大數據背景下高校學生數據分析能力培養研究

殷曉梅 盧浩 王加琪

摘 要：在大數據時代背景下，數據數量激增且形態多變，數據分析能力是新時期人才需要具備的基本能力。針對大學生數據分析能力的培養問題，對安徽財經大學大學生的數據分析能力現狀進行分析，了解到當前大學生數據分析能力的問題，并提出了針對性的培養建議，力求提高大學生數據分析能力。

關鍵詞：大數據;高校學生;數據分析能力;培養

中圖分類號：G4 ? ? 文獻標識碼：A ? ? ?doi：10.19311/j.cnki.1672-3198.2020.04.082

0 引言

大數據時代背景下，數據一方面數量呈指數級別的速度增長;另一方面數據的表現形態也由結構化向半結構化和非結構化數據轉變。數據數量的激增和形態的改變，使得獲取數據的難度減小但獲取有效信息的難度增加。如何從這錯綜復雜的數據中獲取所需的信息，掌握數據分析能力尤為重要。特別是現在數據分析對企業的管理經營決策起著越來越重要的作用，越來越多的行業要求員工具有數據分析能力。

2015年國家發布了《國務院關于印發促進大數據發展行動綱要的通知》，旨在全面推進我國大數據發展和應用，加快建設數據強國。在全球范圍內，運用大數據推動經濟發展、完善社會治理、提升政府服務和監管能力正成為趨勢，目前，我國互聯網、移動互聯網用戶規模居全球第一，擁有豐富的數據資源和應用市場優勢，大數據已成為國家重要的基礎性戰略資源，正引領新一輪科技創新。大數據的應用范圍在不斷擴大，社會對大數據人才的需求不斷增加，數據分析能力具有極其廣闊的市場需求，在飛速發展的現代社會，數據分析是各行各業做出科學的推斷和決策的理論基礎。大數據時代對高校學生提出了更高要求，對高校教育也提出了新的要求。

數據分析能力具體是指哪些，還沒有明確的定義，例如王磊和馬敏在《例談初中生數據分析能力的培養》中提出數據分析能力主要包括：收集數據、整理數據、提取信息、構建模型、進行推斷、獲得結論;宋衛紅在《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》提出：數據分析能力指數據的認知、收集、整理、分析和評價的基本能力;王林全教授指出：“數據的分析能力由數據的認識能力、收集能力、整理能力、表述能力和探究能力五部分組成”。

不同學者對于數據分析能力的研究方向不同，但是基本內容大同小異。綜合以上學者分析，本文對于數據分析能力從識別數據、收集數據、整理數據、分析數據、評價總結五個維度進行探究。

1 數據來源

經過查閱數據分析的相關文獻資料，擬定數據分析能力的一級維度以及二級指標（如表1），編制調查問卷。采用定性定量相結合的方法對財經類高校學生數據分析能力進行調查。本次調查對象為安徽財經大學學生，共收回187份問卷，其中有效問卷為180份。

2 大學生數據分析能力的指標體系

本文借鑒比格斯教授的SOLO分類方法，對作答由低到高層次分為四種水平：前結構水平（P）、單一結構水平（U）、多元結構水平（M）、關聯結構水平（R），并進行評分，分別記1分、2分、3分、4分。測試結果如表2。

為了更好的了解高校大學生數據分析能力水平，對每個維度進行深刻剖析。

2.1 識別數據

認識數據是數據分析的前提。在真實生活中，數據一般是有量綱的、缺失的、異構的，了解數據的屬性、量綱以及數據的分布特性，學會檢驗數據的質量才能更好的進行下一步的分析工作。

在認識數據方面，67.92%的大學生處于多元結構水平，基本了解數據特征，但實踐中應用較少;26.7%的大學生處于關聯結構水平，既了解數據特征又能在實踐中較好的應用;僅有1.15%的大學生處于前結構水平，了解一點點數據特征知識。

2.2 收集數據

對于選擇抽樣方法，有53.22%的人達到多元結構水平，了解多種抽樣方法但不能對方法融會貫通，4.3%的學生處于前結構水平，對抽樣方法了解一知半解，不能合理利用抽樣方法。對于設計問題方面，分別有53.22%和35.68%處于多元結構水平和關聯結構水平，但真正實踐設計問題進行調查過的人僅僅占調查人數的67.82%。

由此可見，大部分學生的收集數據能力尚可，但缺乏實踐。

2.3 整理數據

整理數據是認識數據的延伸，對數據進行篩選，去除異常值、無量綱化等，都對后續的數據分析起重要作用。在篩選數據方面，僅有4.55%的學生處于前結構水平，對整理數據毫不理解，大部分學生具有基本的整理數據能力。

2.4 分析數據

描述數據具有重要意義。有2.34%的僅僅了解各種數據描述方法，但不能靈活應用。42.84%的學生既了解數據描述方法又能融會貫通。大部分學生對基本的數據描述方法了解，但不能靈活的應用，缺乏對應的分析數據的聯系。

2.5 評價數據

評價是數據分析中重要的一部分，一個好的模型的構建可以找到。構建模型方面各水平百分比差距較小，處于前結構水平的為19.87%，且得分僅為2.4971，構建模型總體能力較弱。在預測方面，大部分學生可以進行總結預測，僅9.74%的學生不可以。

學校學生雖然上過統計的課程，但很多學生并不能靈活運用知識，在評價數據方面具有短板，缺乏實際生活的應用，并且調查發現，參加過建模比賽的學生建模和預測能力較強。

3 高校學生數據分析能力培養建議

3.1 強化統計知識內容，培養學生定量分析的意識

統計知識的應用越來越受到人們的關注，國家和地方行政機構需要通過統計各行各業發展的數據情況，為下一步規劃做決策，生活中日常遇到各種實際問題也需要對數據收集統計。統計體現了數據的收集能力。掌握基本的統計知識，是進行數據分析的前提，數據的收集整理是數據分析最重要的一環，高校要強化統計知識內容，培養學生的定量分析的意識。

經過調查結果得知，有68.97%的學生上過《統計學》課程、有60.92%的學生上過《概率論與數理統計》，96.88%學生上過統計相關課程，學過統計知識，但通過調查得知僅有51.06%大學生數據意識能力水平處于多元結構水平，雖具有收集數據的意識，但收集數據太片面。只有34.72%高中生數據意識達到關聯結構水平。部分學生對統計量的基本定義不清晰，導致在運用統計量時判斷錯誤。學校要加強對于基礎知識的考查，重視統計知識，提高學生對統計知識的掌握程度以及熟練運用程度，培養學生定量分析的意識，逐步培養學生數據分析能力。

3.2 增加實踐活動，培養學生分析與運用數據能力

數據分析能力培養要注重過程培養，單純的書本知識太過枯燥乏味，學生不能很好的掌握教過的數據分析方法，只有讓學生親自經歷收集、整理、推斷數據等過程，將統計知識和技能的掌握應用于實際，才能不斷提高學生數據分析能力。

在學習中，教師要教會學生對現實情境中的問題進行設計調查問卷，收集相關的數據進行整理分析問題，培養學生的數學思維和數據分析能力。同時，在學生親身實驗的過程中，教師可以針對數據分析實驗中涉及的重點內容，有針對性的進行教學，及時解決學生的疑問，在提高學生學習興趣的同時提高學生用數據分析方法解決生活中實際問題的能力。

3.3 重視信息技術與專業融合，增強學生數據分析能力

數據分析是計算機和數學結合的產物，數據分析離不開計算機的應用。傳統高校教育中，數據分析主要在經管和計算機專業中有所應用。隨著時代發展，數據分析的應用范圍變廣，對于其他專業學生也要求具有一定的數據分析能力。

數據分析能力的培養離不開計算機能力的培養，龐大的數據量無法通過人工進行處理，數據分析軟件的培養對于數據分析能力培養具有重要作用。目前市面常用的數據分析軟件有excel、python、matlab，R等，調查發現，95%的學生會使用excel，但是僅有18.39%的人會使用excel的高級應用，例如線性回歸、方差分析等，大部分人僅僅會用基礎的功能。其他數據分析軟件雖然有所接觸，但是人數相對較少，如圖1。

培養數據分析能力也包括培養使用數據分析軟件的能力，高校要加強數據分析重要性的宣傳，同時增加數據分析軟件應用課程，例如excel的高級應用、python、matlab課程等，舉辦數據分析的相關比賽鼓勵同學結合專業特色參賽等。不同專業對于數據分析的應用范圍不同，要注意在教學中結合專業特色，教師在教學過程中有針對性的將理論知識與現實生活相結合，提高學生學習興趣。

4 結語

大數據時代背景下，對人才提出了更高的要求，其需要擁有良好的數據分析能力。對于高校學生而言，不論任何專業，都需要有良好的數據分析能力。各高校應該以市場需求為導向，緊握市場對于人才需求變化的脈搏，適時對培養學生的各方面能力做出適宜的改變。良好的數據分析能力可以使高校學生在就業選擇時更有優勢。數據分析能力的培養需要與數學、計算機相配合同時要結合專業學科知識，學校在培養方案的設置上應與時俱進，及時更新教學內容，跟緊社會需求。不斷提升學生數據分析能力，促進其能力的全面發展。

參考文獻

[1]國務院關于印發促進大數據發展行動綱要的通知[J].中國政府采購，2015，（9）.

[2]王磊，馬敏.例談初中生數據分析能力的培養[J].教育研究與評論（中學教育教學），2019，（8）.

[3]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）.

[4]王林全.發展學生數據分析能力的要領[J].中學數學教學參考，2008，（Z2）.

[5]黃耀業.高中生數據分析素養的調查研究——以廣西桂林市某高中為例[D].桂林：廣西師范大學，2019.

[6]田亞明.新時期大學生數據分析能力的培養[J].中國新通信，2019，（13）.

[7]張海波，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）.