與大數據公司開展統計學專業實習的探索

張學新

[摘 要]本文系統闡述了當今大數據時代，高校與大數據公司聯合進行統計學專業實習實訓的必要性，提出選擇合作數據公司的標準，探索一種新的、低成本的、校內聯合進行的統計學專業實習模式。數據企業主導，一線工程師指導編程，真實企業案例教學是這種項目模式的核心。

[關鍵詞]大數據公司；統計學專業；聯合實習實訓；校內場地；準商業合同模式

[中圖分類號] O212.1 [文獻標識碼] A [文章編號] 2095-3437（2017）12-0047-04

無論在什么領域，信息是關鍵的競爭優勢。對于企業，數據是無處不在和免費的，稀缺的、有價值的是利用數據資源的能力，即通過數據分析，可視化和構建有效的統計模型來生產和交流信息。因此，高校統計學專業實訓教學要圍繞培養數據科學專業人才去設計和實施。

一、統計學專業實習現狀

目前統計學的實習方式還是以到政府統計部門或企事業單位為主的傳統方式。有統計學專業的高校基本上與地方統計局簽署了統計學專業教學實習基地的協議，也有通過關系與銀行、人壽保險公司共建統計學專業實習實訓基地的。

到統計局實習面臨許多困難和問題：實習內容與培養目標背離。多數統計學專業不再把統計核算作為統計學專業的全部內容或主要內容， 但統計局的工作仍以統計核算為主要內容，此外，出于保密，許多統計數據不會讓實習生接觸，無法提供給學生將在課堂學到的現代統計理論和方法用于解決實際問題的實踐機會。經濟普查、農業普查和人口普查則具有周期性，使得實習不穩定， 實習單位不能保證年年都能接收實習生。

合適的金融實習接收單位難找。銀行、保險公司對實習生要求具有金融保險學方面的專業技能，不愿過多接收統計專業實習生。在其他企業實習，專業學非所用，企業把實習學生當作高素質的廉價臨時工使用，經常加班，因此學生不愿意去這些單位實習。

重點大學的大數據研究院方案開始建設。2015年12月，復旦大學給出“復旦方案”，成立大數據學院和大數據研究院。大數據研究院得到IBM公司、中植企業集團的襄助。大數據學院與復旦相關院系建立聯合培養計劃，對本科生培養，采取“2+2”模式，學生在完成一、二年級的學習后可申請學習大數據學院的聯合培養課程，完成本科學習后，還有機會進入大數據學院專業碩士和碩博連讀項目。

大數據研究院有試驗場為服務對象供應充足的數據資源，提供數據收集、存儲、分析、計算等服務和軟硬件支持，以推動與大數據相關的交叉學科進行研究和產業應用。無疑，大數據研究院及配套試驗場給統計學本科專業實習提供了機會。但是，這種統計學專業實習模式不適用于絕大多數普通本科院校。

基于校企合作的“3+1”應用型人才培養模式啟用。這種模式[8]是在前三個學年里學生在校完成全部的基礎課程、專業必修課程、專業選修課程及公共課的學習，最后一個學年里進入專業對口的企業中接受系統的實地訓練，整個實訓過程受到嚴格的計劃和安排，使學生學以致用。這種模式的主要弊端有：前三年的課程與企業培訓的技能需求脫節，企業花費大量人力、物力等資源，卻不能帶來利潤，企業不愿意與學校合作，或者干脆提供低水平的合作。在實習過程中學校無法后續跟蹤與反饋，對學生的實習情況也沒有相應的考核與監管，實習無助于學生鞏固專業知識的應用。

韓山師范學院實行“3+1人才培養校企合作”模式。學校把畢業設計（論文）設計與專業實習實訓都安排到最后一個學年里由企業負責。據悉，多數學生實習結束后獲得了數據分析師結業證書。

二、現有統計學專業實踐教學模式的研究局限

統計學專業實習改革處于實踐探索中。董炳南[1]提出可以由實習帶隊教師出題，學生自主選題，然后進行社會調查。這種做法基本上是由學院老師指導，不夠貼近社會實際。林亮[2]探討如何提高實習實踐教學質量，提出應先使學生對專業的社會定位有個感性認識，再選擇實習單位。張波[3]探索與實踐重點大學統計學專業實習模式，與省統計局及網絡科技有限公司合作，但一般地方院校不具備這樣的優勢。趙建強，李蘇北[4]提出應當提高實踐教學學分，以主流的統計軟件來貫通相關的統計實踐課程。高鳳偉[5]提出開展“校企合作”的頂崗實習模式，學校安排在校學生進入專業對口的指定企業進行帶薪實習，實習結束后學生根據自身情況可以與企業簽約就業。汪朋[6]提出要實施案例教學，注重統計實驗室的建設，建立多平臺實踐教學體系，改革統計學專業實踐教學模式。魏岳嵩[7]提出要加強實踐教學的內外環境建設，加強和統計部門以及證券企業間的聯系，改善實踐條件和形式。

不難看出，國內現有統計學專業實踐教學模式的研究都有很大的局限性，還是強調學院單方面的建設，即便與企業建立合作，絕大多數也只是普通企業（不是專業的數據公司），在專業課程設置方面，依舊沒有咨詢數據企業的意見。這樣的專業實踐教學，本質上仍舊是學院主導，學生為企業打工，實習實訓與提升學生應用能力的要求相差甚遠。

在國外，合作學習統計學得到關注。Giraud[9]研究比較了統計課堂上，本科生合作學習方式對比課堂講授教學方式的相對效果，合作學習班的學生取得較高的考試成績。Cary[10]等人提供了統計教育者如何將合作框架應用于課堂教學和教師合作的實例。他們假定統計指導應該類似于統計實踐，目的是突出合作方式可能轉化為統計教育的具體方式，希望借此表達對那些不愿采用以學生為中心的教學策略的統計教育者，那些已經嘗試過這些方法，但最終又回到了更傳統的以教師為中心的教學的教育者的關切。美國卡內基梅隆大學迪特里希人文與社會科學學院的統計系，規定統計學碩士要進行為期一年，分兩學期進行的專業碩士統計實習項目，實習重點是項目咨詢，項目來自學校附近的公司以及校園有關部門。

本文探討高校統計學專業實習固有的劣勢及數據公司的優勢，系統闡明高校統計學專業實習與大數據公司聯合開展的必要性，給出高校統計學專業如何與大數據公司聯合開展（應用）統計學專業實習實訓教學的有益實踐。endprint

三、時代召喚高校統計學專業與數據企業聯合實習

2015年9月，國務院發布《促進大數據發展行動綱要》，系統部署大數據發展工作，提出要以企業為主體，營造寬松公平環境，加大大數據關鍵技術研發、產業發展和人才培養力度，著力推進數據匯集和發掘，深化大數據在各行業的創新應用，促進大數據產業健康發展。2016年3月，國家“十三五”規劃綱要（2016-2020年）提出：“實施國家大數據戰略，推進數據資源開放共享”。針對作為“十三五”十四大戰略之一的“國家大數據戰略”，我國《大數據產業“十三五”發展規劃（2016-2020）》也已頒布，提出主要任務是到2020年，技術先進、應用繁榮、保障有力的大數據產業體系基本形成，大數據相關產品和服務業務收入突破1萬億元，年均復合增長率保持在30%左右。可以肯定，“十三五”期間，大數據領域必將迎來建設高峰和投資良機。

大數據時代的到來催生高校新專業。2014年5月，中國科學院開設首個“大數據技術與應用”專業方向，面向科研發展及產業實踐，培養信息技術與行業需求結合的復合型的大數據人才。2016年2月16日，教育部首次增加“數據科學與大數據技術專業”，北京大學、對外經濟貿易大學及中南大學獲批。2017年3月，教育部發布第二批“數據科學與大數據技術專業”獲批名單，共32所高校獲批。這些高校新增的本科專業，帶有較鮮明的數據特色，凸顯培養應用型人才的傾向。

大數據時代給高校統計學專業聯合數據公司進行實習實訓提供了合作平臺。

四、高校統計學專業實習與數據企業需要優勢互補

（一）統計學專業課程設置有缺陷

首先，在內容上課程分散、不協調；課程冗余、缺漏，體系不健全；與企業應用貼合度不高，缺乏實戰企業案例。其次，數據挖掘課程設置較晚。較多的前端課程，諸如概率論、數理統計、C語言等使學生較難在專業實習（ 第7學期）之前形成較扎實的基礎和實踐能力。最后，數據挖掘課程使用的數據簡單。由于數據挖掘課程內容多，既要講模型和算法，又要講數據挖掘工具應用，教師不太可能花太多課時在數據預處理內容上（需要更多業務知識），總是使用非常簡單的數據。

這樣的統計學專業實習實訓無法使學生靈活應用統計學知識解決實際問題。在2015年第三屆“泰迪杯”參加數據挖掘競賽的全部664支隊伍中，應用數學及統計學專業有286支，占比43.07%。2016年第四屆“泰迪杯”全國數據挖掘挑戰賽參賽隊伍猛增到1665支，統計學專業占比例最高，達到50%以上。但是，組委會2015年的統計顯示，所有提交作品中，35%的參賽者不能正確分析和理解相關領域背景問題，不能正確合理地使用模型、算法。

（二）教師可能缺乏解決實際問題的經歷和經驗

企業對數據分析師有許多專業技能要求，例如 “行業知識和經驗”、“IT技術（數據庫技術、編程技術，例如SQL、C、Java等）”，而這些是在高校所不能實訓的。

（三）學校實驗室的設備性能不夠優良

做大數據分析，計算模式需要更新，因為工作環境已由單一結構（CPU，MIC）轉向混合結構（CPU+GPU+MIC共存協作計算）；程序由串行程序設計到MPI并行轉到多粒度異構分布并行。常用的“計算密集型到數據密集型到混合型（計算密集型+數據密集型）模式”、“傳統并行到分布式并行模式”在一般統計學實驗室無法提供實訓。

（四）學校單方面的專業實習實訓與企業實戰相差很遠

數據分析最為關鍵，相反模型只是用來優化結構的，但在學校，數據挖掘教學偏重算法、原理的學習，教學案例大都是為講解某個具體算法而設計的，缺少實際的應用背景；問題往往不完整， 缺少從問題識別/定義、數據采集/實驗設計、數據分析、建模、評估、應用的全過程。學校缺少合適的案例教學資源，教師缺乏行業背景，只會選擇較為理想和干凈的數據源，簡化了現實中數據的復雜性。

（五）校內實習實訓場所的限制

高校統計學專業實習先天不足，需要數據企業彌補。對數據挖掘企業而言，公司是智力密集型企業，擁有一批懂業務的數據挖掘分析人員。雖然企業擁有先進的數據挖掘專業設備，但是辦公場地小。數據挖掘任務不是標準化的，非流水線型，數據公司無法大規模接納實習生。因此，高校統計學專業實習需要主動與數據企業進行優勢互補。

五、統計學專業與大數據公司聯合開展實訓教學的做法

普通高校統計學專業實習應該選準大數據公司合作伙伴。我們認為，與好的大數據公司聯合進行統計學專業實習，能提供以下保證：

（一）打下堅實的基礎

學生能夠使用較新的軟件工具及數據挖掘技術，并學會如何把統計理論應用于實際。

（二）獲得實踐者的洞察力

通過實習，學生能接觸到愿意一起分享的擁有豐富統計實踐經驗的教師、工作人員和來訪問客戶。

（三）能通過指導性實踐去學習

學生有多種機會通過案例研究和動手操作咨詢項目實踐獲得應用體驗。

湖北工程學院正在探索一種新的低成本實習形式，即校內實習（非現場實習）：把企業一線工程師/講師請進學校，進行真實案例下的情景教學。這種新型實習是采用準商業合同的方式，與專業數據公司進行統計學專業實習實訓的聯合教學。選定一個基本條件滿足前述“選準大數據公司合作伙伴”要求的數據公司，以橫向項目名義簽署統計學專業的實習實訓項目。內容：基于企業真實案例，使學生掌握數據挖掘的基本算法及數據挖掘建模過程。目標：使學生了解數據挖掘技術的基本知識及理論，熟悉數據挖掘技術的主要應用場景及常用算法，了解數據挖掘技術針對具體應用的技術實現路線，了解數據挖掘的主要應用方向。實習實訓費用由校方以課酬費用方式向企業方支付，500元/小時。

整個項目分兩期進行。（1）編程語言學習期（14周）。校企聯合制訂實訓課程大綱，確定語言編程類課程及教材選用，選擇《Python入門：數據挖掘實戰》或《R語言入門》，主要是依據廣州泰迪智能科技公司2015年的抽樣統計，在17家企業的49個數據分析應用需求崗位中，數據分析工具使用排名前三位是R：46.94%，Spss：20.41%，Python：18.37%。學習方式：學校把課程納入專業選修課，2學分，指派教師領學。每周以邀請專家做學術交流的形式聘請企業進行一次視頻講課及答疑輔導。（2）校內實習實訓期（2周）。每個工作日實訓時間為8小時。企業在校方專業教師的參與下，完成培訓工作，負責指導學生完成《實習報告》。校內實習實訓的教學方法采用過程教學法，其主要特點一是精選典型企業應用案例；二是所有課程圍繞案例主線展開教學；三是課程不冗余、不缺漏、不重復；（3）親身參與企業項目。endprint

湖北工程學院統計學專業實踐教學很有特色。2015-2016年，本校統計學專業學生連續取得全國大學生數據挖掘競賽特等獎一項，二等獎兩項，三等獎四項的好成績。這種新的低成本實習形式能有力促進統計學專業教學改革，極大地提升學生的專業應用能力，特別是在數據挖掘方面的技能。

六、結語

與高校聯合進行專業實習實訓，大數據公司需要戰略眼光。數據挖掘對人才的技能要求較高，數據企業一般不會接納高校的本科實習生。因此，統計學專業與大數據公司聯合開展實訓教學需要解決如下主要問題：

（一）企業如何與高校優勢互補、互惠互利

高校要劃撥統計學專業畢業生專項實習經費，也可以在學生自愿基礎上，允許公司向實習生收取一定的費用。也采取其他輔助合作方式，例如在實驗室建設上邀請合作企業參與，激發數據公司合作的積極性。

（二）如何提升統計學專業學生的就業實力

數據公司要結合市場需求，將實際項目帶入校園，把大項目分解為一些小塊，讓學生都能參與其中，得到相對真實的鍛煉。

在校企聯合進行統計學專業實習的基礎上，學校可以進一步選派教師到企業培訓，培養實踐型教師，也提倡進行校企聯合申報科技項目等深度合作。

（三）大一——大三修完預備課程

一個合格的大數據分析師需要掌握多種技能：統計分析、可視化輔助工具、大數據處理框架、數據庫、數據挖掘工具、人工智能、挖掘算法、編程語言等。在進行統計學專業實習之前，統計分析、數據庫、人工智能、挖掘算法等基本課程必須在學校學完。實習實訓的前期只是在企業的幫助下，學習編程語言課程。

（四）統計學專業實習期限要延長至一個學期

教育部在《教育部等部門關于進一步加強高校實踐育人工作的若干意見》（教思政[2012]1號）中對強化實踐教學環節的要求是：增加實踐教學比重，確保理工農醫類本科專業不少于總學分（ 學時）的25%。依照文件精神，可以修訂人才培養方案，把實踐教學學時比重提升到30%以上，保證有充足的實習時間。

[ 參 考 文 獻 ]

[1] 董炳南. 改革統計學專業實習方式[J].統計教育，2002（2）：25-26.

[2] 林亮，吳群英，葛夢蘭.統計學專業認識實習教學方法探討[J].現代經濟信息，2008（5）：156-157.

[3] 張波.統計學專業實習模式探索與實踐[J].實驗科學與技術，2009（4）：105-122.

[4] 趙建強，李蘇北.應用型本科院校應用統計學專業的實踐教學體系建設研究——以徐州工程學院為例[J].運城學院學報， 2014（2）：74-78.

[5] 高鳳偉.應用型人才培養視角下的統計專業實習模式實踐與探索——以宿州學院為例[J].現代經濟信息，2015（6）： 234-429.

[6] 汪朋.大數據背景下統計學專業實踐教學模式探析[J].高等教育，2015（12）：77-78.

[7] 魏岳嵩.地方高校應用型統計學專業實踐教學體系的構建與實施[J].通化師范學院學報（自然科學），2016（3）：74-78.

[8] 仲旦彥，陳玉榮.基于校企合作的“3+1”應用型人才培養模式的探索——以會計學專業為例[J].大學教育，2014 （11）： 61-63.

[9] Giraud， G. Cooperative learning and statistics instrution [J].Journal of Statistics Education，1997（3）.[Online： http：//www.amstat.org/publications/jse/v5n3/giraud.html].

[10] Cary J. Roseth， Joan B. Garfield， and Dani BenZvi.Collaboration in Learning and Teaching Statistics[J]. Journal of Statistics Education， 2008（1）：1-15.

[責任編輯：鐘 嵐]endprint