大數據時代下《商業預測》課程改革與設計

于 娛

（南京審計大學 商學院，江蘇 南京 211815）

一、導言

預測是大數據應用的核心，也是挖掘的價值所在①。大數據時代，管理者進行商業預測對于提高組織績效具有重要的意義②。商業預測是企業進行經營決策的重要信息來源，準確的預測對于企業進行經營決策具有重要的意義。預測已經成為商業人士預測經濟趨勢并準備從中受益或應對經濟趨勢的寶貴工具。良好的商業預測可以幫助企業主和管理者適應不斷變化的經濟發展③。《商業預測》作為大數據應用與管理專業主干核心課程之一，旨在培養大數據環境下，學生從事商業預測工作的能力。目前國內外相關院校專業也開設了商業預測相關課程，如《市場調查與預測》《預測與決策》《預測方法與技術》等。相關學者嘗試通過對傳統商業預測類課程進行改革以適應大數據時代要求。韓二東等學者基于大數據背景從教學方法、教學模式、課程考核評定設計等方面對《市場調查與預測》課程進行改革④-⑧，但上述教學改革在課程內容上仍然無法滿足目前大數據時代下對商業預測人才培養的知識需求，教學模式仍比較傳統。因此本文根據大數據時代下對商業預測知識的新需求并結合大數據管理與應用專業相關課程的性質和特點, 分析該課程教學改革的必要性，從教學目標、教學內容、課程思政、教學模式和教學評價等五個方面對課程進行設計，從而幫助學生滿足大數據時代下對于商業預測的知識儲備以及實踐能力需求。

二、大數據時代下《商業預測》課程改革的必要性

（一）傳統的商業數據獲取方式已不適應大數據時代的商業需求

大數據時代，大數據被廣泛應用，隨著大數據技術快速發展，大數據應用正在融入人類社會活動的各大領域中。大數據具有數據量大、形式多樣、快速更新等特征?；诖髷祿治霁@得預測是大數據應用的核心，也是挖掘的價值所在。企業可以運用大數據分析為商業決策提供參考，將大數據轉化為創造價值的資源。傳統的商業數據獲取主要是采用通過問卷調查、電話調研等方式進行隨機抽樣，以獲取樣本數據。但往往獲取樣本的代價較高，費時費力，數據獲取口徑也較窄，具有滯后性，數據質量難以保證，無法提供快速預測，以適應復雜多變的市場需求。

（二）傳統教學手段及方法已不適應大數據時代的商業需求

傳統商業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。但傳統的市場調研搜集數據的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，傳統的預測類課程教學方式往往重理論輕實踐。雖然在教學過程中也加大對實踐教學的重視，但實踐內容和方式仍然沒有脫離傳統的數據獲取方式，調研效率和結果的準確性越來越難以滿足大數據時代瞬息萬變的市場需求。或者實踐教學大多使用較為簡單的算例數據，實踐教學內容脫離實際無法真正實現培養學生實踐和動手操作能力，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。因此，采用傳統教學方式方法對學生進行培養，往往出現學習內容與實際情況脫節的現象。學生實際工作能力較差，無法滿足企業需求，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也給企業帶來困擾。

（三）傳統教學內容已不適應大數據時代的商業需求

傳統商業預測課程中關于預測的內容主要包括定性預測方法和時間序列分析法、因果分析法等定量預測方法。在定性預測方法中，主要包括市場調查預測法、專家預測法和主觀概率預測法。在定量預測法中，主要包括動平均法、指數平滑法、一元回歸、多元回歸等多種常用方法。上述基于統計學的傳統時間序列預測方法，優點是復雜度低、計算速度快，但是也受到一定的局限，準確度低。大數據時代的信息和數據更新速度極快，數據樣本量巨大，同時企業通過相關大數據技術獲取數據變得非常容易，成本很低，甚至零成本。而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。因此必須結合大數據時代數據獲取和分析的特點，以實際應用為導向，對《商業預測》課程進行設計調整。

三、大數據時代下《商業預測》教學設計

（一）課程教學目標設計

大數據管理與應用專業是教育部根據國家戰略需求和經濟發展而特設的本科熱門專業。該專業以“互聯網+”和大數據時代為背景，主要研究大數據分析理論和方法在商業中的應用，為解決各行業中的商業問題提供量化分析和科學決策。結合本課程實際，構建“態度-知識-能力”三維框架下的課程教學目標。（1）態度。積極的學習態度，對提升學生學習興趣，促進學生主動學習具有重要作用。因此本課程的教學目標之一是培養學生形成并建立“用什么模型預測，如何構建預測模型，如何編程實現模型預測”的預測思維。通過引入實際應用案例，讓學生了解商業預測的重要性，以激發學生學習主動性，端正學生的學習態度。（2）知識。本課程理論教學部分涉及多種機器學習方法，實踐教學部分涉及運用Python 語言實現商業預測。因此，本課程的第二個教學目標是幫助學生掌握商業預測理論模型知識以及運用Python 進行商業預測建模知識。通過掌握理論和實踐兩部分知識，能夠幫助學生更好地滿足大數據時代對于商業預測的知識儲備以及實踐能力需求。（3）能力。本課程作為大數據管理與應用專業的必修課，強調大數據在商業預測中的運用。通過Python 實踐操作，使得學生在掌握相應商業預測理論模型的同時，能夠掌握商業預測相關方法的核心精髓。因此，學生實踐能力培養與提升是本課程的第三個教學目標。通過上述三個目標的實現，從而幫助學生能夠將養成的態度、掌握的知識和培養的能力游刃有余地應用到今后工作實踐中，進一步提升學生培養質量。

（二）課程教學內容設計

當前大數據預測模型應用的主流模式是將傳統的統計學、 計量經濟學與機器學習等分析手段充分融合⑨。因此，本課程將圍繞機器學習相關模型方法，向學生講授在商業預測中的典型應用。課程教學內容主要包括基于機器學習的商業預測理論模型教學內容和基于機器學習的商業大數據預測應用教學內容?；跈C器學習的商業預測理論模型教學內容具體包含Python 機器學習基礎知識、商業預測模型評估與選擇和機器學習中相關預測模型三個部分。其中課堂教學圍繞常見的機器學習中預測模型基本原理，以實際應用案例演示代碼編譯練習，幫助學生理解商業預測的精髓。基于機器學習的商業大數據預測應用教學內容主要是向學生講授如何利用Python進行建模，實現機器學習在環境污染、法律裁決、大眾娛樂、醫藥健康、汽車節能、人工智能和商業分析等眾多領域的應用，旨在幫助學生進一步加深對理論精髓的理解和實踐水平的提升。

同時，為了進一步提升學生運用Python 語言進行大數據商業預測的能力，通過開設16 個學時的實踐課，首先將常見機器學習中的代碼提供給學生。在實踐教學中通過帶領學生閱讀模型代碼，掌握基本的代碼結構，掌握基本機器學習中商業預測模型的代碼編寫。幫助學生進一步加深Python 語言編程能力，然后將實際應用數據提供給學生。學生通過干中學，通過解決實際問題，以提升學生積極性，從而進一步提升學生的實踐操作水平。《商業預測》課程的具體教學內容和課程具體學時分配如表1 所示。

（三）課程思政設計

根據教育部印發的《高等學校課程思政建設指導綱要》文件精神要求，本課程是一門主要運用機器學習方法對各種分類問題與回歸問題進行商業預測建模的課程。在課程講授過程中，將結合知識內容培養學生整體觀、系統觀、聯系觀；同時，本課程也是一門與實際問題相結合的課程，要培養學生理論與實踐相結合、學以致用的正確學習觀。因此，本課程將圍繞各章節內容進行思政設計，發揮好“每門課的育人作用”，實現立德樹人根本任務，具體課程思政設計內容如表2。

表2 課程思政要素設計

（四）教學模式設計

《商業預測》 作為大數據管理與應用專業主干課，本課程將以案例引導和動手操作為教學抓手，圍繞學生學習心理和知識儲備。采用以下教學方式，以此活躍課堂氣氛，調動學生學習興趣，實現良好的教學效果。

1.重案例引導，輕模型推導。源自商業一線的商業預測應用實際案例可以有效調動學生的學習積極性和求知探索欲。因此，在課程教學中將首先選取源自商業實踐的案例，例如運用大數據技術獲取用戶在購買前在相關網站進行比價、瀏覽、點評等客戶行為大數據，預測客戶購買行為。面向學生講授大數據在商業預測中的典型應用案例，從而調動學生的學習興趣。同時，在理論教學過程中面臨著較多的機器學習模型推導，往往存在難消化和吃不飽兩種問題。因此，本課程將以高中數學知識為基礎，通過科普化教學方式⑩，帶領學生了解掌握基本的機器學習方法的數學模型結構，掌握預測模型的基本原理。以避免學生在學習過程中產生畏難心理，從而影響課程教學質量。對于數學基礎較好的吃不飽學生，通過學生提供線上慕課、微課資源，進行課后學習。另外，在教學過程中與學生分享商業預測理論和應用的最新前沿研究，為有志于未來從事相關方向學術研究的同學提供學術資源，培養學生科研興趣和熱情。

2.重上機實踐，輕理論實現。為了進一步加強實踐教學環節，提升學生實踐操作能力，對應課程教學內容，本課程將設置共16 個課時的實驗課程。Python 作為被廣泛應用的面向對象的解釋型計算機語言之一，具有開源、代碼可讀性強，可實現高效開發的特征。已發展成為當今主流的計算機語言之一，尤其在機器學習領域，成為機器學習實踐的首選。作為大數據管理與應用專業的本科生有必要掌握基于Python 語言以開展大數據商務預測。為了進一步加強師生互動，促進學生充分掌握基于Python語言的商業預測，在實踐教學中首先帶領學生閱讀常見預測模型的代碼，以確保學生能夠掌握基于Python 的商業預測編程步驟。通過課前將實際應用數據提供給學生，讓學生提前了解理論模型在實際中的應用。在課中讓學生圍繞實際數據開展預測模型編程，并配合教師現場指導，以幫助學生進一步提升Python 編程能力。在課后布置學生嘗試從日常生活中尋找預測問題，并嘗試運用課程中學習的預測模型進行求解。通過課前、課中、課后三個層面提升學生的實踐操作能力。

（五）教學評價設計

為檢驗學生的學習成果，本課程圍繞教學目標，從理論和實踐兩方面設計課程評價方案，以期通過科學客觀、合情合理的課程考核方式來保障課堂教學質量和學生能力培養。本課程考核分為理論考核和實踐考核兩部分，同時強調理論知識掌握和實踐能力培養的重要性。因此，兩部分考核均各占50%，具體方案：（1）理論考核。主要考察內容包括大數據商業預測概念、特征；常見的機器學習預測模型應用，該部分內容采用閉卷考試形式對學生進行考核。本部分注重學生對商業預測常見模型的基本原理掌握及應用。（2）實踐考核。主要考查學生運用Python 軟件進行商業預測分析。該部分內容通過布置實際應用數據，要求學生運用Python 語言對相關預測問題進行編程求解，以考查學生對基于Python語言的商業預測操作的熟悉程度。本部分成績根據學生撰寫的實驗報告進行評分。

本文根據大數據時代下對商業預測知識的新需求并結合大數據管理與應用專業相關課程的性質和特點,分析《商業預測》課程教學改革的必要性，并從教學目標、教學內容、課程思政、教學模式和教學評價等五個方面對課程進行設計，從而幫助學生滿足大數據時代對于商業預測的知識儲備以及實踐能力需求。