物流大数据-物流工程 课程教学大纲

《物流大数据》课程教学大纲一、课程简介课程中文名物流大数据课程英文名Logisticsbigdata双语授课□是否课程代码28112093课程学分2总学时数32课程类别□通识教育课程□公共基础课程专业教育课程□综合实践课程□教师教育课程课程性质必修□选修□其他课程形态□线上线下□线上线下混合式□社会实践□虚拟仿真实验教学考核方式□闭卷□开卷□课程论文课程作品汇报展示报告课堂表现□阶段性测试平时作业□其他（可多选）开课学院管理学院开课系(教研室)物流管理与工程面向专业物流工程开课学期第6学期先修课程计算机基础、C语言程序设计、数据库原理与应用后续课程无选用教材1.黄音.物流大数据分析与挖掘[M].电子工业出版社,2023.参考书目1.牟向伟,蒋晶晶.交通运输物流大数据分析与应用[M].华中科技大学出版社,2021.课程资源无课程简介物流大数据是物流工程专业的一门专业核心课，也是一门必修课程。以大数据理论为基础，结合物流与供应链管理的相关知识，运用数据分析、数据挖掘及数据可视化软件，以案例分析及实操的形式对物流大数据的应用予以形象、具体的分析，帮助学生综合运用物流与供应链管理的知识与原理，提升数据分析能力和逻辑思维能力；形成创新设计的思维习惯，锻炼学生运用创新性数据思维提出并解决物流与供应链管理领域实际问题的能力。二、课程目标表1课程目标序号具体课程目标课程目标1了解物流大数据技术的兴起、产生和发展历程以及整个行业的现状和趋势，明确大数据技术的功能以及在物流行业中的具体应用，理解本专业学习该课程的重要性和必要性。课程目标2掌握大数据技术的基本概念、特点以普遍应用领域。课程目标3掌握物流大数据分析中数据的收集与清洗、数据的存储与管理、技术的分析工具；数据的可视化等大数据分析工作技术和工作流程。课程目标4通过真实的物流案例，学习如何应用数据分析技术解决实际的物流挑战和问题。使用数据分析结果来支持物流决策，包括运输规划、仓储优化等方面。课程目标5能够结合本专业特点分析、设计并开发简单有效的大数据分析项目。具备独立获取和拓展本专业相关知识的学习能力。表2-1课程目标与毕业要求对应关系毕业要求指标点课程目标毕业要求1：素质要求【M】1.2具有求真务实的科学态度、开拓进取的真理精神、强烈的创新创业意识、优良的职业操守和专业精神、良好的现代物流管理心智模式。1毕业要求2：知识要求【H】2.3融合管理学、工学、大数据学科等专业理论知识和方法，掌握物流工程专业基础知识和分析、解决问题的方法。2、3毕业要求3：能力要求【M】3.2具备独立获取和拓展本专业相关知识的学习能力。4、5三、课程学习内容与方法（一）理论学习内容及要求表3-1课程目标、学习内容和教学方法对应关系序号课程模块学习内容学习任务课程目标学习重点难点教学方法学时1大数据与物流大数据1.大数据的兴起和发展。1.预习：教材、课件和引导案例。2.资料查询：查找相关资料，认识现实需求、行业发展趋势和社会认可度。3.拓展阅读：了解行业应用相关新闻。1重点：1.物流大数据与大数据技术的概念与特点。2.物流大数据的研究内容。难点：1.物流大数据的研究方法。1.视频学习：激发学生兴趣，引入多媒体教学帮助加深记忆。2.专题研讨：促使学生开拓应用思维。42.物流大数据与大数据技术的概念与特点。23.物流大数据的研究内容和价值。24.物流大数据的研究方法和应用。2、32大数据技术1.数据收集技术。1.资料查询：查找相关资料，认识现实需求、行业发展趋势和社会认可度。2.复习巩固：梳理知识点，思考应用领域。3重点：1.数据采集技术、存储技术、分析技术、分析技术和可视化。难点：1.数据结构。2大数据编程.1.文献查阅：指导自学方法，帮助学生理解基本原理。2.小组讨论：帮助学生拓宽应用思维。42.大数据的存储。33.物流大数据分析。34.大数据可视化。34物流大数据的应用1.大数据在物流预测中的应用。1.预习：教材、课件和引导案例。2.个人作业：完成课后作业。3.归纳总结：章节知识架构梳理。4.拓展阅读：了解行业应用相关新闻。3、4重点：1.大数据在物流预测、经济分析、采购运输、仓储配送、供应链管理中的应用。难点：1.大数据分析的数据采集渠道和分析工具。2.大数据分析的科学性和分析结论可参考性评估。1.案例教学：促进学生从案例中学习分析思考的逻辑和方法。2.小组讨论：帮助学生拓宽应用思维。3.专题研讨：促使学生开拓应用思维。122.大数据在物流经济分析中的应用。3、43.大数据在物流采购管理中的应用。3、44.大数据在物流运输管理中的应用。3、45.大数据在物流仓储与配送中的应用。3、46.大数据在供应链管理和优化中的应用。3、45大数据的隐私与安全1.数据收集中的隐私安全1.团队作业：组队查询资料，选择案例，演练案例，讨论并总结。2.复习巩固：梳理知识点，思考应用领域。3.归纳总结：章节知识架构梳理。4重点：1.大数据隐私与安全的重要性。难点：2.优化大数据隐私管理与大数据安全的方法。1.调研：引导学生求真视角，探索现实客观真理。2.专题研讨：促使学生开拓应用思维。42.数据脱敏与匿名化。43.数据加密和访问控制。44.风险评估。4

实验学习内容及要求表3-2课程目标、学习内容和教学方法对应关系序号项目名称项目来源教学目标（观测点、重难点）学时数项目类型要求每组人数教学方法课程目标1实验1：物流大数据运输成本分析实验教材1.培养通过大数据进行物流成本控制意识。4综合1.选择价格最优快递。2.快递成本可视化实现、赢利分析。3.运送量分析驾驶舱制作。61.案例教学：促进学生从案例中学习分析思考的逻辑和方法。2.实验指导：训练学生综合应用思维。1-52.掌握数据关联的使用方法。3.掌握数据处理中条件判断的使用。1.加强数据可视化的运用。2实验2：基于物流大数据的配送中心选址分析实验教材1.培养学生利用数据挖掘技术解决物流业务问题的思维4综合1.配送中心历史数据建模。2.预测未来将要建设配送中心的位置。3.未来将要建设配送中心地图可视化。61.自学：促进自主思维，提升规划能力。2.实验指导：训练学生综合应用思维。1-52.掌握逻辑回归的挖掘算法。四、课程考核（一）考核内容与考核方式表4课程目标、考核内容与考核方式对应关系课程目标考核内容所属学习模块/项目考核占比考核方式课程目标11.了解物流大数据兴起和发展。110%1.课堂表现2.课后作业2.理解物流大数据分析的意义。1课程目标21.领会物流大数据分析的基本概念和特点。210%1.课堂表现2.课后作业2.了解物流大数据分析的研究内容和方法。13.熟悉物流大数据分析的应用领域。1课程目标31.掌握物流大数据的收集技术、存储技术、数据分析技术和可视化技术。340%1.课堂表现2.实践操作2.了解一些物流大数据在预测、经济分析、采购、运输、仓储配送和供应链中的应用。3、43.了解大数据的隐私与安全的控制措施。5课程目标41.能进行一些实际的物流大数据应用的案例演练和分析。420%1.课堂表现2.实践操作课程目标51.能够结合本专业特点分析、设计并开发简单有效的大数据分析项目。具备独立获取和拓展本专业相关知识的学习能力。1-520%1.课堂表现2.分析汇报评分依据：1.课堂表现：（1）出勤情况；（2）课堂纪律；（3）互动发言表现。2.课后作业：（1）作业完成量；（2）作业正确率；（3）课后作业排版。3.实践操作：（1）实验目的达成度；（2）软件熟悉程度；（3）实践报告的格式和排版。4.分析汇报：（1）报告整体格式及内容完整度；（2）分析报告设计思路的逻辑性、合理性、严谨性等；（3）各种分析（即设计依据的阐述）的条理性、充分性、全面性及合理性等；（4）描述和表达工具选用的合理性、多样性、充分性以及使用方法的正确性等；（5）报告内容的排版美观度、语句的通畅度、叙述的简明度等。表4-2课程目标与考核方式矩阵关系课程目标考核方式考核占比期末考试成绩比例70%课堂表现和出勤比例10%平时作业完成比例10%实践教学比例10%课程目标110%20%10%5%10.5%课程目标210%20%10%15%11.5%课程目标340%20%30%40%37%课程目标420%20%30%20%21%课程目标520%20%20%20%20%（二）成绩评定1.平时成绩评定（1）课堂表现（10%）：通过学生在课堂上的表现情况、发言与提问情况，来评价学生相关的能力。（2）作业完成情况（10%）：围绕课程的学习目标进行作业的设计。让学生简述对知识的认识，考核学生对于概念的理解情况，帮助学生将定义转化为自己的理解。（3）实践教学（10%）：如通过课堂教案设计、课堂片段展示与汇报，训练学生的课堂实践能力，使学生真正明确教学技能在实际教学中的应用。2.期末成绩评定期末考核主要考察学生对物流大数据分析相关基本概念、操作程序和具体方法的理解与运用等。方式为等大数据分析设计汇报。要求学生掌握基本概念、操作程序，运用具体方法解决相关问题。梳理物流大数据分析目标，选取科学合理的分析方法，实现大数据分析实践，评估大数据分析结论的可参考性。根据《物流大数据库分析设计与实现汇报报告》的完成情况评定给出学生成绩。具体评定细则根据：分析目的明确（20%），方法可行（20%），步骤清楚（20%），分析到位（20%），结论可参考性（20%）。3.总成绩评定总成绩由平时考核成绩和期末考核成绩构成，其构成比例科学合理。采用结构分数制：总成绩（100%）=平时成绩（30%）+期末成绩（70%）（三）评分标准表5评分标准（非试卷考核项目）考核项目评分标准优秀(100>x≥90)良好(90>x≥80)中等(80>x≥70)及格(70>x≥60)不及格(x<60)分析汇报大数据分析目标清楚，表现出很强的问题意识，有应用价值。(20%)分析方法合理、逻辑清楚、结构和论述严谨(20%)。大数据分析的实现步骤清晰。(20%)。分析过程正确，结论明确具有一定可参考性(20%)。（5）报告内容的排版精美、叙述通畅、简洁、明了无歧义。(20%)。（1）大数据分析目标比较清楚，表现出一定的问题意识。(20%)（2）分析方法合理、逻辑整体清楚(20%)。（3）大数据分析的实现步骤基本清晰。(20%)。（4）分析过程正确，结论明确具有一定可参考性(20%)。（5）报告内容的排版较为精美、叙述也比较通畅、简洁，无明显歧义。(20%)。（1）大数据分析有目标，有一定的问题意识。(20%)（2）分析方法合理、具备一定的逻辑(20%)。（3）有大数据分析的实现步骤。(20%)。（4）分析过程和结论基本正确(20%)。（5）报告内容的排版一般、叙述基本通畅、简洁，且基本无歧义。(20%)。（1）有一定的大数据分析有目标，不太明确。(20%)（2）分析方法不太合理、勉强具备一定的逻辑(20%)。（3）大数据分析的实现步骤不清。(20%)。（4）有分析过程和结论，不完全正确(20%)。（5）报告内容的排版简陋、叙述不太