服务地区产业发展的“Python数据分析”通识课程探索与实践

高洁 谢文达 吴清海

［摘    要］  针对地区产业发展对数据分析职业技能提出的新要求，广东科学技术职业学院对如何在高职院校各专业开设“Python数据分析”通识课程进行探索，设计适合高职院校学生学习特点的课程内容与教学方法，培养与产业发展相适应的复合型、技能型人才，助力地方产业发展。

［关    键   词］  “Python数据分析”；高职院校；通识课程

［中图分类号］  G710      ［文献标志码］  A    ［文章编号］  2096-0603（2023）29-0001-04

一、引言

随着信息技术的迅猛发展和大数据的广泛应用，我国正经历着数据革命和数字化转型的重要阶段。我国拥有庞大的人口基数和互联网用户规模，通过智能手机、物联网设备和社交媒体等渠道，获取了来自各个领域和行业的海量数据。同时，我国政府和企业非常重视对数据中心和云计算基础设施的建设和投入，为大规模数据存储和处理提供了支持。我国在人工智能和机器学习领域也取得了显著的进展，为数据智能化应用提供了有力的支持。

此外，我国政府对数据智能的重视也推动了我国进入数据智能时代。我国发布并实施了“中国制造2025”“新一代人工智能发展规划”“促进大数据发展行动纲要”等一系列重大发展战略，以新技术、新业态、新产业为特征的经济形态繁荣发展，我国已进入数据智能时代。

广东科学技术职业学院（以下简称“广科院”）的主校区位于广东省珠海市金湾区。2022年伊始，金湾区开始以集成电路、生物医药、新能源、新材料、高端打印设备五大产业集群，航空航天和海洋经济两大特色产业和国家、省、市鼓励发展的战略新兴产业为主攻方向，全力构建金湾“5+2+N”现代产业体系，凝聚起产业集群发展合力，同时也急需一批高素质、技能型的人才服务地区产业发展。现代产业体系所需要的人才除了需具备技术能力以外，还需要具备较强的数据分析能力，举例如下。

1.市场需求分析。数据分析可以帮助企业了解消费者的需求和偏好，通過分析市场数据、消费者行为和趋势，预测市场需求的变化，以便企业进行产品策划、定价和营销活动。

2.用户行为分析。对于服务提供商来说，了解用户的行为模式和偏好是至关重要的。数据分析可以帮助企业收集和分析用户的数据，包括使用产品或服务的频率、时段、地点、偏好等，从而优化产品设计和提供个性化的服务。

3.运营效率提升。数据分析可以帮助企业评估和提升运营效率。通过分析生产过程中的数据，识别出潜在的瓶颈和问题，并提供改进措施，如减少生产成本、提高生产效率和优化资源配置等。

4.资源规划和管理。在服务地区产业中，合理的资源规划和管理对提供高效的服务至关重要。数据分析可以帮助企业预测和规划资源需求，包括人力资源、物资和设备，以确保在不同需求和季节性变化下的资源供给能够满足服务需求。

5.风险管理和预测。服务地区产业可能面临各种风险，如市场竞争、自然灾害、供应链中断等。数据分析可以帮助企业识别和评估潜在风险，建立风险模型并进行预测，以制定相应的风险管理策略和措施。

6.决策支持。数据分析为决策提供了客观的依据。在服务地区产业中，企业需要根据市场情况和内部数据做出各种决策，如市场定位、产品策略、渠道选择等。数据分析可以提供有关市场趋势、竞争对手分析、成本效益评估等方面的信息，帮助企业做出明智的决策。

总之，数据分析在服务地区产业中的需求十分广泛，它可以帮助企业了解市场需求、提升运营效率、提升用户体验、预测风险、支持决策等，为企业的创新和发展提供有力支持。

二、开设“Python数据分析”通识课程的必要性

在数据智能时代，数据分析已成为各行各业的重要组成部分，是企业技术人员所需要掌握的一项基本技能，包括数据处理、分析、可视化等方面。传统的数据分析工具包括Excel和数据库查询语言SQL等。通常技术人员从数据库中获取数据，再利用Excel进行分析，对比而言，Python在数据分析方面比传统工具有诸多优势，以下是其中的几个重要方面。

1.编程能力。Python是一种全面的编程语言，具有强大的编程能力和灵活性。相比之下，Excel是一个电子表格工具，虽然可以进行简单的数据分析，但其功能和复杂性有限。Python可以通过编写脚本和程序来完成更复杂的数据分析任务，包括自动化数据处理、高级统计分析和机器学习等。

2.处理大数据。Python对于处理大规模数据集具有很强的扩展性和较高效率。它可以利用各种库和框架，如NumPy、Pandas来处理大型数据集，并进行高效的计算和操作。相比之下，Excel在处理大量数据时可能会变得缓慢和不稳定。

3.数据清洗和转换。数据分析的第一步通常是数据清洗和转换，以准备数据进行进一步的分析。Python提供了强大的数据处理库，如Pandas和NumPy，可以方便进行数据清洗、缺失值处理、数据转换和合并等操作。Excel的数据处理功能相对较弱，可能需要手动进行烦琐的操作。

4.统计分析和建模。Python拥有广泛的统计分析和建模库，如SciPy和StatsModels，以及强大的机器学习库，如Scikit-learn和TensorFlow。这使Python在高级统计分析、回归分析、时间序列分析、聚类和分类等方面更加强大和灵活。Excel虽然提供了一些基本的统计函数，但其统计分析和建模能力相对较弱。

5.可视化和报告。Python拥有众多的数据可视化库，如Matplotlib、Seaborn和Plotly，可以生成丰富多样的图表和实现可视化效果。这使数据分析师可以更好地呈现和传达数据洞察力。Excel的图表功能相对较为有限，而且在处理大量数据时的灵活性与效率有限。

因此，Python作为一种功能强大且易于学习的编程语言，特别在数据挖掘、人工智能领域有着成熟的技术框架。对比传统数据分析工具，用Python做数据分析项目具有广阔的扩展空间。

广科院一直致力于培养服务地区产业发展的高素质、技能型人才，服务金湾区数字经济创新发展。“Python数据分析”课程是该校大数据技术专业开设的专业基础课程之一，旨在培养大数据技术专业学生运用Python处理、分析数据的能力。学校所处金湾区的产业集群发展对职业教育提出了新的要求，一方面大数据开发分析岗位的需求量不断增加；另一方面急需培养地区产业发展所需的具备数据分析技能的人才。

总而言之，将“Python数据分析”课程设置为高职院校的通识课程是非常有必要的，培养人文、机电、财经、汽车等专业学生掌握Python数据分析方法，具备必要的数据分析技能，更加有利于学生职业发展，同时也为地区产业发展培养各领域技能型人才。

三、“Python数据分析”通识课程建设策略

（一）“Python數据分析”课程内容现状与存在的问题

目前很多高校各专业都开设了Python程序设计课程，以培养学生的编程能力，也有一部分高校没有开设Python程序设计课程，而开设了其他高级语言程序设计课程。程序设计课程大多以学习基础语法和编程方法为主，即使在Python程序设计课程中，也一般不强调数据分析部分的内容。因此，“Python数据分析”通识课程教学设计应建立在学生无Python程序设计基础或基础较为薄弱的前提下，设定通识课程知识结构、能力和素养构建的教学目标，培养学生广泛的知识面与解决实际问题的能力。

从2020年开始，广科院面向大数据技术专业开设了“Python数据分析”专业核心课程，主要讲授如何应用Python进行数据处理及分析的方法，涵盖数据读取、数据清洗、数据可视化、数据分析等内容。该课程将“Python程序设计”课程作为前置课程，当前课程体系如下图所示。

目前的课程教学与内容设置采用理论与实践相结合的方式，运用讲授法、案例教学法、任务驱动法等教学方法。教学过程包含讲授教案、演示代码案例、布置实操任务、任务验收及反馈、布置作业等。

采用现有的教学方法与教学内容讲授“Python数据分析”通识课程存在以下几方面问题。

1.非计算机类专业学生学习能力与学习兴趣问题

对大部分非计算机类专业学生来说，由于他们缺乏计算机编程基础和对数据分析的了解，在学习“Python数据分析”通识课时面临一系列挑战，对学生提出了更高的要求。传统的教学方法更多强调教师的主观能动性，对于学生来说学习是被动性的，对于全新的知识，被动学习会大大影响学习的效率，也会降低学生的学习兴趣。

2.高职学生学习基础差异性导致部分学生跟不上学习进度

学习基础差异性较大是我国高职学生的学情特点之一。学生的入学背景与基础也各不相同，有来自中职的学生，也有来自普高的学生，学生计算机基础差异较大。此外，通识课程通常面向全校各专业开设，不同专业学生的计算机基础也存在较大的差异性。对于基础存在差异的学生，若一刀切地采用传统的教学方式将可能导致基础较差的学生难以跟上学习的进度。

3.缺乏各领域的实际应用项目案例导致课程的实用性不强

非计算机专业的学生选修“Python数据分析”，通常是希望运用Python数据分析来解决他们各自专业领域中的实际问题，提升解决真实世界数据分析问题的能力，但目前“Python数据分析”课程中设置的各领域的数据分析项目不足，导致实用性有限。

4.教学方法有待改进

当前“Python数据分析”课程普遍采用传统的教学方法，如讲授和演示。然而，这种方法缺乏互动性和参与度，学生很难主动参与到课堂中。缺乏互动性的教学模式会降低学生的学习积极性和效果。为了解决这个问题，可以采用更加互动的教学方法，如小组讨论、案例分析、项目合作等，以激发学生的思考和探索精神。

（二）“Python数据分析”通识课程建设策略与实践

2021年秋季学期，在专业核心课“Python数据分析”的基础上，我们面向非大数据专业学生开设了“Python数据分析”通识课程（选修课），对课程教学内容、教学工具及教学模式进行了以下调整，并自然融入课程思政内容。

1.教学内容的调整

将与“Python数据分析”密切相关的Python语言基础相关内容设置为课程章节之一，介绍Python基本语法及编程方法，包括变量、运算符、表达式、数据类型、程序控制结构、函数以及模块等。尽量通过实例贯穿其基本语法知识，让学生在做中学，边学边练。例如，在教学中，我们采用学生感兴趣的NBA篮球数据集来介绍Python语言基础，并通过实例进行演练。

此外，为了提高各专业学生学习数据分析的兴趣，服务地区产业经济，在课程案例建设方面，要争取获取与地区产业相关的数据分析案例和项目作为教学内容，这是课程建设的关键与努力的方向，可以从以下几方面来实施。

（1）参与当地产业研究项目。了解当地的研究项目和倡议，并积极参与其中。通过参与研究项目，可以获得与地区产业相关的数据，并将其转化为教学案例。

（2）利用开放数据源。利用政府或其他机构提供的开放数据资源，寻找与地区产业相关的数据。这些数据可以用于构建案例研究，帮助学生理解和分析当地产业的特点、趋势和挑战。

（3）进行实地考察和访谈。组织学生进行实地考察，参观当地的企业、组织或工厂。对相关从业人员进行访谈，了解他们在日常工作中遇到的数据分析问题和挑战，将这些实际案例纳入教学内容。

（4）引入竞赛和项目驱动的学习。组织数据分析竞赛或项目驱动的学习活动，鼓励学生应用所学知识解决地区产业相关的实际问题。这样可以激发学生的学习兴趣，并提供他们与真实数据和案例进行互动的机会。

（5）建立校企合作项目。与当地企业或产业园区建立校企合作项目，共同开展数据分析研究或解决实际问题。通过这种合作，学生可以接触到真实的数据和案例，提高他们对地区产业的了解和兴趣。

课程的章节内容结构仍然采用“理论+项目”的形式，总体结构如图2所示。

2.教学工具的调整

在Python程序设计以及数据分析的课程中多采用PyCharm创建环境。在“Python数据分析”通识课程中，我们直接采用目前流行的工具Anaconda来组织课堂教学。Anaconda提供了全面而集成的Python数据分析环境，默认安装了许多常用的科学计算库，如NumPy、SciPy、Pandas、Matplotlib等。这些库是Python数据分析的基础，通过Anaconda，可以一键安装和管理这些库，无需额外配置和安装步骤。相比之下，PyCharm更适合作为Python集成开发环境（IDE），它更注重代码编辑、调试和项目管理等方面的功能。此外，Anaconda包含Jupyter Notebook，作为非常流行的交互式计算环境，Jupyter Notebook可以创建包含代码、文本和可视化内容的笔记本，对于数据分析和探索性编程非常方便，可以在一个界面中编写代码、运行代码和展示结果。实践证明，在“Python数据分析”通识课程中使用Anaconda，更加便于创建环境，使学生更快上手。

3.教学模式的调整

在教学模式方面，要将理论与实际应用相结合，鼓励学生动手进行数据分析项目和实验。通过编写代码、处理真实数据集和解决实际问题，学生可以更好地理解数据分析的概念和技术，并提高他们的实际操作能力。引入具有挑战性的项目作为学习任务，鼓励学生团队合作和解决实际问题，模拟真实场景，要求学生运用Python数据分析工具和技术，从数据清洗到可视化和报告生成，完成一个完整的数据分析流程。

同时应为学生提供及时的反馈和评估机制，可以采用小组讨论、个人作业、项目报告等方式来评估学生的学习成果，并给予具体的建议和指导。鼓励学生之间的互动和合作学习，如小组项目、讨论和分享经验。这可以促进学生之间的知识交流和合作，激发他们的学习兴趣，并加深对数据分析概念和技术的理解。

4.课程思政内容的融入

在“Python数据分析”通识课程中，可以从以下几个方面自然融入课程思政内容。

（1）强调数据伦理和隐私保护。在数据分析过程中，强调学生对于数据伦理和隐私保护的意识。教授学生如何正确处理、使用和存储数据，以及遵循数据保护法律和道德规范。讨论相关案例和伦理问题，引导学生思考数据使用的社会责任和影响。

（2）关注数据分析的社会影响。探讨数据分析在社会、经济、政治等领域的影响。引导学生思考数据分析对社会发展、公共政策和社会公正的影响，并讨论如何运用数据分析技术解决社会问题，服务地方产业经济。

（3）引入公共利益案例。引入与公共利益相关的数据分析案例，如环境保护、医疗卫生、教育等领域。讨论学生如何运用数据分析技术来推动社会进步和改善公众生活，培养学生的社会责任感和担当精神。

（4）鼓励学生参与社会实践项目。组织学生参与与数据分析相关的社会实践项目，如数据公益项目、社会调研等。通过实践，学生亲身体验数据分析在实际问题解决中的作用，增强他们的社会责任感和实践能力。

通过融入课程思政内容，可以使“Python数据分析”通识课程更加关注社会伦理、社会责任和公共利益，培养学生的社会意识和思考能力，帮助他们将数据分析技术应用于社会发展和公众福祉。

四、总结

在我国已进入数据智能时代的背景下，开设“Python数据分析”通识课程有助于培养地区产业发展所需的具备数据分析技能的人才。通过优化课程内容设计、增加实践环节、改进教学方法，“Python数据分析”通识课程可以更好地滿足学生的需求，提高学生的数据分析能力和就业竞争力，并为他们未来的职业发展奠定坚实的基础。

参考文献：

［1］刘亚辉，郭祥云，李桂芝.信息管理类专业的Python语言教学模式探讨［J］.计算机教育，2018（9）：44-47.

［2］李莎莎，周竞文，唐晋韬，等.数据科学与大数据人才专业课程体系分析［J］.计算机工程与科学，2018，40（S1）：109-113.

［3］王红雨，张瑞中.通识课程如何面向职业素养：斯坦福大学通识课程的目标、实践与生成逻辑［J］.现代大学教育，2019（6）：47-55，112.

［4］刘姝.Python数据分析通识课程教学研究与实践［J］.电脑知识与技术，2021，17（28）：220-223.