统计专业教育与人才培养在大数据时代下的应对分析

丁咏梅

摘要：在大数据时代背景下，将大数据与统计学教育、人才培养结合，剖析大数据的特征，分析大数据时代对统计人才的需求，从而总结出当前统计教育人才培养方向，迎接大数据时代对统计教育改革、发展的机遇和挑战。

关键词：大数据；统计教育；人才培养

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）44-0124-02

一、前言

2015年8月，《国务院关于印发促进大数据发展行动纲要的通知》对大数据的发展思路进行了明确标识，标志着大数据已经成为国家发展的重要战略资源；2016年3月发布的“十三五”规划纲要指出，“把大数据作为基础性战略资源，全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用，助力产业转型升级和社会治理创新。”大数据时代的到来，带来了能源、交通、医疗、通讯、气象、环境、工程、教育等领域的全面变革和技术更新。社会发展由工业革命进入数据革命，数字化和可视化已成为各个领域的风向标。

大数据给科学和教育事业带来了新的生命力，同时对于传统教育也提出了新的挑战。它将对现有的科研、教学体制、培养方案等带来大的变革，用数据来研究科学，科学的研究数据，对教育领域的影响已经显现[1]。如2013年9月北京航空航天大学计算机学院、软件学院、工信部移动云计算教育培训中心联合启动大数据技术与应用硕士高端项目。

大数据时代，对于拥有三百多年历史的统计学来说，既是机遇又是挑战。机遇在于大数据的分析主要建立在统计学的基础上对数据进行处理、分析，从而使得大数据“可视化”，而挑战在于，当下传统统计学的方法比较有局限性，需要我们进一步对统计学进行发展与创新。谷歌公司的经济学家兼加州大学的教授哈尔·范里安先生认为，统计学家将会成为像电脑工程师一样受欢迎的工作[2]。在将来，不仅是教育领域，在各领域都需要数据专家对大量数据进行分析处理，提取有用信息。由于數据量庞大，数据结构多样，统计教育在新的形势下如何顺应市场需要，调整人才培养方案和方向，是我们亟待解决的重要课题。

二、大数据时代对统计人才的需求

受传统思想的影响，传统统计主要是对行业和部门内部的各项工作进行统计。如今的统计学已有很大不同，不论是统计方法还是研究理论都有很高的要求，力求通过对大量数据的分析整理发现真理。在大数据时代，统计原理与方法与其他学科如金融、医学、计算机等的融合，使得统计学发挥了更大的价值。值得注意的是，当前市场上已经十分渴求统计人员、数据科学家。据统计，当前我国专业数据分析人才缺口达1400万，专业数据处理人才已从“走俏”变成“紧缺”。拿今年的就业市场情况来说，统计专业人才成为抢手的稀缺人才，薪资也要高于传统的金融行业。另一方面，一些学校因为资源整合而放弃了统计学专业人才的培养，比如湖北大学。在这样双重的压力下，根据大数据时代的需要，高校如何构建人才培养机制，尤为重要。而市场的需要是人才培养的原动力，综合市场导向和各方面信息可知，基础平台架构人才和数据科学家这两类人才将成为大数据时代的“宠儿”。

（一）基础架构人才

大数据分析是在研究大量的数据的过程中寻找模式、相关性和其他有用的信息，可以帮助企业更好地适应变化，并做出更明智的决策。当前的数据分析已经从传统的统计分析平台到Hadoop大数据分析平台，涉及到的技术构件有Hadoop、HPCC、Storm、Apache Drill、RapidMiner、entaho BI。Hadoop是一个能够对大量数据进行分布式处理的软件框架；HPCC需要开发千兆比特网络技术，扩展研究和教育机构及网络连接能力；Storm是自由的开源软件，一个分布式的、容错的实时计算系统；Apache Drill用于帮助支持广泛的数据源、数据格式和查询语言；RapidMiner是世界领先的数据挖掘解决方案，它的数据挖掘任务涉及范围广泛，包括各种数据艺术，能简化数据挖掘过程的设计和评价。

众所周知，IT行业人员一直紧俏，而在大数据时代，具有计算机基础软件平台构建能力和编程能力的技术人员，需求缺口更大。而作为统计专业来说，掌握R/R Studio、SAS、Python，并辅以shell scripts和knitr等软件，也构成当前统计人才的必备技能。

（二）数据科学家

随着市场环境的不断变化，企业未来发展方向已经不能再仅凭经验做决策，这需要数据科学家对大量的业务数据进行精准地分析解读，从而得出准确结论，辅助决策者做决定，规避不利发展因素。由此，不难发现，在企业未来发展中，数据科学家发挥的作用越来越重要。作为数据科学家，首先需要具备扎实的统计学基础。很多数据分析理论都是基于统计科学，如概率分布、假设检验、贝叶斯理论、回归分析、主成分、聚类分析等，只有具有坚实的统计基础才能正确地解读数据。其次，要具有数据可视化的能力。将设计融合到数据分析结果中，使非专业人员看不懂的数据分析结果以简单易懂的形式出现在客户面前。因此，数据可视化技术是数据专家必备能力之一。

三、大数据发展下的统计教育发展方向

数据科学家是21世纪最热门的职业之一。统计学人才培养成数据科学家是在新时代发展统计学的必然趋势。大数据融合了数学、计算机、统计学三门学科，来实现数据可视化过程，完成虚拟现实，提升各个领域的智能化水平。因此，数学知识的加固、计算机技能的拓展、数据可视化教育的开启、校企合作的加强，是当前统计教育培养大数据科学家的必经之路。

（一）加固数学基础知识

数据分析没有扎实的数学基础是不行的。要成为数据科学家，除了要学习大学期间的数学基础课程，还要对例如随机过程论、函数逼近论、图论等这些理论进行深入学习。因为，随着数据分析的逐步深入，统计问题、计算机问题等，这些问题最终都将转化为数学问题，最终都要用数学知识来解决。只有具备深厚的数学基础才能成为优秀的数据科学家。endprint

（二）拓展计算机技能

计算机是进行数据分析的基本工具，掌握熟练的计算机操作技能是开展数据分析的基本要求。因此，在数据科学家的知识构架中，计算机技能也同样占有很重要的地位。这里的计算机技能主要包括：计算机语言、数据库、数据结构、数据可视化等技能的运用。另外，数据挖掘技术在数据处理中也发挥着重要作用。EXCEL、SPSS、WEKA、MAHOUT、REPIDMINER 等这些软件也要熟练掌握。

（三）加强数据可视化教学

作为数据科学家仅仅能够对数据进行分析处理是不够的，还要求能够使用API，通过图形、表格等手段将分析结果以简单易懂的形式呈现出来。将数据化的信息转换为简单易懂的图形化信息。要做到这些就需要引进数据可视化这门新兴学科，加强数据可视化教育。

（四）加强校企合作

作为一名数据分析人员要成为数据专家，除了要具备扎实的统计学知识，还要具备扎实的数学基础和计算机技术，能够综合处理海量的数据信息。因此，学校结合数据分析人才培养的需要，将理学院、信息学院、计算机学院联合起来为培养数据科学家服务。同时，大力开展校企合作模式，为学生提供大数据分析资源和实践机会。校企合作后，拥有大数据资源的企业可以提供大量数据让学生有机会进行数据分析研究，锻炼学生的数据分析的实践能力。从另一方面来说，校企合作共同培养出数据分析人才可以直接投入企业工作，为企业积累大量数据分析人才奠定基础。

四、结论

教学改革不可能一蹴而就，统计学教育的改革需要顺应时代发展的需要，在引进先进思想和理论的基础上不断发展的过程中进行。在大数据时代背景下，统计学专业人才培养的问题同样需要与时俱进，以满足社会的需求。我们应将大数据与统计学有机地结合在一起，在未來的科学发展和教育教学过程中，保持统计学旺盛的生命力，为国家产业发展和工业进程开创新的局面。

参考文献：

[1]朱建平.大数据时代下数据分析理念的辨析[J].统计研究，2014，31（2）：10-19.

[2]耿直.大数据时代统计学面临的机遇与挑战[J].统计研究，2014，31（1）：5-9.

[3]邱东.大数据时代对统计学的挑战[J].统计研究，2014，31（1）：16-17.

[4]崔路云.基于大数据时代背景对统计学教育的几点思考[D].首都经贸大学，2014.

[5]朱建平，张悦涵.大数据时代对传统统计学变革的思考[J].统计研究，2016，33（2）：3-9.endprint