《新媒体数据分析》中数据分析思维的培养

摘要：本研究以商贸高职学生为背景，立足于新媒体时代，从《新媒体数据分析》课程的现状出发，强调了数据分析思维在课程学习中的重要性。在此基础上，本文提出了完善的商贸类学生数据分析思维能力的培养途径。最后，以一个具体的数据思维分析案例为例，采用经典的数据分析思路，在对案例分析的全过程中融入数据分析思维，以期为解决商贸类专业学生数据思维能力的培养提供理论依据和分析案例。

关键词：新媒体数据分析；商贸类专业；数据分析思维

一、新媒体时代与数据分析能力的碰撞

文化产业和科技的结合产生了大量的新媒体化产业和企业，党的十八大以来，党中央高度重视传统媒体和新兴媒体的融合，习近平总书记提出“必须紧跟时代，大胆运用新技术、新机制、新模式、加快融合发展步伐，实现宣传效果的最大化和最优化”。对此，全国各地高校和教育部门积极响应国家政策的号召，设立新专业、开发新课程、编写新教材来提升新媒体时代新媒体人才的培养。

新媒体是基于互联网技术和智能处理技术进步而产生的新的连接介质或平台，新媒体连接的不仅是人和信息，而是连接万物。[1]新媒体时代下的企业已经不再是开一个网店卖产品，而是利用各种新媒体工具开展数字化销售和营销。在新媒体时代，是否采用新媒体工具决定着企业能不能走下去，而是否采用新媒体数据分析技术则决定着企业能走多远。由于新媒体的快速发展是建立在数字化运营和营销的基础上，为了让企业突破发展瓶颈，就必须运用数据分析的方法和技术。新媒体分析的工具和平台随之也开始逐步发展，市面上出现了很多为用户提供数据分析的第三方数据分析工具。拥有数据分析思维，运营之路才能走得更远。新媒体运营人员可以根据自己的需要采用第三方数据分析工具，如新榜就是一个为视频号、抖音、快手、哔哩哔哩等平台的短视频、直播数据提供专业分析服务的第三方工具。

二、新媒体数据分析课程开设现状

在大数据时代，数据化运营是一种科学、高效的运营方式，新媒体行业人应该懂得用数据说话。目前，商贸类专业在《新媒体数据分析》课程的教学实践过程中出现了以下几个问题：

（一）数据分析不能与专业特点有机结合

一方面，财经商贸专业大类下的电子商务、市场营销、移动商务、网络营销、商务数据分析与应用等专业等均会开设《新媒体数据分析》这门课程，很多学院不区分专业特点，导致不同专业开设的《新媒体数据分析》用的是同一份课程大纲，也就是说不同专业的学生上的是同样的内容、用的是同样的教学设计、练习的是同样的实训项目，不能体现本专业的特点；另一方面，进行跨界、跨科目的教学对授课教师也提出了更高的要求。

（二）学生自身条件素质影响

高职类学生普遍存在的问题就是动手实践能力较强，对操作类课程的学习具备学习兴趣和学习动力，但是对理论知识的学习往往兴趣较低。然而，新媒体数据分析的内核是在对运营有很深的分析和理解的前提下，利用数学模型或算法把数据背后隐藏的内容挖掘出来，这本身就需要一定的新媒体运营和统计学方面的理论基础。由于学生前期对运营知识掌握不佳，或本身对数学和计算有畏难情绪，使课程效果大打折扣。

（三）新媒體数据分析的实践难以真正做到贴合实际

高职院校注重对实操与实践的培养，商贸类专业的目标是为社会培养服务型人才，这就要求院校培养的学生要具有很强的实际应用能力。《新媒体数据分析》课程培养目标中要求培养的学生能针对不同新媒体平台展开数据化运营。但是这对学校的校企合作提出了更高的要求，并且这种情况也存在地域问题，像浙江和广东等省份，由于中小企业发达，企业需要高校提供学生来完成新媒体部门的数据运营和分析工作，学校需要找到合适的企业把学生送出去完成顶岗实习的培养任务，学生可以把课堂上所学的技能应用于实践，这样的实践培养模式促进了这些省份的专业和课程的建设和发展。但是还有很多地区的学校不具备这种优势。

三、数据分析思维的培养

在商贸类专业背景下，《新媒体数据分析》课程应把着力点放在数据思维的提升上。数据分析思维强调在数据分析过程中要注重思维，做数据分析，应该是思维在前、执行分析在后。新媒体行业的数据分析思维是以目标为导向、以数据为支点，以数据分析为杠杆，落实项目运营的思维模式。

（一）数据分析思维的重要性

黄丽霞等人对新媒体时代大学生数据素养进行了评价实证研究，得出了数据意识对于大学生数据素养能力的培养能起到关键作用的结论，并建议高校针对不同专业的需求开设数据通识类教育课程，培养学生的数据意识。[3]北京交通大学晏齐宏提出了数据思维应该是新媒体人才培养的新方向，充分肯定和强调了数据分析思维的基础地位。数据分析思维是数据分析实践能力的基石，也是数据应用实践的基础。[4]数据分析是商贸类专业学生必须要具备的能力，但在课程中不仅要教授数据分析技能，更应注重对数据思维的培养。

（二）提升商贸类学生数据分析思维的途径

新媒体时代下，探讨对高职院校商贸类专业学生在《新媒体数据分析》课程中数据分析思维能力培养的合理化建议：

1.突出数据思维教育学习机制

数据分析能力的培养可以分为认知阶段、能力阶段和应用阶段三个阶段。着眼学习各阶段的学生能力情况，组织安排和设计课程各阶段内容。在《新媒体数据分析》课程的认知学习阶段，重点在于培养学生的数据分析意识和数据分析思维，并加强对数据安全和数据保护方面法律法规知识的教授，融入对学生数据道德的思政教育内容；在数据能力阶段，从数据分析的一般流程出发，强化其对新媒体数据采集途径和工具、新媒体数据处理技巧、新媒体数据分析方法和模型的学习和使用及对新媒体数据可视化的掌握；在数据应用阶段，结合短视频、直播、微信公众号和微博等平台展开数据分析的实践和应用。

2.注重协同创新的跨专业融合

新媒体时代，商贸类专业更应注重新媒体行业对商业、经济和贸易的影响及对人才知识结构和专业上提出的新要求。因此，商贸类各专业在开设《新媒体数据分析》这门课时要注重专业与课程结合。例如，电子商务专业开设这门课，教学大纲内容更应该强调对新媒体电商版块的数据分析。电子商务的流量之地从淘宝、天猫、京东等传统电商平台转战到了抖音、小红书、快手等新媒体平台上。各专业应该据此制定与本专业特点契合的《新媒体数据分析》，不能千篇一律。

3.强化校企合作的深度和广度

教师、教材和教学资源只能保证课堂上的教学效果，为了能让高职类学生与企业真实工作岗位进行对接，缩短毕业生的就业适应期。高职类院校应积极和社会上的各级校企合作单位进行深度接触，学校和企业共同培养，学校负责基础知识建设，企业负责数据知识应用。在校企合作上，要制定有利于学生、学校和企业三者的合作机制，充分利用企业在社会实践上的优势。

四、新媒体数据分析思维案例解析

数据思维的建立需要在整个《新媒体数据分析》中贯穿，思维是一个不可度量和不可量化的指标，很难从某个维度进行具体考察。在日常教学中对于数据分析思维的训练可以采用案例分析的模式，利用一个个实际应用中的案例，通过对案例的思考、分析、总结来提升学生的数据分析思维能力。这里提供一个新媒体数据分析思路（详见图1）。利用这一数据分析思路，使学生在没有头绪和想法时可以很快整理出一条思路。下面介绍几个新媒体数据分析中常见的新媒体数据分析情景，探讨如何在具体的案例分析中培养学生的数据分析思维。

增长的困惑：小刘是某知识付费公司的新媒体运营，负责公司旗下某10W粉丝体量的微信公众号。人力方面，新媒体运营只有她和一个实习生。老板让她在接下来的3个月内（4—6月）做到25W粉丝，这就意味着3个月要净增15W粉丝数。结果，4月的工作开启了2周，小刘盘了下公众号的粉丝数据，发现2周内的粉丝净增数只有2000，按照这个趋势发展下去，根本完成不了指标。经过前辈提醒，这个时候小刘打算从数据分析入手，希望能找到线索，让自己的工作计划更加清晰。

步骤一：找到关键数据指标

一切数据分析都应围绕核心业务流程和分析目的展开，其中重中之重就是找到关键数据指标，案例中涉及的关键指标就是粉丝数。

步骤二：拆览关键数据指标

拆览关键数据指标指的是：对找到的关键指标要先拆览一级指标，找到二级指标，再进行拆览分析。

公众号粉丝数主要来源于三个方面（详见图2），为此我们应该进一步去了解：每个月自然涨粉是多少？单篇优质内容文章带来的涨粉是多少？每个月通过各种活动带来的涨粉是多少？

步骤三：分析数据背后现象

分析数据背后现象指的是：根据新媒体运营的理论和经验，同时结合历史数据完成数据分析过程，找到问题的核心要点。

根据历史数据可知1—3月每个月的自然涨粉、优质内容涨粉和各种活动的涨粉数（详见表1）。

据此对4—6月做出预测，预算4—6月自然涨粉；内容涨粉上，既要保证文章产出数量，又要提高内容质量；活动涨粉暂时无法预算，需要进一步拆览（详见表2）。

对活动粉丝数进一步拆览可以发现其由四部分组成：裂变活动创意活动—效果相对不可控，依赖创意及不确定性因素；合作换量—效果可控，但量不大，依赖渠道的质量；广告投放—效果可控，但严重依赖预算（详见图3）。

根据目标，除去每个月自然涨粉和内容涨粉的数量，每个月需要完成活动增粉3.9W。按照各活动方式不同的吸粉能力，最终统计结果（详见表3）。

步骤四：验证执行及优化

驗证执行及优化指的是：得到可靠的执行动作，并且在执行完一次后得到相应的反馈，再进一步改善做法。

经过整个分析过程，最终得出每个月5W的公众号粉丝增长可以从以下几方面发力（详见表4）。

五、总结

在新媒体时代背景下，高职商贸类专业在开设《新媒体数据分析》课程时应注重对数据分析思维的培养，突破传统教育理念，提出提升数据分析思维的机制与对策，突出数据思维教育学习机制，注重协同创新的跨专业融合，强化校企合作的深度和广度。在学生认知阶段要加强对学生数据道德的思政教育内容，认知阶段的素质培养对能力的提升和实践应用有非常大的影响。对于新媒体运营人员来说，算法、技术和工具不是最重要的，数据分析思维才是最重要的。

参考文献：

[1] 田秀秀.新媒体概念理解及影响分析[J].东南传播，2015， （12）：101-102.

[2] 骆正林.媒介融合背景下新闻传播专业课程教学的耦合机制[J].传媒，2020，（9）：9-11.

[3] 黄丽霞，韩晓雨，刘琤斐.新媒体时代大学生数据素养评价实证研究[J].图书馆研究与工作，2022，（3）：34-40+47.

[4] 晏齐宏.基于数据思维的新媒体人才培养[J].科技智囊，2022， （4）：67-74.

作者简介： 熊琴巧，女，汉族，江西南昌人，硕士，助教，研究方向：新媒体数据分析、电子商务数据分析。