以數據挖掘為導向的應用型統計人才培養的思考

劉惠　趙海清

【摘 要】大數據時代下，如何培養應用型統計人才是高校思考的問題之一。通過論述應用型統計專業人才需具備的能力，認為“泰迪杯”數據挖掘挑戰賽能為應用型統計人才的培養提供一定的引導。以數據挖掘為導向調整教學內容，借助校企合作利用實際數據引入案例教學，通過項目驅動式教學來提高統計學專業學生的實踐能力和創新能力，從而達到應用型統計人才培養的目的。

【關鍵詞】統計學專業;人才培養;數據挖掘;應用型人才

中圖分類號： C829 文獻標識碼： A 文章編號： 2095-2457（2019）30-0127-002

DOI：10.19694/j.cnki.issn2095-2457.2019.30.064

Reflections on the Training of Applied Statistical Talents Oriented by Data Mining

LIU Hui ZHAO Hai-qing

（School of mathematics and statistics， lingnan normal university， Zhanjiang Guangdong 524048， China）

【Abstract】In the era of big data， how to train application-oriented statistical talents is one of the problems that colleges and universities consider. By discussing the abilities of applied statistics professionals， it is concluded that the “Tipdm Cup” data mining challenge can provide some guidance for the training of applied statistics professionals. Adjusting teaching content based on data mining， using the actual data to introduce case teaching with the help of school-enterprise cooperation and using the project-driven teaching to improve the practical ability and innovation ability of statistics students， so as to achieve the purpose of cultivating application-oriented statistics talents.

【Key words】Statistics; Talent training; Data mining; Applied talents

0 引言

當前，交叉學科和技術群迸發的新一輪科技革命正在孕育，世界科學中心面臨轉移，第四次工業革命隨步而至，數字化鏈接和人工智能正在深刻影響各個行業、領域及學科的發展[1]。數據顯示，2018年的大數據產業市場規模約為5300億元，同比增長15%。2019年我國大數據產業市場規模將達到6300億元，而未來五年年均復合增長率約為15.47%[2]。正如馬云所說，我們已經進入數據技術時代。

大數據與人工智能的發展直接影響人才需求和培養方式。統計學是一門與數據緊密聯系的學科，大數據不僅推動了數據科學領域交叉科學的研究，也對統計學的發展有著深遠影響[3]。這促使更多的高校將數據科學課程與傳統統計學課程相結合，為學生更多更新的學習項目，以便他們能在今后從容面對不斷變化的現實挑戰。

對于應用型統計學人才的培養，加強統計實踐環節教學是解決這一問題的主要途徑。2014年11月，《光明日報》刊文“高校怎么向應用型人才培養轉型”，文中提出“高校要根據社會需求培養多種多樣的專業型、復合型應用人才”[4]。2015年11月，教育部等三部委聯合發文《教育部、國家發展改革委、財政部關于引導部分地方普通本科高校向應用型轉變的指導意見》，文中提到要緊緊圍繞“互聯網+”等國家重大戰略推動高校轉型發展。這為普通高校統計專業的人才的培養指明了發展方向[5]。2016年，薛靖峰指出要培養學生結合統計方法獨立解決實際問題的能力，必須增強學生的實踐能力和動手能力[6]。2017年，任重指出要加強社會實踐，讓學生能夠正式地參與到統計工作中去，將學校中學到的統計學知識和專業技能更好的融會貫通[7]。2018年，歐立松指出應用統計專業學生實踐能力缺乏， 應該優化課程體系， 建立完整和相對獨立的實踐教學體系和模式， 這對于大學生擇業、就業和創業具有重要意義[8]。但對于如何加強統計實踐環節的教學，受限于數據資源和實驗條件的限制，不同的高校有不同的方式方法。近年來，筆者所在學校通過組織統計專業學生參加“泰迪杯”全國大學生數據挖掘挑戰賽，以賽促教、以賽代練，借助于校企合作強化實踐教學環節的教學質量，顯著提升了學生的數據分析水平和創新能力。

1 應用型統計人才需具備的能力

大數據的發展使得統計研究的對象不僅僅局限于數值型的數據，還包括文本型數據，以及聲音、圖片等多媒體數據。獲取數據的方式也多種多樣，有的可以從相關網站下載，有些需要從網頁上爬取，對于特定研究目的數據還需要設計問卷從調查中得到。所以，大數據背景下，對于應用型統計人才的數據搜集、處理和分析能力也提出了更高的要求。通過參賽實踐證明，教師可從數據收集、數據的預處理、數據可視化、數據挖掘等多方面加大教學力度和實踐環節，指導學生提高處理海量數據、提煉數據價值的能力。所以，本文提出應用型統計人才可能應具備的能力如下：

（1）熟練使用數據分析工具python或者R語言對數據進行處理;

（2）了解大數據分析的流程：即分析的目的、數據的準備、挖掘模式的建立以及結果解釋與評估;

（3）認識數據的類型：大數據背景下處理的數據主要包括數值型數據、字符與字符串、布爾值、時間性數據、空間數據、文本數據以及多媒體數據。掌握不同數據類型的處理方式。

（4）數據的探索性分析方法：獲取數據之后，可以對數據進行探索性分析以了解數據集的結構、規律及性能。可通過檢驗數據的數據質量、繪制圖表、計算某些特征量等手段對數據進行探索。利用數據探索性技術可幫助我們選擇合適的數據預處理和建模方法[9]。

（5）數據的預處理方法：海量數據中可能存在噪聲數據、空缺數據和不一致數據等不合理的數據問題。所以，為了得到較為準確的分析結果，在挖掘之前須對這些不合理的數據進行預處理。方法主要包括數據清理、數據集成和變換、數據歸納等幾個方面。

（6）數據的可視化：將數據分析得出的結論以圖形的形式展現，讓用戶清晰直觀的感受其中蘊含的知識[10]。

（7）數據挖掘方法：主要的數據挖掘方法有屬性篩選、分類預測、回歸預測、聚類分析、關聯分析和時間序列分析。學會基于挖掘目的，利用合適的挖掘技術對數據進行建模分析，并對模型作出評估和優化。

（8）掌握了編程技術以及數據挖掘的理論知識之后，還需增強處理具體行業實際問題的實踐能力和應用能力，具備一定的商業思維。

2 應用型統計人才培養的契機

在應用型統計人才的培養過程中可能會遇到各種各樣的問題，如師資力量薄弱，實驗條件和實訓平臺缺乏，難以確定合適的教學內容以及相應的考核標準等。應用型統計人才是為應用而生，因此，這些問題的解決方案可以在挑戰賽等實訓項目的參與中進行探索。

“泰迪杯”數據挖掘挑戰賽是為強化高校數據挖掘實踐教學，培養學生數據挖掘的應用和創新能力的比賽。每年挑戰賽的三道賽題均來源于企業或社會的實際需求，所提供的數據量大且真實。參賽者需要對數據進行挖掘并建模分析，并提交測試結果。通過參賽和賽后的案例教學分析，能夠加深學生對統計知識的理解，顯著提升學生的編程能力和數據分析能力。

3 應用型統計人才培養的幾點意見

3.1 明確教學目標

應用型統計人才需具有堅實的應用統計學理論知識和數據分析能力，能夠為實際問題的解決提供方法和思路，最終目標就是利用統計學的理論知識解決實際問題。依托數據挖掘挑戰賽，將賽題看成是專業領域的小項目，以賽題待解決的問題作為數據挖掘的目標，以運用統計學理論知識解決實際問題為導向，從應用的角度掌握數據分析技術的應用場景和所能得出的結論，幫助師生調整應用型統計人才的學習目標。

3.2 調整教學內容

以大賽要求學生具備的技能對教學內容和課時安排進行調整。既注重數據收集、數據預處理、數據可視化、數據探索性分析、數據挖掘等理論知識的掌握，培養數據分析的思維方式;又強調學生對分析工具如python或者R語言的熟練使用;更強調實踐能力和創新能力的培養，善于利用數據分析工具實現數據分析思維，并以實際例子加大對各種分析方法在實際應用方面的講解。

3.3 引入案例教學

案例教學是連接理論與實踐的橋梁，既能讓學生快速理解各種方法的應用場景，又能讓課堂生動有趣，增加學生學習的興趣。

教師可選擇與即將講授的知識點相關的趣味小例子作為課程引入，引發學生學習興趣。同時讓學生帶著相應的任務邊思考邊學習，一方面增加學生學習的主動性，另一方面讓學生自主探索知識點的應用和應用中需注意的問題，提高教學參與度。

通過泰迪杯數據挖掘挑戰賽，教師可以獲得較為豐富的教學資源。因此教學中可借助大賽歷屆優秀作品，然后依據教學目的進行適當調整形成較為有趣的案例作為課程案例貫穿一系列知識點的教學，讓學生直觀地了解所學習的統計知識如何解決實際問題。學生還可自主動手實踐，利用別人的思路或者嘗試自己的思路去解決相關問題，從而加深對統計知識的理解和統計方法的應用。

3.4 利用教學工具

首先，充分利用互聯網資源，如在線課程網站（慕課、泰迪云課堂）、博客、空間、微信等多種教學手段增加教學的信息量，擴大學生的視野。注重技能點的養成如：網絡爬蟲、數據可視化、非結構化數據（圖像、視頻、文本等）的基本處理等等。

此外，在沒有編程基礎的情況下，可借助泰迪公司自主研發的數據挖掘建模平臺，以拖拉拽的方式。將數據分析的各個環節通過流程化的方式進行連接，就可實現數據分析和挖掘的目的。教師使用這個平臺來教學不僅可以清楚地講解數據挖掘的流程以及相關算法的原理，還可以借助于平臺的示例模板個學生展示算法的應用場景以及一個完整案例的挖掘過程，并查看各步驟源代碼。對學生而言，平臺能在幫助他們更容易理解和接受數據挖掘，讓學生對知識點有了更感性的認識，從而激發學生的學習興趣。

3.5 校企合作的項目驅動式教學

高校培養的應用型統計人才需具有大數據統計分析、人口與社會統計、金融統計等相關領域工作的創新能力和實踐能力。與泰迪公司建立校企合作平臺，進行項目驅動式教學，有效促進理論與實踐緊密融合，激發學生學習熱情與主動性，培養學生綜合實踐能力，實現實踐能力與社會發展需求接軌。

通過整合理論知識點以及專業需求，教師可以企業實際項目為依托，逐步引導學生分析和解決實際項目問題。一方面鍛煉學生解決實際問題的能力，另一方面學生可以學習新興的行業技術和應用方向來彌補課堂學習的不足，增加實習和就業的機會，補足實踐能力和應用能力的短板，讓學生從書本理論走向崗位實踐，實現應用型人才培養與產業需求聯動發展。

4 結語

大數據背景下，盡管應用型統計專業的人才培養工作會遇到了諸多問題，但是教師可以在挑戰賽的引導下，探索培養社會需要的應用型統計專業人才的新思路和新方法，可嘗試調整教學內容進行針對性教學，引入案例教學增加學習興趣的同時加深對統計知識的理解和統計方法的應用，利用先進的教學工具擴大學生視野，了解前沿的理論和應用，增強校企合作促進理論與實踐緊密融合，這不僅有助于培養適應社會發展需要的統計應用人才，還能提高統計專業就業率。

【參考文獻】

[1]洪志生，秦佩恒，周城雄.第四次工業革命背景下科技強國建設人才需求分析[J].中國科學院院刊，2019，34（5）：522-531.

[2]前瞻產業研究院.大數據產業發展前景與投資戰略規劃分析報告[R].北京：前瞻產業研究院，2018.

[3]金超.淺議大數據時代的統計課程設置及教學改革[J].科技經濟市場，2015（04）：234-235.

[4]葉飛帆.高校怎么向應用型人才培養轉型[N].光明日報，2014-11-25（13）.

[5]教育部，國家發展改革委，財政部.關于引導部分地方普通本科高校向應用型轉變的指導意見（教發[2015]7號）[Z].2015-10-21.

[6]薛靖峰，張春梅.大數據時代下經濟統計專業應用型人才培養模式研究[J].教育現代化，2016，3（22）：7-8+11.

[7]任重.統計類專業應用型人才培養的教學模式改革與實踐[J].現代經濟信息，2017（08）：429.

[8]歐利松.“互聯網+”大賽視角下對應用統計專業人才培養的思考[J].才智，2018（32）：153-154.

[9]張良均，云偉標，王路，劉曉勇.R語言數據分析與挖掘實戰[M].北京：機械工業出版社，2015：20-40.

[10]尹勤，黃寶鳳.大數據時代應用統計人才能力需求與教改探索[J].大學教育，2019（06）：157-159.