大數據分析能力在高職財會專業群的培養方式探索

張俊霞

摘 要：大數據時代的來臨給財會類專業人才培養提出了新的挑戰，本文分析大數據時代的新要求，并立足于高職學生學習實際，提出大數據分析能力培養的目標、內容和模式。旨在提高大數據時代下高職財會類專業學生就業競爭力和職業持續發展能力。

關鍵詞：大數據 財會專業群 培養方式

中圖分類號：F275 文獻標識碼：A 文章編號：2096-0298（2018）07（b）-184-02

1 大數據能力要求

隨著互聯網技術、物聯網技術的不斷發展，數據的產生、收集、分析方式都有著質的變化，數據大量、全面、實時、連續的記錄和數據形式的日趨豐富，政府、企業、單位、個人都參與的數據的產生和應用，大數據的發展影響著社會的方方面面。

財會專業群學生直接參與企業的經營管理，隨著物聯網和數據采集技術的發展企業經營管理數據會更加實時、全面、連續，伴隨著公共數據的積累，財會類崗位面對的數據也會越來越繁雜，培養財會類學生的大數據分析能力有助于提高學生的職業發展能力，培養學生大數據分析能力具有重大意義。

2 大數據能力培養的目標、定位和規格

大數據分析是一門集合計算機、數學、統計學等多學科的綜合技能，在繁重的專業知識學習中培養高職財會類專業群學生大數據分析思維、大數據分析能力的方式需要探索。

財會類面對的數據原材料采購價格、生產數據、銷售數據等，相對工整規范，具有可度量、貨幣化等特點，且財會類數據連續全面真實，這些數據特點與其他行業和政府的大數據還是有所區別。同時，高職學生學習時間短，數學基礎相對較弱，因此高職財會類學生大數據能力的培養應該淡化大數據開發、大數據系統架構等計算機能力、弱化圖片和視頻的采集和處理技術，突出結構化數據處理數據分析能力培養。

數據本身是抽象的，如何解讀與分析需要具備扎實專業知識和業務，因此培養學生扎實的財會類專業知識是基礎，同時在崗位中面對越來越復雜的數據具備基本的清洗、分析、挖掘、可視化技能，為企業經營管理服務。

3 大數據能力培養的主要內容

高職財會類學生需要培養基礎的數據分析能力，如總值分析、均值分析、趨勢分析、比較分析和分類等，熟悉相關與回歸、聚類分析、關聯分析等統計學方法；大數據分析能力則需要重點培養數據采集、數據清洗、數據可視化、數據分析、數據挖掘等能力。

3.1 大數據采集

大數據采集是大數據能力的基礎，培養學生快速準確全面獲取數據的能力是大數據分析技能的起點。企業各種原始憑證、記賬憑證、賬簿、報表等會計資料信息采集，包括傳統紙質材料和電商電子材料等信息的采集，因為相對工整規范，采集難度不大；培養學生對企業自有數據倉庫數據抽取導出能力，將充分發揮企業歷年數據作用。

同時，企業不僅要采集企業內部核算資料，還要進行管理活動需要采集原材料價格、市場前景、同類產品銷售情況等外部數據資料，這些資料有公開的如鋼鐵價格、原油價格等，也有不公開的某企業某產品銷售情況，所以通過大數據的手段在獲取某類產品、某些特點產品的銷售情況，或者購買參考公共銷售情況數據，需要培養學生爬取數據的能力。

例如，利用八爪魚進行淘寶、天貓、京東等網站商品檢索結果抓取或者商品詳情內頁資料進行抓取，也可以自行設計或者購買規則進行特定數據抓取；利用公共平臺數據對企業商品的競爭情況有更全面的了解，也可以獲取消費者的檢索熱點；對自己產品的評論資料可以進行典型意見和關鍵詞的提取，提高CRM水平，如圖1所示。

隨著物聯網傳感器的發展，自動、實時、全面、完整、可靠、準確的數據不斷出現，每一個界面、每一個動作、每一次交互都有跡可循并被規范記錄，獲取的數據也將更加全面，企業的數據采集也更趨自動。

3.2 大數據清洗

培養學生通過對數據進行多方驗證、審核，將有雜質的數據剔除能力；培養學生從格式、邏輯、數值等多方面進行數據清洗和整理，處理缺失值、孤立點、垃圾信息、規范化、重復記錄、特殊值、合并數據集等問題的能力。

3.3 大數據分析

對于企業積累數據和獲取的外部數據都要及時進行分析應用，快速充分分析數據尤為關鍵。培養學生數據分析、數據挖掘的技能尤為重要，具體需培養數據分析技能如下。

（1）描述型分析：是什么？

描述性分析會提供重要指標和信息。例如，通過每月的銷售單據，可以獲取大量的客戶數據，如客戶的地理信息、客戶偏好等；也可以了解企業庫存、銷售等生產經營數據。

（2）診斷型分析：為什么？

通過評估描述型數據，診斷分析工具能夠深入的分析數據，鉆取到數據的核心，分析某種產品或者某些產品銷售量變化原因等。

（3）預測型分析：可能怎樣？

預測型分析主要用于進行預測事件未來發生的可能性、預測一個可量化的值，或者是預估事情發生的時間點。使用各種可變數據來實現預測，在充滿不確定的環境下，預測能夠幫助做出更好的決定，如預測原料價格可以輔助決定庫存、預測銷售可以輔助決定產量、預測業務量可以輔助決定資金籌集量等。

（4）指令型分析：做什么？

指令模型是基于對“是什么”“為什么”和“可能怎樣”的分析，幫助用戶決定應該采取什么措施。通常情況下，指令型分析不是單獨使用的方法，而是前面的所有方法都完成之后，最后需要完成的分析方法。例如，交通規劃分析考量了每條路線的距離、每條線路的行駛速度、以及目前的交通管制等方面因素，來幫助選擇最好的回家路線；企業考量了銷售數據的變化、分析了市場和消費者的原因、預判了產品市場前景，進而決定對產品實施哪些改進。

3.4 大數據可視化

大數據可視化是培養學生對大數據分析結果進行直觀呈現能力。培養學生利用企業自有數據或者外部連接數據、抓取數據等方式獲得的數據進行全方位呈現的能力，培養學生將數據的匯總、平均、交叉列聯分析等描述和分析結果，利用適當的圖形進行展示的能力。大數據可視化是非常重要的技能，具體如下。

3.4.1 各類變量適合的基本可視化效果

單一變量：點圖、抖動圖；直方圖、核密度估計；累計分布函數。

兩個變量：散點圖、LOESS平滑、殘差分析、對數圖、傾斜。

多個變量：假色圖、馬賽克圖、平行左邊圖。

3.4.2 借助大數據可視化工具，直觀展示大數據

大數據具有多維、連續、雜亂等特征，培養學生利用時間軸，動態呈現企業資產、負債、應用資金、利潤等方面數據能力，將抽象枯燥的數據直觀呈現，輔助企業根據歷史生產經營情況和當前社會背景制定合理的預測和決策。

4 大數據能力培養的基本模式

4.1 梳理探索大數據能力培養課程體系

統計學、概率論與數理統計等基礎課程培養學生基本數據處理技能；大數據中的小統計，了解大數據特點并理解大數據與統計的關聯；數據挖掘、大數據分析與實踐等課程通過案例學習大數據分析方法技巧；通過暑期實踐或者畢業設計實施項目驅動學生實踐大數據分析全過程。

4.2 探索大數據分析能力的教學團隊培養模式

大數據的快速發展對教師隊伍提出了較高的要求。教師團隊采用企業掛職、企業專家進校園、教師參與企業培訓等多種方式不斷提升教學水平。積極進行大數據相關科研項目，并與多學科交叉合作，成果入課堂。

4.3 建立培養大數據分析能力的實驗實踐教學平臺

依托本院與杭州菲爾德經濟信息咨詢有限公司共建的統計工廠項目以及蘇州國云集團的墨鏡大數據分析工具，建設培養大數據分析能力的實驗實踐教學平臺。建立能夠收集、儲存、分析教育大數據的實踐教學平臺，建立支撐大學生創新創業的大數據實驗實踐教學平臺，建立能夠支撐教師教學團隊科研的大數據實驗實踐教學平臺。

4.4 探索大數據分析能力培養的教學模式

4.4.1 課程設計

對大數據分析課程進行項目化教學設計，將大數據分析能力進行模塊化項目化分解與設計，結合行業經典案例和最新“大數據”熱點話題，將枯燥的大數據分析形象化生動化，同時考試不再是一錘定音，而是在總任務的綱領下每個環節提交和匯報各節點的成果，過程性考核也更能真實反映學生掌握知識運用知識的能力和水平。

4.4.2 教學資源建設

自制了“大數據與中小微企業統計實務”在線視頻課程，學生可以利用碎片化的時間根據自己的掌握程度自行學習，教師可以利用視頻課程采用翻轉課堂、SPOC等混合式教學手段，開展線上線下聯動的教學模式改革。

4.4.3 以賽帶學

舉行院校級別大數據分析大賽，參加全國大數據分析大賽，以賽帶學。參加大數據分析比賽培訓，學習大數據分析比賽優秀成果，用歷年大數據分析大賽資料帶動課程學習和技能培訓。

這些教學模式促進大數據分析類課程教育教學質量和教學研究水平的持續提升。在大數據快速發展背景下，繼續優化大數據分析能力培養的課程體系，推動適應大數據分析能力培養要求的優秀教學團隊建設，完善大數據分析能力培養所需的實驗、實訓與實踐教學平臺體系，深化大數據分析能力培養需要的立體化教學模式改革和創新，為進一步提高教育教學水平和人才培養質量奠定扎實基礎。

參考文獻

[1] 張海，黃世祥.統計學專業學生大數據分析能力的培養方式選擇[J].統計與決策，2014（24）.

[2] 宋衛紅.大數據時代體育專業大學生數據分析能力培養的必要性分析[J].當代體育科技，2017（34）.

[3] 王移芝，金一，周圍.基于“計算思維”能力培養的教學改革探索與實踐[J].中國大學教學，2014（3）.

[4] 陸楓.面向大數據時代的計算機系統能力培養改革與實踐[J].計算機教育，2017（3）.

[5] 吳東，盧立群.大數據時代的軟件學院學生能力培養[J].南昌教育學院學報，2014（5）.