大数据时代的经济统计学本科人才培养模式的转变与构建

唐宝珍+张立新

摘要：统计学是以数据为研究对象的方法论科学。大数据时代的到来，对数据的收集、整理、分析和展示的各个环节，都产生了变化。1998年设定的高等院校本科统计学专业人才培养模式已不再适应需求，为此，本文从研究内容、培养目标、课程设置、考核方式等方面，详细探讨了大数据时代统计专业本科人才培养的新模式。

关键词：大数据；经济统计学；人才培养模式

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）33-0202-03

一、大数据时代提出了新的社会需求

近年来，随着移动计算、物联网、云计算等信息技术和应用模式的不断创新，全球的数据量呈现出爆炸式增长。每个人从出生到死亡，每时每刻都在生产着数据；现代企业生产和管理的每一个环节都能被记录，正如麻省理工学院电子商务中心主任、经济学家Erik Brynjolfsson所说：我们正飞速迈入一切都将被检测和测算的时代，但最大的问题在于人们利用、分析和解释数据的能力。

大数据时代的来临，让数据的产生不再困难。“大数据”的数据源包括互联网、视频监控、移动设备、医疗设备、智能设备等渠道产生的海量的结构化和非结构化数据。“大数据”之“大”，不仅体现在数据的体量、复杂性和产生速度方面，大大超出传统的数据形态，也超出现有的数据处理能力，而且“大数据”还体现出要以数据为“大”的思维模式的创新。以数据为“大”，指的是要善于从大量数据中挖掘潜在的数据间的关联方式和程度。“大数据”已经给现代零售业、金融业、制造业、物流管理和电子商务等领域带来了巨大冲击，并创造出巨大的应用价值。

随着网络的发展和大数据时代的到来，对海量数据的分析和处理技术，已经成为信息科技领域的新技术和新趋势，市场存在着巨大的大数据分析人才缺口。国外许多公司已经看清了这种趋势和需求，并着手开始大数据分析人才的培养，比如国际知名的IBM公司计划与中国100所高校合作完成一个名为“IBM U-100”项目，该项目计划向中国100所高校捐赠价值1亿美元的大数据分析软件，并提供培训辅助，旨在培养下一代数据科学家。而统计学作为专门研究如何收集、整理、分析和展示数据的学科，其本身的研究对象就是数据，“大数据”时代的到来必然给统计学专业的办学带来巨大的挑战。统计教育工作者理应以市场需求为导向，在人才培养模式上进行积极尝试和探索。因此，在大数据时代，探讨高等院校统计专业人才培养模式具有十分重要的理论价值和现实意义。我国高等统计专业教育分为专科、本科、硕士研究生和博士研究生四个层次，在此笔者只就本科阶段统计专业人才培养模式进行初步探讨。

二、大数据时代统计学的研究内容发生新变化

大数据几乎对统计的所有应用领域都产生了冲击，经济学、管理、生物、医学、人口等，没有哪个领域的数据生产不是爆发式的，因此，大数据对统计学的影响最终还是体现在对数据的影响上。各个领域中，数据在收集、整理、分析和展示等方面，都发生了新的变化。

1.从数据收集上看，大数据时代，数据源源不断地产生，似乎收集数据并不困难，但是现实生活中，虽然数据产生了，但是被各个公司、各个机构分别掌握，如何才能拿到是一件困难的事情。比如，交通管理部门有道路的车流量数据，电信公司有每个人的通话记录，公安局有每个人的身份信息，阿里巴巴有大量的电子商务数据等，而这些数据并不是公开的，有的涉及个人隐私，有的涉及商业秘密，有的有行政干预，那么研究如何实现数据的公开与共享，就成为新的统计研究方向。

2.从数据的整理上看，以前是对数据进行审核、筛选之后，进行合理的分组和分布特征的处理，而大数据时代，面对海量的数据，首先要做的是清洗数据，从海量数据中去除杂质。由于数据的体量巨大，如何辨别数据的真伪，如何测度数据的偏倚，不再是容易的事情。这个过程需要计算机编程来实现，因此，计算机编程应用能力必须成为统计专业学生必备的技能。

3.從数据的分析方法上看，传统的统计分析方法已经十分成熟，相关与回归分析、时间序列分析、多元统计分析、经济计量分析等统计分析手段曾出不穷，但是它们都是在大数据产生以前的数据结构的基础上发展起来的。而如何把高维或超高维的数据降维，如何把超出存储能力和计算能力的数据集化整为零，如何建立许多变量之间的关联，这都需要统计学人做出新的思考。

4.从分析结果的展示看，传统的数据分析结果是通过统计图表或统计报告的形式呈现的，而大数据时代，所需信息的人数激增，不同需求者的知识层次、时间迫切程度不同，如何及时、高效地向人们展示分析结果，使分析结果更为直观化和可视化，也为统计学者提出更迫切的要求。这同样需要懂得计算机技术和网络技术，所以在课程设置上，必须增加统计学专业学生的计算机技术教学内容。

三、传统的经济统计学本科培养模式及弊端

我国的统计学科创设已有相当长的历史了。创设之初，它是隶属经济学一级学科下的二级学科，1998年9月国家教育部颁布的《普通高等学校本科专业目录和专业介绍》将统计学调整为理学类一级学科。这一调整为统计学科和统计教育提供了更加广阔的平台。2011年，国务院学位委员会和教育部批准印发了《学位授予和人才培养学科目录（2011）》，在新的研究生专业目录中，将统计学由原来的经济学下的二级学科调整为理学的一级学科，进一步凸显出统计学科的重要程度和对统计教育的重视程度。

传统统计本科培养模式的弊端，主要表现在以下三个方面。

1.培养目标过于笼统，针对性不强。这一阶段的培养目标是：培养具有良好的数学或数学与经济学素养，掌握统计学基本理论和方法，能熟练运用计算机和统计软件进行数据分析，并能在企事业单位和经济、管理部门从事数据统计调查、统计信息管理、数据分析等开发、应用和管理工作，或在科研、教育部门从事研究和教学工作的高级专门人才。这一培养目标看似很完善，面面俱到，其实人才培养目标并不明确，似乎统计是个“万金油”，哪个地方都可以用，但具体应用于哪一领域并不明确。

2.本科教学在课程设置上过于专业，知识面过窄，导致许多学生只懂得统计学知识，对这些知识应用到什么地方，如何应用一片茫然。实践课程比重较低，没有体现出统计学是一个工具性学科的特色。统计学是一门有关方法论的工具性学科，应该强调应用，这就好比一把锤子，无论你如何强调它的性能，都不如直接找一个对象锤一锤，因此应加强实践教学内容。

3.教学模式和考核方式比较单一。传统的统计教育以说教为主，鲜有案例分析和实践操作；考核方式以闭卷笔试为主，记忆大量复杂的统计公式，成为学生学习的负担，并且学以致用的教学宗旨，未能得到充分的体现。

四、大数据时代的统计本科专业培养模式的构建

1.人才培养目标要进行适当的调整。高校的人才培养要以社会需求为导向，社会需求的多元化要求我们培养适应多元化需求的复合型人才。因此，高等学校统计本科教育要遵循“宽口径、厚基础、重应用”的办学理念，培养“一专多能”的人才。具体来讲，统计学本科阶段的培养目标可以定为：培养具有扎实的统计专业基础和数据分析能力，具有一定行业知识背景，能在政府、企业、事业单位从事信息管理、统计分析、风险监测和预测决策的复合型人才。

2.课程设置必须进行调整。在课程设置上，分模块进行课程设置。专业课分为学科基础课、专业必修课、专业选修课和实践课程几个部分。正如上面所讨论的，大数据使得数据的收集、整理、分析和展示的每个环节都有了新的变化，而这些都要求学生具有比较扎实的计算机技术。因此，在1998年课程体系的基础上，应在学科基础课程中增加计算机相关课程，特别是计算机编程语言、网络技术方面的课程和数据挖掘技术。在大数据快速发展的今天，统计专业的学生必须加强从网络中收集数据的能力，如基于API的數据采集技术和基于网络爬虫的数据采集等技能。

统计学这一工具学科，可以和许多学科结合形成边缘学科，如经济统计、人口统计、生物统计、医学统计、管理统计、金融统计等，这些分支都具有共同的统计分析基本理论。因此，统计专业人才首先要具备统计专业基础知识，然后再结合具体的应用领域发展各个分支，从而在课程设置方面加强学科基础课程建设。

专业必修课设置中要重视数理统计知识、多元统计分析和各种计量分析方法的教学，把各数据分析方法的基本思想教授给学生，培养他们的数据分析理论和应用能力。同时，各高校要根据自身办学特色和办学条件，选择经管、医学、生物等领域的学科基础知识，实现将统计方法应用于具体领域的目标。

增加实践教学比重，体现统计学的工具学科特色。这要求各高校加大与政府统计机构和社会团体的合作，努力为学生创造社会实践的机会，使他们能将统计学知识应用于实践，在实践中增长知识，并增强对统计工作的热情。

3.教学模式和考核方式需要改进。（1）统计学是一门实践性很强的学科，在教学模式上要充分展示它的实践性，改变“填鸭式”的讲授模式，让学生变被动的听讲为主动的钻研，在课堂教学中多设问，倾听学生的分析，在教学互动中阐释统计理论，这不仅能改变沉闷的课堂氛围，还能让学生积极主动地思考问题，引导学生认识到问题的关键。同时，学生活跃的思维也可以起到教学相长的作用。（2）加强利用统计知识，认识我国基本国情国力的教育。目前，许多统计专业的毕业生走上工作岗位后发现手足无措，对我国基本国情了解甚少，缺少数据上的知识储备，对经济现象没有一个总体把握，难以出色地完成统计工作和统计报告。所以，统计教学工作者在统计教学中，应增加对我国主要经济指标规模、变动方向和变动趋势研究方面的教学，鼓励学生有意识地经常收集并整理主要经济指标，分析各自的发展和内在联系，特别是以经济统计教学为主的院校更要加强这方面内容的教学。比如，在《时间序列分析》课程中，要有意识地让学生收集我国每年的GDP、国家外汇储备总额、每月的CPI、每日主要货币汇率等经济指标，利用每节课的知识对这些指标进行具体分析，展开讨论，既可以加深对时间序列分析理论的理解，也能认识我国的基本国情，还可以分析经济理论中各主要指标之间的联系，使所学知识融会贯通、一举多得。（3）在教学中重视统计软件的应用。目前通用的统计软件有SAS、SPSS、R、STATA、Eviews等，每种统计软件各有优劣，教师应结合课程特点选择相应的软件教学，尽量用软件的结果直观展示数据的分析方法，并结合案例对方法的优劣进行辨析，让学生不是纸上谈兵，增强他们解决实际问题的能力，使得毕业后能更迅速地融入工作。（4）课程考核形式多样。统计学是方法论的学科性质，决定单一的闭卷考核方式是不合理的，它只能适用于理论性较强的课程，如高等数学、数理统计学，而对应用性很强的方法论课程，如多元统计分析、计量经济学、时间序列分析等，宜采用案例分析、课程论文撰写等，而与统计实践密切相关的课程，如抽样技术、统计案例分析等，重要的是让学生掌握各调查方法的优缺点、具体情况具体分析的能力。因此，应该在平时的课堂教学中利用提问—分析—现场讨论的方法进行考查，以加强学生对案例分析和现实统计调查的理解。

总之，大数据时代，统计专业不仅要重视统计专业基础知识的教学，还要重视计算机应用能力和英语能力的教学，将统计数据分析方法应用于最前沿的社交网络、物流管理领域，重视英语能力是为了及时地更新知识，与国际接轨。唯有如此，统计教育才可以做到不故步自封，才能与时俱进，统计学专业才能在大数据时代爆发出更加绚烂的生命力。

参考文献：

[1]袁卫，刘志波，郭念国.美国统计高等教育的现状及其发展趋势[J].统计与信息论坛，2010，（1）：107-112.

[2]邱东.大数据时代对统计学的挑战[J].统计研究，2014，（1）：16-22.

[3]张灵芝.大统计学科建设与统计教学改革研究[J].统计与信息论坛，1996，（4）：35-38

[4]耿直.大数据时代统计学面临的机遇与挑战[J].统计研究，2014，（1）：5-9.

[5]李金昌.大數据与统计新思维[J].统计研究，2014，（1）：10-17.

[6]朱建平，章贵军，刘晓葳.大数据时代下数据分析理念的辨析[J].统计研究，2014，（2）：10-19.

The Transformation and Construction of the Talent Cultivation Model for Economic Statistics Undergraduate Students

in Big Data Times

TANG Bao-zhen1，2，ZHANG Li-xin1

（1.Economics and Trade School，Guangdong University of Foreign Studies，Guangzhou，Guangdong 510006，China；

2.Economics School in Jinan University，Guangzhou，Guangdong 510006，China）

Abstract：Statistics is a methodological science and it's research subject is data. Coming along with the Big Data times，most of the links such as data collecting，analyzing，presenting and so on，have been changed. The talent cultivation model of Statistics major which was founded in 1998 doesn't meet the needs. This paper gives a new talent cultivation model for Economic Statistics undergraduate students which involves new research contains，train objectives，courses offered and evaluation methods and so on.

Key words：big data；economic statistics；talent cultivation model