图的选择变“绝对”为“相对”
在小学阶段，主要有三种统计图供教学选择，它们都可以直接表述数据，但还是有各自的特点：条形统计图能清楚地表述数量的多少，扇形统计图能清楚地表述数量所占的比例，折线统计图能清楚地表述数量的变化情况。一般统计图选择的标准是：离散的数据用条形统计图，连续的数据用折线统计图。但统计学与数学不同，统计图的选择只有“好坏”之分而无“对错”之分，也就是说，要表述离散数据的变化规律或发展趋势，也可以采用折线统计图，要表述连续数据的多少，也可以用条形统计图。
例如，要表述两个班在运动会4个项目上的成绩对比。
如果用折线统计图表示，也能清楚地反映1班各个项目成绩总体高于2班，但在第三个项目成绩对比中出现反差，2班的得分明显高于1班，要引起1班的重视，查找原因；而2班在第三个项目上总结成功经验，在其他项目上要总结经验教训、改变策略。
因此，统计图选择的关键在于你要表达什么，能达到目的即可，教学时切忌一刀切。
四、统计课程变单一学科教学为学科整合
“统计与概率”作为数学课程重要内容，分布在每一册教材中，它作为数学教学的一个模块，意味着课时量有限，让学生充分体验统计过程有一定难度。教师需要拓展统计教学的时间与空间，将统计活动渗透到各个相关学科的教学中，与学科教师合作，整合课程内容，更好地培养统计意识，达成提升学生数据分析观念水平的目的。
举例来说，笔者所在学校开展全员体锻活动一年有余，体育教师感觉学生的体质健康水平有了很大提高，这一结论要有说服力，就需要用数据证明，让学生亲历数据收集、整理、分析与判断的过程是很有意义的活动。学科教师合作引导学生收集体锻前与体锻后同年级身高、脉搏、近视率，以及各项运动水平的真实数据，制作成复式条形统计图和折线统计图，条形统计图对比前后两年同期学生的健康水平，折线统计图显示同一个学生在体锻前与体锻后健康水平的差异，数据显示，学生的脉搏与近视率等各项指标的变化让人吃惊，学生在经历统计的过程中体验运动的重要性。让人意想不到的是，全校师生在数据面前统一了思想认识，全员体锻的理念得到持久地贯彻与落实。
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：
《义务教育教学课程标准（2011年版）》将原来的“统计观念”改为“数据分析观念”，并把“数据分析观念”作为数学学习的十个核心观念之一，指出了统计的核心就是数据分析。通过学习，我对数据分析观念的内涵有了更深刻的认识：使学生了解在现实生活中有许多问题应当先做调查研究，收集数据，通过分析做出判断，体会数据中蕴涵的信息；了解对于同样的数据可以有多种分析的方法，需要根据问题的背景选择合适的方法；通过数据分析体验随机性，一方面对于同样的事情每次搜集到的数据可能不同，另一方面说明只要有足够的数据就可能从中发现规律，数据分析是统计的核心。
如何发展学生的数据分析观念，培养他们对数据的分析与判断能力？下面谈谈我个人的粗浅看法。
一、让学生参与数据搜集的全过程
统计学的一个核心就是数据分析。不论是统计还是概率，都要基于数据，基于对数据的分析；在进行预测的同时，为了使预测更合理，也需要搜集更多的数据。培养“数据分析观念”最好的办法是让学生经历数据的搜集、整理、描述、分析的全过程，让学生亲身体验进行数据分析的必要性。学生通过大量重复试验，在头脑中再现知识的形成过程，避免单纯地记忆，使学习成为一种再创造的过程，数据分析观念也得到了初步培养。
例如，“组织比赛”的情境，学生在操场上讨论：“组织什么比赛好呢？”“去问一问同学，他们最喜欢什么活动？”这就使学生认识到统计对决策的作用，引起学生进行调查的愿望。教材紧接着安排小调查，“调查你们班的部分同学，他们最喜欢什么活动，在下图中涂一涂。”这就要组织学生搜集数据、整理数据，用在方格纸上涂一涂的方式呈现数据。最后安排学生说一说：
（1）一共调查了几个同学？喜欢什么比赛的同学最多？喜欢什么比赛的同学最少？
（2）喜欢足球的同学比喜欢跳绳的同学多多少个？
（3）如果你们班有一名同学没来，猜一猜他（她）最有可能喜欢什么活动。
（4）你认为你们班最好组织什么比赛？
（5）根据统计图，你还能提出什么数学问题？
这就是引导学生分析数据，做出合理的决策。上面的例子就是根据低年级儿童的特点，组织学生经历统计活动的全过程，发展学生的数据分析观念。
二、引导多角度分析数据
义务教育阶段的统计学习要让学生有意识地、正确地运用统计来解决实际问题，并理智地分析他人的统计数据，以作出合理的判断。稻莘治龅墓程应该把重点放在怎样分析数据上。教师要启发学生自己想办法，多角度全方位分析数据，让学生感悟到我们做统计的目的是解决问题。
案例：《认识中位数》教学中有以下环节：
（课件出示）例题5，出示场景图，同学们正在进行跳远比赛，看看他们的成绩：
五年级（2）班7名男生的跳远成绩如下表。
（1）分别求出这组数据的平均数和中位数。
（2）用哪个数代表这组数据的一般水平更合适？
（3）如果 2.89m以上为及格，有多少名同学及格了，超过半数了吗？
（4）如果再增加一个同学杨冬的成绩 2.94m，这组数据的中位数是多少？
首先让学生分组讨论： ①表格中的数据有什么特点，有几位同学的成绩，最高是多少，最低是多少？②求数据的平均数和中位数，看看几位学生的成绩与平均数和中位数之间的大小有何关系？ ③选择哪两个统计表示数据的一般水平比较合适呢？
（5）学生汇报：7名男生跳远成绩的平均数是2.96，中位数是2.89，有5名男生的成绩低于平均值，这说明在这里用平均数来代表该组成绩不太合适，应选用中位数。
强调：①中位数的求解方法，首先将数据按照大小顺序排列好；②找到最中间位置的数据2.89；③矛盾：当数据增加一个后，一共有偶数个数，中间位置出现两个数据：2.89和2.90，最中间的数找不到怎么办？学生展开讨论。讨论结论：一组数据中有偶数个数的时候，中位数是最中间的两个数的和除以2计算出中位数来。也就是需要求两个数的平均数，即这组数据的中位数。
数据分析应该把重点放在怎样分析数据上。因此，我们要启发学生自己想办法，让学生感悟到我们是为了解决问题而来做统计的。通过数据分析，学生从中提取相关信息，根据不同的背景，选择不同的方法，从而培养学生思维的灵活性。学生从中发现问题，并且思考解决问题的办法。
三、体验数据分析的随机性
数据的随机性主要有两层含义：一方面对于同样的事情每次搜集到的数据可能会不同；另一方面只要有足够的数据就可能从中发现规律。
史宁中说：“统计与概率领域的教学重点是发展学生的数据分析意识，培养学生的随机观念，难点在于，如何创设恰当的活动，体现随机性以及数据获得、分析、处理进而作出决策的全过程。”
如二年级有这样一个课堂教学片段：
组织小组活动：盒子里有3个黄球、3个白球。每次摸出1个，摸之前先猜猜你会摸到什么颜色的球，每次你都猜对了么？
活动结束时，老师询问：有没有每次都猜对的同学？（全班只有2人举手）
师：为什么我们那么多的同学都没有猜对呢？（此时，两个猜对的同学急于向大家介绍方法）
生1：黄球和白球摸在手里的感觉不一样！
师：（饶有兴趣地问）真的吗？让我们见识一下！
生1：（摸出一球，没看前猜测）黄色！（拿出后是白色，生1低头坐了下去）
师：怎么不试了？
生1：没有信心了。
师：怎么就没有信心了？
生1：摸在手里分辨不出来。
生2：我发现了，如果第一次摸出来的是黄球，第二次就猜是白球，是交错出现的。
师：你刚才就是这样猜的，结果都对了吗？
生2：连连点头。
师（半信半疑）：还有这个规律？摸1个！
（生2摸出1个白球，放回）
生2：第二次一定是黄球。
（第二次生2果真摸出一个黄球）
师：看来，下次……
生2：第三次该是白球了！
（第三次生2摸出个黄球）
师：这个规律还成立么？
学生直摇头。
师：通过刚才的摸球游戏，你发现了什么？
生：盒子里有黄球又有白球，摸出一个球，可能是黄球，也可能是白球。
通过学生操作实验，用实验获得数据，再对数据进行分析，这种通过对数据进行分析处理，让学生体会了数据的随机性，从而发展了学生的数据分析观念。
关键词：财经类高校；数据分析课程；课程建设
中图分类号：G64 文献标识码：A 文章编号：1673-9132（2016）34-0040-03
DOI：10.16657/ki.issn1673-9132.2016.34.020
一、引言
随着大数据时代的到来，数据分析在各行业的重要性日益凸显出来。大数据时代要求人才具有极强的“数据视野”、“数据意识”和“数据能力”，即对所处行业数据的形式种类详尽把握，对数据的作用深刻理解，对数据分析方法和分析软件熟练运用。其中“数据能力”是前两者的基础，是实现大数据所有思想和理念的根本保证，是现代经济管理人才的重要基本素养和技能。
我国的财经类院校肩负着为社会培养经济管理类高级专业人才的重任，在大数据时代，社会对于经济管理类高级人才在数据分析方面的要求极大增加，现代经济管理理论的发展趋势也体现出越来越重视数据分析的特点。这要求人才既有深厚的经济管理理论功底，又能够熟练使用数据分析工具对业务数据进行分析，并得到结论。特别是在研究生教育层面，对数据分析能力培养更加重要。
然而，目前在研究生数据分析能力的培养方面各财经类院校均存在着较多的不足。首先是覆盖面小，除各院校的统计学院（或类似学科的学院和专业）外，强调这方面能力的培养的学院和专业较少，导致研究生对数据的运用和分析能力不足；其次是形式单一，主要以课堂教学为主，完全忽视了数据分析的实践性，教学效果不好；再次是教学所用软件平台薄弱，多数使用SPSS，极少数专业学习SAS，对于在学术界和业界非常流行R语言、python等平台则少有涉及。因此，合理设计数据分析类型课程，提高经济管理类研究生在数据分析方面的理论水平与实践能力，是广大财经类高校不得不面对的迫切问题。本文讲就财经类高校数据分析类课程的特点、建设思路和建设方案，结合笔者在教学实践中的一些心得谈一谈自己的看法。
二、财经类高校数据分析课程的特征
数据分析的目的就是从数据中提取有价值的信息，进而形成知识。因此在绝大多数专业领域均有大量的数据分析需求，对人才的数据分析能力均有较高的需求。从财经类高校的专业分布看，可以把对数据分析能力的需求分成三个不同的类型。
第一类是以统计学院、信息学院（或类似学科的学院和专业）。这两类专业的教学主要突出理论性、基础性和方法性，立足于对学生的“数据视野”、“数据意识”和“数据能力”进行全面训练，使学生能够在毕业后在任意领域迅速承担起高级数据分析的任务。
第二类是经济学门类的相关学科。这类学科对于数据分析教学的要求偏重应用，即学生的“数据视野”、“数据意识”，但由于部分专业（如数量经济学）对数据分析能力要求较高，因此对于“数据能力”的培养也需要兼顾。
第三类是管理学门类的相关学科。当前的管理学实践离不开数据，对数据分析教学主要是应用层面的。要求学生具有良好的学生的“数据视野”和“数据意识”，而对于学生的“数据能力”的培养则并没有太高要求。
三、财经类高校数据分析课程建设的思路
基于上述分析，研究生数据分析课程建设应当采取分层设课的原则，基于不同的教学需求，设置不同的课程群。
对于上述第一类专业，需要在专业核心课程群的基础上，重点建设大数据相关课程。如分布式计算、非结构化数据分析、R语言、python语言等。在教学中，案例化教学和上机实操应当成为教学的主要形式，尤其软件类课程应当在机房进行，保证学生有足够时间熟悉操作并能随时与教师互动。
对于上述第二类专业，需要以一门基础课程为先导（如统计学导论），在配合若干专业课与软件课的组合，如计量经济学、时间序列分析、纵向数据分析与Eviews、SAS和R语言的配合。在教学时，理论与实操并重，在实操方面突出学生的软件使用能力训练，SPSS类型的软件不应当成为此类专业的主要数据分析平台（学生应当在学习专业课程时自主学习使用）。
对于上述第三类专业，可以考虑以一门数据分析课程为基础，配合合适的软件平台，同时在其他专业课程教学中突出各个课程的数据分析教学内容和实践环节，既可以基本达到教学目的。这类课程教学的重点在于对数据分析方法模型的理解，切忌死记硬背，同时辅以一定的案例和上机实操。在软件平台使用上，以SPSS这类拥有完善的GUI环境，所见即所得的平台为主，也可以使用R语言强大的图形能力作为演示工具，在演示的同时潜移默化地使学生了解R系统，进而为其进一步学习建立基层。
四、财经类高校数据分析课程建设方案――以R语言课程为例
在上述三类专业的数据分析课程建设中，R语言均扮演了重要角色。因此本部分将以R语言课程为例介绍建设方案。
（一）R语言的优势
R语言作为功能全面地数据分析平台，在国际学术界和业界得到了广泛的认同，是应用最普遍的数据分析软件之一。与其他统计分析平台（如SAS、SPSS、S-PLUS等）相比，R语言具有若干明显的优势：
第一，完全免费，完全开源。与SAS多达几十万元的价格相比，R语言是一个完全免费的平台，且功能同样强大。
第二，安装简便，更新迅速，功能完善。R语言的安装对于硬件的需求很低，且拥有Windows、Mac、Linux等多个平台的版本。并且R通过其大量的程序包实现了功能的扩展，用户总是能通过下载功能包获得最新的分析模块。
第三，R语言是被国际学术界广泛认可，绝大多数国际知名高校都将R作为基本的教学和科研工具。
第四，R语言既是编程语言，又是高度功能化的数据分析平台，同时具有编程语言的灵活性和功能化数据分析软件的易用性。
（二）开展研究生R语言教学的必要性
首先，作为一种编程语言，R语言的教学可以训练学生抽象思维、逻辑思维能力，同时作为一种数据分析平台，R语言可以训练学生数据分析模型的应用能力和实际操作能力，这一功能是其他非语言类软件系统无法实现的。
其次，在研究生教学中开设R语言课程，可以极大提升学生在求职就业、考博和出国深造方面的竞争力。由于R语言在国内外学术界和业界有着巨大的影响，因此熟练掌握R语言无疑会使我们的研究生更加具备竞争力。
（三）研究生R语言教学的现状及改革的迫切性
从当前的教学现状来看，R语言仅仅是少数专业才有的课程。但是基于本人这几年的教学和指导研究生的经验来看，当前我国财经类高校研究生的动手能力较弱。其根本原因之一是缺少数据分析能力的训练。若要在不过分增加研究生课程量的前提下迅速提高研究生这方面能力，R语言这种将抽象思维、逻辑思维、数据分析模型和数据分析实操紧密集合的平台是最好的选择。
（四）R语言教学的内容划分
R语言集合了计算机语言与数据分析系统的特点，既能像SPSS那样通过简单操作即得到结果，又能够项C语言那样进行新功能的开发，尤其是其强大的图形能力，更为数据分析人员提供了强大的数据可视化平台。为了能够为学生全面地讲授上述内容，需要对课时进行合理分配，辅以合理的教学模式和考核模式。下面本文将以48学时的研究生课程为例，介绍R语言课程的基本内容和结构。
1.教学内容和学时分配
第一部分，R语言简介（2学时），介绍R语言的历史、基本操作环境、相关网站、系统本身和软件包的安装方法以及参考书籍等。
第二部分，R语言的数据结构（12学时），介绍向量、因子、索引、数组和矩阵、数据框、列表等概念和相关算法。这部分是后面教学的基础，同时也是R语言区别于其他编程语言的重要方面，在教学时要突出对因子、索引（以及利用索引实现筛选等功能）、数据框等数据结构与数据分析的关系的介绍。
第三部分，R语言的编程结构（12学时），介绍成组、选择和循环三种结构。在这部分教学中，重点在不能按照传统程序设计语言的模式进行教学，要突出数据分析的特征，可以考虑使用R语言自己编制景点统计方法的代码，如最小二乘法、距离判别、快速聚类等。
第四部分，R语言的绘图功能（12学时），介绍高级绘图语句、低级绘图语句、交互绘图语句以及ggplot2软件包等。绘图是R语言的优势，允许使用者自由的定义图形，尤其是ggplot2软件包的出现，更是将R的绘图功能推上了新的高度。这部分不但是上述第一类、第二类专业研究生所需要掌握的内容，也是第三类专业研究生应当了解的内容。
第五部分，R语言的基本统计功能（10学时），经过前述四个部分的教学，学生已经对R语言具有了较为深入的了解，并应该具有独立编制代码的能力。在此基础上，可以进行本部分的教学，即对于使用R语言实现诸如回归分析、多元统计分析、时间序列分析的方法进行介绍。由于这一部分功能均有对应的软件包和函数，因此在软件操作方面非常简单，如果跳过前面几个步骤直接进行这部分的教学会使学生对R语言一知半解，缺少对R语言核心知识的理解。
2.教学及考核方式
由于R语言是一个操作性非常强的语言平台，传统的课堂教学+上机的教学模式会使得理论与实践脱节。因此建议该课程全程在机房进行，这种教学方法的优势有三个方面：
第一，教师讲解更到位。编程类课程重要的是思考过程而不是结果，因此传统的课堂上听讲，上机课练习的模式会使得思考过程与结果脱节。而在机房上课则可以使学生跟随教师的讲解随时练习和实验，使得教学效果更好。
第二，师生互动更容易。学习编程的过程就是不断试错的过程，学生需要不断地从发现错误――解决错误的过程中提高能力，而在这个过程中教师与学生的互动非常重要。
第三，课堂练习更直接。课堂练习在学习编程过程中具有非常高的重要性，传统授课模式下，无法做到当天的学习内容当天联系，是知识技能的掌握不牢，效率低下。
在考核方面，建议采取开卷上机考核的方式。由于R语言的教学具有极大的实践性，因此“会用”才是最终的目的。同时，由于R语言极强的可扩充性，因此单纯地考查学生对于R语言中一些功能代码的记忆没有任何意义，采取开卷的方式，重点考查学生解决数据分析问题的能力的上级考试才能够实现对学生R语言学习水平的测度目的。
五、结论
当今社会已进入大数据时代，任何财经类专业人才的培养脱离了数据分析类教学内容都是不能适应社会需求的。而数据分析课程的理论与实践并重的特点，要求在教学过程中既重视数据分析理论模型的讲解，又重视数据分析平台的训练。只有这样，才能使得财经类人才的培养跟上市场对于人才需求内容的转变，培养出符合市场需要的人才。
参考文献：
（兖州煤业榆林能化有限公司，陕西榆林719000）
［摘要］随着信息技术的发展与应用，各种数据信息通过互联网、云终端、交际圈、物联网等之间的大规模传递，人类进入到一个大数据时代，数据信息之间的传递影响着人们的决策成本，传统的信息不对等所造成的差距条件已经消失，而不起眼的数据却能够创造巨大的价值。本文对大数据时代背景下数据分析理念进行分析和指导。
［
关键词 ］大数据时代；数据分析理念；分析
［DOI］10.13939/j.cnki.zgsc.2015.22.074
在传统的商业运作模式中，在运营过程中对自身经营发展的分析只停留在数据的简单汇总层面，缺乏有效地对客户网络、业务范围、营销产品、竞争对手优劣等方面进行深入解析；而在当今大数据时代，通过所接收的大量内部和外部数据中所蕴含的信息中透露的市场弹性，可以预测市场需求，进行分析决策，从而制定更加行之有效的战略发展计划。“大数据”是一个量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。在当今信息时代，很多企业用户在实际应用中把多个数据集放在一起，已经形成了PB级的数据量；数据类型广，数据来源种类多，且数据种类和格式日渐丰富，囊括了半结构化和非结构化数据，早已打破传统的结构化数据范畴，如何在大数据时代背景下进行科学有效的数据分析这需要加强对市场的了解，对泡沫经济的规避，了解数据所传递的信息真假。
1数据化决策的兴起与运用
在大数据时代，信息之间的爆炸增长，使得各种信息传递非常之快，只需要拿起网络终端就可以了解到地球另一边发生了什么。文字、图形、影像都化作数据流在网络中以电信号的方式传递着信息。数据流在传递各行各业的信息同时形成了渗透于各行业的核心资产和创新驱动力。在大数据时代，企业所拥有的数据集合规模及数据的分析和处理能力决定着企业在市场中的核心竞争力。
因此通过数据分析进行决策渐渐成为新的分析理念，例如，在支付宝上进行对电影票房的投资，这些投资通过对导演往期作品和演员的表演张力，及投资方的选角等数据进行分析，预测电影的票房，选取投资可获利的电影，进行票房投资，从而获取票房分红。我国的石油油田根据地震技术的收集数据，进行科学统一规划的分析处理，形成对地下油田的分析建模，能够有效直观地展示地下油藏的分布情况，从而选择油井的开采点。中国人民银行通过对人民币汇率的涨幅，进行数据分析，来制定符合中国国情的外汇货币政策，对货币进行宏观调控，这能够有力的保护人民币升值时，在国际贸易市场中国进出口贸易所面临的压力。在大数据时代背景下，通过直觉和经验进行决策分析的优势不断下降，在商业、政治及公共服务领域中，通过对大数据进行数据分析从而做出符合时代背景的决策，已成了目前的潮流。
2数据分析理念及方法
（1）数据分析要引入统计学思想。在大数据时代背景下，传统的抽样分析已经并不适用于对大数据的分析中，在大数据时代应当要转变思维，转变抽样思想，样本就是总体，要分析与某事物相关的所有数据，而不是依靠少量数据样本，这样才能够在最大限度地明白事物发展变更过程，能够对数据所表露的信息进行更好地处理［1］。要更乐于接受数据的纷繁芜杂，不再追求精确的数据，这并不是说其严谨性降低了，而是往往不起眼，不符合常理的数据更能够反映实际的情况。通过对数据网络之间的联系进行分析，不再探求难以捉摸的因果关系，通过数据的分析处理更能够反应数据的变更。这些想法都与统计学相关通过所收集的数据，进行有效的分类处理，能够更好地反应事物的变化，更有利于做出决策［2］。
（2）数据分析流程。在实际的数据分析过程中，因大数据贯穿区域较广，在地域和行业之间穿插交错，颠覆了传统的线性数据收集模式，而形成了颠覆传统的、非线性的决策基础，这种决策方式要求我们通过对数据进行收集，将各行各业所收集的基本信息，转化为数据，将数据经过初步的整合分类，做出符合当地当时的数据信息，将数据进行深层次的技术处理，将处理过后的信息化为知识，运用到实际的决策中去。在大数据时代，数据的积累并不会贬值，而且还会不断增值，为了更全面、深入地了解研究对象，往往需要对数据进行整合，这就使得数据的积累尤为重要。
（3）数据分析对统计学的意义。在大数据时代背景下数据分析理念能够有效地对数据流进行合理地分类处理，进行科学的统计行为，统计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等，这就意味着所有有用的数据信息均来源于数据分析处理之后的结果。大数据的数据分析理念扩宽了统计学的研究范围，而不仅仅只是实现数据的对比，而是从根本上丰富了研究的内容，如：一些实时性需求会用到EMC 的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存储Infobright等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop，满足大多数常见的分析需求，对传统的统计工作有着四个转变。统计研究过程的转变，使统计过程成为收集与研究。统计与分析这部分的主要特点和挑战是分析涉及的数据量大，统计研究工作思想的转变，数据的收集不断增加，信息的录入不断升级，其对系统资源，特别是I/O会有极大的占用。这就使得能够更好地进行数据分析处理决策［3］。
3数据分析过程中注意事项
3.1数据分析要明确变量
将数据收集进行处理是为了明确市场中的某一个变量意义，这就使得在进行数据分析的时候要能够明确地找寻变量存在前后所发生的变化，通过数据对比可以知道该变量在大数据的市场中所存在的影响因素。是否对市场有着风险或有利于市场的开发利用，能够在数据分析后做出合理决策。
3.2统计中不再追求精确的数据
大数据时代下，数据的不精确性不仅不会破坏总体信息可靠性，还有利于进行剥丝抽茧，从而了解总体情况。大数据时代，越来越多的数据提供越来越多的信息，也会让人们越来越了解总体的真实情况。错综复杂的数据能够反映数据之下到底是泥潭还是机遇。数据之间传递的信息良莠不齐，如果要一一追求准确性不利于统计工作的开展，因此可以将个别的异常值剔除。大数定律告诉我们，随着样本的增加，样本平均数越来越接近总体，这就使得样本与总体的差异性很小，更加符合实际情况。
4结论
综上所述，大数据包含结构内外的海量数据，随着云计算平台进行大规模收集处理，通过建立数据库的手段，对数据分流，使用数据挖掘等方法进行处理、分析，使得所数据结果更加符合显示状况。数据分析理念是通过阐明存在于世界、物质、感官享受上的复杂网络关系，从而做出符合时代背景的分析决策。
参考文献：
［1］维克托·迈尔·舍恩伯格，肯尼思·库克耶.大数据时代：生活、工作与思维的大变革［M］.杭州：浙江人民出版社，2013.
目前流行的统计软件有SAS、SPSS、Statistica、EViews、Excel等，但上述软件的特点和功能优势各不相同，所以要根据学生的专业特点和教学要求选用不同的统计软件或者软件组合。但是由于专业统计软件需要安装后才可以使用，不便于课堂教学使用，也不便于学生的自主学习。而与上述专业统计软件相比，微软公司开发的MSOfficeExcel被广泛应用于统计学的课堂教学当中［4－9］。作为当前使用最普遍的电子表格软件，它不仅能够制作图表，而且还提供了较为强大的统计分析功能，更为重要的是，该软件比其他专业统计软件简单易学、便于掌握、易于推广。利用Excel提供的统计函数和数据分析工具，结合电子表格技术，可以实现数据管理、描述统计、假设检验、方差分析和回归分析等统计功能，基本能够满足管理专业教学对统计分析方面的要求。因此，在统计学课程实验教学软件的选择上，我们首先选择了Excel软件，依据Excel软件中的电子表格功能、函数功能、数据分析功能，形成以Excel为主要统计决策工具的实验教学内容。但是由于Excel软件中没有直接提供箱线图、茎叶图、无交互作用可重复的双因素方差分析、方差分析中的多重比较、非参数检验、质量控制图等方法［9］，所以，在学生掌握Excel软件统计分析功能的基础上，进一步为学生介绍SPSS专业统计软件的使用，以提升学生对统计数据的进一步处理能力。这样就可以更好地满足统计学课程的教学需要，实现其教学目标。
2实验教学内容设计
统计学课程的理论教学是实验教学的基础和前提，因此必须对实验教学内容进行合理的设计与安排，使之与理论教学进度协调一致。按照管理专业统计学课程教学大纲的要求，该课程教学的内容基本上可以分为以下几个部分:数据的整理与展示、描述性统计分析、抽样分布、推断统计学、方差分析和回归分析。因此，统计学实验教学内容设计为:以收集数据、整理数据、分析数据和根据数据所提供的信息进行统计决策为主线，将统计学课程的实验教学内容相应地分为四个模块，即收集数据模块、整理数据模块、分析数据模块和决策分析模块。将各模块的内容依据Excel的电子表格功能、函数功能、数据分析功能，结合SPSS软件的统计功能，形成的统计学课程实验教学体系。将统计学课程的54学时，按照理论教学与实验教学学时2∶1进行分配，即其中的18学时为实验教学。可以看出，统计学课程实验教学的主要内容及学时安排如下:
(1)收集数据模块的教学内容主要包括3部分，一是统计数据的录入;二是统计数据的排序、筛选与数据透视表;三是抽样方法。安排两个教学学时。
(2)整理数据模块的教学内容主要包括2部分，一部分是数据的图表展示，另一部分是统计函数的学习和运用。安排5个教学学时。其中数据的图表展示是整理和反映统计资料的主要工具。常用的表格就是频数分布表;常用的统计图有:饼图、条形图、柱形图、折线图、散点图、雷达图、直方图等。本节内容要求学生能够按照不同的统计数据类型对数据进行分类处理，正确计算和绘制频数分布表，掌握基本统计图形的绘制，最重要的是能够针对不同数据类型，选择适当的统计图形来展示其规律。而统计函数主要涉及到数据集中趋势的测量、数据离散趋势的测量、以及相关关系等内容，实现对数据的描述性统计分析。通过对统计函数的学习，要求学生熟练掌握表示数据集中趋势的统计函数，如总和(sum)、均值(average)、众数(mode)、中位数(median)、百分位数(percentile);表示数据离散程度的统计函数，如方差(variance)、标准差(standarddeviation)、极差(range)、四分位差(quartiledevia-tion)、异众比率(variationration)、离散系数(coeffi-cientofvariation);以及表示数据分布形状特征的统。除了基本统计图表和统计函数以外，这部分内容还包括如何使用Excel数据分析中的描述统计命令和直方图命令，并将这两个命令的统计输出结果和统计函数两者一一对应起来，以巩固和强化基本统计知识。
(3)分析数据模块的教学内容涉及到的统计学理论知识较多，主要包括:参数估计、假设检验、方差分析和回归分析。所以基础理论知识的掌握程度对学生理解和分析相应的统计输出结果具有很大的影响。但是这一模块的实验教学内容相对比较简单，涉及到的计算机操作命令主要都集中在Excel的数据分析功能中，如:关于假设检验的命令有t－检验(平均值的成对二样本分析、双样本等方差假设、双样本异方差假设)以及z－检验(双样本平均差检验);关于方差分析的命令有单因素方差分析、可重复双因素方差分析、无重复双因素方差分析;关于回归分析的命令有相关系数和协方差，以及回归命令。此外，在这一模块的教学当中，还要注意与统计函数的相互融合，要求学生掌握如:参数估计中的置信区间;假设检验中卡方检验、F检验、t检验和z检验;回归分析中的相关系数、协方差、线性回归、线性回归拟合方程的斜率和截距等统计函数。鉴于这部分内容的难度及其重要性，安排5个教学学时。
(4)在决策分析这个模块，主要是培养学生的综合统计分析能力，使学习过程成为进行研究、探索和应用的新型教学过程。具体方法是将学生分成若干小组，选择有兴趣的问题，以小组为单位进行社会调查实践活动，综合应用各种统计分析工具，对数据进行系统的审核、整理、统计和分析，并完成调查报告。这部分内容可以安排3～6个教学学时，让学生在课外进行。除了上述四个基本模块的实验内容以外，根据课程需要，还需补充以下两个内容，一是概率与概率分布的计算，要求学生掌握经典随机变量的概率计算，如二项分布、POISSON分布、指数分布和正态分布;二是分位数和p值的计算，如统计中常用的四个分位数的计算。安排3个教学学时。最后，利用3个教学学时，为学生展示和介绍SPSS专业统计软件的主要功能，重点强调该软件与Excel操作中的不同之处，譬如在数据输入前，要先定义变量;箱线图和茎叶图的展示;方差分析中的多重比较;非参数检验等内容。这部分教学内容也可以结合学生的社会调查实践活动，以学生的需求为导向，充分发挥学生的主观能动性，培养学生的自主研究性学习能力。
3实验教学方式
数学实验课程内容一般分为基础实验、验证性实验、探究性实验、应用性实验和拓展性实验五类。在统计学课程的实验教学中，一方面我们强调基础实验，要求学生必须掌握统计软件的基本操作和主要功能，如统计函数的使用、图形的绘制和数据分析功能的操作。另一方面，适当增加验证性实验和应用性实验。如运用统计软件的基本操作和主要功能来展示抽样分布和中心极限定理的基本内容，加深对抽象理论的感性认识;结合统计实践调查活动，采用应用性实验方法，锻炼学生的数据搜集、整理和加工的能力，以及统计分析能力，综合运用所学统计学知识去解决实际问题。
4实验教学的实施保障措施
(1)统计学课程的实验教学必须与课堂理论教学同步进行，按照理论教学进程有针对性地设计实验教学环节，保持与课堂理论教学内容的协调一致。
(2)为了确保实验教学目标有计划、高质量地实现，应当编写实验教学指导手册，给出详细而完整的实验教学设计，包括具体内容、操作步骤、结果分析、时间安排。通过精心选择的实验例题、练习题和思考题，促成学生的有效学习和实验，充分体现实验教学目标。
(3)必须重视学生实验报告的撰写及完成质量。实验报告不是简单地将课堂上的实验过程记录一遍，而是对实验中的各种问题及相关知识的总结和思考。所以每次实验课程结束后，都应要求学生对所学内容进行总结和思考，独立完成实验报告，并将实验报告成绩作为评定实验成绩的重要依据。
(4)要加强对实验教学的考核。对实验教学成效的考核内容包括以下几方面:实验教学基础材料的准备工作;教师在实验教学过程中的履责情况;学生对教师个人和教学过程的评估及反馈建议;以及对学生实验课成绩的评价。对学生实验课成绩的评价也应当是全方位的综合评价，包括课堂上的上机操作表现、实验报告的完成质量、以及实践调查活动成果。通过实验教学的考核方式和内容，引导教师和学生共同努力，实现统计学课程的基本教学目标，提升学生的统计应用能力。
5结语
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
[关键词]统计；数据分析；数据收集；数据整理
[中图分类号] G623.5 [文献标识码] A [文章编号] 1007-9068（2017）11-0015-02
小学阶段所学的简单统计，主要是让学生经历数据的收集、整理和分析的过程，学会把小组收集的数据进行简单的汇总，从而感受不同数据总体蕴含的信息既有所不同，又存在关联。《义务教育数学课程标准》（2011版）明确指出：“数据分析是统计的核心。”可见，小学统计学习的核心目标在于培养学生的数据分析观念。然而，学生数据分析观念的培养并不是一蹴而就的，教师应让学生在亲身经历的统计活动中，逐步感受收集数据对分析和解决问题的作用，从而培养学生的数据分析观念。下面以苏教版三年级下册“数据的收集和整理（二）”第一课时为例，谈谈笔者的一些教学思考。
一、基于问题，激发收集数据需要
【教学片段一】
师：同学们，我们先来看一段视频（关于上学时校门口拥挤的情景）。看完之后，你们有什么想法？
生（齐）：校门口很拥挤。
师：是呀，每个学校上学时可能都是这样的情景。看完这个视频，老觉得，今天我们三年级同学上学方式最多的是乘坐汽车，可以这样凭感觉下结论吗？
生（齐）：不行。
师：凭感觉可不行，需要统计，我们得用数据来说话！今天这节课，我们就学习怎样用数据来说话。（板书课题）既然要用数据来说话，那老师就现场询问几个同学。
师：有了这4个同学的数据，老师又认为我们整个三年级学生上学方式最多的是乘坐汽车，现在大家怎么想？
生1：只是4个同学的上学方式，还是不能说明整个三年级学生上学方式最多的是乘坐汽车。
师：只知道4个同学的数据，不能下结论。看来得用更多的数据来说话。（板书：收集数据）同学们，我们需要知道哪些数据呢？
生2：知道三年级步行上学有几个学生，乘坐汽车上学有几个学生……
师：同学们说的其实就是收集整个三年级学生的数据，怎样收集呢？
生3：一个班一个班地收集。
师：当数据比较多时，我们就需要给统计对象分组。（板书：分组）今天就先从我们班开始，先分4个小组来收集数据。
（小组收集，组长汇报）
【教学分析】要培养学生的数据分析观念，首先要让学生有意识地从数据的角度去考虑问题，引导学生想到通过收集数据来解决问题。因此，课始播放视频后，笔者提出“今天我们三年级同学上学方式最多的是乘坐汽车，可以这样凭感觉下结论吗”这个问题。学生的直觉反应就是不能凭感觉说话，于是“用数据来说话”就水到渠成了。来自学生的生活问题，可以让学生体会到收集数据很有必要，有了统计之后的数据，才能解决“上学方式最多的是什么”的问题，使学生充分认识到，对有些问题的判断不能仅凭感觉，要用数据说话，从而真正体会数据在分析和解决问题中的作用与价值，充分感受到收集数据的必要性。
二、解决问题，体会数据蕴含信息
【教学片段二】
师：这是我们班4个小组同学的上学方式，那全班同学上学方式最多的是什么？
生1：计算步行上学的有几个学生，骑自行车上学的有几个学生……
师：也就是汇总全班的数据。（板书：汇总数据）现在来看看汇总之后的数据，，从中你知道了什么？
（学生自由回答）
师：看来收集并汇总之后的数据，更方便我们进行观察和分析。
【教学分析】培养学生的数据分析观念，需要借助于数据的收集、整理、汇总和分析这一系列的统计活动。让学生亲身经历收集数据的全过程，体会数据本身所蕴含的信息，是教学统计比较重要的方式。在从数据出发的统计教学活动中，学生充分掌握了统计的方法，数据分析观念得到了培养。
【教学片段三】
师：现在知道我们班上学方式最多的是乘坐电动车，你认为全年级也是这样吗？
生1：是。
生2：不是。
师：大家的意见不一致，看来还是得用数据来说话。这是老师课前收集的三年级其他各班的上学方式。（课件展示）怎样才能知道三年级学生上学方式最多的是什么呢？
生3：汇总三年级的数据。
（师生共同汇总数据）
师：现在看看这张表格（略），从中你知道了什么？
（学生自由回答）
师：同学们，我们刚才通过分组收集数据及汇总三年级的数据，清楚地知道了三年级学生上学方式最多的是乘坐汽车。分析数据在整个用数据来说话的活动中是最重要的，分析数据的方法可以是多样的。你们认为整个三年级学生的上学方式与我们班的一样吗？
师：我们试着比比看。大家有什么想法，可以4人一组交流一下，再选其他班的数据与整个三年级的比一比。
（整个三年级的上学方式与每个班级的上学方式有一定关联，但由于调查对象不一样，得到的结论也不一定相同。）
【教学分析】分析数据时，先让学生比较我们班的数据与整个三年级的数据。学生发现统计的数据与调查的对象有关，由于调查对象不一样，得到的结论也不一定相同。再让学生比较其他班的数据和整个三年级的数据，让学生初步感受不同的样本与总体之间的关系。对于同样的统计活动，样本与总体所蕴含的信息是存在关联的，有时样本的信息与总体的信息一致，有时不一致。
【教学片段四】
师：其实分析数据的学问可多了，刚才我们体会了调查的对象不一样，得出的结论也不一定相同。对于我们班的数据，如果分类的标准不一样，又会是怎样的情况呢？
师：按照绿色出行和非绿色出行重新分类，你得到了什么？
师：光看这些干巴巴的数据，你们可能只感受到哪种出行方式的人数多。在分析数据这个过程中，如果加上一些背景资料，你得到的感受肯定会更深刻。我们不妨来看一段背景资料。（课件展示）
师：看完后，对于出行，你有什么好的建议？
【教学分析】用不同的方式描述数据，以获得尽可能多的信息，并发现其中蕴含的一些规律，是数据分析的基本内容之一。分析数据是从收集和整理数据开始的，对小学生来说，整理数据的方法就是分类。教师应引导他们思考“对于我们班的数据，如果分类的标准不一样，又会是怎样的情况呢”这一问题后得出“在不同的分类标准下，结果往往是不同的”的结论。
三、练习运用，强化统计活动
【教学片段五】
师：通过刚才的活动，老师对你们有了一些了解。现在老师想了解我们班同学中哪个月出生的人数最多，哪个月出生的人数最少。这些问题应该怎样解决？
生1：小组收集每个月份生日的人数。
师：下面我们就分组收集后再汇总。根据我们班同学的出生情况，你知道了什么？
师：刚才我们是按照出生的月份来分析的，对于我们班的数据，还可以从哪些不同的角度来分类呢？组员一起商量，组长填写表格。
小组汇报：
组1：按照上半年和下半年矸掷唷
组2：按照季度来分类。
组3：按照大月、小月和特殊月来分类。
组4：按照单月和双月来分类。
师：在刚才的活动中，汇总数据比较简单，其实就是求和。最有讲究的是分析数据，同样是我们班的数据，但从不同的角度分析，得到的信息是不一样的。
【教学分析】“我们班同学中哪个月出生的人数最多，哪个月出生的人数最少，这些问题应该怎样解决？”有了前面数据收集和汇总的方法，学生很容易学以致用：“先分组统计，再进行全班汇总。”教学应不止于此，教师继续引导学生思考：“对于我们班的数据，还可以从哪些不同的角度来分类呢？”这样，既让学生体会了同一组数据按不同的分类标准可得到不同的结果，又体现了不同的分析方法对理解数据信息的作用。
四、课堂总结，走向大数据
【教学片段六】
师：同学们，回顾一开始的活动，我们调查了每位同学的上学方式。一个人的数据很微不足道，但将很多人的数据汇总起来，就会有很多结论，可以做出有意义的预测。我们还是以出行为例，看一段人们在“五一”黄金周出行的视频。（多媒体播放）
师：同学们，我们已经进入一个大数据的时代。数据对我们现在的信息社会来说真的很重要。有人就把大数据形容成未来世界的石油……
【教学分析】要培养学生的数据分析观念，在学生有了迫切需要解决的生活问题以及分析方法上的指导后，教师还应扩大到大数据的简单介绍。可能学生对于大数据不是很了解，但有了“五一”黄金周人们出行的视频，有了每个人的数据，并汇总成更多的数据，就可以预测出很多的结论。这就是未来社会，谁拥有了大数据，谁就可以俯视整个世界，这就是分析数据的魅力所在。
