大數據時代背景下經管類人才數據分析能力培養研究

李洋闊　舒曉惠　田廣

［摘 要］隨著大數據和人工智能時代的到來，數據量呈指數級增長，企業不斷向數字化轉型，越來越需要具備大數據分析能力的人才。因此，數據分析能力成為新時代對人才的基本要求。而如何增強數據分析能力則成為人才培養的關鍵所在?；诖?，文章提出開設大數據分析課程和案例分析的實踐教學的建議，并探討培養經管類人才數據分析能力的具體路徑。

［關鍵詞］大數據；數據分析；經管類；實踐教學

［中圖分類號］ G645 ［文獻標識碼］ A ［文章編號］ 2095-3437（2022）10-0234-03

黨中央和國務院高度重視大數據產業的發展，大數據產業成為國家戰略性新興產業。數字經濟發展規模不斷擴大，數據要素對經濟社會的發展起著主要作用。在大數據時代的背景下，企業的數據規模不斷擴大，其潛在的利用價值不斷加大[1]。如何借助數據分析工具，從海量數據中挖掘出有效信息，為企業創造價值成為經濟管理過程中的一個關鍵環節[2]。隨著產品服務和決策支持的變化，大數據技術和管理方法得以不斷改革創新。有效管理與合理利用大數據和業務分析，可有效提升企業競爭能力[3]。大數據時代對數據分析人才的需求總量不斷增長，對人才數據分析能力的要求越來越高，大數據人才需要掌握數學、統計學、數據分析等多方面的知識。因此，高校必須緊跟大數據時代步伐，不斷完善數據人才培養方案，培養出高水平、多層次應用型數據分析人才。

一、大數據時代下具備數據分析能力素質的必要性

2020年人力資源和社會保障部發布的《新職業——大數據工程技術人員就業景氣現狀分析報告》顯示，2021年我國大數據產業規模將超過8000億元。在大數據、人工智能、5G等技術應用不斷發展的背景下，預計2025年前大數據人才需求將以30%-40%的速度增長，需求總量在2000萬人左右。雖然企業對具備數據分析能力的人才需求量越來越大，但目前符合要求的復合型數據分析人才數量明顯不足。因此，為了更好地將人才培養與市場需求有效銜接起來，必須不斷增強經管類人才的數據分析能力。

隨著大數據、物聯網、5G等技術應用的不斷發展，以數據量大、種類多、時效性強為特征的非結構化數據規模不斷擴大，大數據呈現數據容量大、數據種類類型多、數據處理速度快、數據價值密度低等特點。大數據的這些特點決定了大數據處理流程要不斷更新發展，才能借助合適工具從海量數據中提取有效信息。數據分析能力培養是大數據信息時代發展的必然要求。企業數據化經營管理、教育信息化等的出現促使各行各業積累了海量數據，各行各業不斷開展基于數據資產業務和管理的創新，大數據技術逐漸得到應用，從海量數據挖掘有效信息，為管理和決策提供重要依據。因此數據分析成為新時代人才必備的技能。

二、大數據時代下經管類人才數據分析能力培養對策

經管類人才培養目標是培養出經濟理論基礎扎實、知識結構合理、具備較高專業素質和創新創業能力的人才。而大數據時代對人才的需求更加全面，不僅需要其具備大數據思維、商業思維，而且還需要其具備分析能力和實踐技能的復合型能力。因此，高校在培養經管類學生經濟理論基礎上，要加大學生數據分析技能的培養力度。在這個過程中，除使學生掌握統計學、數據分析等理論基礎外，還需重點培養學生的算法以及可視化的操作技能。同時為了培養適應產業和社會發展需求的大數據人才，要重點培養經管類人才的溝通能力、項目管理能力以及商業敏感性。

（一）完善高校課程的改革，適應大數據發展理念

在大數據和人工智能的背景下，大數據時代的教學理念要順應社會發展趨勢，要積極地轉變傳統的教學理念。教學理念的改革不僅僅是大數據技術應用的創新，更重要的是向大數據思維方式轉變。大數據時代的教學變革要貫穿整個教學實踐過程。根據新時代大數據行業對復合型、應用型人才的需求，高校應改革專業、創新課程，激勵學生學習和探索大數據知識。不斷加強學生對數學模型的理解，增強其處理實際數據的能力，提升借助大數據的方法解決具體行業應用問題的能力。

在高校課程中，對大數據分析能力的學習，其基礎課程是統計學，學生通過學習，積累統計學理論的基礎知識。根據新時代大數據復合型人才培養的要求，學生應不斷加強對理論課程的學習，如概率論與數理統計、多元統計分析、回歸分析、抽樣調查、時間序列分析、計量經濟學等課程，其中概率論與數理統計課程側重應用，解釋了大量隨機現象的統計性規律。通過學習該課程，學生能更好地理解預測模型的思想和掌握解決不確定性問題的有效方法；通過學習多元統計分析課程，有利于學生更好地理解數據分析中的多變量問題；通過學習回歸分析，掌握線性回歸和非線性回歸理論知識，學生能更好地理解人工智能領域的深度知識。時間序列分析課程是一門分析數據的變動規律并用于預測的重要課程。

在掌握理論課程知識的基礎上，要想培養出新時代的復合型、應用型數據分析人才，高校應著重培養學生的大數據分析思維和操作技能[4]。對財經領域人才的培養，學校要將統計理論與統計實訓項目結合起來，通過案例教學呈現抽象的統計理論，以此增強學生理論聯系實際的能力[5]。要開設涵蓋數據分析與挖掘、可視化及其他創新性的高級課程。通過課程學習，首先培養經管類學生讀懂數據的能力，掌握如何用數據解決業務問題和經濟現象的思維方法，然后通過開設數據分析與挖掘、數據可視化等方面的課程，提升學生處理數據的能力。

（二）加強數據分析軟件的應用，提升技能本領

在數字經濟時代，企業需要新時代的復合型人才為其創造價值。傳統的經管類專業也將順應新時代人才培養的需求，提高應用數據技術解決實際問題的能力。計算機技術的不斷發展，使統計軟件得到廣泛的應用，并能很好地解決統計計算問題[6]。高校應根據專業特點，合理開設數據分析軟件應用的課程。根據目前經管類專業的特點，多數學生主要借助EXCEL軟件進行數據分析；根據新時代大數據對人才的要求，高校應開設SPSS、STATA、EViews、MATLAB等軟件的應用課程，使學生能夠借助這些軟件進行模型的分析與預測，達到基本數據分析要求。在高校電子商務專業課程的建設過程中，應該重點引導學生加強對數據庫的學習，加強學生對關系型數據庫和非關系型數據庫的查詢和應用。其中在對電子商務、財管專業人才的培養過程中，考慮到企業面臨的數據量越來越大，由此，學校要更注重培養學生對數據庫管理以及軟件的應用技能，開設數據分析進階課程，以適應企業對大數據人才的需求，加快開設Python數據分析、SQL數據庫、Tableau數據可視化等技術課程，不僅要培養學生對數據庫的管理應用，還要增強學生海量數據分析與可視化的能力。重點培養學生對Python語言的掌握，該編程語言是解釋型語言，其語法簡單，代碼可讀性高，可快速入門，可應用于數據科學、爬蟲編寫、機器學習和Web開發等多個方面，還可用于處理大規模數據，也可支持機器學習模型。總而言之，掌握Python語言是人工智能和大數據時代不可缺少的技能。

（三）加強師資培訓，不斷完善教學內容

教師在大數據人才培養的過程中發揮著重要的引領作用，因此，教師要提高數據科學素養，不斷學習新的數據分析思維方法，不斷提高自身數據分析的教學技能。高校要積極順應大數據時代發展趨勢，把握行業人才需求方向，推動信息化建設，加強師資人才隊伍建設，積極實施人才產教融合、校企合作人才培養戰略，建立校內導師和企業導師整合型教學團隊。通過以上舉措，不僅可以加強學生對數據分析理論的學習，還可以提高了學生的數據實踐分析水平。

教師要不斷更新教學創新思維，緊跟大數據建設和應用潮流。教師團隊應不斷增強數據分析的實踐性，提升數據分析與應用能力。教師以大數據在行業中的應用為出發點，借助大數據挖掘平臺的真實數據案例，以企業需求和面臨的問題為導向設計教學案例，將大數據挖掘方法融入教學過程，提升學生實踐能力，培養學生數據思維，提升學生的數據分析能力。教師在教學中應不斷改善教學方法，融合創新，促進自身教學技能水平的提高，提升新時代人才培養質量。

（四）構建完善的案例教學體系，提升學生綜合素質

在大數據時代，高校應該培養經管類學生掌握數據分析與數據挖掘的技能，學會運用數據分析工具和統計方法去解決現實業務中的具體問題。學生通過學習數據分析理論課程，掌握數據大分析的思路方法和技能后，還需通過實際案例教學，進行大數據分析實踐，該過程是將統計方法組合和應用創新的體現，也是大數據分析人才成長的必經之路。教師通過企業的實際案例展開知識點的講解，學生對重要知識點進行強化練習，實現理論學習與實踐的有效結合，以達到熟練運用和掌握數據分析技能的目標。經管類專業人才數據分析培養的目的在于培養學生的數據分析思維方式，并將其轉化為創新應用能力，合理的案例教學可以使學生具備使用數據和知識解決企業實際問題的能力，并進一步實現創新。大數據培養中的案例教學過程分為數據獲取與存儲、數據整理、數據建模分析、數據可視化、撰寫報告等，具體如圖1所示。

1.數據獲取與存儲

經管類課程教學中數據分析的教學需要企業大量實際的數據作支撐，這也是進行數據挖掘分析案例教學的第一步。數據的選取必須能夠反映研究目標，否則研究結論會對研究目標造成誤導。數據的來源可大致總結為兩個方面，一方面是獲取企業的數據資源，高校需要積極與企業開展校企合作，利用企業提供的數據庫，通過SQL提取目標數據，進行數據分析。另一方面，對來源于Web的數據，可借助網絡爬蟲的方法進行收集，該過程需要編程語言或者爬蟲軟件的支持，以保證收集到高質量的數據。需要對采集到的目標數據進行存儲，結構化數據的存儲一般是借助于MySQL、Oracle等關系型數據庫，但大量的半結構化、非結構化數據，需要借助Hadoop HDFS、KFS等分布式文件系統進行存儲。

2.數據整理

由于原始數據格式、標準不同以及存在冗余數據等原因，收集到的原始數據可能在準確性、完整性和一致性等方面存在不足，可能存在重復值、錯誤值、缺失值等異常數據。數據質量的高低直接影響數據研究價值的大小，因此在數據分析前，數據清洗工作是必不可缺的，通過對數據集進行刪除、填充、替換等操作，最終達到去除異常值、糾正錯誤值、彌補缺失值的目的，提高了數據的準確性，為模型分析做好準備。

3.數據建模分析

在分析數據的過程中，要結合研究目標選擇合適的數據分析模型。在大數據時代，掌握和熟練運用數據挖掘統計模型是必不可少的技能，高校應加強培養經管類專業人才將預處理的數據進行模型分析的能力。在該過程中，要重點培養學生動手操作能力，通過借助數據分析軟件對預處理的數據進行模型分析。培養學生根據自己的實際應用場景選擇合適的模型的能力，常用的數據模型分析方法有相關分析法、回歸分析法、聚類分析法、主成分分析法、因子分析法、時間序列等。在實際中往往會選擇多個數學模型分析，后續通過模型的評估，不斷進行優化調整。

4.數據可視化

數據可視化旨在運用統計學和計算機等知識，直觀地展現出抽象數據中所蘊含的信息。經管類專業的學生已基本熟練掌握了Excel、PPT等常用的基本可視化展示工具，基于此，學校還應增強學生利用SPSS、STATA、EViews、MATLAB等軟件完成可視化展示及使用Python、R語言等的能力，使學生學會調用其中的可視化組件或模塊進行可視化分析。對于多維海量的數據，學校還需培養學生學會借助專業的可視化軟件如Power BI、Tableau等可視化工具，做出精細且復雜的可視化圖表，或形成可視化儀表盤，多角度地展示數據分析結果。

5.撰寫數據分析報告

各行各業管理者的決策依據正在從“業務驅動” 轉向“數據驅動”，大數據分析的結果便于管理者實時掌握市場和企業的運行狀態，進而為管理者提供決策支持，因而培養學生撰寫出邏輯清晰的報告尤為重要。學生撰寫分析報告前，首先應建立層次鮮明的框架，然后結合可視化結果進行嚴謹的論述，最后闡明結論。要多角度清晰地展現分析結果，方便閱讀者理解結論，并且能夠為決策者提供可行性建議，使閱讀者根據其研究結論做出有針對性的決策。

三、結語

大數據、人工智能、物聯網等數字經濟時代的到來對經管類人才的培養提出了更高的要求。高校要培養經管類學生具有大數據思維，掌握數據分析流程以及可視化方法的技能，具備溝通、項目管理等能力；積極按照應用型、復合型人才培養的思路，將經管類專業人才的教育與大數據分析、應用技能培養有效銜接起來，培養具有核心競爭能力的人才；應不斷學習大數據處理分析的前沿技術，不斷豐富教學資源，完善培養體系和教學平臺；從社會各行業的需求出發，積極推進數據分析人才的建設，培養出具備大數據分析與挖掘能力的高素質人才。

［ 參 考 文 獻 ］

[1] 楊天紅.大數據背景下電子商務專業人才數據分析能力現狀及培養對策研究[J].科技資訊，2019（16）：213，217.

[2] 章麗萍，孔澤，尹依婷.“大數據+財務”管理會計人才培養與優化路徑：基于能力成熟度模型視角分析[J].財會通訊，2020（23）：158-162.

[3] MIKALEF P， PAPPAS I O， KROGSTIE J， et al. Big data analytics capabilities： a systematic literature review and research agenda[J]. Information systems and e?Business management， 2018（3）： 547-578.

[4] 周小瑋，朱明星.大數據時代重構應用統計專業本科培養方案的建議：基于中美應用統計專業本科培養方案的比較[J].中國管理信息化，2020（1）：226-228.

[5] 王景波，云兵兵，孫磊.財經類專業《應用統計學》實踐教學質量改善探索[J].教育現代化，2018（41）：186-187.

[6] 戴君，杜江，謝俐，等.大數據背景下研究生公共課程《數據分析與統計軟件》改革探索的思考[J].高教學刊，2019（26）：133-135.

［責任編輯：蘇祎穎］