大数据时代下《商业预测》课程改革与设计

于 娱

（南京审计大学 商学院，江苏 南京 211815）

一、导言

预测是大数据应用的核心，也是挖掘的价值所在①。大数据时代，管理者进行商业预测对于提高组织绩效具有重要的意义②。商业预测是企业进行经营决策的重要信息来源，准确的预测对于企业进行经营决策具有重要的意义。预测已经成为商业人士预测经济趋势并准备从中受益或应对经济趋势的宝贵工具。良好的商业预测可以帮助企业主和管理者适应不断变化的经济发展③。《商业预测》作为大数据应用与管理专业主干核心课程之一，旨在培养大数据环境下，学生从事商业预测工作的能力。目前国内外相关院校专业也开设了商业预测相关课程，如《市场调查与预测》《预测与决策》《预测方法与技术》等。相关学者尝试通过对传统商业预测类课程进行改革以适应大数据时代要求。韩二东等学者基于大数据背景从教学方法、教学模式、课程考核评定设计等方面对《市场调查与预测》课程进行改革④-⑧，但上述教学改革在课程内容上仍然无法满足目前大数据时代下对商业预测人才培养的知识需求，教学模式仍比较传统。因此本文根据大数据时代下对商业预测知识的新需求并结合大数据管理与应用专业相关课程的性质和特点, 分析该课程教学改革的必要性，从教学目标、教学内容、课程思政、教学模式和教学评价等五个方面对课程进行设计，从而帮助学生满足大数据时代下对于商业预测的知识储备以及实践能力需求。

二、大数据时代下《商业预测》课程改革的必要性

（一）传统的商业数据获取方式已不适应大数据时代的商业需求

大数据时代，大数据被广泛应用，随着大数据技术快速发展，大数据应用正在融入人类社会活动的各大领域中。大数据具有数据量大、形式多样、快速更新等特征。基于大数据分析获得预测是大数据应用的核心，也是挖掘的价值所在。企业可以运用大数据分析为商业决策提供参考，将大数据转化为创造价值的资源。传统的商业数据获取主要是采用通过问卷调查、电话调研等方式进行随机抽样，以获取样本数据。但往往获取样本的代价较高，费时费力，数据获取口径也较窄，具有滞后性，数据质量难以保证，无法提供快速预测，以适应复杂多变的市场需求。

（二）传统教学手段及方法已不适应大数据时代的商业需求

传统商业预测课程着重培养的是学生收集、处理数据的能力，其中数据信息的获取及信息量的多寡是数据处理分析的基础。但传统的市场调研搜集数据的方法已不适应目前的市场需求，问卷调研、电话调研等方式数据收集范围狭窄、数据质量难以保证。目前，传统的预测类课程教学方式往往重理论轻实践。虽然在教学过程中也加大对实践教学的重视，但实践内容和方式仍然没有脱离传统的数据获取方式，调研效率和结果的准确性越来越难以满足大数据时代瞬息万变的市场需求。或者实践教学大多使用较为简单的算例数据，实践教学内容脱离实际无法真正实现培养学生实践和动手操作能力，而且课堂讨论和分组模拟也流于形式，缺乏针对性和有效性。因此，采用传统教学方式方法对学生进行培养，往往出现学习内容与实际情况脱节的现象。学生实际工作能力较差，无法满足企业需求，学生需要到工作岗位上进行二次培训，这给学生就业带来困难也给企业带来困扰。

（三）传统教学内容已不适应大数据时代的商业需求

传统商业预测课程中关于预测的内容主要包括定性预测方法和时间序列分析法、因果分析法等定量预测方法。在定性预测方法中，主要包括市场调查预测法、专家预测法和主观概率预测法。在定量预测法中，主要包括动平均法、指数平滑法、一元回归、多元回归等多种常用方法。上述基于统计学的传统时间序列预测方法，优点是复杂度低、计算速度快，但是也受到一定的局限，准确度低。大数据时代的信息和数据更新速度极快，数据样本量巨大，同时企业通过相关大数据技术获取数据变得非常容易，成本很低，甚至零成本。而以传统市场调查方法获取的数据在经济性、时效性、便捷性等方面，都已经不能适应企业发展和经济管理的需求。因此必须结合大数据时代数据获取和分析的特点，以实际应用为导向，对《商业预测》课程进行设计调整。

三、大数据时代下《商业预测》教学设计

（一）课程教学目标设计

大数据管理与应用专业是教育部根据国家战略需求和经济发展而特设的本科热门专业。该专业以“互联网+”和大数据时代为背景，主要研究大数据分析理论和方法在商业中的应用，为解决各行业中的商业问题提供量化分析和科学决策。结合本课程实际，构建“态度-知识-能力”三维框架下的课程教学目标。（1）态度。积极的学习态度，对提升学生学习兴趣，促进学生主动学习具有重要作用。因此本课程的教学目标之一是培养学生形成并建立“用什么模型预测，如何构建预测模型，如何编程实现模型预测”的预测思维。通过引入实际应用案例，让学生了解商业预测的重要性，以激发学生学习主动性，端正学生的学习态度。（2）知识。本课程理论教学部分涉及多种机器学习方法，实践教学部分涉及运用Python 语言实现商业预测。因此，本课程的第二个教学目标是帮助学生掌握商业预测理论模型知识以及运用Python 进行商业预测建模知识。通过掌握理论和实践两部分知识，能够帮助学生更好地满足大数据时代对于商业预测的知识储备以及实践能力需求。（3）能力。本课程作为大数据管理与应用专业的必修课，强调大数据在商业预测中的运用。通过Python 实践操作，使得学生在掌握相应商业预测理论模型的同时，能够掌握商业预测相关方法的核心精髓。因此，学生实践能力培养与提升是本课程的第三个教学目标。通过上述三个目标的实现，从而帮助学生能够将养成的态度、掌握的知识和培养的能力游刃有余地应用到今后工作实践中，进一步提升学生培养质量。

（二）课程教学内容设计

当前大数据预测模型应用的主流模式是将传统的统计学、 计量经济学与机器学习等分析手段充分融合⑨。因此，本课程将围绕机器学习相关模型方法，向学生讲授在商业预测中的典型应用。课程教学内容主要包括基于机器学习的商业预测理论模型教学内容和基于机器学习的商业大数据预测应用教学内容。基于机器学习的商业预测理论模型教学内容具体包含Python 机器学习基础知识、商业预测模型评估与选择和机器学习中相关预测模型三个部分。其中课堂教学围绕常见的机器学习中预测模型基本原理，以实际应用案例演示代码编译练习，帮助学生理解商业预测的精髓。基于机器学习的商业大数据预测应用教学内容主要是向学生讲授如何利用Python进行建模，实现机器学习在环境污染、法律裁决、大众娱乐、医药健康、汽车节能、人工智能和商业分析等众多领域的应用，旨在帮助学生进一步加深对理论精髓的理解和实践水平的提升。

同时，为了进一步提升学生运用Python 语言进行大数据商业预测的能力，通过开设16 个学时的实践课，首先将常见机器学习中的代码提供给学生。在实践教学中通过带领学生阅读模型代码，掌握基本的代码结构，掌握基本机器学习中商业预测模型的代码编写。帮助学生进一步加深Python 语言编程能力，然后将实际应用数据提供给学生。学生通过干中学，通过解决实际问题，以提升学生积极性，从而进一步提升学生的实践操作水平。《商业预测》课程的具体教学内容和课程具体学时分配如表1 所示。

（三）课程思政设计

根据教育部印发的《高等学校课程思政建设指导纲要》文件精神要求，本课程是一门主要运用机器学习方法对各种分类问题与回归问题进行商业预测建模的课程。在课程讲授过程中，将结合知识内容培养学生整体观、系统观、联系观；同时，本课程也是一门与实际问题相结合的课程，要培养学生理论与实践相结合、学以致用的正确学习观。因此，本课程将围绕各章节内容进行思政设计，发挥好“每门课的育人作用”，实现立德树人根本任务，具体课程思政设计内容如表2。

表2 课程思政要素设计

（四）教学模式设计

《商业预测》 作为大数据管理与应用专业主干课，本课程将以案例引导和动手操作为教学抓手，围绕学生学习心理和知识储备。采用以下教学方式，以此活跃课堂气氛，调动学生学习兴趣，实现良好的教学效果。

1.重案例引导，轻模型推导。源自商业一线的商业预测应用实际案例可以有效调动学生的学习积极性和求知探索欲。因此，在课程教学中将首先选取源自商业实践的案例，例如运用大数据技术获取用户在购买前在相关网站进行比价、浏览、点评等客户行为大数据，预测客户购买行为。面向学生讲授大数据在商业预测中的典型应用案例，从而调动学生的学习兴趣。同时，在理论教学过程中面临着较多的机器学习模型推导，往往存在难消化和吃不饱两种问题。因此，本课程将以高中数学知识为基础，通过科普化教学方式⑩，带领学生了解掌握基本的机器学习方法的数学模型结构，掌握预测模型的基本原理。以避免学生在学习过程中产生畏难心理，从而影响课程教学质量。对于数学基础较好的吃不饱学生，通过学生提供线上慕课、微课资源，进行课后学习。另外，在教学过程中与学生分享商业预测理论和应用的最新前沿研究，为有志于未来从事相关方向学术研究的同学提供学术资源，培养学生科研兴趣和热情。

2.重上机实践，轻理论实现。为了进一步加强实践教学环节，提升学生实践操作能力，对应课程教学内容，本课程将设置共16 个课时的实验课程。Python 作为被广泛应用的面向对象的解释型计算机语言之一，具有开源、代码可读性强，可实现高效开发的特征。已发展成为当今主流的计算机语言之一，尤其在机器学习领域，成为机器学习实践的首选。作为大数据管理与应用专业的本科生有必要掌握基于Python 语言以开展大数据商务预测。为了进一步加强师生互动，促进学生充分掌握基于Python语言的商业预测，在实践教学中首先带领学生阅读常见预测模型的代码，以确保学生能够掌握基于Python 的商业预测编程步骤。通过课前将实际应用数据提供给学生，让学生提前了解理论模型在实际中的应用。在课中让学生围绕实际数据开展预测模型编程，并配合教师现场指导，以帮助学生进一步提升Python 编程能力。在课后布置学生尝试从日常生活中寻找预测问题，并尝试运用课程中学习的预测模型进行求解。通过课前、课中、课后三个层面提升学生的实践操作能力。

（五）教学评价设计

为检验学生的学习成果，本课程围绕教学目标，从理论和实践两方面设计课程评价方案，以期通过科学客观、合情合理的课程考核方式来保障课堂教学质量和学生能力培养。本课程考核分为理论考核和实践考核两部分，同时强调理论知识掌握和实践能力培养的重要性。因此，两部分考核均各占50%，具体方案：（1）理论考核。主要考察内容包括大数据商业预测概念、特征；常见的机器学习预测模型应用，该部分内容采用闭卷考试形式对学生进行考核。本部分注重学生对商业预测常见模型的基本原理掌握及应用。（2）实践考核。主要考查学生运用Python 软件进行商业预测分析。该部分内容通过布置实际应用数据，要求学生运用Python 语言对相关预测问题进行编程求解，以考查学生对基于Python语言的商业预测操作的熟悉程度。本部分成绩根据学生撰写的实验报告进行评分。

本文根据大数据时代下对商业预测知识的新需求并结合大数据管理与应用专业相关课程的性质和特点,分析《商业预测》课程教学改革的必要性，并从教学目标、教学内容、课程思政、教学模式和教学评价等五个方面对课程进行设计，从而帮助学生满足大数据时代对于商业预测的知识储备以及实践能力需求。