大数据时代高校统计学专业现状分析与改革路径

1、    大数据时代高校统计学专业现状分析与改革路径    摘要：本文基于大数据时代背景，分析统计学专业人才需求、人才培养和课程体系设置的新发展，阐述了目前我国统计学专业发展现状及人才培养模式；对统计学在大数据时代面临的机遇、挑战和发展趋势进行了分析；提出了重构大数据时代我国统计学专业人才培养和课程体系模式的政策建议。关键词：大数据时代，统计学专业，现状分析，改革路径本文为海南省高等学校教育教学改革研究资助项目“大数据时代背景下的统计学专业人才培养与教学改革”（hnjg2018zd-10）的阶段性研究成果统计学广泛应用于自然、社会、经济、科学技术各个领域的

2、分析研究，对于社会资料的统计和分析、助力经济社会发展具有重要意义，因而在现代化管理和社会生活中具有重要地位。随着“大数据”时代的到来，统计学学科呈现出快速发展的态势。在国民经济、工农业生产和科学技术等领域，各部门和企业对统计学专业人才需求主要包括以下四个方向：一是我国金融保险业中的保险精算和风险管理等需要大量应用统计人才，二是专门从事市场调查、数据分析等业务的统计数据分析人才，三是在企业中从事财务、生产、质量控制和仓储物流等统计工作的人才，四是政府统计部门需要的统计人才。当前，如何结合地方区域经济发展特点以及学校自身的办学特点，将统计学专业办出特色，以课程建设来推进统计学学科建设与发展，提高统

3、计学人才培养质量，推动统计学学科的持续发展与不断壮大，是高校统计学专业面临的重要研究课题。我国高校统计学专业发展的历史与现状新中国成立之初，我国高校统计学专业主要开展以统计学原理教育为主的统计教学，专业课为部门统计学，其中，工业统计、人口统计、物价统计以及综合平衡统计学等是主要课程。20世纪70至90年代，随着我国社会主义市场经济体制的建立和发展，统计学教育的人才培养（包括本科、硕士和博士）走向制度化、规范化，为企事业单位培养统计专门人才是这一阶段的主要任务，专业课为国民经济核算体系课程，其中，国民经济核算、抽样技术、多元统计分析、统计预测与决策等是主要课程。20世纪90年代末期至今，教育部对

4、高等院校统计学人才培养模式与课程体系提出总体要求，高质量统计人才应具备统计理论和应用能力。目前，统计学主要以数理统计和经济统计为基础，将调查方法、数据搜集与整理等运用在社会与经济中，包括人口与经济普查、投入产出表编制以及政府部门统计调查等，并在此基础上进行统计分析与预测、风险管理与政策制定。因此，统计学学科主要在两个方面实现了快速发展：一是统计学科内部的交叉发展，突出数理统计学、经济统计学与应用统计学的内部相关性，将统计理论方法结合运用在生物医学与金融保险等方面；二是统计学科与其他学科的交叉发展，统计学与生物医学、金融保险、生态环境、遥感地理信息学的学科交叉，形成生物医学统计、金融统计、环境资

5、源统计、空间统计分析。在快速发展的同时，统计学专业建设还存在着一定的不足。其一，在现今统计学人才培养中，学生的知识结构受到限制，缺乏创新能力和统计实务工作能力。其二，在“大统计”学科建设下，数理统计学、经济统计学与应用统计学没有实现有效整合。其三，高等院校统计学教学缺乏实际案例分析，课程缺乏实践性，偏离统计学专业实践性和应用性学科特征，影响学生培养质量。其四，学生对开设课程满意度需要进一步提高。其五，统计学专业师资和实验室设备尚不能完全满足学科发展的要求。大数据时代高校统计学的发展趋势从统计学的角度来看，大数据科学对统计分析过程中的数据收集、整理、分析、评价等产生了巨大影响并突出体现在数据收集

6、和数据分析这两个方面。第一，数据样本选取难度增大。统计学主要通过运用样本统计对数据特点及数据间关系进行研究，样本选取及其标准的准确性是统计分析结果具有价值的重要依据。然而，大数据的数据量巨大，数据具有分散性和多样性的特点，收集数据的难度系数将变高，工作量将加大。此外，大数据的组织形式属于非结构化数据，而统计学研究的是结构化数据，统计方法需要找到非结构化数据，并将非结构化数据转化为结构化数据，采用抽样方法来减少样本容量；要达到大数据分析的精度，需要采取对变量进行选择、分解等方法来降低数据维度。第二，数据分析软件有待丰富。随着计算机技术迅速发展，统计软件可以有效提升统计数据分析和处理的效率，统计软

7、件包括spss、e-views、sas、stata等，但在目前，这些统计软件还无法处理和分析大数据。此外，需要推进统计方法的发展。在大数据分析中，基于算法和数据导向型的数据分析方法是解决大数据抽样困难的重要途径，需要进一步明确大数据和统计学的关系，升级和开发统计软件并将统计方法的大数据化。在大数据时代，统计学应用范围扩大，统计技术不断发展，为高校统计学专业的发展带来新的机遇。统计学是根据研究问题而收集数据，然而，随着数据量以指数式不断增长，数据的有效性存在不确定的问题。在大数据时代下，收集全部数据或者代表性数据需要大量工作，因此，统计学需要根据问题研究数据，并且挖掘数据的有效信息。统计学能够以

8、大数据为研究对象，通过数据挖掘、提取、分析等统计方法，将数据涉及的信息全面地展现出来，创造出新的统计学理论与方法。在统计数据收集方面，数据具有滞后性和无效性等问题，而在大数据时代下，数据具备了及时性、更新速度快和数据量大的特点，数据质量得到保障，数据收集相对便利，能够确保数据的时效性和准确性。此外，数据多样性决定着数据统计应用范围的广泛性，数据可以应用在不同研究中，给数据分析提供便利。因此，基于统计学在数据分析中的作用，大数据分析可以挖掘数据内在规律，分析实际问题和预测结果，能够有效降低人员工作量，达到控制统计成本和提高统计效率的目的。因此，新的挑战和机遇需要高校统计学直面学科重构的现实问题。

9、一是大数据时代下的统计数据重构问题。大数据不是非样本数据，而是在一定时期内的总体数据，具有三个方面特征：数据总体的动态性、非结构化数据的量化处理和数据产生的非独立性。二是大数据时代下的统计方法重构问题。大数据分析具有数据、时间和空间的三个维度特征，统计学亟需掌握大数据的复杂性与不确定性，构建新的大数据分析模型，包括筛选有价值的数据、去除数据噪声等，从而建立新的统计理论体系。统计学fwhit模式探索海南师范大学数学与统计学院自2004年开始招收统计学本科专业学生，具有一定的统计学学科发展经验，2017年学校的统计学专业就业率达到97.14%，高于全校毕业生平均就业率的93.28%。海南师范大学统

10、计学在长期发展过程中，形成了人才培养和课程设置的fwhit模式：厚基础（foundation）、宽口径（wide areas）、分层次（hierarchy）、求创新（innovation）、拔尖型（top type）。本文从以下四个方面对fwhit模式进行分析说明：一是fwhit模式人才培养目标和课程设置的标准。目前市场上对统计学人才需求是复合型人才，培养要求包括专业知识和相关领域知识等体系标准，数据分析和创新能力等能力体系标准。因此，提升统计学人才培养目标和课程设置的深度和广度，是统计学发展的基本要求。二是fwhit模式人才培养目标和课程设置的设定。学院将实践课程模块（统计建模和统计软件）加

11、入到统计学课程体系中。统计学课程教学由统计系教师承担，包括不少于10学分统计学基础课程和不少于20学分统计学专业主干课程；实行“任务驱动+协同”式教学模式，实践课程教学由统计局及相关统计行业专家承担。学院确定了“一个目标、两个面向、三个配合、四个培养、五种能力”的人才培养目标和课程设置模式。“一个目标”是指厚基础和宽口径，要求统计学人才培养和课程设置体现通用性、方法性和工具性，具体包括丰富的专业知识和相关领域知识。“两个面向”是指统计学人才培养面向企业和社会统计调查部门，面向政府统计和金融统计部门。“三个配合”即统计理论与应用分析的配合，统计方法与统计软件的配合，数理理论与统计理论的配合。“四

12、个培养”即数理统计理论、统计知识、应用统计方法和统计软件操作能力的培养。“五种能力”包括统计问题的提出、分析与解决能力，统计调查、数据分析和论文写作的能力（包含调查问卷设计、数据处理与撰写报告能力），统计软件应用和编程能力，应用统计理论与方法分析经济社会领域的实践能力，适应社会对统计人才需求的能力。三是fwhit模式人才培养目标和课程设置的实施策略。在fwhit模式下，构建分层次人才培养体系，在本科第一学年，进行大类培养，学生进行数学、英语和计算机的基础理论知识学习。本科第二学年，学院根据学生自身的学业规划和拔尖人才培养的要求，对学生进行分类培养，具体分为以下三类：统计学学术精英（学术型统计人

13、才）、统计学业务技术骨干（专业技术型人才）和统计学社会工作者（社会活动型人才）。在该学年引导学生加强统计专业基础课程学习和统计学理论知识学习，并开展实验室统计软件实践教学。本科第三年，主要进行统计专业核心课程学习，实行课堂与应用联动，理论和实践的融合，聘请校外专业人士到学院进行“互动式”教学，引导学生掌握统计实际工作方式，将课程理论运用到实际工作中，提高学生专业实践能力。本科第四年，上学期前9周学习4门专业选修课程，从第10周开始，学生将进行社会实践实习；下学期学生在开学4周后返回学校，学生与校内指导老师交流，并对社会实践进行总结分析，完成实习调查报告和毕业论文。因此，fwhit模式人才培养目

14、标和课程设置的实施策略呈现递进式推进。四是fwhit模式人才培养目标和课程设置的实践环节。构建从课堂教学到社会实践联动的教学体系，将课堂教学和社会实践活动纳入到人才培养目标和课程设置方案中，制定基础理论平台、实践教学平台和创新研究平台的相应运行方式，让学生在学会方法、运用方法和创新方法中递进提高，建立分层次统计学教学方案。大数据时代推动高校统计学专业建设的策略统计学要发挥自身的学科优势融入到大数据研究中，需要推进统计学教育改革，培养大数据人才，为大数据时代创造出新的统计方法，扩大统计学的应用范围，促进统计学科发展，推动统计学专业人才培养目标和课程设置的改革。1.优化统计学课程体系设置在大数据背

15、景下，数据收集呈现出大量和多样化的特点，如何高效地整理数据是难点。高校需要引导教师加大数据收集的教学力度，保证学生能够有效收集到高质量数据。此外，在大数据时代下，非结构化数据的出现给统计学提出了挑战，高校需要引导教师加大数据透视的教学力度，将非结构化数据进行直观化处理。因此，统计学课程设置，要在基础教学方面，讲授大数据分析中需要使用到的时间序列、决策树等统计方法；在专业教学方面，讲授大数据分析中所涉及的计算机操作能力，特别是数据库中的存储知识；在专业拓展方面，讲授大数据专业知识中的数据透视和数据挖掘算法。2.提升大数据统计软件应用的能力大数据分析是数学、统计和计算机相结合的学科。在此背景下，应

16、用数据软件是统计人才实现数据分析的关键。其中，数学基础知识方面，应该学习函数逼近论、图论等方面的知识。在计算机应用方面，除了学习python等常用的数据挖掘软件外，还需要学习weka、mahout、repidminer等软件。在数据可视化方面，将数据结果与设计结合起来，将难懂的专业分析结果以简单、易懂、有趣的形式进行展示。3.明确复合型统计学专业人才培养目标大数据时代培养的数据分析人才，不仅需要具备良好统计知识，而且需要具备数据甄别、编程、分析的综合能力。高校在制定统计学人才培养目标时，应先调查研究统计人才需求情况，掌握大数据分析对统计人才的要求，并在统计学教学改革过程中将培养目标具体化，将统计学理论知识与大数据分析相结合，制定与社会相适应的人才培养方案。此外，实行