高校數學統計學專業未來就業趨勢研究

文/任慧 樊萌 秦俊亞

互聯網時代已經來臨，人們的生活起居都無法與網絡分離，因此每天都在不斷地創造出海量網絡數據。這種網絡數據體量大，結構復雜，因此其中攜帶的信息資源的價值也是無法估量，從這些數據中可以提取出大量有價值的信息來[1]。隨著大數據的發展，政府和企業逐步認識到了大數據的價值，因而大數據工程師已經成為大數據時代“受歡迎的人才”，是政府和企業都在爭搶的目標。因此，將統計學人才向數據科學家方面培養，是互聯網大數據時代高校數學統計學專業課程的必然趨勢[2]。

一、統計人才培養的機遇及挑戰

（一）人才培養的發展機遇

統計學專業實際上是一門古老的學科，在互聯網普及之前，統計人才主要來自傳統行業，例如政府職能部門的統計局、稅務局以及發改委等，通過收集和分析等一系列手段對數據進行挖掘，以此來推斷事物的本質。我國目前急需要一個開放的數據平臺，利用歷史數據來輔助政府部門的工作[3]，完成電子政務的開放資源、信息化業務辦理、縱向信息整合等多階段處理。開放數據對于體制改革是一個發展機遇，能夠提高部門辦公效率，并能夠優化電子政務服務平臺。不僅如此，政務服務大數據還提高了政府工作的公開力度，降低成本，減少浪費，對于社會長期平穩發展具有一定的效果。開放的政府數據平臺是形成創新政府的推動力。為了做好統計工作，利用開放數據平臺，由開放政府數據平臺，可以實現跨部門信息的一體化，避免信息孤島，達到數據的交換和共享，政府部門提供數據，并提出問題和相應的獎勵措施，同時邀請社會各界參與制定該項目，以人民智慧為基礎促進政府創新，實現社會進步[4]。政府機構開展創新活動，分析和挖掘政府的歷史數據，查明數據所攜帶的潛在發展規律，可以預測未來的社會發展趨勢，能夠為政府今后的決策提供有效的基礎。

（二）統計人才培養面臨的挑戰

從當前大數據時代的角度來看統計學的人才培養模式已經跟不上時代的發展速度，總體來看，統計學專業人才的培養出現了如下問題。

第一，專業的定位模糊，主要是人才培養與需求錯位。統計學的教材主要是以概率論、數理統計、抽樣調查等為理論依據，并熟練掌握統計學方法完成數據采集、分析和建模，培養出的人才屬于高素質復合型應用人才[5]。但是專業的定位比較寬，針對性比較弱，專業的覆蓋籠統，雖然能夠撞我的技術比較多，但是卻無法跟上大數據時代對人才的要求。

第二，人才培養重理論，輕實踐，數學理論的基本知識模塊在理論中具有更大的效用，例如拓撲和其他主要的數學理論課程的占比偏高，這使得統計課程受到了壓縮。統計數據中基本理論知識的比例明顯高于實際知識。關于參加課后實踐活動事件特別令人震驚。

第三，計算機語言和編程的課程數量較少，例如在與技能培訓有關和與教育系統有關的課程中，在專業方向的模塊課程僅僅開設兩個課時。最初的課程方案主要集中在理論基礎上，且沒有充分關注實踐方法和應用，嚴重缺乏專業培訓。此外，與大數據相關的新挑戰使學生在使用軟件的過程中遇到很多新的問題[6]。最初的課程設置沒有滿足當代社會對統計人才的需求，特別是在學生對大數據的了解和數據分析能力的培養方面。

二、數學統計學專業就業人才培養趨勢

（一）人才素質的培養

從事統計數據的人才需要培養學生的自學以及提出問題的能力，要想培養這種能力，就要對常見事物保持好奇心，并具有一定的挑戰精神，不斷探尋數據中的秘密。好奇心的培養需要教育體制與培養方式互相作用，是比較漫長的過程。首先需要教學體制的改革，改變以分數論成敗的傳統觀點，培養學生的自學能力。在上課過程中，教師應該給予學生更多思考的空間。

統計專業學生需要發展的另一個特點，就是學生之間的溝通。研究這些統計數據技術的主要是學理工類型的，在與他人交流的過程中，也許會有所欠缺[7]。但是作為數據專家，經常和所有部門的員工一起工作，為了培養良好的溝通能力以及團隊協作能力，需要積極參加相關會議以及相關的演講活動，建立團隊之間的信任和自信心，并確保用可理解的語言表達專業數據分析的結果。

（二）改革課程設置

在第一學年中關于數據挖掘相關的統計方法設置的課程，可以有邏輯回歸非線性回歸以及多元統計分析等，在定量方法方面設置的課程，可以有時間序列分析，概率模型與優化。在決策分析中可以設置一些多目的決策分析決策數，影響圖敏感性分析課程。在課后學習實踐中可以選擇競爭優勢分析，例如參與項目和分析案例。在第二學期的課程中，主要涉及數據庫入門預測分析以及原數據優化與啟發等幾門課程[8]。課程設計主要包括：數據庫設計、時間軸分析、主成分分析非參數回歸、統計流程控制、ETL（ExtractTransformLoad）數據治理管理責任整數計劃法非線性計劃法，局部探索法，超啟發（模擬退火、遺傳算法）。在課程設置的基礎上，還可以設計線上輔助課程，例如計算機組成原理，計算機導論，響應式web 設計，數據結構以及數據庫原理等課程。在統計學專業中，要求各個專業課學科的知識水平比較高，因此在未來就業的人才培養方向中，本科階段主要是以基礎為準，研究生階段可以向大數據分析方向深入發展。

（三）人才按需培養

在培養統計學人才的過程中，需要根據高校的地理位置進行劃分，根據當地的經濟狀況，判斷主要接受單位的類型，區分企業、事業單位、公務員、銀行。校統計系教研室需要長期多次的與不同類型的用人單位進行交流和調研，并按照調研結果顯示的用人需求，來修改人才培養的方案。如果用人單位主要針對的是企業，可以增加《市場調查分析》和《數據挖掘》等課程，著重于培養學生的數據分析的實際應用能力；若用人單位主要針對于事業編和公務員，則需要更加偏重于《統計法律法規》等課程，并加入實際的企業案例，以提升學生的實踐理解能力。在高校中大多數的統計學教師都是數學專業的老師，這些老師在教學過程中，基礎理論的東西比較多，其教學的思維模式也相對固化，教學模式也是沿用傳統。

在創新的教學方法中，學生應當擁有適合自己的學習方法。實際上，情感和創作是學生整體素質的一部分。在教學過程中教師無法直接完成素質的培訓，但可以在日常學習和生活中逐步培養。如果沒有有效的措施和機制的推動，不存在積極的政治鼓勵，缺乏“推動”和“吸引”這兩個外驅力和內動力，就很難實現教學的改革。這是素質教育與非素質教育在哲學上的一個深刻的差異，不同的教學方法是由教師的初始想法決定的，即由于理論水平的影響和一些教師的教學習慣不能區分在日常教學實踐中的教學概念，導致日常教學缺乏創新和改革的力量。

三、結語

大數據時代的到來為高校數學統計學專業的學生提供了機遇，對于統計學專業的教育改革來說，也是一項巨大的挑戰。因此本文針對目前人才培養中所出現的問題，研究了未來就業人才培養的趨勢，并對培養模式提出新的要求。統計學教育在當下互聯網的大浪潮下，也在潛移默化地從人才教學培養方面進行了變革。大數據時代產生的數據科學體系，與統計學之間的聯系最為緊密，培養出的人才在未來就業中具有巨大的優勢。但是，統計學專業課程的教育模式改革是需要循序漸進的，需要在一個發展過程中剔除落后的思想，并引進先進的經驗和模式，在不斷嘗試的過程中逐漸完善和優化。