大數據背景下應用統計學專業改革探討

吳群英 蔣遠營 張浩敏 王想 王彬 鄧光明

摘要：大數據給應用統計學專業帶來機遇與挑戰。本文針對應用統計學專業的自身特點和大數據下的新特點，剖析了現有教學體系中存在的問題，探討和改革了應用統計學專業人才培養目標定位、課程調整與設置、教學內容、教學手段等。

關鍵詞：大數據;應用統計學;教學改革

中圖分類號：G642.0 ? ?文獻標志碼：A ? ?文章編號：1674-9324（2016）43-0101-03

一、研究背景

自2002年桂林理工大學在廣西開辦了第一個統計學本科專業以來，針對當時理學學位的統計學專業培養的學生雖然數理基礎相對扎實，但普遍統計思想不夠，實際應用能力較弱的現狀和特點，對統計學專業進行了全方位的改革研究，確立了"數學與統計學相融，從培養學生扎實的數理基礎和極強的統計分析應用能力有機相結合的理念出發，構建了新的課程體系和教學內容，取得了系列研究成果。2009年研究成果開創“應用性、實驗性、案例性”一體化的統計學專業課程體系和教學模式，獲得廣西高等教育自治區級教學成果二等獎[1]，并在其后分別把統計學學科建成廣西重點學科和廣西高等學校優勢特色專業，以及把應用統計實驗室建成廣西高等學校重點實驗室。

雖然我校統計學專業的教學改革和建設取得了許多成果，但近幾年，我們也逐漸感覺到在大數據新形勢下，我校應用統計學專業的教學體系還有一些不適應的地方，且某些問題還有日益凸顯的趨勢，我們原來的某些研究成果已不再適應新時代的要求，這就迫使我們繼續進行改革研究，探討在大數據背景的新形勢下，如何培養統計學專業復合型和應用型人才，如何準確把握統計學的發展方向與發展形勢，如何調整人才培養模式，如何調整相關課程和課程內容，以培養適應大數據背景下社會經濟發展需要的統計學專業人才。

許多國家越來越重視數據在大數據時代重要作用，我國也不例外，2012年9月，國家統計局第7次局務會提出，盡快開展在政府統計中應用大數據的研究。2013年可以看作是我國政府統計之大數據元年。2015年9月《國務院關于印發促進大數據發展行動綱要的通知》（國發〔2015〕50號）[2]頒布，標志著我國正逐步進入大數據建設的新時代，為此，國家統計局積極推動大數據在各方面的應用與實踐。而大數據的核心是數據，應用統計學學科是與數據分析處理聯系最為緊密的應用性學科，因此，應用統計學專業的教學體系應順應大數據發展的趨勢。在大數據背景下，應用統計學專業在繼承傳統數據分析技術的基礎上，對所需的數據處理技能提出的需求更高了。這就是說，大數據對應用統計學的培養目標，以及教學內容等的沖擊無疑是最大且不可避免的，這給應用統計學專業帶來了巨大的挑戰，同時也為應用統計學學科的發展帶來了前所未有的機遇。

大數據逼迫人們改變分析、處理數據的手段、思維和理念，這就逼迫應用統計學專業改革必須引入新手段、新思維和新理念。培養應用統計學人才必須與時俱進，才能不斷適應大數據新時代的要求，這關系到應用統計學專業培養的人才能否適應和滿足社會的需求，因此，這一研究是十分必要、十分迫切且有著重要的理論和實際應用意義。

二、大數據背景下應用統計學專業的改革探討

1.培養目標的轉變。大數據時代給應用統計學帶來機遇與挑戰，同時引發了對應用統計學培養目標的新思考。目前應用統計學專業教學體系的培養目標是，培養學生收集、整理和分析數據的能力的“應用型”專業人才。然而，在大數據背景下，除了要求學生具備數據收集、處理和分析的能力外，還要對其應用領域的背景知識有所了解，這就要求應用統計學培養“復合型”專業人才。因此，如何從培養“應用型”向“復合型”人才進行轉變，是在大數據背景下應用統計學專業培養目標必須解決的首要問題。在定位應用統計學專業的人才培養目標是培養“復合型”專業人才后，就得重新探索教學體系的調整和設計。傳統的應用統計學專業教學體系專業的主干課程有數理統計、抽樣技術與方法、回歸分析、計量經濟學、多元統計分析、統計軟件等。而在大數據下，強調對全數據開展分析，不需進行隨機抽樣，即不是在給定的精確下，利用樣本推斷和分析總體;同時，大數據注重數據之間的相關關系，而不是像傳統統計那樣強調數據之間的因果關系。現有的教學體系沒有涉及這些內容，與大數據時代的要求有些不相適應。因此，我們必須創新傳統的應用統計學專業教學體系，重視大數據的不同的分析方法、分析技術，在課程設置、教學內容等都要圍繞著數據的分析方法和技術展開。

2.教學內容改革探討。雖然在大數據時代下，必然要對數據收集、分析方法等進行改革和創新，但與此同時我們也清楚地意識到，對大數據的搜集、分類、分析等都仍需要依賴傳統的統計學方法，因此，大數據分析離不開傳統統計學，大數據分析是對傳統統計學的補充而不是替代，建立在樣本統計和預測分析之上的傳統統計學仍發揮著主導作用。所以，在應用統計學專業的改革中，我們強調深化基礎，培養擁有厚基礎、寬口徑的學生。加深應用統計學基礎理論知識學習，夯實數學基礎知識，讓學生學好數學分析、高等代數、概率論、數理統計等基礎課程，打好理論基礎，通過這些課程的學習不但打好學生的數理基礎知識，培養他們的抽象思維能力和邏輯推理能力，因為只有理論基礎打牢了，才有后勁，才能更好地學習新知識，適應新形勢下的要求。同時，在大數據背景下，應用統計學專業課程教學要培養寬口徑的統計學復合型人才，由于一些大數據充滿了各種隨機的、非隨機的誤差和偏倚，不滿足傳統的統計方法和理論對數據的苛刻要求，不能用傳統的統計方法進行分析。因此，必須對現有的應用統計學專業的課程體系、教學內容等作出相應的調整和改革。這就需要對應用統計學專業課程內容進行協調和整合，在精選知識、內容銜接與交叉融合上狠下工夫。探索在一些課程中，增加介紹一些大數據方面的概念和應用，例如在時間序列分析、多元統計分析、統計預測與決策分析等課程內容中引入大數據分析的理論和實踐案例。大數據對統計學專業人才提出了更高的要求，除了應具備數據收集、處理和分析的能力以外，還應具備很強的自我學習、自我提高的能力，以適應大數據時代數據量大、總類繁多、時效性高等發展特點。這就要求學生自主學習、閱讀大數據等相關資料，掌握國內外最新動態和進展，這可通過布置課外作業、課外讀書報告和課外論文檢查學生自主閱讀學習的效果。同時，特別要注重課程的開放性教學和研究，以適應大數據時代的要求。（1）樣本概念的深化。全樣本（總體）研究是大數據方法的重要特點。過去，由于缺少收集和分析數據的各種工具，數據收集、處理能力受到限制，因此，產生了隨機抽樣的理論方法，從而達到用較少的樣本推斷、預測總體的目的。然而，大數據時代數據收集、處理的方式和技術都發生了翻天覆地的改變，現在我們可以通過數據庫、互聯網、各種通訊工具等獲得各種各樣的海量數據。這時，隨機抽樣在某些情況下就失去了它原有的意義、地位和作用。方便、廉價的數據收集，數據處理、存儲能力的提高，使得全數據分析模式成為可能。因此，大數據背景下不需隨機抽取，可用總體進行分析，也可用與分析目的相關的數據進行分析。所以，在大數據時代，傳統應用統計學面臨著新的任務和挑戰，首先要改變對樣本、對不確定性等的重新認識，轉變抽樣調查的功能和地位，建立新的收集、梳理、分類數據的方法。大數據的分析和處理與傳統樣本數據的分析和處理的方法有許多不同，傳統的統計學的理論和方法是以隨機樣本來推斷總體，即它的理論和方法幾乎都是建立在樣本的基礎上的，是建立在隨機抽樣基礎之上的統計推斷，其理論基于"樣本數據-分布理論-概率保證-總體推斷"，這種用樣本推斷總體的理論和方法，不可避免的會出現誤差。而大數據時代的特點是信息處理迅速、獲得途徑廣泛、價值密度低，這樣在處理數據時就不需要進行隨機抽樣，可以全體數據作為樣本，而即大數據關注的不是隨機樣本，而是總體，這不同于傳統的統計推斷分析，大數據時代可以收集全數據進行分析，這一特點剛好能彌補樣本統計必然會帶來誤差的劣勢。因此，應用統計學應該補充、適應大數據時代的全數據分析模式，將大數據總體統計的思想、思維和方法納入到教學體系和教學內容，從傳統的樣本統計轉向樣本統計和總體統計相結合，這是應用統計學發展的必然趨勢。探討在什么課程、如何引入全樣本統計尤其重要。我們研究實踐了在抽樣技術與應用等課程教學中，新增大數據背景下的全樣本理念，闡明樣本統計和總體統計的差別、如何搜集大數據，以及大數據樣本常存在缺乏代表性、信息冗余、存在噪聲、呈現重尾分布、長相依和不平穩性時如何選用合適的統計分析方法，以盡量避免分析結果的系統偏差等。（2）相關分析與因果分析并重。在傳統統計分析中，因果關系占據重要的地位。我們可以根據概率P值進行因果關系檢驗，從而確定兩個變量之間是否存在著顯著的因果關系。即傳統統計分析是建立在假設的基礎上揭示數據相互之間是否存在因果關系，因此，傳統統計分析比較注重因果分析。但大數據時代由于數據海量、結構復雜、要求數據處理速度快等特點，造成因果分析往往不可行。而相關關系分析不需要建立在假設的基礎之上往往可行，且相關關系分析不易受偏見的影響而發生錯誤。因此，大數據改變了傳統統計注重因果關系檢驗的思維，注重相關關系分析，而不是因果關系分析，大數據時代的重要特點是注重相關分析，以及建立在相關分析基礎上的預測分析。側重相關性研究的思想是大數據方法的重要特點，大數據時代相關分析方法的重要性日益凸顯。大數據時代，相關分析的運用范圍之廣、重要性之大引起了我們的重視和研究，我們在教學中從傳統的注重因果分析向相關分析與因果分析并重轉變。傳統的相關分析基本上是線性相關分析，大數據研究的相關分析不僅是線性相關，更多的是非線性相關關系。傳統的統計研究方法，如建立各種回歸方程、估計模型參數、假設檢驗等因為大數據的特點而無法實施。針對大數據的相關關系分析不同于傳統的相關關系的分析，我們在教學中重點不是做傳統的邏輯推演，而是重點闡明如何搜索、分類、歸納、分析大數據，以及如何找出數據之間的相關性并據此進行預測。闡明大數據時代相關分析思維的重要性，以及相關分析在特征選擇、變量依賴關系識別中的實用性。

3.創新實踐教學模式，加強實踐教學。雖然我校應用統計學專業在上一輪的教學改革中，已十分重視增強了實踐教學環節，增加了許多實踐教學內容。但是，我們仍然意識到在大數據背景下，我們的實踐教學體系、實踐環節、實踐內容、實踐工具等仍有許多需要改革的地方，因此，我們對實踐教學進行了梳理并加以改革。

我們原來的實踐教學以統計模型和軟件為基礎進行數據分析處理，對數據間的數量關系構建統計模型，通過尋求一些適合模型的數據來說明統計模型的意義，即是以模型驅動為主的實踐教學模式。但這種模式已不太適應大數據時代的要求，大數據時代數據是海量的、復雜的，在處理數據的時候，必須根據數據的特征選擇適合的統計模型，加強統計建型之前對數據進行檢驗、識別的實踐教學。隨著對統計模型越來越精細刻畫的要求，以及大數據愈來愈趨于更加復雜的模式，這種統計建模前事先的檢驗與識別將越來越凸顯出其必要性和重要性。因此，我們加強了培養學生如何通過探求數據可能的潛在結構，讓數據本身尋找一個適合的統計模型來描述和刻畫，利用數據自身的特點尋找最合適的模型表達形式的能力，這是大數據建模必然要求的能力。我們從數據出發開展實踐教學，培養學生以數據驅動而不是以模型驅動的思維方式，探討和實踐了從以模型驅動的實踐教學模式轉變為以數據驅動的教學模式，并輔以課后項目式訓練、校外實習基地鍛煉的創新型實踐教學模式，讓學生了解和掌握整個數據分析實踐的流程，激發學生學習的興趣，培養學生學以致用的思維和解決實際問題的能力。

統計軟件是分析和處理數據的工具，原來我們主要講授的是SPSS和Eviews這兩種統計軟件，因為它們處理一般的計量模型和時間序列比較方便。但是，大數據的海量性和復雜性，一些大數據已無法用這兩種軟件處理。而R軟件和SAS軟件有強大的數據處理和數據分析功能，因此，我們把R軟件和SAS軟件融入到專業課程的大數據實踐教學環節中，將統計軟件與課堂教學相結合，強調統計數據、計算機編程以及統計軟件分析相結合。為了進一步激發學生學習、研究統計軟件的熱情，我們還在學生中成立了R軟件協會，將R軟件與大數據結合起來，同學們在R軟件協會處理、分析大數據，根據數據的特征編譯、創造出新的計算方法，以及根據數據的特征選擇建立適合的統計模型，以滿足、適應實際需要，他們在R軟件協會中相互學習、相互交流、相互提高，積極性很高，成效顯著。

綜上所述，針對大數據時代對統計學人才的需求，我們對應用統計學專業的培養目標、教學內容以及實踐教學都進行了改革探討，采用增強應用統計學專業課程的開放性、交叉性以及教學、實踐方式多樣性的新型教學模式，切實提高學生處理數據的動手能力和創新能力，培養適應大數據時代的應用統計學人才。

參考文獻：

[1]吳群英，林亮，徐海云，鄧光明，王遠清.開創“應用性、實驗性、案例性”一體化的統計學專業課程體系和教學模式[J].桂林理工大學學報，2010，30（高教研究專輯）：122-125.

[2]國務院.國務院關于印發促進大數據發展行動綱要的通知，國發〔2015〕50號[EB/OL].http：//www.gov.cn/zhengce/content/2015-09/05/content_10137.htm.

Applied Statistics Reform under the Background of Big Data

WU Qun-ying， JIANG Yuan-ying， ZHANG Hao-min， WANG Xiang， WANG Bin， DENG Guang-ming

（College of Science， Guilin University of Technology， Guilin，Guangxi 541004 ，China）

Abstract： Big data era brings opportunities and challenges for applied statistics rofessional. Aiming at the characteristics of applied statistics and new features under the big data， analyzes the existing problems in the teaching system， we explore and reform professional talent training target， course adjustment and setting， teaching content， teaching means of the applied statistics.

Key words： big data;applied statistics; teaching reform