摘要：为适应大数据时代对高素质人才的需求，依据大数据的内涵及其体现出的特征，通过对当前普通高校工商管理类专业统计学教育的深入探究，发现工商管理类专业统计教育应该从教师专业素养、课程体系与教学内容、教学手段与方法等方面进行调整与改革，与时俱进，做到人才培养与社会需求的良好衔接.
关键词：大数据;工商管理类专业;统计学;教学改革
2012年，教育部出版的《普通高等学校本科专业目录和专业介绍》明确了统计学在经济管理等专业的基础核心课程的地位.统计学不仅为工商管理类专业学生学习其他相关课程提供必不可少的统计理论与方法，通过理论、实验及社会实践等各个教学环节相结合，逐步培养学生的计算能力、抽象思维与逻辑推理能力、分析与解决问题能力、理论与实践相结合的综合运用能力等.随着互联网、大数据时代的来临，社会对于工商管理类学生在数据处理方面提出了更高的要求.
1大数据的内涵与特征
大数据是计算机等电子信息技术高速发展下的产物，这一概念最早出现在阿尔夫·托夫勒1980年出版的《第三次浪潮》之中.由此，大数据在中国引起广泛关注，成为众人周知的概念.
1.1大数据的内涵
大数据是相对于传统数据而言的，是一个较为宽泛的术语，众多学者从不同视角对“大数据”的内涵与特征进行了阐释.维基百科的定义是：大数据指的是所涉及的资料规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理，并整理成为帮助企业经营决策更积极目的的资讯.[1]
美国咨询机构麦肯锡给出的定义是：大数据是一种规模庞大，在一定时间内无法用传统数据库软件工具获取、存储、管理、分析的数据集合.朱建平、章贵军等(2014)提出，广义的大数据应从数据结构和数据处理技术两个角度分析，其给出的定义为“大数据指那些超过传统数据系统处理能力、超越经典统计思想研究范围、不借用网络无法用主流软件工具及技术进行单机分析的复杂数据的集合”[2].耿直(2014)认为，狭义的大数据“是一个大样本和高维变量的数据集合”，广义的大数据不仅量大，而且包括各种结构类型、涵盖多学科领域各种项目数据集的重叠是一个“数据的海洋”[3].
英国学者维克托·迈尔·舍恩伯格在其著作《大数据时代》中提出了大数据时代的数据信息分析处理出现三个重要的转变，这三个重要转变可以理解为：大数据的规模庞大、样本即为全部数据以及数据本质追踪不仅限于因果关系等新特点[4].还有一些学者Grobelink·M(2012)[5]、Brian·Hopkins、Boris·Evelson(2012)和刘念真(2013)等是从特点出发描述了大数据.Grobelink(2012)认为大数据具有三个特点，即大量性(Volume)、高速性(Velocity)、多样性(Variety)，又称3V特点[6].刘念真则认为大数据除了具备Grobelink的3V特点外，还具价值性(Value)和真实性(Veracity)，即五V特点[7].
学者们阐述大数据内涵的观点主要分为以下几个类型：一是从大数据赖以存在的技术角度进行大数据定义;二是主要从数据规模、数据结构等角度定义了大数据;三是两个角度合二为一进行了定义;四是并未给出清晰的定义，但通过分析大数据的特点对其进行了界定.虽然视角不同，但通过众多学者的分析，让我们对大数据这一新生事物有了较为清晰、全面的理解.借鉴中外学者的观点，本文对大数据理解为：大数据是一种拓展边界的数据集合，不仅包括传统的数字，还包括大量文字、符号、视频、音频、图片等半结构化、非结构化的数据，其规模庞大，所蕴含的信息及价值提取困难，是一种依附现代信息技术进行收集、存储、处理、分析的以信号为基础的数据.
1.2大数据的特征
根据大数据产生的时代背景以及对其内涵的理解，我们认为大数据具有以下五个特征：
(1)容量巨大.大数据的首要特征是量大.随着电子信息技术的快速发展，计算机网络遍布全球各个角度，云计算平台、分布式数据库、分布式文件系统、互联网和可扩展的存储系统等技术的快速发展，为大数据收集、存储、处理、分析提供了技术支撑平台.随着电脑、智能手机、平板电脑等网络工具的普及，数据来源与范围不断拓展，数据规模以惊人的速度增长.
(2)类型多样化.传统数据以结构化数字数据为主，在大数据时代，数据不仅包括传统数字，还包括大量的文字、图片、音频、视频、符号、代码等半结构化、非结构化的数据.据IDC的调查报告显示：“企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%”[8].
(3)数据获取的高速性.大数据获取的高速性是相对于传统统计数据而言的.传统的统计数据获取渠道主要是专门调查，以时间较短的抽样调查为例，需要明确对象、制定方案、实施调查等具体内容，调查的时间周期较长.而大数据的获取是依托现代信息技术、互联网等完成，在明确目标的前提下，几乎可以在以秒为单位的时间内完成.
(4)大数据价值巨大.大数据的价值不仅仅是本身信息数量的庞大，更是通过对这些庞大信息进行专门的技术处理，抓取信息蕴含的意义，进而获得有意义信息带来的价值“增值”.随着技术不断进步，这种价值增值呈现出低成本高收益的特质，这必将带动大数据产业更加快速的发展.
(5)数据具有可变性.大数据的可变性主要表现在以下几个方面：数据总体的可变性.从动态角度看，大数据总体是一个不断变动的集合.一般情况下，大数据总体仅是某一个时间截面样本;数据的含义的可变性.即数据含义的非单一性，相同的文字、符号、图片等可能具有不同的含义，这样无疑加大了数据处理、管理的难度;数据来源的变动性.大数据时代数据收集主要利用网络技术、电脑、手机等工具，这些数据载体的使用并未覆盖所有的人群，当然也未覆盖所有人类的行为，因此，这些数据的价值与意义具有一定局限性[9].
2大数据对工商管理类专业统计学课程教学的影响
随着计算机、互联网等技术的普及，大数据的应用日益广泛，如何拓展大数据时代的统计思想、统计理念，使当今的高等教育接受者能够更好地掌握先进、实用的大数据收集、管理、分析的技术与方法，成为满足时代需求的人才，是当今高校应用统计教育的重大挑战.对高校传统统计学教育，挑战主要表现在以下几个方面.
2.1对任课教师的专业素质提出了更高的要求
当前，高校工商管理类统计学教师就其专业知识背景，可分为两类：一类是属于理学概率论数理统计学专业;另一类是属于经济学的社会经济统计专业.前一类专业出身的教师具有较强的数学逻辑思维，擅长数学推理分析、数学计算、计量模型的构建;而后一类专业出身的老师相关的社会经济类专业基础知识较强，但数理类知识薄弱[10].
受专业所限，这两类教师突出的弱项就是在计算机软件应用与编程等技术方面都不擅长.随着大数据时代的到来，大量的半结构化、非结构化数据成为数据库重要组成，这些数据的收集、整理、存储与分析等必须借助于现代先进的技术手段才能完成，从而在客观上要求教师具有较高计算机操作能力、较为先进的计算机知识，这对当前高校统计学专业教师无疑是一个挑战.大数据时代，由于数据处理对象为全样本，即样本为数据总体，依靠传统小样本统计推断的方法将不再适用.因此，教师需要更新自身的知识结构，学习掌握大数据、全样本下的数据处理与分析的基本理论方法，提高学生的大数据处理与分析能力.
2.2对教学内容与时代的衔接提出了挑战
高校工商管理类专业开设的与统计相关的课程主要有：“概率论与数理统计”“统计学原理”“市场调查与预测”等.课程内容相对固定，教学内容以数字数据为主要研究对象，数据收集以抽样调查为主，是针对传统小样本数据的统计推断分析，难以适应大数据统计分析要求.大数据时代，统计研究对象是全数据样本，并且大数据并不满足正态分布，总体参数估计与假设检验、非参数估计等传统的分析方法难以对大数据进行有效分析.
当前，大数据研究的主要问题有：探究半结构化、非结构化数据量化方式和标准;探索异构数据的规律;利用计算机科学、计算机数学等领域知识创新大数据分析方法等.显然，传统的教学内容难以满足大数据研究的需求.另外，在大数据时代，企业要求高校毕业生是理论与实践能力兼备的人才，不仅能够利用现代分析工具进行数据收集、管理，还能将先进分析方法应用到经济、金融以及管理等领域.针对当前形势，高校统计学教育应进行教学内容改革，在加入适应大数据的统计理论与分析方法的同时，提高实践教学内容所占的比重，做到人才培养与社会需求的良好衔接.
2.3对教学方法与教学手段的挑战
目前，在高校应用统计学教育中，教学方法与手段比较单一也是一个比较突出的问题.教师在理论部分一般采用课堂讲授法，在偏向应用型的统计学内容如统计调查、参数估计与检验、回归分析等，一般采用结合具体案例进行讲解，实践教学环节所占比重小，一些教师甚至没有安排实践环节.在实践教学环节，一些教师会采用小组讨论、社会调查等方式，一些教师通常结合Spss、Excel、Eviews等统计软件设计相应的实验课程，让学生掌握使用统计软件进行统计分析推断的技能.
但实践环节的方法与手段适应的是传统的小样本数据分析，难以应对大数据带来的挑战，大数据分析的重点、难点与传统的统计分析是存在很大差异的.大数据背景下，研究对象是全体数据，而不是随机抽取的样本数据;统计分析是以数据为中心，而不是以传统的技术与方法为中心;统计分析的难点是半结构、非结构化数据的量化与标准化，构建大数据系统下的统计模型、发现异构数据的关联等，而不是传统的因果关系分析、统计的准确度与精度分析等.因此，传统的教学方法与手段难以适应大数据时代对统计分析的要求，改革势在必行.
2.4对人才培养模式的挑战
统计学是工商管理类专业的重要课程，教育部在《普通高等学校本科专业目录和专业介绍》(2012)中规范了基本的培养要求，其主旨是培养学生兼具扎实基础知识与实践能力，培养学生将统计知识运用到具体领域的综合能力.但目前，高校的应用统计教育存在“重理论，轻实践”的误区.在传统教育模式下，教师偏重对理论知识的教授，注重对原理、公式和模型的计算与推导，通过案例分析、习题等方式强化学生的理论基础，但忽视实践教学环节，不注重学生实践能力、综合运用能力的提高.随着大数据时代的来临，这种模式下培养出来的学生势必难以满足企业对人才的要求[11].
根据张学新(2016)的归纳，企业招聘数据分析工程师职位的共同要求如下：(1)具备统计、数学、计算机等专业背景，具有数据挖掘工作经验;(2)熟悉常用算法，熟练使用一款统计软件，具备相应编程能力，进行数据处理与统计分析;此外，需要学生具备相关领域专业知识，熟练掌握统计分析方法进行数据特征分析的能力[12].从其总结来看，基础知识只是一个必备的条件，企业更注重的是实践技能与数据分析经验.因此，一般本科院校在人才培养过程中，在以市场需求为导向的前提下，注重学生综合素质的提高，在扎实学生理论基础的同时，注重学生实践技能的培养、综合运用能力的提高.
3大数据背景下工商管理类专业统计学课程教学改革的举措
3.1更新价值观念与知识结构，提高专业教师素质
专业教师首先要解放思想，主动认识、学习与把握大数据时代变化的实质，不断更新自己的价值观念，确立大数据的统计思想.与传统的抽样样本分析不同，大数据分析是全数据样本分析，不需要依靠样本推断全体，也无需进行可靠性、有效性的检验.但，大数据是异构数据，存在模糊性、易变性、容错性，需要不断学习新技术、新知识，运用创新性的统计分析思维来开发数据价值的观念，并将这一理念传输给学生，培养学生的大数据统计思想与创新思维.与传统统计分析相比，大数据分析从数据特征、分析方法到实际应用都出现了新的变化，需要专业教师拓展自身知识结构，为大数据时代统计教育做好知识储备.专业教师在扎实的传统理论基础之上，需要学习现代大数据收集、管理以及分析应用知识，尤其是大数据的异构数据的测度与量化，大数据建模方法等重点内容.
此外，大数据分析有新的技术要求，需要学习和补充大数据相关的互联网、计算机软件工具等方面的知识.工商管理类专业的教师还应将电子商务、财务管理、金融学、市场营销等专业的特征与“互联网、大数据”的特征相结合，设计出适合本专业的教学体系、方法与内容.
3.2调整课程体系，充实教学内容
统计学是一门重要的方法论学科，虽然研究对象出现了变化，扎实的基础依然重要.在大数据时代，统计学教学依然不能忽视基础理论教学，但教学内容要进行调整，对与大数据应用理论关联不强的要进行适当的删减，将教学内容向大数据相关理论倾斜.在具体教学中，减少数据总体分布拟合、参数估计与检验、非参数估计等内容，因为大数据不满足正态分布，不需要数据分布检验，增加大数据的收集管理方法、异构数据测度、大数据模型构建等方面的内容.大数据的统计分析涉及知识广泛，需要对统计学相关课程进行调整.可根据大数据的特点以及适应社会的需要，适当删减、增添一些课程，如减少空间解析几何、实变函数的学时;强化计算机程序设计课程，增加数据库原理与技术课程，增加商业数据挖掘作为选修课程;拓展Spss、Matlab等统计软件与工具的教学，增设新的与大数据前沿相关的课程，如计算机网络技术、大数据统计软件与工具的相关课程。
增大实验教学、社会实践教学在教学内容中所占的比重，使学生在掌握大数据的基础理论同时，具备较强的大数据运用与分析解决实际问题的能力.总之，高校本科统计学课程在培养学生数据收集、处理以及分析等能力基础上，加强某一专业领域的知识培养，注重自学能力、科研能力提高，既培养学生的独立工作能力，也要有良好的团队合作能力，有针对性引导学生职业能力与综合素质的提高，不仅要培养“应用型”人才，更要培养高素质的“复合型”人才.
参考文献：
[1]维基百科.大数据[EB/OL].(2014-08-08)[2015-01-08].http：//zh.Wikipedia.org/wiki/%E5%A4%A7%E6%95%B8%E6%93%9A.
[2]朱建平，章贵军，刘晓葳.大数据时代下数据分析理念的辨析[J].统计研究，2014，32(2)：10-17.
[3]耿直.大数据时代统计学面临的机遇与挑战[J].统计研究，2014(1)：5-9.
[4][英]维克托·迈尔·舍恩伯格.大数据时代——生活、工作与思维的变革[M].袁杰，译.杭州：浙江人民出版社，2013.
[5]非结构化数据“飞”入云中，企业如何应对[EB/OL](.2011-08-05)[2018-07-16].https：//www.c
sdn.net/ar⁃ticle/2011-08-05/302706.
[6]李金昌.基于大数据思维的统计学若干理论问题[J].统计研究，2016，33(11)：3-10.
相关刊物推荐：《统计研究杂志》创刊于1984年，本刊为月刊，主编：李纲。国内统一刊号：CN11-1302/C，国际刊号：ISSN1002-4565。《统计研究杂志》在广大作者、读者的关心支持下，逐渐形成了自己的办刊特色，成为统计领域最具权威性的理论刊物。
