数据分析课程范文10篇

摘要：在提质培优背景下，课程思政“大有可为”也“大有作为”。文章以专业基础课程——数据分析基础课程为例，研究如何贴合课程特色，对课程思政进行一体化设计，并在实践中检验课程思政成效，从而充分发挥专业基础课程的育人价值，落实立德树人的根本任务。

关键词：课程思政；总体设计；实践成效

2015年10月，党的十八届五中全会正式提出“实施国家大数据战略，推进数据资源开放共享”。[1]2021年《政府工作报告》也提出“加快数字化发展，打造数字经济新优势，培养数智化人才”。[2]随着大数据行业的发展，企业的数据能力、构建意识不断增强，更多的企业在不断引进专业数据人才。2020年，教育部出台的《职业教育提质培优行动计划（2020—2023年）》提出，职业教育要强化工学结合、知行合一，健全德技并修育人机制，落实立德树人根本任务，完善多元共治的质量保证机制，推进高质量发展。一方面是数据人才的稀缺，一方面是职教改革的迫切需要，因此，数据分析基础课程的课程思政建设“大有可为”也“大有作为”。本文按照提质培优的要求，遵循“一体化设计、结构化课程、颗粒化资源”的建构逻辑，对数据分析基础课程的课程思政进行实践探讨。

1数据分析基础课程的课程目标

数据分析基础是江苏信息职业技术学院（以下简称我校）面向所有专业开设的一门专业基础课。课程根据行业需求和“00后”学生特点，依据各专业人才培养目标进行设置，按照岗位能力分析应该掌握的知识点和技能点，形成课程教学目标，并细化为具体的知识点和能力点。以数据分析在各行业的应用为主线，对金融大数据、电商大数据等进行分析，培养学生的数据思维，使学生掌握数据分析的实用技能，最终达到知行合一、学以致用的目的。在专业教育的同时，以新时代中国特色社会主义思想为指导，坚持知识传授与价值引领相结合，注重课程思政教育教学改革建设工作，深入挖掘数据分析基础课程蕴含的思想政治教育资源，充分发挥专业基础课的育人价值，将价值塑造、知识传授和能力培养三者融为一体，培养“德、智、技”全面发展的高素质应用型人才。

1.1培育和践行社会主义核心价值观（德）

摘要：培育新媒体环境下的卓越新闻传播人才，需以落实立德树人的根本任务为基础。作为融合新闻系列课程之一的“数据新闻与数据分析”课程，可通过将思政元素融入教学目标、挖掘课程内容思政元素、建设经典教学案例库、树立优秀数据新闻团队榜样、反思不良数据新闻应用、灵活巧设教学环节、提升教师思政能力等方式，使思政元素内化于课堂教学，外显于学生成长，种好课堂责任田，为党和人民培养优秀的新闻传播后备人才。

关键词：课程思政；数据新闻；新闻传播人才培养

“强化思想引领和价值塑造，构建思想政治教育、职业道德教育、专业知识教育‘三位一体’新闻传播育人体系”①是2.0版卓越新闻传播人才教育计划的要求。打造新闻传播人才德育新模式，要求任课教师不仅要传授专业知识，还要注重思想引导和价值引领，以课程思政作为卓越新闻传播人才培养的有力抓手，将思想政治教育元素有机融合于专业课程教学中，以全新的德育模式培养新闻传播人才。“数据新闻与数据分析”课程是新闻传播学专业中实践性较强的新闻传播业务类课程，这门课程在培养学生掌握从数据到发现新闻、基于数据讲好新闻故事技能的同时，也要通过实施课程思想政治教育激发学生的社会责任感，培养学生正确的价值引导能力，使其未来能以过硬的专业技能、坚定的立场和满腔的热情从事我国社会主义新闻传播工作。

一、在教学目标中融入课程思政“数据新闻与数据分析”

课程是学科专业选修课，为新闻传播学专业学生开设。该课程的主要任务是向学生介绍数据新闻学的基本理论、方法和工具。为了胜任数据新闻领域的工作，学生需要知晓数据新闻的历史、经典案例或范例。“数据新闻与数据分析”课程注重培养学生的数据素养、批判性思维，引导学生理解具体的数据分析，了解数据可视化相关软件，基本掌握统计学概念、原理、方法及SPSS统计软件的应用，能正确运用数据结果发现值得讲述的故事（发现问题），运用数据讲故事（分析解决问题），并最终创作完整的数据新闻作品。“思想政治工作从根本上说就是做人的工作。”②在把思想政治教育融入专业课教学的过程中，要想最终实现“立德树人”的人才培养目标，除了强调传授基础知识、专业技能外，还应重视提升大学生的人文道德素养，使学生成为“德才兼备”的人才。对“数据新闻与数据分析”课程而言，“才”指学生对数据分析、数据可视化各种技能的掌握，“德”则指在数据新闻作品创制过程中诚实耐劳等道德品质的养成，以及对数据伦理与新闻传播伦理规范的遵守。因此，对“数据新闻与数据分析”课程的思政教育而言，应把立德树人的内容融入课程的教学目标中。通过对数据新闻的基本理论、方法和工具的系统讲授，使学生遵守新闻伦理与数据使用规范，熟悉数据新闻制作流程，运用数据结果发现故事、讲述故事，最终创作完整的数据新闻稿，并在此过程中养成良好的职业道德品质和家国情怀，为成为有知识、有温度、有情怀的新闻传播人才打牢思想基础。

二、在教学内容中挖掘思政元素

摘要：本文基于新闻传播人才数据分析能力培养实践，提出面向问题解决的数据分析能力培养路径。在此基础上系统化构建指向培养路径实现的数据分析能力培养体系，该体系包含课程、实训、师资三个子体系。

关键词：大数据时代；新闻传播；数据分析；培养路径；培养体系

大数据时代高校人才培养面临新挑战，受技术发展影响深刻的新闻传播专业更是如此。新闻传播教育融入大数据内容迫在眉睫，然而现实培养效果不尽如人意。分析其原因是当前培养方式主要停留在课程层面，通过直接在传统课程体系中加入一门或几门数据类课程实现，课程设置缺乏理论依据，课程之间缺乏逻辑关联。数据分析能力独立于新闻传播传统核心能力培养之外，需在专业内生需求驱动下，系统化设计培养路径与培养体系，设计过程需充分考虑专业特点。

新闻传播人才数据分析能力培养路径

大数据时代新闻传播生态面临重大调整的同时也深度参与时代形态塑造，因此数据分析能力培养目标指向：深刻理解大数据内涵，既能利用数据分析方法支持新闻传播领域需求，也能清楚认识新闻大数据在解决其他领域问题上的潜能。培养路径设计亦围绕该目标实现，主要内容包括：（一）强化数据分析思维培养，弱化技术细节传授。数据分析能力分为两个层面：数据分析思维能力与数据分析技术能力。前者包括：理解分析方法背后数学逻辑，明晰方法适用问题类型，能正确解释分析结果；后者包括：根据数据分析方法特点能利用可视化软件或编写程序实现数据分析过程。因此，数据分析能力培养方式细化为三种：数据分析思维与技术并重培养；重技术实现，弱分析思维培养；重分析思维，弱技术细节培养。毋庸置疑，思维与技术并重培养最为全面，但在加重学习负担的同时不可避免地会压缩其他能力培养空间。正如哥伦比亚大学教授James W.Carey所言“新闻学的学术来源应该根植于人文科学和人文类的社会科学中，新闻应该与政治、文学、哲学、艺术、历史联系”[1]，并重式培养不免舍本逐末，影响人才整体培养目标实现。得益于集成软件的可视化操作以及新一代编程语言丰富的可调用程序“包”，数据分析技术实现难度降低，为“重技术实现”培养方式创造条件。但集成操作在封装数据分析过程的同时也导致学生对方法内涵及其背后逻辑理解不透，缺乏举一反三的能力，更无法融合知识背景对分析结果进行深度解读。另一方面，计算机性能提升促进数据分析方法快速迭代，从技术角度培养学生，容易导致教学内容滞后或在该能力培养上投入过多时间。因此，笔者倾向“重分析思维，弱技术细节” 培养模式。该模式重点讲授数据分析方法原理，适用问题场景以及对分析结果进行有效解释。在原理讲授上可根据内容难易程度采用不同方式，例如对于基于单一数学公式的可直接补充数学知识；对于涉及复杂数学原理的，可采用通俗的符合现实逻辑的语言来讲述。无论采用何种讲授方式，其目的就是让学生真正理解数据分析方法内涵，切实具备将方法应用到现实问题解决的能力。（二）开展信息素养教育，提高信息检索与连接学习能力。采用“重思维，弱技术”培养方式必然存在两个弊端：一是学生技术实现能力不足；二是无法及时跟进技术前沿。总结教学实践，笔者认为开展信息素养教育是解决这两个问题的关键。“信息素养”概念由美国信息产业协会提出，根据Doyle在《信息素养全美论坛的终结报告》中下的定义可知：理解信息在问题解决上的重要性，描述面向信息需求的问题，利用工具获取目标信息，选择有效信息并将其准确运用到问题解决上是开展信息素养教育的目的[2]，也正是克服“重思维，弱技术”培养方式下人才技术短板的关键。首先，针对技术实现能力不足问题，可通过与有技术优势的专业人员合作来弥补。识别合作对象是开展合作的前提，当前数据分析方法种类繁多，在解决现实问题时需要与有不同技术专长的对象合作。因此仅依靠人际网络很难全面识别，需运用信息检索技术，多渠道获取信息才能更全面定位潜在合作对象并与之建立关联。另外，不同专业人员的思维习惯以及对问题的理解存在差异，这种差异将影响合作效果。为提高沟通效率，除加强本专业学生沟通技巧外，关键在于提高学生对信息处理需求进行准确的、符合专业逻辑的描述的能力，而这正是信息素养教育内容之一。其次，针对无法及时跟进技术前沿问题，除了需要授课教师及时更新授课内容，保证课程紧跟技术前沿，更为重要的是培养学生连接学习能力。连接主义学习理论认为数字时代的学习可以看作在特定时间访问与使用所需信息的过程，与之对应，连接学习能力就是在学习需求驱动下获取与利用分布广泛的信息的能力[3] [4]。信息素养教育正是该能力的养成途径之一。（三）深化人文社会学科教育，促进深厚人文素养养成，提高数据分析结果的深度解读能力。上述两条路径培养学生适应大数据时代发展的能力，但在发挥新闻传播专业优势方面效果有限。本节将探讨新闻传播专业在数据分析流程中的优势以及如何强化这种优势。面向问题解决的新闻传播人才数据分析流程可划分为：问题解析、数据分析结果获取、数据分析结果解读三个阶段。问题解析阶段任务包括：判断问题是否可采用数据分析方式解决，如可行需要采集那些数据、选择那些数据分析方法，该阶段考验学生的数据分析思维。数据分析结果获取阶段任务包括：确定数据获取渠道并明确采集需求；定位专业人员并与之建立关联；通过与专业人员合作获取数据分析结果，该阶段需要学生具备坚实的信息素养。数据分析结果解读阶段任务包括：准确理解数据分析结果，融合背景知识对结果进行深度解读，形成可供阅读的分析报告，该阶段需要学生具备深厚的人文素养。近年来，数据分析结果解读在分析流程中的重要性日益凸显，深厚的人文素养是开展深度解读的前提，而这正是新闻传播专业学生的优势所在。一方面，新闻传播专业重视人文主义教育，与文学、历史学、哲学等不断交融，培养学生人文情怀、独立思考能力与批判精神[5]。更有学者呼吁在当前环境下更要加强文史哲教育，夯实新闻传播人才的人文基础[6]。另一方面，新闻传播学科内在基因强调与法学、经济学、政治学等社会学科交叉，培养学生跨界能力[7]。由此可知，数据分析过程中凸显新闻传播专业优势的关键在于深化人文社会学科教育，促进学生深厚人文素养养成，提高数据分析结果深度解读及对解读结果准确描述的能力。

新闻传播人才数据分析能力培养体系

摘要：大数据时代，数据分析各环节的变化对统计学专业人才培养模式的变革起到了催化作用.数据挖掘作为拓展和提升大数据分析方法与思路的应用型课程，被广泛纳入统计学本科专业人才培养方案.本文对大数据时代数据分析师的职业需求进行了调研，在此基础上提出了基于R语言的项目式数据挖掘实验教学模式.教学实践结果表明，通过项目式学习，可以让学生在掌握理论知识的基础上，进一步提升分析问题和解决实际问题的能力，进一步适应大数据时代数据分析师的职业要求.

关键词：统计学；数据挖掘；实验教学；数据分析师；项目式学习

1引言

2016年美国统计协会(AmericanStatisticalAsociation)对统计学的内涵给出一个较为简洁的说明，将统计学定义为：“thescienceoflearningfromdata”，即从数据中学习的科学[1].该定义实际上与数据科学（DataScience）的内涵如出一辙.笔者以为ASA之所以对统计学做出这样的内涵解释，实际上表明在大数据浪潮中，统计学正走在变革的道路上.大数据时代，数据的产生、收集、分析与应用等环节都发生着深刻的变化.互联网技术的高速发展使每个人成为数据的生产者，数据生产已经突破了时间、地点的限制，数据量也由抽样数据向大数据转化；数据的存储类型由纸和笔记载的关系型结构化数据向半结构、非结构和异构的网络数据类型转化；数据的采集由根据统计分析目的的调查式收集向基于大数据技术的自动化采集方法转化；数据的分析由传统的验证型分析方法向探索型分析方法转化；数据的应用由辅助管理决策向引导变革转化.以上变化正在重塑数据分析流程，而数据分析模式的变革必然引起教育模式的改革.事实上，在大数据洪流的冲击下，统计学专业的人才培养模式已经悄然发生变化.当前，统计学专业融合大数据、计算机、人工智能等相关学科知识，引导学生认识和掌握数据处理的新技术，推动交叉学科应用型人才的培养，已经成为共识.其中，在统计学专业课程体系中引入数据挖掘课程就是典型的代表.数据挖掘技术在一定程度上弥补了传统统计分析方法的不足，可以进一步增强学生探索性数据分析的能力，更加适应大数据时代的需求.与统计学强调推断理论和方法不同，数据挖掘强调经验，着重于从数据中挖掘有用的模式和价值，只要能够有效地解决问题，方法和模型本身并不重要.因而，笔者认为数据挖掘课程能够拓展统计学专业学生数据分析的思路和方法，进一步加深对数据分析内涵的理解.由此，本文致力于探索大数据背景下统计学专业数据挖掘实验课程教学模式，以提升统计学人才实践应用能力，使其不断适应大数据分析的需求.

2大数据时代市场对应用型统计人才的新需求

数据分析师是统计学专业大学生毕业后的主要职业选择之一.数据分析师是指在不同行业中，专门从事数据搜集、整理、分析，并依据数据做出行业或市场研究、评估和预测的专业人员；是以实际数据为依据，对项目现状及远期进行统计、分析、预测并转化为决策信息的专业人才[2].为了客观分析大数据时代应用型统计人才需具备的知识、能力和技术，本文通过智联招聘网对企业公布的数据分析师职位招聘信息进行了调研，这些招聘信息都是面向应届本科毕业生的，具有较强的针对性，调研时间为2018年8月3日.本文调研了七家上市公司[3]，有国企事业单位、互联网公司、金融公司、网络游戏公司、网络媒体公司等，各公司对数据分析师的岗位职责、知识要求、能力要求和技术要求见表1所示.从数据分析师的岗位职责来看，不同类型的企业虽然具体要求不同，但是核心职责是相同的，主要有三个方面：负责业务部门的数据需求分析，也就是通过调研了解业务部门的需求，确定数据分析对象和目的；构建业务数据分析指标体系，即如何开展数据分析工作，确定数据采集、处理和分析及结果解读等环节的指标、方法、模型及数据分析工具等；为业务部门提供数据决策支持，包括撰写调研报告、数据分析报告及设计数据产品和开发数据分析工具等等.从岗位职责的核心要素来看，数据分析师是非常契合统计学专业的人才培养目标的，从调研到设计到分析到结果解读，是数据分析的一个完整流程.但是，也可以看出很多企业在数据分析中特别强调了数据挖掘方法，如北京计算机技术及应用研究所强调用户行为挖掘和个性化推荐、金融界强调用户行为数据和网络日志数据挖掘，而这些都不是传统统计学分析方法的范畴.从知识要求来看，大部分企业都要求数据分析师具有统计学专业背景，但互联网公司特别强调统计学、数学和计算机的交叉和融合.实际上，数据分析师作为复合型人才，除了掌握必要的统计分析理论和方法外，数学建模和编程能力都是必不可少的.从能力要求来看，较强的数据敏感度和清晰的逻辑思维能力是核心要素.其次，从业务来看，数据分析师需要同不同的部门打交道，沟通协调能力和团队协作能力也是必不可少的.从技术要求来看，大部分企业都要求数据分析师至少要掌握一种统计分析软件，如SPSS或MATLAB；至少要熟悉一种编程语言，如Python或R；至少要掌握一种数据库技术，如MySql/Oracle/SQLServer等，最简单的是excel.在高校及商业统计分析领域，R语言是当前最受欢迎的统计编程语言之一.综合以上分析可以得出，统计学专业的学生要想成为出色的数据分析师，除了具备坚实的统计学理论和方法外，还需要具备良好的计算机能力，如数据库技术和编程能力.更重要的是，数据挖掘方法与技术作为大数据技术的基础已经成为数据分析师必备的技能，也是企业招聘时重点关注的技术.

一、以“复合型”人才培养为目标创新教学培养模式

应用统计专业学位的设立是为了适应现代统计事业发展对应用统计专门人才的需要而设置的，它的培养目标主要是让学生掌握扎实的理论基础和系统的专业知识和技能，具备数据采集、整理、分析和开发的能力，能够从事统计调查咨询、数据分析等“应用型”统计专门人才[5]110-111。然而，在大数据环境下实现的数据分析已不再局限于某一类特殊的行业统计分析需要，各行各业的运作发展都越来越依赖于大数据环境的存储、计算、统计分析与决策。对于多样化的大数据集，其所涉及的内容和知识结构必然是不同学科的交叉应用。大数据时代的数据分析专业人才的培养目标并不仅仅是传统的数据收集、整理与分析，而是需要掌握能适应大数据特点的新的研究方法和独立分析的能力，能很好地融会贯通其他专业的知识内涵，成为真正意义的专业大数据分析人才。然而传统的统计学人才培养目标和教学模式并不符合社会对大数据分析专业能力的要求。参考和借鉴文献[6-7]8-9,226提出来的一些建议，笔者探索从以下几个方面对人才培养目标和教学培养模式进行改革：（一）走出校园，深入社会，挖掘并归纳出社会用人单位对数据分析专业职位技能和能力素质要求，进而制定符合社会需求的人才培养目标，以市场需求为导向更好地指导教学实践活动。为了更好地为用人单位输送符合大数据时代需求的专业数据分析人才，尝试对高年级学生的培养方案设计中考虑以岗位需求为标准灵活调整和制定相应的培养目标和内容。（二）参考国外本科生专业人才培养的先进理念，引入“协作式”培养模式，大力支持大型企业与高校合作或高校与高校合作培养复合型和开发型人才。各个高校、企业可以发挥各自专业特长来实现合作，高校的不同专业之间也应该加强沟通和协作，例如在制定应用统计专业数据分析人才培养方案及实施过程中，可以以统计学科所在的学院为主导，让计算机学科、经济、金融及管理学科等相关学院协作参与完成[8-9]60-64。（三）总结教学过程存在的不足，探索新的知识学习和能力培养的创新模式。目前的教学活动主要以老师独立授课，学生被动接受知识为主的方式，培养过程计划性强，缺乏弹性，培养的评价也过于单一。在本科生培养中可以引入课程学习、导师指导和科学研究三个阶段，考虑采用导师指导与集体培养相结合的方式，一门专业课程的讲授不再局限于单个老师完成，在培养方案中考虑主题分组方式，鼓励授课教师根据自己的专业特点和知识背景共同参与一门课程的教学活动。多名教师协同工作的模式可以取长补短，在大数据分析的实际案例设计及课程内容上都更加贴近实际需求，产生更好的教学效果[6]8-9。

二、基于大数据分析的特点科学构建课程体系

大数据背景下，人们可以通过互联网、数据库以及各种通信工具获得海量数据，人们日常生活、学习和工作的各类事物都可以实现信息化，世界几乎是由各种信息和数据所构成的。大数据的特点可以归结为四个V,数量大（Volume）、类型繁多（Variety）、价值密度低（Value）、速度快时效高(Velocity)[6]8-9。大数据的真正意义不在于能提供庞大的数据量，而是对海量的数据进行专业的处理和分析，并从中获取用户关注的信息。结合当前互联网应用中大数据本身的特点，从大数据中挖掘出重要知识并对之深度学习和分析的工具和方法也应与时俱进地发生改变，传统的统计方法和统计分析工具已无法满足大数据分析的需要。然而，在大多数高等院校中，统计学专业人才培养的课程体系并没有考虑社会的实际应用需求，仍然停留在以传统的统计模型框架为主导的课程体系设置，本科生教育的主要专业课程包括：数学分析、高等概率论与数理统计、应用随机过程、回归分析和多元统计分析等[10]248-249，这些课程内容和知识结构还不足以满足大数据时代对数据分析专业人才知识结构的要求，课程体系设置中缺少能有效整合的数据分析能力培养模块[11]66-68。因此，有必要针对各类院校师生各自的专业特点和学科基础，分层次、分阶段地展开课程体系改革。（一）参考国内外先进高校大数据分析专业的课程设置，结合本校的师资和专业结构特点采取灵活的策略制定课程计划，在实施学分制改革的高校中各类学生可以在学业导师指导下实施符合学生自身特点的课程学习方案。（二）以大数据分析人才需求驱动的课程体系改革要考虑市场的行业需求变化、大数据应用中跨学科的特点。素质好的数据分析人员不仅仅要具备专业的数据分析能力，还应该对具体数据中涉及的学科知识有较好的储备，能将不同行业的专业知识与数据分析紧密关联起来，实现大数据分析的效用最大化。此外，在充分借鉴国内外大学成功经验的基础上，课程设置应该与学生的学术倾向和基础能力紧密结合，注重基础课程教育的同时强调文理渗透，同时要兼顾学生的兴趣与学习的联系，在课程体系的设置中需要增设一些多领域、跨学科的选修课程，如经济学、金融学、保险学、管理学和会计学等。因此，校内跨学科或高校与高校之间联合培养是实现跨学科课程建设的有效方法之一。（三）科学构建课程体系的主要思路还包括根据大数据时代需求，对专业必修和专业选修课程在课程时间、顺序及内容等方面进行改革。专业必修课程重点内容为统计学和计算机科学的交叉部分，在讲授统计基础理论（如多元统计、决策树、时间序列等）课程基础上设置大数据案例分析课程，在案例分析过程中让学生实际操作企业当前应用的大数据计算平台[6]8-9，从而增强学生大规模分布式计算技能。为提高学生的实际动手和二次开发能力，专业选修课程需更多地开设与数据挖掘及面向数据的编程语言相关的课程，如数据挖掘算法、C++、Java和Python等课程，强化学生的数据挖掘和分析能力。

三、基于协同创新的理念开展实践教学改革

近几年，随着应用型、创新型人才培养目标的提出，学校越来越重视和加强对各类专业人才实践教学能力的培养，以“数据分析”为方向的专业人才需要运用统计分析软件对数据进行分析和决策，其实践教学的重要性更是不言而喻。然而，在大数据被广泛应用的时代背景下，高等院校中的实践教学仍然是培养高层次“大数据分析”人才的薄弱环节，实践教学教材及内容不规范、教学方法单一、软硬件的更新以及师资储备等方面都存在着一些问题[12]96-97。例如以模型驱动为主的实践教学模式已不适应大数据时代的要求，大数据时代数据是海量且复杂的，用简单的SPSS、Eviews为主的软件教学已无法处理大数据[5]110-111。因此，学习其他知名高校构建的协同创新的理念，结合财经类院校的统计学科及人才培养的特点，开展实践教学改革[13]248-249。对“数据分析”专业人才实践教学改革，笔者的建议如下：（一）根据协同创新理念，解决实践教学环节存在的实验教材（教学内容）缺乏实用性的问题，一方面可以参考企业对数据分析师、调查分析师资格认证相关培训教材，开发实用性强的《数据分析》实践教材，另一方面学校可以和企业或其他高校定期举办交流座谈会，面向企业需求甄选实践教学内容。（二）高素质的师资队伍对人才的培养无疑起着至关重要的作用，在提高指导教师理论和实践能力方面，借鉴协同创新联合培养的模式可以有效充分地利用企业、学校的各方面师资资源。例如北京大学、中国科学院、中国人民大学、中央财经大学、首都经济贸易大学5所高校已经与政府部门和产业界签署了联合培养大数据分析应用人才的合作协议[14]。广东财经大学也可以参照类似联合培养的做法，和广东其他高校、政府和企业合作。一方面企业或政府可以利用自身的资源为高校提供人才培养实习基地，并且引荐相关的技术人员聘为校外实习导师，指导学生在实习实践中建立以问题为导向，以项目为牵引的运作机制，让学生能够理论联系实际，切身体会数据分析的商业操作体系。另一方面，由于高校的专业教师缺乏社会实践的机会和经验，高校应该制定政策鼓励并推荐相关专业教师走出学校、走进企业，密切与企业合作交流，从而更进一步地提高教师对复合型专业学位人才培养的能力[15]29-32。（三）为了激发学生的学习热情，减少对实践操作的畏难情绪，实验课程的教学方法也需要探索创新性实践教育模式。教学过程可以考虑灵活的制定团队教学计划、案例实战分析、模拟实训等多样化的方式，减少单一的课堂内容讲授，在理论和实践教学环节中积极调动学生的主观能动性，提供更真实的企业大数据应用环境，并以学生为主完成实际案例分析。此外，基于不同的授课对象的特点，老师在教学过程中也要适当考虑学生的兴趣和需求，随时调整实验教学策略[9]。

【摘要】创客教育理念在医药经济管理专业学生数据分析能力培养中有着重要的作用。以医药院校为例分析了医药经济数据分析能力培养的现状和问题，从创客视角提出了医药经济数据分析能力的培养机制及保障体系。

【关键词】创客；经济数据分析；培养机制

一、研究背景

为适应医药经济和卫生事业发展需要，医药院校陆续开设了医药贸易、人力资源管理、公共事业管理、医疗保险、医药营销等经济管理类本科专业。各专业都是属于经济管理与医药学交叉融合而形成的新兴交叉专业，旨在培养学生扎实的经济管理、医药学理论基础以及较强的医药产业经济分析能力，医药数据处理能力以及创新创业等社会实践能力。当前医药市场经济信息量大，需要借助于经济模型和计量软件分析处理市场数据，拟合医药市场变化趋势，进行市场预测，为政府决策和企业项目策划提供依据。而医药经济管理各专业的培养目标就是培养学生扎实的医药经济理论知识和一定的理论建模和数据分析处理能力，能够运用经济学模型和计量统计软件，分析医药市场数据信息和存在问题，模拟医药经济变化趋势，为政府制定医药产业政策、企业拓展市场以及经营决策提供理论支持和模型参考。因此，在专业建设中要更加注重学生经济分析、数据建模和计量分析能力的培养。医药院校在医药经济管理专业建设和学生专业素养培育存在“重医药、轻经管”、“重理论、轻实践”的现象，学生经济理论和数理基础薄弱，市场调研和数据采集能力不足，急需培养医药理论和经济管理理论交叉复合型人才，能够在经济调研基础上，构建经济学模型，借助计量统计软件进行数据分析，研究医药市场突出问题及对策，为社会提供理论和数据支持。基于医药经济创客实验室已经在医药本科院校建立，因此，本研究将从创客视角提出医药经济管理交叉专业本科生医药经济数据分析能力的培养机制和保障体系。

二、医药院校医药经济数据分析能力培养的现状

1.实践基础。医药院校经济管理学院在经济管理专业建设中重视学生实践能力的培养质量。经过多年的课程建设、师资培养以及创客实验室的建设，以创客空间为基础的本科生医药经济数据能力培养机制已经初步建立并具有了一定的实践基础，主要表现在：第一，课程基础建设。医药院校经济管理学院已经建立了以经济课程、数理课程、统计学课程和相关实验课程为核心的创客模式的经济数据分析课程体系。医药经济管理相关专业开设了《宏微观经济学》、《统计学原理》、《计量经济学》、《医药高等数学》、《概率论与数理统计》、《线性代数》、《经济分析与预测》、《管理定量分析》等一系列经济与数理类课程，相关经济计量分析课程的开设培养了学生经济分析能力、市场调研能力、数据分析能力以及市场分析与预测的能力，这些为学生医药数据分析能力培养提供了必要的知识储备。第二，师资队伍建设。医药院校经济管理学院在经济学、统计学、计量经济学以及实验指导教师方面师资配置较为充足、师资结构合理，教师普遍具有扎实的经济学及统计学理论基础，具备计量分析及数据建模能力，撰写过高水平的计量分析学术论文，承担省级重点课题多项，具有指导学生运用软件平台进行创新创业模拟比赛的经验。此外，还邀请校外医药企业专家和实训基地的老师作为学生创新创业的指导专家，这在实践教学环节充实了学院的师资力量，为数据分析、项目运行提供了师资队伍储备。第三，实验室建设。医药院校经济管理学院重视实验室建设，建设了医药贸易综合实验室和金融统计分析实验室，购置了相关统计分析软件、金融分析软件、会计电算化软件以及国际贸易模拟软件，建立了教学互动软件平台，便于学生交流互动与教师指导。第四，创新创业平台建设。医药院校经济管理学院重视大学生创新创业平台建设，特别是已经建立了医药创客实验室平台。创客实验室是以互联网为载体，以学校实验室为核心区域，以学校项目孵化基地为支撑，以经济数据处理能力和创新创业实践能力提升为培养目标而建立的集创意交流、数据处理、市场模拟、成果展示以及项目孵化功能为一体的创新创业平台，医药产业创客实验室的建立为学生提供一个创意交流、数据处理、市场模拟、成果展示以及项目孵化的创新创业基地，有利于学生医药经济数据分析能力的培养与提升。

摘要：随着社会的发展，包括云计算、大数据在内的诸多高新信息技术逐渐浮出水面，目前已在商业、农业乃至服务业等多个领域展露效能，近年来更与教育领域发生结合。基于大数据技术的大数据分析能够对教学过程、教学效果等多方面的因素形成有效把控，继而提高教学质量，实现教育的改革创新。而随着近年来教育水平的提升，我国教育部正式在《关于“十三五”期间全面深入推进教育信息化工作的指导意见》中提出了教学模式优化的必要性，个性化教学正是我国教育未来的不二方向。现为迎合这一趋势，本文将对大数据分析及个性化教学进行阐述，并以计算机基础课程为例对基于大数据分析的个性化教学方法做出探究。

关键词：计算机基础课程；个性化教学；大数据分析；概念；方法

大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产[1]。个性化教学是一类能够尊重学生个性、兴趣乃至特长并进行因材施教的教学方法。由于学生间存在素质差异，针对不同素质学生开展不同模式的教育可以使教育效率与质量得到显著提升[2]。大数据技术能够通过云数据分析与计算将结果直接呈现于教师面前，教师据此对学生实际学习状况做出实时追踪与评测，并依据其实际状况制定不同的个性化学习计划，精准地把握学生在学习中存在的弊病并予以补足，实现从传统的任务导向教学向数据导向教学的轻松转变，其应用意义不可谓不深远。

1大数据分析在个性化教学中的应用意义

1.1转“被动”为“主动”

在基于大数据分析技术的个性化教学模式下，学生以往的学习行为皆会以数据信息形式被大数据分析系统纳入数据处理范围内。借助该类数据的分析，教师可以轻而易举地发现学生与众不同的优势及潜力，这些优势及潜力或许学生自身都未曾发现，而教师发现后可以此为依据为学生设定学习计划，选择个性化教学方向，更好地适应学生的学习状况。在这种教学方式下，许多在过去认为“学习难”的学生能够真正发现学习的乐趣，从根本上来讲，这正是一种“授之以渔”的方式。通过此类大数据分析学生能够真正实现从“被动学习”转变为“主动学习”。

计算机实验室教学是高职院校教学的重要组成部分，是培养高技术水平、创新型人才的关键，而高职院校计算机实验室是大学生实操学习、实践创新、开阔眼界的场所。但传统的机房实验室存在着不能及时反映实验设备的利用和损坏等情况，与实验室设备相关的数据信息规模小、管理模式落后，且面对日益增多的实验室教学与管理需求,传统的人工管理也受到了强烈的冲击,于是提升实验室的数字信息化管理水平就显得尤为重要。

一、高职院校实验室存在的问题

现阶段，高职院校的机房实验室存在诸多问题。

（一）实验室设备落后

部分机房实验室设备已经投入使用多年，故障频发，虽然投入大量维修升级资金，但收获效果甚微。实验室门禁仍然采用传统的人工开锁模式，极其不便；机房内部的环境监控设备只是安装摄像头，无法智能调节实验室温度，无法监控每台设备的运行情况。

（二）管理手段滞后

［摘要］随着大数据时代的来临，数学建模越来越引起人们的关注，数学建模在商务数据分析中的地位也日显突出。文章从数学建模相关概念的阐述入手，分析了数学建模融入商务数据分析与应用专业的可行性，并提出了数学建模融入商务数据分析与应用专业的实施路径，以期为学生奠定可持续发展的基础。

［关键词］数学建模；商务数据分析与应用专业；实施路径

数学模型是连接实际问题与数学问题的桥梁，是对某一实际问题，根据其内在规律，作一些必要的简化与假设，运用适当数学工具转化为数学结构，从而用数学语言描述问题、解释性质、预测未来，提供解决处理的最优决策和控制方案。数学建模是架设桥梁的整个过程，是从实际问题中获得数学模型，对其求解，得到结论并验证结论是否正确的全过程。数学建模是用数学语言和方法，借助数学公式、计算机程序等工具对现实事物的客观规律进行抽象并概化后，在一定假设下建立起近似的数学模型，并对建立的数学模型进行求解，然后再根据求解的结果去解决实际问题。在这个过程中要从问题出发，充分发掘问题内涵，按照问题中蕴含的内生动力，寻求合适的模型，经过实践检验后多次修改模型使之渐趋完善，同时还要进行因素灵敏度分析，找出对问题影响较大、更大或最大的因素。随着社会的发展，大数据时代的来临，数学建模越来越引起人们的重视，很多高校将数学建模纳入课程体系之中，以提高学生运用专业知识、数学理论与方法及计算机编程技术综合分析解决问题的能力，特别是数学建模竞赛能有效提升学生的计算机技术与运算能力、团队协作能力、写作表达和创新实际能力。近年来，随着互联网技术的迅速发展，形形色色的数据环绕着我们，数据分析方面的人才需求陡增，造就了商务数据分析与应用专业的问世。商务数据分析与应用专业虽是2016年才增补的新专业，但它是一个跨数学、电子商务、计算机应用等学科的边缘专业。培养主要面向互联网和相关服务、批发、零售、金融等行业，掌握一定的数理统计、电子商务及互联网金融相关知识，具有商务数据采集、数据处理与分析、数据可视化、数据化运营管理等专业技能，能够从事商务数据分析、网店运营、网络营销等工作的高素质技能型人才。商务数据分析与应用专业的学生毕业后主要从事电商数据化运营过程中的数据采集与整理、调整与优化、网店运营与推广等工作。从2019年开始1＋X证书制度试点工作拉开了序幕，职业教育迈入考证新时代，商务数据分析与应用专业作为第二批试点专业正在如火如荼地进行着，这将拓宽学生就业创业渠道，提高学生就业创业本领。但作为一名优秀的数据分析师要对数据敏感，熟知业务背景，认知数据需求，具有超强的数据分析与展示能力。若将数学建模融入商务数据分析与应用专业的人才培养体系中去，不仅使学生运用数学思维解决问题的能力得到提升，更使学生思路变得富有条理性，让学生养成敏锐观察事物的习惯，对学生的未来发展产生深远的影响。

1将数学建模融入商务数据分析与应用专业的可行性分析

将数学建模融入商务数据分析与应用专业不是牵强附会的关联，具有一定的可行性。

1．1在课程体系上具有可行性

摘要：大数据分析人才的缺乏已成为制约中小企业开展电子商务大数据应用的重要因素。本文通过分析了中小企业电子商务大数据人才需求，确定其人才培养目标以数据分析和应用为重，并兼顾开发能力培养。在此基础上，探讨了其课程体系构建、师资队伍建设，并从实践教学体系构建、实验实训室建设、实习基地建设、实践教学组织等几个方面讨论了其实践教学如何开展。

关键词：大数据；中小企业；电子商务；课程体系；实践教学

随着大数据时代的来临，越来越多的企业开始意识到在电子商务中应用大数据的重要性[1]。我国国务院于2015年8月31日印发了《促进大数据发展行动纲要》，将加强大数据专业人才培养确立为国家大数据战略政策保障机制之一，提出了“开展跨学科大数据综合型人才培养，大力培养具有统计分析、计算机技术、经济管理等多学科知识的跨界复合型人才”[2]。中小企业是企业中的主体，占企业总数的99%以上。但对于中小企业而言，大数据人才的缺乏已成为制约其电子商务大数据应用的重要因素之一。面向中小企业培养电子商务大数据人才具有重要的意义，本文将在开展人才需求分析的基础上，探讨如何面向中小企业培养电子商务大数据人才。

1、面向中小企业的电子商务大数据人才需求与培养目标

自电子商务专业开设以来，人们针对电子商务人才需求[3-4]和培养[5-6]开展了大量研究。虽然电子商务技术发展迅速，但到目前为止一般还是将电子商务人才需求分为四类：运营类、技术类、销售类和综合管理类[4]。电子商务大数据人才总的来说是属于第二类，即技术类人才。通过其所开展的大数据分析，为其他三类人才的工作，包括运营、营销和管理应用提供支撑。调研表明，电子商务大数据人才本身因其侧重点不同又可以分为两类：一类是偏重于大数据分析平台建设和分析工具开发的研发人才；另一类是偏重于大数据应用，如提供决策支持、客户分析、营销服务等的应用人才。由于大多数中小企业通常不具备独立开展大数据应用开发的条件，而主要是应用第三方的大数据分析平台和工具，因此，面向中小企业的电子商务大数据人才以商业分析与应用人才为主，并需要少量从事第三方平台或工具开发的研发人才。基于以上需求分析，我们将中小企业电子商务大数据人才培养目标确定为：培养具有大数据意识和思维，熟悉大数据和电子商务的相关技术，能够熟练应用大数据分析工具开展电子商务相关的数据分析和应用，并具有一定的大数据分析软件开发能力的技术应用型人才。

2、面向中小企业的电子商务大数据课程体系构建与实施