《数据挖掘与分析》教学大纲

《数据挖掘与分析》教学大纲适用范围：202X版本科人才培养方案课程代码：10152171课程性质：专业选修课程学分：3学分学时：48学时（理论48学时）先修课程：管理统计学、市场调查与预测A等后续课程：毕业设计适用专业：财务管理开课单位：管理学院一、课程说明《数据挖掘与分析》是财务管理专业的专业选修课，系统学习了数据挖掘与分析的完整流程，结合相关实例，详细阐述基础数据分析方法和常用工具。通过本课程的学习，使学生掌握财务数据分析的基本理论、方法以及常用的数据分析工具，并具备面向财务实际问题的数据准备与处理、数据分析、数据可视化以及撰写数据分析报告的能力。同时，培养学生数据分析和挖掘的实践能力和创新思维，为未来的财务管理相关工作打下坚实的基础。二、课程目标通过本课程的学习，使学生达到如下目标：课程目标1：使学生掌握财务管理领域的数据挖掘和分析的基础知识，掌握数据分析的主要步骤，能够针对不同问题选择合适的分析方法，提高解决财务管理问题的能力和创新思维。课程目标2：培养学生在财务管理中应用数据挖掘和分析技术的能力，运用分析算法进行聚类、分类与预测，具备初步使用数据分析工具进行问题求解的综合应用能力。课程目标3：培养学生的数据伦理意识和隐私保护意识，引导学生关注社会责任和公共利益；培养学生采取适当的措施，评估和监控数据质量，确保数据的准确性，保障财务行业的分析结果真实有效。三、课程目标与毕业要求《数据挖掘与分析》课程教学目标对财务管理专业毕业要求的支撑见表1。表1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑强度2.问题分析2.1能运用相关科学原理，识别和判断复杂财务管理问题的关键环节。课程目标1：使学生掌握财务管理领域的数据挖掘和分析的基础知识，掌握数据分析的主要步骤，能够针对不同问题选择合适的分析方法，提高解决财务管理问题的能力和创新思维。M4.研究4.3能够根据可行方案构建仿真财务模型，科学并正确地采集仿真财务数据，能对各种数据结果进行分析和解释，并通过信息处理得到合理有效的结论。课程目标1：使学生掌握财务管理领域的数据挖掘和分析的基础知识，掌握数据分析的主要步骤，能够针对不同问题选择合适的分析方法，提高解决财务管理问题的能力和创新思维。课程目标2：培养学生在财务管理中应用数据挖掘和分析技术的能力，运用分析算法进行聚类、分类与预测，具备初步使用数据分析工具进行问题求解的综合应用能力。H5.使用现代工具5.2能够选择与使用恰当的工具、方法和软件，对复杂财务问题进行分析、计算与设计。课程目标2：培养学生在财务管理中应用数据挖掘和分析技术的能力，运用分析算法进行聚类、分类与预测，具备初步使用数据分析工具进行问题求解的综合应用能力。课程目标3：培养学生的数据伦理意识和隐私保护意识，引导学生关注社会责任和公共利益；培养学生的实践能力，通过数据分析实践，提高学生自主学习以及解决问题能力。M12.终身学习12.1能认识持续学习的必要性，具备终身学习的意识，掌握自主学习的方法。课程目标3：培养学生的数据伦理意识和隐私保护意识，引导学生关注社会责任和公共利益；培养学生的实践能力，通过数据分析实践，提高学生自主学习以及解决问题能力。M注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度。四、教学内容、基本要求与学时分配理论部分的教学内容、基本要求与学时分配见表2。表2教学内容、基本要求与学时分配教学内容教学要求，教学重点难点理论学时对应的课程目标1.数据分析概述1.1数据分析基础理论；1.2数据分析的常见误区1.3数据分析的流程1.4数据分析岗位的职业发展1.5数据分析常用指标及术语教学要求：使学生了解数据分析的基础知识,熟悉数据分析常用指标,掌握数据分析的流程。重点:数据分析流程。难点:数据分析常用指标及术语。41、2、32.数据分析指标2.1网站分析指标2.2营销分析指标2.3社区分析指标2.4仓储分析指数2.5物流配送分析指数教学要求：使学生理解和掌握统计指标理论和方法,能够综合运用统计指标对总体进行分析。重点:数据分析指标的计算方法。难点:指数体系与因素分析。81、33.数据准备与处理3.1数据准备3.2数据处理教学要求：使学生了解数据准备的内容,了解数据处理的内容,掌握数据录入方法,掌握数据处理的常用方法,掌握数据处理常用的Excel函数。重点:重复值的处理、缺失数据的处理方法、异常值的处理方法、数据加工。81、2、34.数据分析常用方法4.1常用数据分析方法论4.2数据分析法教学要求：使学生了解常用数据方法论基础概念,了解数据分析法基础概念,掌握数据分析法使用方法，能够应用在数据分析中。重点:常用数据分析方法的应用。难点:常用数据分析方法的应用。81、35.常用数据分析与挖掘工具5.1常用数据分析工具5.2SPSS数据分析工具教学要求：使学生掌握SPSS的主要功能,掌握生意参谋、京东商智等软件的主要功能。重点:利用SPSS软件进行数据挖掘与分析。难点:利用SPSS软件进行数据挖掘与分析。82、36.数据可视化6.1通过图表展现数据6.2通过表格展现数据教学要求：使学生掌握常用图表类型的适用场景,掌握如何通过数据关系选择合适的图表,掌握统计图的绘制流程,掌握通过表格展现数据的方法。重点:突出单元格、项目选取、添加数据条、添加图标集、迷你图。难点:数据可视化的实际应用。41、27.数据图标专业化7.1制作严谨的数据图表7.2图表美化方法7.3提高图表制作效率教学要求：使学生掌握专业图表制作的必要元素,掌握图表美化的技巧及颜色搭配,掌握高效制作图表的几种方法。重点:专业图表制作的注意事项和美化原则。难点:高效率制作图表。41、28.撰写数据分析报告8.1初步认识数据分析报告8.2数据分析报告的准备与撰写流程8.3数据分析报告的结构8.4撰写数据分析报告的注意事项教学要求：使学生掌握数据分析报告的写作原则,掌握数据分析报告的撰写流程,掌握数据分析报告的结构,掌握撰写数据分析报告的注意事项。重点:熟练编写数据分析报告。41、2合计48五、教学方法及手段《数据挖掘与分析》是一门专业选修课程，课程教学以理论讲授与实践相结合的理实一体化教学为主，以课堂讲授为主导，学生技术练习为辅助，夯实本课程的知识教学，并结合作业、学习通、等资源，配合多媒体课件等共同完成课堂授课内容，同时加强和学生之间的交流和沟通，动态调整教学内容。六、课程资源1.推荐教材黑马程序员.数据分析思维与可视化[M].北京:清华大学出版社,2019.2.参考书（1）喻梅等.数据分析与数据挖掘[M].北京:清华大学出版社,2018．（2）陈红波等.数据分析从入门到进阶[M].北京:机械工业出版社,2019．（3）Goodfellow（伊恩·古德费洛）等.深度学习[M].北京:人民邮电出版社,2017．（4）周志华.机器学习[M].北京:清华大学出版社,2016．3.期刊（1）中国经济问题,厦门大学（2）财务与会计,中国财政杂志社（3）计算机学报,中国计算机学会、中国科学院计算技术研究所（4）计算机应用研究,四川省计算机研究院4.网络资源（1）国家统计局,（2）UCIMachineLearningRepository,/ml/index.php（3）wind经济数据库,/NewSite/edb.html（4）CSMAR经济金融数据库,七、课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末考核成绩两部分构成，具体考核/评价细则及对课程目标的支撑关系见表3。表3课程考核对课程目标的支撑考核环节占比考核/评价细则课程目标123过程性考核课堂表现20（1）根据课堂回答、互动、考勤情况进行考核，满分100分；（2）以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√14142作业20（1）对课程章节进行布置作业，单次作业满分为100分；（2）每次作业单独评分，按照章节课时分布情况，计算各次成绩的加权平均值，并作为此环节的最终成绩；（3）以作业加权平均值乘以其在总评成绩中所占的比例计入课程总评成绩。√√155期末考核60（1）期末考核总成绩为100分，以成绩乘以其在总评成绩中所占的比例计入课程总评成绩；（2）主要考核数据准备与处理、数据分析常用方法、常用数据分析工具、数据可视化、数据图表专业化、撰写数据分析报告等内容；（3）考查形式可采用课程小论文或综述报告（调查报告）或大作业等。√√√252510合计：100分八、考核与成绩评定1.考核方式及成绩评定考核方式：本课程主要以课堂表现、作业、期末大作业等方式对学生进行考核评价。考核基本要求：考核总成绩由期末考核和过程性考核成绩组成。其中：期末考核成绩为100分（权重50%），考核形式可采用课程小论文或大作业设计等形式；课堂表现、作业、章节测试等过程性考核成绩为100分（权重50%）；过程性考核和期末考核分值分配应与教学大纲各章节的学时基本成比例。2.过程性考核成绩的标准过程性考核方式重点考核内容、评价标准、所占比重见表4。表4过程性考核方式评价标准考核方式所占比重(%)100>x≥9090>x≥8080>x≥7070>x≥