大數據背景下市場調查與預測教學模式研究

關 陽，陳曉麗

（哈爾濱華德學院，哈爾濱 150025）

0 引言

市場調查與預測課程具有實踐性和綜合性強的特點，學習內容主要涉及市場調查方案策劃、調查原則、調查工具、調查過程實施和控制、數據整理、數據分析和預測、調查報告撰寫等一系列流程。學習本課程的目的是培養學生掌握市場調查方法，從海量數據中提取有用的信息，為企業做出經濟決策、為經濟管理活動提供重要的依據。隨著大數據時代的到來，越來越多的企業認識到市場調查與預測的相關技能在實際經營中所發揮的重要作用，傳統數據調查手段的時效性、廣泛性和數據準確性已經難以滿足企業發展的需要。大數據科學與技術迅猛發展，在統計學、數據調查處理分析、人工智能等領域體現出越來越重要的作用，數據量的龐雜、類型多樣、層級區分度高等特征為數據處理分析帶來了全新的挑戰。大數據時代的到來，對市場調查與預測課程教學活動的開展提出了全新的要求，涉及課程教學內容安排、教學組織形式、課程考核方案調整等環節的改革。

1 市場調查與預測教學模式改革的必要性

1.1 大數據時代背景下的數據爆炸和數據處理方式變革

目前，大數據應用領域越來越廣泛，其具有類型多樣、包含的信息豐富、數據來源渠道廣泛的特點，企業利用大數據不斷地拓展新業務，創造新的運營模式。傳統的市場調查方法是使用統計的樣本分析法，通過設計調查方案、調查問卷，進行抽樣調查，取得定性數據后再結合客觀渠道獲得的定量數據，對市場狀況進行綜合分析，并作出具有時效性的市場發展預測。大數據時代的信息和數據更新速度極快，且信息量巨大，在對數據信息進行處理時，所面對的樣本量遠遠超過傳統數據調查方法所能處理的信息范圍。同時，企業通過網絡獲取數據變得非常容易，成本很低，甚至零成本，以傳統市場調查方法獲取的數據在經濟性、時效性、便捷性等方面，都已經不能適應企業發展和經濟管理的需求了。因此必須結合大數據時代信息生產、獲取和加工的特點，以數據應用主體的需求為依據，及時對市場調查與預測課程的知識體系和教學方法進行合理的調整。

1.2 傳統教學手段及方法已不適應大數據時代的市場需求

市場調查與預測課程著重培養的是學生收集、處理數據的能力，其中數據信息的獲取及信息量的多寡是數據處理分析的基礎，但傳統的市場調研方法已不適應目前的市場需求，問卷調研、電話調研等方式數據收集范圍狹窄、數據質量難以保證。目前，傳統的教學方式更偏重理論教學，近年來雖然對實踐教學越來越重視，但實踐內容和方式仍然沒有脫離傳統的市場調查方式，調研效率和結果的準確性越來越難以滿足大數據時代的信息需求和市場競爭情況，并沒有真正起到培養學生實踐操作能力的作用，而且課堂討論和分組模擬也流于形式，缺乏針對性和有效性。同時，按照傳統教學手段和方法培養出來的學生，其工作能力也無法滿足企業的需求，出現學習內容與實際情況脫離的現象，學生需要到工作崗位上進行二次培訓，這給學生就業帶來困難。

2 目前市場調查與預測課程教學模式存在的問題

2.1 課堂教學模式單一

目前，市場調查與預測的課堂教學模式大多數還是以傳統講授為主、案例和討論為輔的方式來組織課堂教學，上課時間大都是老師講授教學內容，以理論為主，學生大部分時間都是在被動接受知識，自我思考的時間較少，學生和老師之間互動性不強。為了增強實踐性和提高學生學習興趣而設置的案例和討論環節，上課效果也取決于學生的積極性和認真程度，教學效果難以保證。同時，現在數據搜集和分析大多采用相應的軟件，甚至部分企業會專門購買專業數據分析機構的調研結果和分析數據，而在目前的課堂教學中缺乏相應的模擬軟件，學生難以掌握使用軟件來收集和分析數據的方法。專業軟件具有數據統計、分析的功能，其中包括：直方圖、相關系數、協方差、各種概率分布、抽樣與動態模擬、總體均值判斷、均值推斷、線性和非線性回歸、多元回歸分析、移動平均等內容，這是非數學專業的學生難以完成的，也沒有必要采用人力方式進行分析，效率低、準確性差。商業智能領域有Cognos、Style Intelligence、Microstrategy、Brio、BO 和Oracle 以及國內產品如Yonghong Z－Suite BI 套件等。

2.2 實踐教學內容設置不符合大數據時代數據信息處理的特點

企業為了順應大數據時代市場競爭的需求，對自身的數據收集、統計、整理分析有越來越高的要求，對相關人才的招聘也提出了更高的條件，企業希望招聘到的員工能夠直接上崗工作，不再需要企業花費額外的時間和精力進行崗前培訓，避免承擔額外的風險。但目前市場調查與預測課程實踐教學環節的設置與企業實際經營需求的結合性不強，實踐方法陳舊，并未基于大數據時代的信息特點進行實踐環節設置，導致實踐內容與企業和市場實際需求脫節，學生接觸不到企業實際調研問題。由于商業案例和數據信息的保密性，許多案例較為陳舊，學生的實踐操作建立在落后的案例上，實踐操作能力難以提高。

2.3 課程考核方式難以檢驗學生真實學習效果

目前市場調查與預測課程的考核方式分為兩種，考試課的閉卷考試和考查課的開卷考試，不論哪種方式都是以筆試為主，主要考核內容都是學生對基本概念和基本理論的掌握，個別案例分析在考核中所占比重并不高。真正能夠考核學生實踐能力的調查問卷設計、調研過程推進、數據甄別和整理、數據分析、調查報告的撰寫、更加符合現代調查方式的數據分析軟件應用等都沒有納入考核范圍。傳統的考核方式不利于教學過程的控制及管理，也缺乏對學生實踐應用能力的考核。

2.4 課程與大數據相關學科融合性不足

市場調查是建立在消費者需求基礎上的，因此要對消費者的心理和行為進行深入了解和分析；市場調查是為企業及其他信息需求者服務的，因此在調研過程中要結合管理學和市場營銷學的相關知識；為了對調研數據進行科學、系統的分析，取得有指導意義的預測結果，要應用計算機科學、統計學等相關學科的知識。目前，本課程在教學中重點講解的內容，涉及其他相關學科的內容較少或結合并不緊密。

3 市場調查與預測課程改革方案

3.1 具體改革內容

（1）調整教學內容與教學方式。基于大數據背景下，雖然市場調查與預測課程數據獲取容易，但有鑒別、加工、整理困難的特點，所以在教學內容上需進行調整，加大實踐操作環節的課程比重。同時，理論部分應更加重視對數據分析處理的講解，實踐部分增加SPSS 統計軟件、EXCEL 數據統計及建模功能的實驗訓練，以提升學生的數據分析能力。EXCEL 軟件具有前文所述數據統計、分析的功能，在專業統計軟件難以獲得或功能不符合教學實際需求的時候，可以使用該軟件作為分析工具，應用性更加廣泛靈活。同時，注重與大數據時代社會實踐活動的緊密結合，采用啟發式和探究式教學方法，引導學生搜集、整理具備大數據特征的市場調研最新案例，并針對案例進行積極探討。例如，企業為對下一年度營銷活動的開展制訂方案，需要以當前一段時間的運營數據為依據做出分析，由于數據量迅速膨脹，數據來源復雜，數據篩選和鑒別難度呈幾何倍增加，使用傳統方法難以達到預期效果，需以大數據技術為依托結合統計分析手段，展開對數據信息的整理分析，得到預測結果。從實際案例入手，進行有針對性的數據調研和分析預測。同時，重視剖析不同案例對數據的需求差異和數據分析側重點的差異，使學生更加清晰地認識相同的調查方法和分析工具在不同實際情況中的應用差異。

（2）教學方法設計與改革。充分發揮信息化技術對教學的支持作用，結合本課程在大數據背景下所調研的信息量激增的特點，進行基于混合式學習的翻轉課堂教學。大數據時代帶來了巨大的信息量，也帶來了便利化的數據加工手段，傳統的講授式教學方式較為枯燥、課堂信息量不足，并不能給本門課程帶來良好的學習效果。同時，調研需要較長的時間，課堂時間不足以取得足夠的數據樣本。應利用超星學習通、騰訊課堂等信息化平臺，將與課程內容相關的教學課件、案例、習題、相關視頻等學習資料線上共享給學生，在保證線下教學效果的同時，將部分學習和調研內容提前在線上進行，線上線下教學相結合，拓展學生的知識面，提高調研和分析的效率。

（3）調整考核評價方式。傳統的市場調查與預測課程考核方式以理論成績為主，大多采用“理論知識考核占70%～80%＋平時課堂表現占20%～30%”的成績考核比例。部分學校在總學時中單設實驗學時，但對實驗學時的考核并未明確要求列入總成績中。因此，為提升師生對實踐部分的重視，應調整考核評價方式，對理論內容與實踐內容進行統籌安排。一種方式是按照理論課程章節安排實踐內容，將實踐內容安排在對應的理論課程之后，優點是實訓內容更有針對性；另一種方式是先行講授全部理論課程，理論課結束后統籌開展綜合性實訓，優點是實訓內容更加全面，更貼近實際應用。不論采用以上哪種方式，都要明確規定將實訓成績納入總成績考核當中，同時適當加大實訓成績比例。實踐環節比例的加重要求制訂更為精細的實踐考核方法，可針對數據分析軟件操作技能、數據信息采集渠道分析、數據加工處理及評估論證等環節制定考核細則。

3.2 實施方法

（1）訪談調查法。開設市場調查與預測課程的各大院校在實際情況上存在很大差異，如教學設備是否充足，是否購買相應的數據收集、分析模擬平臺，人才培養方案中是否有配套的大數據相關課程等。因此應針對開設該課程的相關專業，深入教學一線進行實地考察，從任課教師到學習該課程的學生，廣泛地聽取其對課程內容、教學方式，大數據背景下的教學條件、考核方式等的意見和建議，尤其是注重教學內容和教學條件是否符合當前大數據的調研背景。同時，教學環節的開展要逐漸向實踐環節傾斜，分步驟加重實踐環節的比例，但要避免一次性調整幅度過大導致難以達到預期的教學效果。通過以上調查訪談獲得的結果，將其進行匯總和分析，融合任課教師與學生代表的反饋意見，詳細完善課程培養方案。

（2）對接商業性調研機構。一般中小規模的企業并不設立市場調研部，而是在有相關需求時委托專業的調研機構進行調研，因此應以知名數據調查公司、具備大數據處理業務的互聯網公司等企業的人才需求為培養方向，深入企業了解其對相關崗位的數據調研分析能力的需求和大數據技術的發展趨勢及其在各領域的應用狀況，確保本課程人才培養方案與課程設置的充分銜接。應尤其注重以大數據為背景，在此背景下，市場調研的方式方法、取得的數據樣本、數據分析工具和方法等都和傳統統計學視角下的數據分析手段及工具有很大差異，應注意區分不同數據處理分析工具的適用性及有效性。

（3）建立教學案例儲備庫。由于大數據技術的廣泛應用時間很短，因此能夠反映大數據特征的市場調查案例較少，而且出于商業保密的時效性問題，很多案例和數據屬于商業機密，難以取得。任課教師應盡可能搜集真實案例，或與相關企業對接，獲得企業授權的相關分析案例。也可以和講授同課程的其他院校教師合作，共同建立豐富的教學案例儲備庫，在多種渠道獲得的案例中優中選優，尤其是要優先選擇能夠進行較深入數據分析的案例，將市場調查的分析結果和市場預測的實際結果統一起來。同時，注重案例的更新，可根據真實案例進行合理拓展，建立豐富的教學案例儲備庫。

4 結論

大數據時代的數據信息已經不再是傳統統計學中所謂的“大樣本”或“小樣本”，對數據信息的收集和分析以及基于數據樣本的市場預測都要基于新時代的數據特征。大數據時代對從業人員的工作素養要求提高，市場調查與預測課程不能只局限于對本課程內容的機械學習，而是要注重與相關管理類、大數據類專業的結合，培養大數據技術與行業實際管理決策相結合的跨專業復合型人才。