大数据时代统计学专业建设研究

冯育强　李德宜　余东

[摘 要]大数据时代对统计学人才培养而言，既是机遇又是挑战。高校的统计学专业要从统计学专业的培养目标出发，通过改革教学模式，调整教学内容，对课程设置、师资培养、课堂教学、实践环节各个方面进行改革，承担起大学人才培养的责任。

[关键词]大数据时代；统计学；专业建设；实践教学

[中图分类号] G64 [文献标识码] A [文章编号] 2095-3437（2017）07-0013-02

全球知名的麦肯锡咨询公司最早提出了“大数据”的概念，宣告了大数据时代的来临；IBM公司指出了大数据的4个特点：数据体量巨大、数据类型繁多、数据产出速度快、数据价值密度低。[1]

大数据对高等学校人才培养的影响表现在以下方面：1.思维方式与认知模式的改变；2.海量的学习对象与辅助教学资源；3.开源课程（慕课，微课、翻转课堂）的教育方式对传统教学模式产生冲击；4.新媒体模式的社会化互助学习打破教学界限；5.网络思维拓展了个体思维。[2]在这个意义上，大数据时代对高校人才培养提出了新的要求。

对于统计学专业建设而言，大数据的背景既是一个机遇也是一个挑战。高等学校统计学专业需要通过整合現有人才培养资源、建立创新人才培养平台，承担起大学人才培养的责任， 紧随大数据的发展趋势， 占领大数据发展人才培养的制高点， 体现高等学校满足社会需求、提供智力支撑的载体作用， 确保大数据产业科学、健康、持续、高速地发展。

本文拟从统计学专业的培养目标出发，研讨在大数据时代统计学专业学生培养各个环节的问题。

一、关于培养目标

统计学专业的培养目标是：培养德、智、体、美全面发展[摘 要]大数据时代对统计学人才培养而言，既是机遇又是挑战。高校的统计学专业要从统计学专业的培养目标出发，通过改革教学模式，调整教学内容，对课程设置、师资培养、课堂教学、实践环节各个方面进行改革，承担起大学人才培养的责任。

[关键词]大数据时代；统计学；专业建设；实践教学

[中图分类号] G64 [文献标识码] A [文章编号] 2095-3437（2017）07-0013-02，掌握坚实的数学、统计学基本理论，具备扎实的经济学基础和数据分析技能，能够熟练地运用统计方法和数据分析软件进行数据分析和数据处理，能在企事业单位和经济管理部门从事统计调查、数据分析、风险决策、质量管理等工作，或者在科研单位、高等学校从事统计学研究和教学工作的高级专门人才。

本专业学制四年，通过四年的学习，统计学专业的毕业生应具备以下能力：

1.掌握坚实的数学、统计学基本理论。 掌握数学、统计学的基本理论、基本知识、基本方法和计算机操作基本技能；具备数据采集、调查问卷设计和数据处理的基本能力；了解与经济统计、生物统计、医学统计或社会统计等有关的自然科学、社会科学某一领域的基本知识，具备利用统计学专业知识，发现、分析、解决某一领域实际问题的基本能力；了解统计学学科的发展前沿及其应用前景。

2.具备扎实的经济学基础和数据分析技能。具备扎实的经济学基础，了解国家经济运行的基本方针、政策、法律、法规；掌握R语言， 精通Python、 Spark、 SAS、SPSS等流行大数据处理软件中的一种，有较强的统计计算能力； 掌握资料查询、文献检索及数据获取的基本方法；具有一定的从事科学研究和实际工作的能力；英语达到四级水平，计算机达到二级水平。

二、关于课程设置

1.专业主干课程包括：数学基础部分（数学分析，高等代数与解析几何）、C语言、数据库、概率论与数理统计、统计学、微观经济学、计量经济学、时间序列分析、多元统计分析、市场调查方法与抽样技术、实验设计、统计预测与决策、数据挖掘、随机过程、统计分析软件。

2.充分调研市场需求，在保证基础课程的前提下，灵活设置选修课程，机动调整培养计划及课程设置。

3.对高年级实行模块式分流，包括数据处理、数理金融等防线，并与数据分析师、市场调查师等一些职业资格考试接轨，开设相关选修课。

三、关于师资培养

师资方面，要培养、引进并举，以培养为主。主要立足于现有师资队伍，同时积极引进国内外统计学专业优秀人才，充实、提高教学研究水平。

1.努力为教师的成长创造条件，支持和鼓励教师攻读统计学博士学位；积极引进国内外统计学博士。

2.加强在职培训提高，深入有效地开展统计学教研活动，教师相互学习，在教学过程中不断学习，促进教师教学科研水平同步提高。

3.结合课程教育，以单位进修方式对教师进行短期培训。鼓励教师外出学习，要求每人掌握＼精通一门课程或一门外语；通过培训学习最新统计学，数据分析教育理念、方法、技术，提高教师的教学水平，以满足不断变化的教学需要；积极开展科研立项及学术交流活动，积极组织教师申报国家级、省级教学改革项目，并积极开展学术交流活动。

4.对于实战中比较流行的软件、算法、设备，聘请具备丰富经验的数据分析公司工程师来校为学生授课。

四、关于课堂教学

实践性、动手能力培养贯穿教学始终，除基础课程外，其他课程都在实验室进行教学，学用结合。数据分析语言＼软件教学贯穿课程教学，如：1.基于R语言的时间序列分析；2. 基于SPSS的多元统计分析；3.高等统计与SAS语言，等等。每门课程完成一个案例报告。

五、关于实践环节

（一）3+1模式

学生前三学年在学校，第四学年在实习单位学习。在实习单位的前四个月，学习数据分析实践技能，以案例教学为主；后8个月在公司、企业接触具体工作。冶金工业过程湖北省系统科学重点实验室、统计学专业实验室、湖北省统计局、武汉市统计局、广发证券等实习实训基地是学生开展实践活动的硬件保障及重要保障。

（二）校内实习

以数据挖掘技术为依托，每年为校内教务处、研究生处、招生就业处、校医院、招投标办公室、后勤等部门出具一份完整、精确的数据分析报告，确实对学校各个部门的决策起到积极作用。

以项目形式申报，每年以此类项目作为统计学专业的固定训练题，或专业实践题目。

（三）参加数据分析、数据挖掘竞赛

学科竞赛为创新统计学科人才培养模式，进一步提升大学生调研能力、数据分析能力和处理实际问题能力，促进学校应用型人才的培养，同时为社会实际工作部门和高校人才培养的衔接提供一个良性平台。[5]

我们要求统计学专业的学生在读期间都必须参加至少一次数据分析、数据挖掘类竞赛，通过竞赛提高学生分析、解决实际问题的能力，并以此作为创新学分的得分依据。目前学生参加的相关专业竞赛有：

1.全国大学生数据挖掘挑战赛。竞赛由全国大学生数学建模竞赛组织委员会主办，广州泰迪智能科技有限公司承办，广东省工业与应用数学学会、华南师范大学数学科学学院协办。

从2015年开始，我们组队参加这一比赛，成绩逐步提高。2015年虽然没有获得很好的成绩，但却锻炼了学生，激励了教师。参加了竞赛的学生，数据分析能力有了明显的长进，论文撰写水平也提高不少。这些学生的本科学位毕业论文内容充实，条理清晰，答辩时胸有成竹，语言流畅。一些学生因为参加过这一赛事，在找工作时增分不少，顺利签下了数据分析师的就业合同。我们教师也从这一赛事中了解了目前数据分析领域的前沿知识，感受到了和兄弟院校的差距，这促使教师积极参加国内数据分析的各种培训，钻研数据分析的最新方法与技术，提高数据分析教学能力。2016年，我校再次组队参加该项赛事，获得国家三等奖两项。

2.中国高校SAS数据分析大赛。这是由SAS中国公司发起的专门针对中国高校数据分析相关专业的一次非营利性的公益大赛。

2016年，我校首次组织统计专业本科生、研究生混合组队参加了这一比赛，总共3队参加华中区初赛，1队参加复赛，在比赛中表现良好，最终获得“汇丰杯”2016中国高校SAS数据分析大赛决赛百强，并被授予“大赛优秀组织奖”。

六、就業前景

武汉科技大学从2012年就开始培养统计学研究生，2015年本科也开始招生。实际上，我们从2001年就在信息与计算科学本科专业开设了经济统计模块， 2002年就开始招收数理统计方向的研究生，已经有了10届毕业生，这些学生的就业单位有政府统计局、金融行业的证券交易所、保险公司、银行、软件公司、企业里的信息中心、高校等。还有部分优秀学生继续攻读了数理统计、经济统计、随机分析等方向的博士研究生，毕业后在政府部门、高校从事研究工作。我们通过对这些毕业生的社会调查与用人单位的信息反馈，对本专业学生的社会适应能力以及社会需求有了深入的了解。这也为我们做好教学改革工作指明了方向。

在大数据时代，培养符合社会需求的统计学人才，这是高等学校的责任和义务。

[ 参 考 文 献 ]

[1] 陶皖，杨磊.大数据时代对高校人才培养模式的影响-以信息系统专业为例[J].电脑知识与技术，2013（28）：6340-6342.

[2] 黄河燕.大数据时代计算机专业教育探讨[J].计算机学会通讯，2012（12）：47-50.

[3] 袁卫.机遇与挑战——写在统计学成为一级学科之际[J].统计研究，2011（11）：5-7.

[4] 危英，基于数据挖掘的高职会计创业型人才培养研究——以湖南省为例[J].职教论坛，2016（2）：50-54.

[5] 何永达，基于学科竞赛的统计学课程实践教学与改革与探索[J].黑龙江教育（高教研究与评估），2016（11）：31-32.

[责任编辑：刘凤华]