发布时间：2023-09-21 10:01:25
绪论：一篇引人入胜的大学数学统计学，需要建立在充分的资料搜集和文献研究之上。搜杂志网为您汇编了三篇范文，供您参考和学习。
【基金项目】贵州省科技厅、贵州民族大学联合基金（黔科合J字LKM[2011]09号）
【中图分类号】G642 【文献标识码】A 【文章编号】2095-3089（2014）08-0235-01
1.引言
“大数据”时代的来临和“大数据”处理技术的发展深深的影响着统计学的发展。能否利用传统的统计理论和统计方法对海量的数据做出快速、准确的处理并获取相关信息？如何对传统的统计理论与方法进行改进或探索新的统计理论和方法来对大数据进行挖掘与处理以获取信息？如何在“大数据”时代背景下培养符合市场需求的统计分析师或数据分析师？如何将“大数据”处理技术融入相关统计学课程教学以促进数据处理与分析技术的发展？这些都是我们在统计学相关课程教学过程中必须思考的一个问题。
2.大数据与统计学
“大数据”随着社交网络、物联网、云计算等的兴起而产生。一般认为大数据具有规模性、多样性、实时性及价值性四个基本特征，包含分析、带宽和内容三个要素。“大数据”在数据来源、数据结构和处理方法方面对传统的统计分析方法产生了冲击。第一，在大数据背景下，数据来源不再是原来的简单抽样，而是“样本即总体”，直接将总体作为研究对象。第二，在大数据时代，研究对象也不是原来单一的结构化数据，由于数据的多样化与规模化，我们更多的是研究非结构数据，采用人工智能来进行数据挖掘和信息获取。第三，数据处理方法也不是简单的采用传统的假设检验方法进行研究，特别是对于统计学中的异常点，不再采取以往的丢弃或者平滑处理方式。
“大数据”处理技术对统计学的发展提出了巨大挑战，但我们必须认识到学科之间的发展是相互交融的，“大数据处理技术”其本质上是数据处理与分析技术，其发展对统计学学科的发展也有积极的一面，同时统计学作为一门独立的学科，有其自身独特的学科优势。首先，海量的数据有利于提高各类统计分析的精度，如减小抽样误差等。其次，较之于传统的统计学方法，现有的“大数据”分析方法难度较大、成本较高、耗时较长。而在实际的应用中，我们关心的不是数据量的多少，而是数据量所蕴含的信息。传统的统计学分析方法是以较少的数据进行精确度相对较高的统计分析，这是“大数据”分析所无法替代的。另一方面，统计学在数据收集方法、模型选择、模型假设以及模型诊断方面有很大优势。而且并不是所有的问题都具有海量的数据，并不是每一个“大数据”问题都适合用现有的“大数据处理技术”来处理。
3.对策与建议
3.1 夯实基础教学
针对以上的分析我们可以看出，大数据对统计学的发展既是机遇，又是挑战。因此我们在教学过程中要夯实统计学基础知识的教学，讲清楚统计学的基本原理与基本方法，特别是数据分析与数据处理的基本原理与方法。对于许多传统领域，如生物、医药以及质量与可靠性工程等，我们面对的多是“小数据”而不是大数据，因此基于样本的统计分析方法仍然是进行此类问题研究的最有效的科学手段。
另一方面，我们要结合大数据技术的特点，对统计学的基本知识进行拓展教育，引导学生思考怎样将已有的统计学基本原理与方法运用到大数据处理的技术研究中。如在大数据环境下怎样进行数据的收集、筛选与甄别、存储与分析等，如何分析并厘清可能的数据来源与范围，如何建立相关指标体系并对数据进行分类，如何制定或调整相应的统计参考标准，以及如何对依靠非传统数据源加工生产的统计数据进行规范的统计推断等。
随着大数据时代的来临，各行各业对具有统计背景知识人才的需求必定越来越多。因此，在统计学教学过程中，一定要结合各专业的特点，特别是“大数据”的特点，切实加强统计学的基础知识教学与拓展教学。
3.2 加强统计学专业软件教学
“大数据”环境下，对统计人才需求也发生了变化。面对海量的数据与多样化的数据，一名合格的统计人才或数据分析人才不单需要良好的统计素养与扎实的统计基础知识，更需要具有数据的存储与整理能力、计算能力以及数据分析与处理能力等。这就要求在教学过程中，加强统计软件或数学软件的教学。
针对传统的“数学证明+手工计算”或“重理论轻专业统计软件”的统计学课程教学模式，可将统计软件或数学软件融入课堂教学并安排一定的课时上机学习统计软件，以此提高学生数据处理能力，加深对统计学基本原理的理解与掌握。
在加强统计软件或数学软件，如SPSS、R、SAS以及Matlab的教学过程中，要摈弃“会软件的操作即会统计技术”的思维，要让学生真正掌握相关操作与相关算法，深入思考算法的实现与相关理论的应用。同时引导学生思考对“大数据处理”的技术要求，包括数据搜集、发掘、存储以及计算分析过程中的算法与设备要求等，引导学生针对大数据进行软件升级与开发。
3.3 突出案例教学与实践教学
大数据的产生和发展源于规模经济问题或超规模经济问题的研究。每一个大数据问题的研究都是与实际经济或社会问题紧密相联的，因此，在实际教学过程中，要突出案例教学与实践教学，由易到难，通过案例教学逐步引入大数据的概念以及大数据处理的基本技术，提高学生的分析全局观以及进行实际数据分析与处理的能力。
教学改革的目的是培养在“大数据”时代背景下，符合市场需求的专业统计人才，而合格的专业统计人才必须具备良好的统计实践能力。案例教学与统计实践活动是培养学生统计实践能力的有效途径。因此，在教学过程中，一方面，教师可融合各种与实际问题相关的案例进行分析和讲解，加深学生对相关统计理论知识的理解，激发学生的学习兴趣，培养学生解决实际问题的能力。另一方面，教师可以组织多种形式的课堂或课堂外的统计实践活动以培养学生统计实践。如，指导学生针对他们感兴趣的与经济、社会发展相关的统计实际问题展开统计研究，设计调查问卷，收集数据、整理和分析数据，撰写研究报告，实现对实际问题的分析和解决等。
4.结束语
总之，在“大数据”环境下我们既要积极面对挑战，又要紧紧抓住机遇，切实结合“大数据”的特点和“大数据处理技术”发展的需求，既加强对传统的统计学方法、统计理论的教学，又积极开展 “大数据“环境下的拓展教学，推动统计学的发展，在数据收集、数据分析以及统计制度等方面进行改革和创新。
参考文献：
[1]李国杰. 大数据研究的科学价值[J]. 中国计算机学会通讯，2012，8（9） .
[2]姜奇平. 2013 全球大数据-大数据的时代变革力量[J]. 互联网周刊，2013，1.
21世纪爆发的信息技术革命，改变了社会发展过程中的方方面面。在云技术、物联网技术等高科技信息技术的大规模革新背景下，网络数据增长速率十分惊人，海量庞大的数据标志着大数据时代的来临。作为与数据紧密相关的统计学学科，在大数据的时代背景下，将会面临一系列的机遇和挑战，研究统计学在大数据时代的发展趋势有着十分重要的时代意义。
1.大数据时代统计学面临的挑战
统计学是一门传统的学科，发展至今已经有几千年历史，无论是学科理论领域内还是生产实践过程中，统计学的发展已经十分成熟，存在着许多成熟的研究成果。统计学的不断发展为人类的社会生产带来了极大的影响，随着大数据时代数据呈现海量、分散式的分布状态，其对统计学的影响也是较为明显的。一方面，大数据时代数据之“大”已经超出人们的想象，数据之“全”让人们对于事情的认知更加全面，大数据的多样性、大体量改变了数据样本与总体之间的关系，另一方面，大数据的数据多样性的特点改变了传统统计对数据统计分析的主观诉求，过去人们通过统计分析更偏向于追求“为什么”，而现在的统计分析更趋同与追求“是什么”。这一系列的影响对于统计学的进一步发展提出了新的发展挑战：
1.1样本选取以及标准的确定难度加大
样本统计属于统计学的核心内容，统计学通过样本统计对客观事物数量特点、数量关系等展开研究。在大数据背景下，样本与总体之间的局部与整体之间的关联性将会进一步地降低，造成样本即是总体的变化趋势，因而会造成大样本的标准化的变更。数据来源的多样化进一步的提升了样本数量，继而提升了统计精确度，促进了统计学学科的高精尖的发展。但随着样本数量越来越多，而从网络环境中采集到的数据多半属于非结构化的数据，但传统统计学要求结构化数据，利用传统的关系数据库难以对非结构数据进行有效的转换，难以挖掘大数据大样本数据中的潜在信息。大数据时代统计样本的选取工作难度不断提升，传统统计学缺乏非结构数据的建设，难以发挥出大数据时代，大数据库有效转换非结构与结构数据的优势，也为统计学的进一步发展提出了新的挑战。
1.2统计软件以及统计方法的欠缺
随着信息计算机技术的快速发展，基于计算机运算环境的统计学软件应运而生，统计学软件的使用有效提升了统计学中对数据分析和处理的效率和精准率，统计模型也进一步的简化了统计的实际操作，更有利于一般性的统计工作的实践操作。大数据背景下，现阶段发展较为成熟的统计学软件如SPSS、DPS等，尚不能够实现大数据高速传输、存储功能，软件功能还需要一定的开发和升级。与此同时，数据在大数据时代下属于一项资本，其被开发的水平还略显不足，绝大多数被互联网、搜索引擎以及电子商务等相关IT公司、统计机构所掌握。
2.大数据时代统计学面临的机遇
2.1统计效率的提升
在大数据时代，统计学的统计效率得到了更好的体现。一方面，大数据的多样化、及时性特征能够有效弥补传统统计中数据的滞后性问题，有效的提升了统计的时效性，另一方面，大数据的高速传输为统计的动态数据的收集提供了保障。与此同时，大数据可被频繁反复应用，采集的统计数据不再单单局限于一种相关用途，其能够服务于各式各样的需求。对采集数据应用的次数逐步增多，数据所具备的潜在价值被更全面的挖掘，而采集数据所产生的成本并不会受数据应用的次数所影响，故各式各样用途的平均统计成本将得到显著地降低。
2.2统计学科体系的新延伸
大数据引入到统计学科之中，庞大的数据使得样本的选取、标准划分都产生了新的变化，传统统计中的样本统计将会进一步的朝向总体统计的方向发展，一并囊括总体统计、样本统计的统计学科体系，能够有效消除总体统计的数据采集难度，弥补样本统计的数据采集不足，达到有效延伸统计学科体系的目的。
2.3统计学科的应用范围扩大
传统的统计学实践是为了去了解一个结果或者一个原因，但基于大数据的统计学科将向人们展示的是一个具体的过程。从前，人们习惯于根据“研究问题”来驱动“收集数据”。今后，大数据到处可得，人们将会用“数据”驱动“研究问题”而这种功能性的还变，促进了统计学应用范围的进一步扩大，例如传统的统计学往往被用来作为一个数学形式的参考信息，例如卫生统计、生产统计等等，但在大数据背景下，数据本身所含有的信息更加丰富化和多元化，基于海量用户下的网络数据所包含的信息极为广阔，而这些信息涉及到他们生活中的方方面面，这些信息一旦被深入挖掘出来，将会促进许多产业的快速发展。在大数据背景下，传统统计学的结构化数据局限会逐步接触，在非结构或者半结构的数据统计下，统计学将会应用到许多传统意义上无法数据化的行业领域中。
3结束语
数据是统计学科的核心，也是统计学科的主要价值体现。大数据时代改变了传统的数据的意义，数据所包含的信息、传播速度、分布速度也远远超出了我们的想象，数据核心意义的转变，迫使得以此为基础的统计学科必然会随之做出改变。机遇与挑战并存，在新的时期，统计学要想快速完成其学科的有效转换，就必须要进一步的深入研究大数据的时代特征，并有效地与传统统计学结合起来，以达成统计学科的进一步发展。
作者:郑雅倩 单位:海南师范大学数学与统计学院
参考文献：
中图分类号：G4 文献标识码：A doi：10.19311/ki.1672-3198.2016.33.147
1 引言
管理统计学是一门应用统计学方法和理论研究经济管理问题的应用性学科，它通过收集、分析、表述、解释数据来探索经济管理问题的规律，并辅助企业进行管理决策和提高管理效率。传统的统计学关注小规模数据下的数据描述、推断和科学分析用。与之相应，管理统计学的课堂教学主要关注统计学原理的讲述、小数据的推断分析和经济管理问题的简单应用。
然而，自2008年Nature杂志发表“Big data：science in the peta byte era”以恚大数据的发展方兴未艾，备受学术界，企业界等关注。大数据的理念和技术不仅在互联网、金融、机器人、人工智能等领域取得突破性进展，也将对企业的生产、经营和决策等活动带来深刻的影响，通过对企业大数据的深度挖掘，有助于实现企业的商业价值，规避企业的决策风险，提高企业的竞争力。
大数据时代的到来，对管理统计学来说既是机遇又是挑战，机遇在于：大数据的分析主要建立在统计学的基础上对数据进行处理、分析，从而使得大数据可视化；而挑战在于：当下管理统计学的教学方法和教学手段难以匹配大数据时代对数据分析从业者的要求，这就要求对管理统计学的课堂教学模式进行进一步的发展与创新，以期适应大数据背景下的新要求。
如何结合大数据时代的新要求设计合适的课堂教学模式，如何结合丰富的大数据应用案例开展课堂教学活动，如何增强大数据背景下学生的数据驱动的管理决策意识，培养适应大数据时代要求的高素质人才，这些都是大数据背景下传统的管理统计学课堂教学模式所面临的问题和挑战，这也促使管理统计学教学工作者不得不去探究、优化甚至改革现有的管理统计学课堂教育模式。
2 传统管理统计学教学模式的概述
笔者所在的教学团队来自于武汉科技大学管理学院，承担全院《管理统计学》课程教学任务，在教学方法、实践教学等有较为丰富的教学经验。然而，在多年的教学过程实践和与学生的教学互动当中发现：现有的管理统计学教学模式尽管相对较为成熟，在培养学生的数据分析意识方面起到的重要作用，但是仍存在以下不足，而这些不足恰恰难以适应大数据背景下对管理统计学教学带来的挑战。
2.1 注重理论讲授，忽视应用教学
受技术发展和数据规模等因素的制约，传统的管理统计学教学大都采用理论驱动的教学模式，教师依托教材，注重统计学基本原理和方法的传授，学生掌握基本原理，对统计学的实际应用等关注较少。
尽管管理统计学课堂教学会涉及到一定的应用案例，但是这些案例大都简单，陈旧，数据来源单一，难以接触实际原始数据，统计建模思路也相对固定，这些教学案例既不能反映管理统计学的最新发展和应用思想，也无法将其带入企业经营的情景，对企业决策过程缺乏了解，这些因素都使得学生对该课程的学习兴趣不高，不利于培养学生应用统计学解决实际问题的能力，进而影响课堂教学效果。
2.2 注重数学推导，忽视工具应用
管理统计学要求学生掌握一定的数学基础，教材也都有较多的数学公式和理论推导，忽视了培养学生应用SPSSvSASvR等统计软件工具解决统计问题的操作能力。
根据经管类专业的培养定位，对于经管类专业的学生而言，相比于统计的数学公式，真正实用的如何借用SPSSvSASvR等统计软件工具来解决企业经营决策面临的实际问题，尤其是在大数据背景下，需要处理海量、复杂、多源、异质的高维数据。这些是单凭数学推导和简单的手动计算无法完成的。
近年来，大数据、互联网等技术的快速发展催生了一类新型且前景广阔的职业方向-数据分析师。综合数据分析师的职业要求，可以发现，这些职位大都要求从业者了解基本的统计学原理和方法，熟练掌握SPSSvSASvR等统计软件工具，并应用这些工具解决企业经营管理面临的实际问题。
2.3 注重知识考核，忽视项目训练
受限于教学管理制度和考核手段等因素，目前管理统计学课堂教学考核方式大都以闭卷为主，主要考察学生对统计学基本知识点的掌握情况，以及学生应用统计学知识解决简单案例的综合能力。
然而，在大数据时代背景下，除了要求掌握统计学基本原理，更应培养学生应用统计学知识解决实际问题的综合能力，而这种综合能力往往涉及数据获取、数据预处理、数据探索、统计建模、模型检验、模型评价、模型解释、模型部署和模型修正等数据分析的全过程，这种综合能力的掌握是无法通过现有的知识考核来达到的，这些必然要求学生通过参与实际项目或模拟情景来实现。
3 大数据背景下管理统计学教学模式探讨
