论文部分内容阅读
【摘要】本课题在我国大数据时代人才需求的基础上，结合我国应用型统计人才的培养现状，对比国内外相关数据分析课程和培养模式上我们存在的差异，结合河北金融学院统计学人才培养实际，提出了应在以下四个方面对应用型统计人才的培养模式进行创新。
【关键词】大数据时代 财经院校 应用性统计人才 培养模式
随着云计算、移动互联网、社交网络、电商物联网等技术兴起和广泛应用，我们已经踏入了大数据时代。大数据以其多源性、海量性、异构性，影响面覆盖了社会生活等各个领域，对现代社会和经济生活发挥着重要的作用。利用大数据可以对采集到的完整数据进行及时、准确的科学分析，掌握数据规律，发现潜在的价值，预见未来，提供科学决策，由“经验决策”迈入“数据决策”时代。那么由谁来完成这华丽的变身？——数据分析师。在大数据流行的今天，数据分析师已经成为大多数据企业必备的岗位，特别是互联网、零售等相关行业，数据分析师已经成为最炙手可热的职业。据统计，目前世界500强企业中，有90%以上都建立了数据分析部门，IBM、微软、Inter等公司正积极培养数据分析团队，建立大数据部门。数据分析师（CPDA）年薪会在20万以上，前提条件要有足够的经验和经历，必须具备发现规律，预测未来的行业价值的能力。到2016年中国大数据技术与服务市场到2016年会增长到6.16亿美元。这位中国的数据分析师提供了就业岗位，同时也为数据分析师的培养提出了严峻的考验。
我国在上世纪90年代就出现了数据分析师。2003年9月，原信息产业部职业鉴定中心正式设立了“项目数据分析师”专业认证项目并制定项目数据分析师培训、考试及相关管理办法。2004年，我国首批项目数据分析师诞生。迄今为止，持有项目数据分析师资格证的人并不少，他们在数据监测与收集、大数据存储与处理方面具备较强的实力，但是在大数据分析与挖掘、大数据创新方面“货真价实”的项目数据分析师并不多。有一个这样的故事，一个农民赶着一群羊走在草原上，有一个人告诉他：“我知道你这里有多少只羊？”。随即他利用定位技术得知了羊的数量，告诉农民“一共有1500只羊”。这个人他不是数据分析师，只是数据采集员。真正的数据分析师会告诉农民，里面一共有1500只羊，100只公羊，其余的为母羊，母羊中羊崽有100只，剩下的1400只可以繁殖，应该卖掉肥的母羊，买进公羊，解决当前公羊母羊数量失衡的问题。
国内财经院校作为应用型统计人才的培养摇篮，为更好地向政府和企业部门输送优秀的数据分析人才打下夯实的基础，完成从统计人才向数据分析人才的过渡。与美国著名大学相比，我国在应用型统计人才培养方面存在深度和广度上的欠缺：
一是统计、数学和计算机三门学科之间融合度不高。当前，在许多财经类高校的人才培养方案中，专门讲授数据分析内容的课程设置的很少。与数据分析相关的课程分散于《大学计算机基础》、《数据库应用基础》、《统计学》、《高等数学》等课程，虽然可以从多门课程中接触到与数据分析相关的内容，但各门课程的未能实现有效的联系与整合，在学生的思维中这些都是独立的。如，《大学计算机基础》《数据库应用基础》一般只涉及办公系统中简单的文字和数据录入及处理，并未过多的涉及Excel软件的高级数据分析功能。而《统计学》主要侧重于从理论上讲述数据的收集、整理和数据分析的各种方法，《高等数学》教学中的强调基本运算能力的培养及理论的实际应用。虽然学生会计算、会分析方法、会运用统计软件，但是缺少了将数据分析方法和数据分析工具融合在一起的课程，导致了学生并不能有效地掌握实际的数据分析技能。二是缺乏相关领域和研究方向专业基础知识储备。作为一名数据分析师除了具备相应的数理统计计算机知识、熟悉统计软件的操作与处理，还应该对所从事行业的产生背景、现状、发展前景有相当的了解，否则的话面对冰冷的数据，不能发挥对数字的想像力，更谈不上提出建设性的分析意见。三是缺乏数据的综合驾驭能力。这正是现在的数据统计人才最缺乏的一种能力，就像前面讲的故事一样，数据采集员只能简单给出羊的数量，却不能从数据当中找寻规律，挖掘有用的信息，加以分析并做出数据分析报告。数据分析报告对一个企业来说，现在已经成为众多现代化企业战略制定的核心依据。四是考核方式过于陈旧。以往的考核方式只能测试出学生对该门课程理论掌握的情况，不能反映出实践动手能力和操作技能，应该是应用型人才区别于其他类型人才的非常重要的能力特征。因此要在考核方式上创新，通过测试能了解学生发现数据、分析数据的敏感性及可操作性特征，发现现有和潜在的问题，通过数据分析得出有效的结论，以解决实际。
围绕大数据的开发和应用，美国政府积极鼓励各大学开展跨领域大数据专业教育，培养下一代数据工程师，提高科学与工程发现的步伐。现在美国四十多所大学开设了大数据专业硕士研究生课程，很多大学在人才培养目标和课程内容设置上值得我们仔细研究，通过深入了解总结出美国大数据专业教育的特色。
第一，人才培养目标要求不同。强调的是需要相应人员高质量的计划和执行力，要求大数据人才具备基本的知识结构与综合能力。在海量的数据中发现有价值的信息；能够编写程序代码；具备“三心二意”的能力，也就是充满好奇心；具备数据分析和良好的交流沟通表述的能力等。除了具备良好的数学、统计学和计算机科学等专业知识，还要具备其他专业领域较深的知识背景。
第二，课程设置特点。联系知名企业，充分利用学校本身的资源展开联合教学，提高学生的实际应用能力；将数据分析与学院原有特色专业结合，在特定的领域开展大数据分析课程教学，路易斯安那州立大学将目光聚焦商业与数据分析的结合；各大学都非常重视毕业实践课程，几乎所有的大学都将毕业实践实践课程列为必修课。在毕业前进一步培养学生研究能力与交流技能，是美国大学教育的重要特色。
通过对比国内外相关数据分析课程和培养模式，结合河北金融学院统计学人才培养方案，特提出在以下四个方面对应用型统计人才的培养模式进行创新： 一、能力目标的设定
在我国大数据时代蓬勃发展的背景下，对应用型统计人才的综合能力的要求也要上升一个台阶。河北金融学院在统计课程方面做出了调整。首先，统计人才必须具备良好的专业数统知识，对SPSS、STATA、MATLAB等基本统计软件的应用、数据的处理和分析、数据结果的预测等要有充分的掌握，培养统计人才对数据的敏锐度。只有热爱数据，才会在数据中找到乐趣，从而挖掘其中的奥妙；然后，统计人才不仅要具备专业数统知识，还要拓宽相关知识领域或研究方向的辐射范围，这就包括金融、营销、商务等学科，只有将宝贵的数据运用到实体经济各个领域范围内，才能发挥数据的作用，才能创造出有意义的统计数据研究成果；最后，统计人才在具备丰富知识储备的前提下，还要培养良好的沟通表达能力。“用数据说话”的深层含义就是不仅要有真实的统计数据资料，还要用数据说服对方，这就要求统计人才能够恰当地将数据结果转化成生动的语言向对方陈述，良好的沟通表达能力是让对方赞同的武器。
因此，对应用型统计人才综合能力目标的设定是整个人才培养模式中的关键，也是引领统计人才未来培养路径的指明灯。
二、创新教学培养模式，注重培养与应用结合
（一）以“编组”方式开展教学活动
多名教师协同工作，共同完成一门课程的授课任务，授课教师和学生均采用编组模式。采用导师指导与集体培养相结合的方式，打破原有教学思维、选用新教材，改变原有的教学大纲、授课内容，把大数据相关知识和相关案例结合到授课当中，使课程和实际紧密结合，培养学生对数据的想像力，注重培养学生对模型的理解能力，将分析结果在商业场景中有效沟通。真正的做到学以致用，用数据分析做出正确决策。
（二）采取“订单式”培养模式，突出培养和应用结合的特点，打破现有的统计专业与市场对数据人才需求相脱节的模式壁垒
如河北金融学院外包学院，采取了订单式的培养模式，以市场需求为导向，按照用工部门岗位标准，制定培养方案，更好地满足用人单位对应用型统计人才的需求。
三、创新校企协同培养模式
让学生实际参与到企业项目的运行过程中，以问题为导向、以项目为牵引，让实践教学内容符合企业的实际需要。抛弃原有的重理论轻实践、重知识轻技能的教学方式。这样做可以激发学生的积极性和和自觉性，锻炼学生的数据挖掘、数据决策能力。不仅仅只在学校的教学实验室对一些固有的数据模型进行分析、提炼，要让他们融入到用人单位参与项目的组织实施，并不断提升自身沟通能力和良好的职业和道德素养。在案例教学和实习阶段时可以聘请业务技能强，对数据有着敏锐洞察力和想像力的行业指导教师，指导学生在实习的过程中培养发现问题、分析问题、解决问题的能力。
四、创新考核方式
在能力目标的指引下，结合以上教学培养模式和实践教学模式上的创新，对财经类院校应用型统计人才的考核方式应该包括以下几点：
（一）基本数统知识的考核
任何一个领域的专家都应当具备基础性专业知识，这是为未来相关领域的研究做铺垫。基本数统知识的考核包括数学、统计、计算机知识的掌握程度，基本数据软件操作能力的掌握程度，这些都属于硬知识储备范围，是不可或缺的知识储备。
（二）数据识别、处理、分析和决策能力的考核
一名优秀的数据分析师通过处理和分析数据会获知“发生了什么事？这事为什么发生？未来如何发展？应如何进行最优决策”这些相关信息。财经类院校应用型统计人才应当具备这样的能力。在该能力的考核上，教师将一些行业数据交给学生，不透露任何信息，由学生自行识别、处理和分析，考核学生数据识别、处理、分析和决策能力的程度。
（三）行业实践能力考核
在前期的案例分析教学中，学生们已经掌握了基本的数据处理、分析和决策方式，需要进一步到相关行业中去实践，如金融、电商、营销等需要数据决策的领域。这也是对应用型统计人才综合能力的考核，把基本的数统知识和其他领域的知识联系到一起，面对行业数据时能否识别出有用的数据，能否进行数据的深层处理，能否将处理后的数据进行相关领域或行业分析，能否做出最优统计决策，最终形成一个行业数据分析报告，由校内专职教师和行业指导教师进行综合评定与打分。大数据时代拥有海量的数据，只有将有用的数据提炼出来，进而处理和分析，才能做出具备实质性意义的决策结果。
五、意义
在大数据分析人才培养上采用的协同培养模式、实践教学模式，体现了培养适应社会需求的创新型应用人才的总目标。统计人才协同培养模式创新是专业教学实践的新举措，着重培养学生处理数据、分析数据、展示数据的能力，对培养高层次、复合型、应用型统计人才意义重大，同时顺应大数据时代的要求，为推动大数据时代发展注入新的活力。
参考文献
[1]何海地.美国大数据专业硕士研究生教育的背景、现状、特色与启示——全美23所知名大学数据分析硕士课程网站及相关信息分析研究[J].图书与情报，2014（4）.
[2]向程冠.浅谈高校大数据分析人才培养模式[J].信息科技，2014（9）.
[3]陶皖，杨磊.大数据时代对高校人才培养模式的影响——以信息系统专业为例[J].电脑知识与技术，2013（10）.
[4]阳炆杉.“大数据”时代的“解密人”[J].重庆日报.2014.3.4.
基金项目：河北省统计局课题，课题编号：2014HY17。
作者简介：焦琳（1982-），助教；赵聪（1987-），助教；苗绘，教授。
【关键词】大数据时代 财经院校 应用性统计人才 培养模式
随着云计算、移动互联网、社交网络、电商物联网等技术兴起和广泛应用，我们已经踏入了大数据时代。大数据以其多源性、海量性、异构性，影响面覆盖了社会生活等各个领域，对现代社会和经济生活发挥着重要的作用。利用大数据可以对采集到的完整数据进行及时、准确的科学分析，掌握数据规律，发现潜在的价值，预见未来，提供科学决策，由“经验决策”迈入“数据决策”时代。那么由谁来完成这华丽的变身？——数据分析师。在大数据流行的今天，数据分析师已经成为大多数据企业必备的岗位，特别是互联网、零售等相关行业，数据分析师已经成为最炙手可热的职业。据统计，目前世界500强企业中，有90%以上都建立了数据分析部门，IBM、微软、Inter等公司正积极培养数据分析团队，建立大数据部门。数据分析师（CPDA）年薪会在20万以上，前提条件要有足够的经验和经历，必须具备发现规律，预测未来的行业价值的能力。到2016年中国大数据技术与服务市场到2016年会增长到6.16亿美元。这位中国的数据分析师提供了就业岗位，同时也为数据分析师的培养提出了严峻的考验。
我国在上世纪90年代就出现了数据分析师。2003年9月，原信息产业部职业鉴定中心正式设立了“项目数据分析师”专业认证项目并制定项目数据分析师培训、考试及相关管理办法。2004年，我国首批项目数据分析师诞生。迄今为止，持有项目数据分析师资格证的人并不少，他们在数据监测与收集、大数据存储与处理方面具备较强的实力，但是在大数据分析与挖掘、大数据创新方面“货真价实”的项目数据分析师并不多。有一个这样的故事，一个农民赶着一群羊走在草原上，有一个人告诉他：“我知道你这里有多少只羊？”。随即他利用定位技术得知了羊的数量，告诉农民“一共有1500只羊”。这个人他不是数据分析师，只是数据采集员。真正的数据分析师会告诉农民，里面一共有1500只羊，100只公羊，其余的为母羊，母羊中羊崽有100只，剩下的1400只可以繁殖，应该卖掉肥的母羊，买进公羊，解决当前公羊母羊数量失衡的问题。
国内财经院校作为应用型统计人才的培养摇篮，为更好地向政府和企业部门输送优秀的数据分析人才打下夯实的基础，完成从统计人才向数据分析人才的过渡。与美国著名大学相比，我国在应用型统计人才培养方面存在深度和广度上的欠缺：
一是统计、数学和计算机三门学科之间融合度不高。当前，在许多财经类高校的人才培养方案中，专门讲授数据分析内容的课程设置的很少。与数据分析相关的课程分散于《大学计算机基础》、《数据库应用基础》、《统计学》、《高等数学》等课程，虽然可以从多门课程中接触到与数据分析相关的内容，但各门课程的未能实现有效的联系与整合，在学生的思维中这些都是独立的。如，《大学计算机基础》《数据库应用基础》一般只涉及办公系统中简单的文字和数据录入及处理，并未过多的涉及Excel软件的高级数据分析功能。而《统计学》主要侧重于从理论上讲述数据的收集、整理和数据分析的各种方法，《高等数学》教学中的强调基本运算能力的培养及理论的实际应用。虽然学生会计算、会分析方法、会运用统计软件，但是缺少了将数据分析方法和数据分析工具融合在一起的课程，导致了学生并不能有效地掌握实际的数据分析技能。二是缺乏相关领域和研究方向专业基础知识储备。作为一名数据分析师除了具备相应的数理统计计算机知识、熟悉统计软件的操作与处理，还应该对所从事行业的产生背景、现状、发展前景有相当的了解，否则的话面对冰冷的数据，不能发挥对数字的想像力，更谈不上提出建设性的分析意见。三是缺乏数据的综合驾驭能力。这正是现在的数据统计人才最缺乏的一种能力，就像前面讲的故事一样，数据采集员只能简单给出羊的数量，却不能从数据当中找寻规律，挖掘有用的信息，加以分析并做出数据分析报告。数据分析报告对一个企业来说，现在已经成为众多现代化企业战略制定的核心依据。四是考核方式过于陈旧。以往的考核方式只能测试出学生对该门课程理论掌握的情况，不能反映出实践动手能力和操作技能，应该是应用型人才区别于其他类型人才的非常重要的能力特征。因此要在考核方式上创新，通过测试能了解学生发现数据、分析数据的敏感性及可操作性特征，发现现有和潜在的问题，通过数据分析得出有效的结论，以解决实际。
围绕大数据的开发和应用，美国政府积极鼓励各大学开展跨领域大数据专业教育，培养下一代数据工程师，提高科学与工程发现的步伐。现在美国四十多所大学开设了大数据专业硕士研究生课程，很多大学在人才培养目标和课程内容设置上值得我们仔细研究，通过深入了解总结出美国大数据专业教育的特色。
第一，人才培养目标要求不同。强调的是需要相应人员高质量的计划和执行力，要求大数据人才具备基本的知识结构与综合能力。在海量的数据中发现有价值的信息；能够编写程序代码；具备“三心二意”的能力，也就是充满好奇心；具备数据分析和良好的交流沟通表述的能力等。除了具备良好的数学、统计学和计算机科学等专业知识，还要具备其他专业领域较深的知识背景。
第二，课程设置特点。联系知名企业，充分利用学校本身的资源展开联合教学，提高学生的实际应用能力；将数据分析与学院原有特色专业结合，在特定的领域开展大数据分析课程教学，路易斯安那州立大学将目光聚焦商业与数据分析的结合；各大学都非常重视毕业实践课程，几乎所有的大学都将毕业实践实践课程列为必修课。在毕业前进一步培养学生研究能力与交流技能，是美国大学教育的重要特色。
通过对比国内外相关数据分析课程和培养模式，结合河北金融学院统计学人才培养方案，特提出在以下四个方面对应用型统计人才的培养模式进行创新： 一、能力目标的设定
在我国大数据时代蓬勃发展的背景下，对应用型统计人才的综合能力的要求也要上升一个台阶。河北金融学院在统计课程方面做出了调整。首先，统计人才必须具备良好的专业数统知识，对SPSS、STATA、MATLAB等基本统计软件的应用、数据的处理和分析、数据结果的预测等要有充分的掌握，培养统计人才对数据的敏锐度。只有热爱数据，才会在数据中找到乐趣，从而挖掘其中的奥妙；然后，统计人才不仅要具备专业数统知识，还要拓宽相关知识领域或研究方向的辐射范围，这就包括金融、营销、商务等学科，只有将宝贵的数据运用到实体经济各个领域范围内，才能发挥数据的作用，才能创造出有意义的统计数据研究成果；最后，统计人才在具备丰富知识储备的前提下，还要培养良好的沟通表达能力。“用数据说话”的深层含义就是不仅要有真实的统计数据资料，还要用数据说服对方，这就要求统计人才能够恰当地将数据结果转化成生动的语言向对方陈述，良好的沟通表达能力是让对方赞同的武器。
因此，对应用型统计人才综合能力目标的设定是整个人才培养模式中的关键，也是引领统计人才未来培养路径的指明灯。
二、创新教学培养模式，注重培养与应用结合
（一）以“编组”方式开展教学活动
多名教师协同工作，共同完成一门课程的授课任务，授课教师和学生均采用编组模式。采用导师指导与集体培养相结合的方式，打破原有教学思维、选用新教材，改变原有的教学大纲、授课内容，把大数据相关知识和相关案例结合到授课当中，使课程和实际紧密结合，培养学生对数据的想像力，注重培养学生对模型的理解能力，将分析结果在商业场景中有效沟通。真正的做到学以致用，用数据分析做出正确决策。
（二）采取“订单式”培养模式，突出培养和应用结合的特点，打破现有的统计专业与市场对数据人才需求相脱节的模式壁垒
如河北金融学院外包学院，采取了订单式的培养模式，以市场需求为导向，按照用工部门岗位标准，制定培养方案，更好地满足用人单位对应用型统计人才的需求。
三、创新校企协同培养模式
让学生实际参与到企业项目的运行过程中，以问题为导向、以项目为牵引，让实践教学内容符合企业的实际需要。抛弃原有的重理论轻实践、重知识轻技能的教学方式。这样做可以激发学生的积极性和和自觉性，锻炼学生的数据挖掘、数据决策能力。不仅仅只在学校的教学实验室对一些固有的数据模型进行分析、提炼，要让他们融入到用人单位参与项目的组织实施，并不断提升自身沟通能力和良好的职业和道德素养。在案例教学和实习阶段时可以聘请业务技能强，对数据有着敏锐洞察力和想像力的行业指导教师，指导学生在实习的过程中培养发现问题、分析问题、解决问题的能力。
四、创新考核方式
在能力目标的指引下，结合以上教学培养模式和实践教学模式上的创新，对财经类院校应用型统计人才的考核方式应该包括以下几点：
（一）基本数统知识的考核
任何一个领域的专家都应当具备基础性专业知识，这是为未来相关领域的研究做铺垫。基本数统知识的考核包括数学、统计、计算机知识的掌握程度，基本数据软件操作能力的掌握程度，这些都属于硬知识储备范围，是不可或缺的知识储备。
（二）数据识别、处理、分析和决策能力的考核
一名优秀的数据分析师通过处理和分析数据会获知“发生了什么事？这事为什么发生？未来如何发展？应如何进行最优决策”这些相关信息。财经类院校应用型统计人才应当具备这样的能力。在该能力的考核上，教师将一些行业数据交给学生，不透露任何信息，由学生自行识别、处理和分析，考核学生数据识别、处理、分析和决策能力的程度。
（三）行业实践能力考核
在前期的案例分析教学中，学生们已经掌握了基本的数据处理、分析和决策方式，需要进一步到相关行业中去实践，如金融、电商、营销等需要数据决策的领域。这也是对应用型统计人才综合能力的考核，把基本的数统知识和其他领域的知识联系到一起，面对行业数据时能否识别出有用的数据，能否进行数据的深层处理，能否将处理后的数据进行相关领域或行业分析，能否做出最优统计决策，最终形成一个行业数据分析报告，由校内专职教师和行业指导教师进行综合评定与打分。大数据时代拥有海量的数据，只有将有用的数据提炼出来，进而处理和分析，才能做出具备实质性意义的决策结果。
五、意义
在大数据分析人才培养上采用的协同培养模式、实践教学模式，体现了培养适应社会需求的创新型应用人才的总目标。统计人才协同培养模式创新是专业教学实践的新举措，着重培养学生处理数据、分析数据、展示数据的能力，对培养高层次、复合型、应用型统计人才意义重大，同时顺应大数据时代的要求，为推动大数据时代发展注入新的活力。
参考文献
[1]何海地.美国大数据专业硕士研究生教育的背景、现状、特色与启示——全美23所知名大学数据分析硕士课程网站及相关信息分析研究[J].图书与情报，2014（4）.
[2]向程冠.浅谈高校大数据分析人才培养模式[J].信息科技，2014（9）.
[3]陶皖，杨磊.大数据时代对高校人才培养模式的影响——以信息系统专业为例[J].电脑知识与技术，2013（10）.
[4]阳炆杉.“大数据”时代的“解密人”[J].重庆日报.2014.3.4.
基金项目：河北省统计局课题，课题编号：2014HY17。
作者简介：焦琳（1982-），助教；赵聪（1987-），助教；苗绘，教授。