论文部分内容阅读
【摘 要】开放教育统计实践教学是指在开放教育的统计教学过程中，关于统计实践，即统计资料的收集、整理、分析及实际运用的教学。在大数据环境下，由于统计对象性质的变化，传统的统计方法已不能完全适应新的数据特征，所以，从统计资料的收集、整理、分析方面，探求新的统计实践教学方法，适应新时代的数据特点，以提高学员统计实践运用的能力成为必然。基本大数据环境，本文從了解统计数据特征开始，分析大数据对统计教学的冲击，探讨统计实践教学相关内容，展望统计实践教学的美好未来。
【关键词】大数据;统计教学;展望
一、大数据时代统计数据的特征及对实践教学的冲击
（一）大数据
“大数据”一词最早是由美国著名的未来学家阿尔夫.托夫勒提出的，2008年这个词才开始被广泛传播。随着信息技术、互联网+、人工智能、物联网、云计算等概念的提出和运用，人类已经进入了一个新的发展时期，可以毫不夸张的说，大数据时代已经到来。20世纪末，随着互联网技术迅猛发展，人们就有了关于大数据的理论雏形，对数据的加工、整理和分析提出了设想。进入21世纪，信息技术的发展，人们对数据的收集、整理和分析各项统计工作更加便捷和高效，大数据在各行各业中的使用越来越频繁，利用程度越来越高。智能时代，特别是智能手机的普及，为大数据时代打下了坚实的基础，对大数据的理论研究和未来构想也越来越多。2012年，世界经济论坛在达沃斯展开，其中大数据作为讨论的主题之一，大数据在末来社会发展中的地位基本确立。
对于大数据的概念，理论界还没有一个统一的定义，有多种说法。有的说法是，大数据就是规模庞大的数据资料，无法用常用的软件对其进行高效率的处理和分析。也有的认为，大数据是指数量足够大，远超过常规水平的数据集合。还有的认为，大数据是指那些超过传统数据系统处理能力、不借用网络无法用主流软件和技术进行分析的复杂数据的集合。不管是哪一种说法，它的内涵不外乎三个方面，即数据的大量性、数据的多样性和数据处理方法的先进性。
（二）大数据时代统计数据的特性
从前面的分析我们可以看出，大数据是指数据的数量庞大，无法用常规软件进行处理和分析，需要采用特殊处理模式的数据集合。那么和传统的统计数据相比，大数据的性质有什么样的变化呢？
在传统的生产方式下，数据的记录主要是通过手工完成，数据的数量不多，以结构化数据为主，结构较单一，处理的速度较慢，而且是在数据收集完成后，再进行整理、分析得出结论，分析结果的应用都是在事后。进入信息时代，数据的产生都是自动化的，人们收集数据更加方便、快捷。著名的摩尔定律指出，每十八个月全球新增的信息量是有史以来信息量的总和。面对大量的、更新速度如此之快的信息，人工收集已不再可能。大数据的产生伴随着数据的如下特性：一是数据量大，即存储的数据量特别巨大，PB（4千亿页文本）级是常态。二是数据结构多，除传统的表格数据等结构化数据外，还有大量的半结构化和非结构化数据，如文本、视频、音频、网页等，数据的类型更多元。三是数据价值低。是指大数据环境下，数据信息多种多样，有实际价值的数据相比传统情况下收集到的数据有实际价值的比例低。也就是说大数据是以全面性来收集整理数据，单个数据的价值含量低，但作为一个集合体，大数据的价值含量更高。四是处理速度快。虽然数据的量大，增长速度快，但数据的处理通常是依托云计算进行，处理速度得到了高速的提升。
（三）大数据时代对传统统计实践教学产生的冲击
大数据时代统计主体的多样化和电子商务的发展，给统计数据的产生发起了很大的挑战，不断冲击着我们的统计理念。同时，利用云计算对多种方式收集来的数据进行整合和处理，得到具有较高应用价值和决策支持的分析结论，为统计的应用提供了更广阔的空间。近代统计学的发展虽有上百年的历史，但大数据时代的到来，依然暴露出了它的缺陷。如数据的收集方式、管理和存储、抽样调查的设计和运用、统计分析方法和计算等，在大数据条件下，都部分颠覆了传统统计方法的运用，给统计学和统计学家带来了严峻的挑战，也给我们开放教育统计实践教学带来了新的思考。
二、基于大数据的开放教育统计实践教学初探
（一）大数据时代传统统计实践教学存在的必要性
统计学作为研究数据方法论的科学，大数据时代不会改变它的性质，它一方面给统计学提出了挑战，要求统计学解决更多、更广泛的问题，另一方面也给统计学带来了机遇，要求统计学在理论上和方法上必须有新的创新。
我们先来看看统计理论。大数据虽然对统计实践教学产生了一定的冲击，但任何实践必须与理论相联系，只有懂得了理论知识，才能更好地将理论运用到实践中去。所以，大数据时代也应该强调统计理论的重要性，虽然有些概念在大数据时代已经不再作为统计的重点，比如统计总本和样本、抽样推断等，实践教学中，我们可以淡化它的概念，模糊由样本推断总体的方法，但其中的统计思想还是值得学员学习的，如统计归纳和统计推断的原理还是要弄清楚的。
我们再来看看统计调查、整理和分析方法。传统统计学对结构化数据的收集、整理和建立模型方面有自己的独到之处。大数据时代并不是所有的数据都是海量，也并不是所有数据都包含有半结构化和非结构化数据，传统的统计整理、分析方法仍然有用。当然，大数据时代，由于数据性质的变化，统计分析方法更加复杂，更需要借助于统计分析软件的使用，在教学过程中，对学生使用新的统计分析工具解决实际问题提出了更高的要求，可以说，大数据时代的统计学是对传统统计学的补充，更加丰富了统计学的教学和实践内容。
（二）重视学员对大数据收集，体现时代特征
统计数据的生产方式随着科技的进步、时代的变化，与传统的数据生产方式相比发生了根本性的变化。
传统的统计数据生产方式是根据问题来确定调查目的，再根据调查目的进行统计调查，利用不同的统计调查方法，如普查、抽样调查、重点调查和典型调查等，来收集数据。在实践教学中，我们按照传统的统计方法进行教学，并没有问题，因为它是对原理的解释和运用，让学生了解统计的基本原理和方法，对统计工作和统计学有一个基本的认识，这也是很必要的，但随着时代的发展，数据环境的变化，仅仅这些还是不够的，学生的学习也要跟随时代的发展，适应时代的变迁。大数据时代，数据的生产方式发生了很大的变化，需要借助传感技术或专业软件，如爬虫软件，从网络或者电商平台中爬取数据。在实际教学中，因为现在我们网上购物非常普遍，我们可以让学员结合自己的购物情况，从电商平台爬取交易量以及其他方面的信息，将学习与现实生活相联系，学会数据的收集。传统的统计数据收集方法，目的性很强，数据针对性强，单个数据价值量大，数据数量有限。大数据时代，数据的来源途径多样，所有联网的东西，都可以看成是一个超大的数据库，数据的类型和维度也多种多样，单个数据对整体的贡献比例缩小。我们需要从这些泥沙俱下的数据中获取有价值的信息，显然这些信息不是有所预期的。 从上面的分析中，我们可以看出，随着统计调查对象性质的变化，数据的产生不再拘泥于翻阅资料和抽样调查，而是依赖互联网，获取的数据从数量、结构和类型上已超越了传统统计数据的概念。
在实际教学中，我们要鼓励学员结合实际问题主动收集数据，获取“第一手资料”，同时教师在教学方式和手段上要体现时代优势，让学员感受到大数据就在身边，数据收集、数据挖掘触手可及。我们的授课内容可以超越传统的统计指标和统计图表，扩展到非结构化数据，介绍复杂数据的识别、存储和整理等。
（三）强调数据整理，提高动手能力
关于数据的整理，传统的统计学中基本的统计整理方法包括统计分组、数据汇总、表格编制等方法和步骤，由于数据量小、结构单一，统计整理方法较为单一和简单。大数据时代，数据除结构化数据外，还有半结构化和非结构化数据，基本的统计整理方法已不再适宜，我们要跳出传统的统计整理模式，给学员介绍更深更广的知识，如什么是复杂数据、数据分类、数据管理和存储方法等。
统计数据是否能反映总体特征，关系到后续统计分析结论的有效性和科学性，大数据时代，统计数据的整理涉及到数据清洗、降噪、降维等处理。数据清洗，从字面上看，就是把数据洗干净，我们可以这样理解，就是检查数据，清除重复的、异常的、偏离整体分布的数据，处理缺失值或无效值等，使用于分析的数据更能反映总体特征，更能挖掘出有价值的信息。在数据的收集过程中，会产生系統误差和随机误差，在数据传输存储过种中会产生截断误差，那么降噪就是采取一定的方法，去除躁音波动大的数据，去除和其他数据不相一致的数据，降低数据误差，为提高统计分析效果作准备。在海量的、不同来源的数据的相互融合中，使得高维数据越来越普遍。高维借用了空间维度的概念，来指代数据来源复杂、种类繁多、承载信息丰富等特点。数据维度每增加一个，就会影响所有原始数据的分析和判断，甚至得出相反的结论。所以，随着高维带来数据的异质性、噪声积累等特征，这就使得很多经典的统计方法失效，因而数据的降维比以往时候显得更为重要和迫切。在大数据时代，数据的不精确性，需要用非统计的方法，如数据系列化、文本内容向量化等来进行转换和编码。因而，在数据整理阶段，统计数据的存储、调取、传输和管理应作为重点研究的内容之一。
（四）加强统计分析，解决实际问题
因为传统统计资料的来源根据我国《统计法》的规定，是以普查为基础，以抽样调查为主体。所以，传统的统计分析方法主要是抽样推断，在抽样调查的基础上，利用随机样本指标来推断总体相应数量特征。在大数据下，样本就是总体，数据分析不再依赖于抽样数据，因而，抽样推断也就失去了意义，依靠小概率事件原理的参数估计和假设检验也就失去了用武之地。因而，基于大数据的传统统计分析中首先受到冲击的是以随机抽样为核心的传统统计模型基本框架。还有一些传统的统计分析方法，如相关分析、多元回归分析等统计分析方法，虽然可以使用，但分析效果达不到预期。
在实践教学中，开放教育的学员都是在职人员，具有一定的社会实践经验，对他们来说，结合现代数据的特点，探讨大数据环境下统计资料的收集、整理、分析是非常必要的。所以，引导学员对具有大数据特征的数据进行实践，加深学员对大数据环境下的数据与传统数据的认识，提高学员对现实中各种限制条件的理解和处理能力，能丰富教学内容，扩展学员视野。在实践中，提高学员的实践能力，离不开统计软件的运用，传统教学中，比较简单的就是EXCEL，用得较多的是SPSS，还有EVIEWS、R、SAS都是现有的常用软件之一。学员能否熟练运用统计软件，关键因素之一就是计算机操作技术要达到相应的水平，所以上机操作不失为一种比较好的实践方式。
三、对未来统计实践教学的展望
（一）注重统计思维的培养
大数据时代，传统的思维模式已不适应时代的需要，人们的思维模式必须向大数据方向靠拢。统计思维的培养首先要从收集数据开始，培养学员的数据思维思想。实际教学中，学员的数据来源都是采用别人已经搜集到的“第二手资料”，自己很难去收集或者接触到“第一手资料”，这无疑扼杀了学员数据思维思想的产生。“第一手资料”的收集对培养学员的数据思维思想起着重要的作用。其次是不确定思维思想。近代统计学受概率论影响深远，它从来不绝对地说“是”或者“不是”，而是通过相关分析、综合分析等找出规律，理解不确定性。这种统计思维方式，也体现了现实世界的真实性。再次是辩证思维的思想。我们不仅要教会学员统计学知识，还要教会学员用辩证的、理性的、客观的眼光去看待周围的事物，学会尊重规律，保持良好的心态，理解和包容个体，与自然和社会和平共处。
（二）多学科、多团队协作
大数据时代，没有一种单一的技术分析手段可以贯穿始终，它需要多学科的交叉与协作。比如，数据的获取，需要网络和传感技术，或者是“爬虫”技术等新的数据收集手段。统计手段的更新、统计分析技术的应用需要多学科的相互融合，包括与计算机科学与技术、数学、管理学、信息学、经济学等，只有它们高度交叉与融合，兼收并蓄，这样统计才更有活力。
由于数据的海量性、多结构化和动态性，导致统计工作也相对放大，需要多团队相互协作，才能更好地完成数据的收集、整理、分析和反馈任务。在实际教学中，结合统计实用性的特点，创新教学模式，引导学员进行大数据的收集，培养学员在大数据处理、分析中的团队协作精神，以案例教学为抓手，增强学员的实际应用能力，提高教学效果。
（三）解决师资队伍结构不完善问题
统计学的绝大部分老师接受的是传统统计理论的培训，在传统统计领域，不论是教学还是科研，都有着相当深厚的专业功底。但在大数据背景下，有关大数据、大数据的清洗、降维、降躁、可视化、云计算及其他相关理论及数据挖掘技术等，是一个相对陌生的领域，是一个断层。因此，要加强师资队伍建设，解决师资队伍结构不完善问题。其做法可以先从教师队伍内部培养，即数学功底好、对大数据感兴趣的教师和统计学教师，鼓励他们参加大数据学科的培训和研讨，同时，积极主动自主学习，这样可以在短期内培养一批在大数据方面有专长的教师团队，弥补师资队伍结构不完善的问题。
（四）展望国家新型统计人才的培养
大数据的出现，对统计中的随机抽样、因果分析和数据维度提出了一系列的挑战，这就需要相应的专业人才，大数据的采集、整理（清洗、降噪、降维）、分析和决策等数据分析人才的市场需求越来越大。数据分析人才对数据挖掘和统计建模等技能提出了很高的要求，同时，他们还需要具备计算机科学与技术的相关知识，具有多学科的相关知识。在培养过种中，需要政、企、产、学、研等多部门协同培养。我国目前试点的有北京航空航天大学与慧科教育合作的“大数据技术与应用”合作项目;清华大学集中校内若干院校力量开办的大数据项目;中国人民大学等五所高校联合开办的大数据分析硕士培养协作创新平台，走出了大数据分析人才培养探索的道路，为大数据人才培养指明了光明前景。
在大数据时代，统计教学人员要抓住机遇，面对挑战，在做好传统统计学教学的基础上，适应时代变迁，创新教学思路和方法，培养更多更实用人才，为服务社会做出应有的贡献。
【参考文献】
[1]韩静舒，大数据背景下“统计学”课程教学方法研究[J]，教育教学论坛，2019第9期.
[2]何红飞，大数据背景下的传统统计教学[J]，财经界（学术版） ，2016第21期.
[3]颜冀军，大数据时代下高校统计学教学改革的思考[J]，市场周刊（理论版），2018第23期.
[4]梅莹，何俊寅，大数据时代背景下统计学的教学与思辨[J]，楚雄师范学院学报，2018 第3期 .
[5]康元宝，大数据时代统计学教学行动变革的思考[J]，高教学刊，2018第20期.
[6]窦登全，张超群，大数据时代背景下统计学教学的应对策略[J]，西部素质教育，2018 第18期 .
[7]中国人民大学“大数据与应用统计”研究组，大数据时代统计学的重构与创新[J]，统计研究，2018年第2期.
【关键词】大数据;统计教学;展望
一、大数据时代统计数据的特征及对实践教学的冲击
（一）大数据
“大数据”一词最早是由美国著名的未来学家阿尔夫.托夫勒提出的，2008年这个词才开始被广泛传播。随着信息技术、互联网+、人工智能、物联网、云计算等概念的提出和运用，人类已经进入了一个新的发展时期，可以毫不夸张的说，大数据时代已经到来。20世纪末，随着互联网技术迅猛发展，人们就有了关于大数据的理论雏形，对数据的加工、整理和分析提出了设想。进入21世纪，信息技术的发展，人们对数据的收集、整理和分析各项统计工作更加便捷和高效，大数据在各行各业中的使用越来越频繁，利用程度越来越高。智能时代，特别是智能手机的普及，为大数据时代打下了坚实的基础，对大数据的理论研究和未来构想也越来越多。2012年，世界经济论坛在达沃斯展开，其中大数据作为讨论的主题之一，大数据在末来社会发展中的地位基本确立。
对于大数据的概念，理论界还没有一个统一的定义，有多种说法。有的说法是，大数据就是规模庞大的数据资料，无法用常用的软件对其进行高效率的处理和分析。也有的认为，大数据是指数量足够大，远超过常规水平的数据集合。还有的认为，大数据是指那些超过传统数据系统处理能力、不借用网络无法用主流软件和技术进行分析的复杂数据的集合。不管是哪一种说法，它的内涵不外乎三个方面，即数据的大量性、数据的多样性和数据处理方法的先进性。
（二）大数据时代统计数据的特性
从前面的分析我们可以看出，大数据是指数据的数量庞大，无法用常规软件进行处理和分析，需要采用特殊处理模式的数据集合。那么和传统的统计数据相比，大数据的性质有什么样的变化呢？
在传统的生产方式下，数据的记录主要是通过手工完成，数据的数量不多，以结构化数据为主，结构较单一，处理的速度较慢，而且是在数据收集完成后，再进行整理、分析得出结论，分析结果的应用都是在事后。进入信息时代，数据的产生都是自动化的，人们收集数据更加方便、快捷。著名的摩尔定律指出，每十八个月全球新增的信息量是有史以来信息量的总和。面对大量的、更新速度如此之快的信息，人工收集已不再可能。大数据的产生伴随着数据的如下特性：一是数据量大，即存储的数据量特别巨大，PB（4千亿页文本）级是常态。二是数据结构多，除传统的表格数据等结构化数据外，还有大量的半结构化和非结构化数据，如文本、视频、音频、网页等，数据的类型更多元。三是数据价值低。是指大数据环境下，数据信息多种多样，有实际价值的数据相比传统情况下收集到的数据有实际价值的比例低。也就是说大数据是以全面性来收集整理数据，单个数据的价值含量低，但作为一个集合体，大数据的价值含量更高。四是处理速度快。虽然数据的量大，增长速度快，但数据的处理通常是依托云计算进行，处理速度得到了高速的提升。
（三）大数据时代对传统统计实践教学产生的冲击
大数据时代统计主体的多样化和电子商务的发展，给统计数据的产生发起了很大的挑战，不断冲击着我们的统计理念。同时，利用云计算对多种方式收集来的数据进行整合和处理，得到具有较高应用价值和决策支持的分析结论，为统计的应用提供了更广阔的空间。近代统计学的发展虽有上百年的历史，但大数据时代的到来，依然暴露出了它的缺陷。如数据的收集方式、管理和存储、抽样调查的设计和运用、统计分析方法和计算等，在大数据条件下，都部分颠覆了传统统计方法的运用，给统计学和统计学家带来了严峻的挑战，也给我们开放教育统计实践教学带来了新的思考。
二、基于大数据的开放教育统计实践教学初探
（一）大数据时代传统统计实践教学存在的必要性
统计学作为研究数据方法论的科学，大数据时代不会改变它的性质，它一方面给统计学提出了挑战，要求统计学解决更多、更广泛的问题，另一方面也给统计学带来了机遇，要求统计学在理论上和方法上必须有新的创新。
我们先来看看统计理论。大数据虽然对统计实践教学产生了一定的冲击，但任何实践必须与理论相联系，只有懂得了理论知识，才能更好地将理论运用到实践中去。所以，大数据时代也应该强调统计理论的重要性，虽然有些概念在大数据时代已经不再作为统计的重点，比如统计总本和样本、抽样推断等，实践教学中，我们可以淡化它的概念，模糊由样本推断总体的方法，但其中的统计思想还是值得学员学习的，如统计归纳和统计推断的原理还是要弄清楚的。
我们再来看看统计调查、整理和分析方法。传统统计学对结构化数据的收集、整理和建立模型方面有自己的独到之处。大数据时代并不是所有的数据都是海量，也并不是所有数据都包含有半结构化和非结构化数据，传统的统计整理、分析方法仍然有用。当然，大数据时代，由于数据性质的变化，统计分析方法更加复杂，更需要借助于统计分析软件的使用，在教学过程中，对学生使用新的统计分析工具解决实际问题提出了更高的要求，可以说，大数据时代的统计学是对传统统计学的补充，更加丰富了统计学的教学和实践内容。
（二）重视学员对大数据收集，体现时代特征
统计数据的生产方式随着科技的进步、时代的变化，与传统的数据生产方式相比发生了根本性的变化。
传统的统计数据生产方式是根据问题来确定调查目的，再根据调查目的进行统计调查，利用不同的统计调查方法，如普查、抽样调查、重点调查和典型调查等，来收集数据。在实践教学中，我们按照传统的统计方法进行教学，并没有问题，因为它是对原理的解释和运用，让学生了解统计的基本原理和方法，对统计工作和统计学有一个基本的认识，这也是很必要的，但随着时代的发展，数据环境的变化，仅仅这些还是不够的，学生的学习也要跟随时代的发展，适应时代的变迁。大数据时代，数据的生产方式发生了很大的变化，需要借助传感技术或专业软件，如爬虫软件，从网络或者电商平台中爬取数据。在实际教学中，因为现在我们网上购物非常普遍，我们可以让学员结合自己的购物情况，从电商平台爬取交易量以及其他方面的信息，将学习与现实生活相联系，学会数据的收集。传统的统计数据收集方法，目的性很强，数据针对性强，单个数据价值量大，数据数量有限。大数据时代，数据的来源途径多样，所有联网的东西，都可以看成是一个超大的数据库，数据的类型和维度也多种多样，单个数据对整体的贡献比例缩小。我们需要从这些泥沙俱下的数据中获取有价值的信息，显然这些信息不是有所预期的。 从上面的分析中，我们可以看出，随着统计调查对象性质的变化，数据的产生不再拘泥于翻阅资料和抽样调查，而是依赖互联网，获取的数据从数量、结构和类型上已超越了传统统计数据的概念。
在实际教学中，我们要鼓励学员结合实际问题主动收集数据，获取“第一手资料”，同时教师在教学方式和手段上要体现时代优势，让学员感受到大数据就在身边，数据收集、数据挖掘触手可及。我们的授课内容可以超越传统的统计指标和统计图表，扩展到非结构化数据，介绍复杂数据的识别、存储和整理等。
（三）强调数据整理，提高动手能力
关于数据的整理，传统的统计学中基本的统计整理方法包括统计分组、数据汇总、表格编制等方法和步骤，由于数据量小、结构单一，统计整理方法较为单一和简单。大数据时代，数据除结构化数据外，还有半结构化和非结构化数据，基本的统计整理方法已不再适宜，我们要跳出传统的统计整理模式，给学员介绍更深更广的知识，如什么是复杂数据、数据分类、数据管理和存储方法等。
统计数据是否能反映总体特征，关系到后续统计分析结论的有效性和科学性，大数据时代，统计数据的整理涉及到数据清洗、降噪、降维等处理。数据清洗，从字面上看，就是把数据洗干净，我们可以这样理解，就是检查数据，清除重复的、异常的、偏离整体分布的数据，处理缺失值或无效值等，使用于分析的数据更能反映总体特征，更能挖掘出有价值的信息。在数据的收集过程中，会产生系統误差和随机误差，在数据传输存储过种中会产生截断误差，那么降噪就是采取一定的方法，去除躁音波动大的数据，去除和其他数据不相一致的数据，降低数据误差，为提高统计分析效果作准备。在海量的、不同来源的数据的相互融合中，使得高维数据越来越普遍。高维借用了空间维度的概念，来指代数据来源复杂、种类繁多、承载信息丰富等特点。数据维度每增加一个，就会影响所有原始数据的分析和判断，甚至得出相反的结论。所以，随着高维带来数据的异质性、噪声积累等特征，这就使得很多经典的统计方法失效，因而数据的降维比以往时候显得更为重要和迫切。在大数据时代，数据的不精确性，需要用非统计的方法，如数据系列化、文本内容向量化等来进行转换和编码。因而，在数据整理阶段，统计数据的存储、调取、传输和管理应作为重点研究的内容之一。
（四）加强统计分析，解决实际问题
因为传统统计资料的来源根据我国《统计法》的规定，是以普查为基础，以抽样调查为主体。所以，传统的统计分析方法主要是抽样推断，在抽样调查的基础上，利用随机样本指标来推断总体相应数量特征。在大数据下，样本就是总体，数据分析不再依赖于抽样数据，因而，抽样推断也就失去了意义，依靠小概率事件原理的参数估计和假设检验也就失去了用武之地。因而，基于大数据的传统统计分析中首先受到冲击的是以随机抽样为核心的传统统计模型基本框架。还有一些传统的统计分析方法，如相关分析、多元回归分析等统计分析方法，虽然可以使用，但分析效果达不到预期。
在实践教学中，开放教育的学员都是在职人员，具有一定的社会实践经验，对他们来说，结合现代数据的特点，探讨大数据环境下统计资料的收集、整理、分析是非常必要的。所以，引导学员对具有大数据特征的数据进行实践，加深学员对大数据环境下的数据与传统数据的认识，提高学员对现实中各种限制条件的理解和处理能力，能丰富教学内容，扩展学员视野。在实践中，提高学员的实践能力，离不开统计软件的运用，传统教学中，比较简单的就是EXCEL，用得较多的是SPSS，还有EVIEWS、R、SAS都是现有的常用软件之一。学员能否熟练运用统计软件，关键因素之一就是计算机操作技术要达到相应的水平，所以上机操作不失为一种比较好的实践方式。
三、对未来统计实践教学的展望
（一）注重统计思维的培养
大数据时代，传统的思维模式已不适应时代的需要，人们的思维模式必须向大数据方向靠拢。统计思维的培养首先要从收集数据开始，培养学员的数据思维思想。实际教学中，学员的数据来源都是采用别人已经搜集到的“第二手资料”，自己很难去收集或者接触到“第一手资料”，这无疑扼杀了学员数据思维思想的产生。“第一手资料”的收集对培养学员的数据思维思想起着重要的作用。其次是不确定思维思想。近代统计学受概率论影响深远，它从来不绝对地说“是”或者“不是”，而是通过相关分析、综合分析等找出规律，理解不确定性。这种统计思维方式，也体现了现实世界的真实性。再次是辩证思维的思想。我们不仅要教会学员统计学知识，还要教会学员用辩证的、理性的、客观的眼光去看待周围的事物，学会尊重规律，保持良好的心态，理解和包容个体，与自然和社会和平共处。
（二）多学科、多团队协作
大数据时代，没有一种单一的技术分析手段可以贯穿始终，它需要多学科的交叉与协作。比如，数据的获取，需要网络和传感技术，或者是“爬虫”技术等新的数据收集手段。统计手段的更新、统计分析技术的应用需要多学科的相互融合，包括与计算机科学与技术、数学、管理学、信息学、经济学等，只有它们高度交叉与融合，兼收并蓄，这样统计才更有活力。
由于数据的海量性、多结构化和动态性，导致统计工作也相对放大，需要多团队相互协作，才能更好地完成数据的收集、整理、分析和反馈任务。在实际教学中，结合统计实用性的特点，创新教学模式，引导学员进行大数据的收集，培养学员在大数据处理、分析中的团队协作精神，以案例教学为抓手，增强学员的实际应用能力，提高教学效果。
（三）解决师资队伍结构不完善问题
统计学的绝大部分老师接受的是传统统计理论的培训，在传统统计领域，不论是教学还是科研，都有着相当深厚的专业功底。但在大数据背景下，有关大数据、大数据的清洗、降维、降躁、可视化、云计算及其他相关理论及数据挖掘技术等，是一个相对陌生的领域，是一个断层。因此，要加强师资队伍建设，解决师资队伍结构不完善问题。其做法可以先从教师队伍内部培养，即数学功底好、对大数据感兴趣的教师和统计学教师，鼓励他们参加大数据学科的培训和研讨，同时，积极主动自主学习，这样可以在短期内培养一批在大数据方面有专长的教师团队，弥补师资队伍结构不完善的问题。
（四）展望国家新型统计人才的培养
大数据的出现，对统计中的随机抽样、因果分析和数据维度提出了一系列的挑战，这就需要相应的专业人才，大数据的采集、整理（清洗、降噪、降维）、分析和决策等数据分析人才的市场需求越来越大。数据分析人才对数据挖掘和统计建模等技能提出了很高的要求，同时，他们还需要具备计算机科学与技术的相关知识，具有多学科的相关知识。在培养过种中，需要政、企、产、学、研等多部门协同培养。我国目前试点的有北京航空航天大学与慧科教育合作的“大数据技术与应用”合作项目;清华大学集中校内若干院校力量开办的大数据项目;中国人民大学等五所高校联合开办的大数据分析硕士培养协作创新平台，走出了大数据分析人才培养探索的道路，为大数据人才培养指明了光明前景。
在大数据时代，统计教学人员要抓住机遇，面对挑战，在做好传统统计学教学的基础上，适应时代变迁，创新教学思路和方法，培养更多更实用人才，为服务社会做出应有的贡献。
【参考文献】
[1]韩静舒，大数据背景下“统计学”课程教学方法研究[J]，教育教学论坛，2019第9期.
[2]何红飞，大数据背景下的传统统计教学[J]，财经界（学术版） ，2016第21期.
[3]颜冀军，大数据时代下高校统计学教学改革的思考[J]，市场周刊（理论版），2018第23期.
[4]梅莹，何俊寅，大数据时代背景下统计学的教学与思辨[J]，楚雄师范学院学报，2018 第3期 .
[5]康元宝，大数据时代统计学教学行动变革的思考[J]，高教学刊，2018第20期.
[6]窦登全，张超群，大数据时代背景下统计学教学的应对策略[J]，西部素质教育，2018 第18期 .
[7]中国人民大学“大数据与应用统计”研究组，大数据时代统计学的重构与创新[J]，统计研究，2018年第2期.