數據科學時代應用統計學專業人才培養方案修訂分析

王 超,袁德強,管夢妮

(安陽師范學院 數學與統計學院,河南 安陽 455000)

0 引言

應用統計學作為一門應用性極強的學科,一直以來都是將數據作為研究對象的。由于數據源自不同行業或領域的具體業務場景,因而具有極強的時代性,應用統計學學科也具有鮮明的時代特點。21世紀以來,伴隨著數據科學時代的來臨,統計數據發生了巨大的變化,呈現出了“獲取方式多樣、數據形式多樣、數據體量龐大”的典型特點。由傳統的以結構化數據為主要研究對象的應用統計學學科向以非結構化數據為主要研究對象的轉變。目前,大數據技術被廣泛用于分析、處理和解析多個部門的海量數據集,如衛生保健、電子商務、銀行與金融科技、安全、制造業、自然資源管理和利用等。大數據與人工智能、機器學習和其他技術正在推動第四次工業革命。

應用統計學專業人才培養方案是高等學校應用統計專業人才培養的指南和綱領。從培養目標的制定到專業課程設置,從理論課程學習到社會實習實踐,都決定了應用統計學專業人才培養的質量。數據科學時代,對應用統計學專業的人才培養提出了更高的要求。基于此,本文探討了數據科學時代應用統計學專業人才培養方案的修訂建議,以期為完善高等院校應用統計學專業人才培養體系、提高人才培養質量提供一定的參考。

1 應用統計學專業人才培養方案修訂的時代背景

1.1 統計學科的時代變遷

1690年,英國統計學家威廉配第《政治算術》一書的發表標志著統計學的誕生。從此,統計學作為一門學科開始走上歷史舞臺。經過3個多世紀的發展,統計學已經成功應用于從自然科學到社會科學的方方面面,在國家管理、商業決策、工業生產中發揮了重要的作用。1946年,計算機的發明改變了人類文明的發展進程,也對統計學科的發展產生了巨大影響。20世紀70年代,SAS,SPSS等商業統計軟件的出現極大拓展了統計方法的使用范圍。進入21世紀,在互聯網和科技發展的推動下,數據的獲取能力急劇增強,數據形式愈發多樣,數據容量呈現出了爆發式增長。2011年,世界著名咨詢公司麥肯錫發表了《大數據：下一個創新、競爭和生產率的前沿》的研究報告。2012 年,達沃斯世界經濟論壇發布了《大數據,大影響》(Big Data, Big Impact)。與此同時,世界著名刊物Nature于2008 年出版了大數據專刊“Big Data”,專門討論了巨量數據對于互聯網、經濟、環境以及生物等各方面的影響與挑戰[1]。Science也于2011年出版了如何應對數據洪流(Data Deluge)的專刊“Dealing with Data”,指出如何利用寶貴的數據資產推動人類社會的發展[2]。這說明大數據已經引起了政界、業界以及學界的共同關注,這意味著一個全新的時代——數據科學時代來臨了。

什么是數據科學呢?數據科學聯盟認為數據科學指為創造意義而對數據的創建、驗證和轉換進行的科學研究。《劍橋詞典》將數據科學定義為使用科學方法從計算機數據,尤其是大量數據中獲取有用信息。英國國家統計局更廣泛地將數據科學描述為應用數字和數據時代的工具、方法及實踐,以創造新的理解并改善決策。也就是說,只要是從數據中提取有價值信息的理論或實踐都應該稱之為數據科學,只不過數據科學時代所使用數據更多的是指體量大、形式多的大數據。

1.2 統計學家對數據科學的看法

統計學家很早就注意到統計學和數據科學的關系。1962年,美國著名的統計學家Tukey在《統計學未來》一文中提出,數據分析是一種全新的科學,統計學并不等于數據分析,而是數據分析的一部分。數據分析的概念類似于今天的數據科學。

伴隨著數據科學時代的來臨,中外統計學者也表達了自己的看法。2014年,《統計研究》迎來創刊30周年,在新年獻詞中提到“一個創造、分享、利用大數據的時代,已經來到了”,并刊登了3篇有關大數據的研究論文[3-5]。2016年,《統計與信息論壇》在創刊30周年之際,以“探討統計學創新之路 迎接大數據時代挑戰”為題,邀請眾多專家學者暢談大數據時代統計學科的發展[6]。除此之外,中國統計學學會又多次組織有關研討會,深入探討大數據時代下統計學面臨的機遇與挑戰。

2018年,國際著名的統計刊物《統計與概率快報》發表了《大數據時代的統計學作用》特刊。該期特刊收集了來自統計學、機器學習、計算機、應用數學和工程學等方面不同科學家的各種觀點[7]。

綜合國內外有關研究可以發現,未來的應用統計學專業人才培養一定是全方位的,即統計學、計算機科學和數學的有機結合。

2 應用統計學專業人才培養方案修訂的社會背景

2020年,人力資源和社會保障部發布了《新職業——大數據工程技術人員就業景氣現狀分析報告》,預計2020年年末,中國大數據行業人才需求規模將達210萬人。2025年前大數據人才需求仍將保持30%～40%的增速,需求總量在2 000萬人左右。以下根據國內外求職網址有關職位需求的狀況進行簡要分析。

國內方面,從51job網站爬取得到2022年9—11月共計6 110個完整數據分析師職位需求信息,計算得出全國數據分析師職位需求較多的幾個城市的月薪資水平資料,描述統計結果,如表1所示。

表1 不同地區數據分析師月薪資水平描述統計分析

國外方面,美國在線求職招聘網站Glassdoor統計發現,2022年美國50個最佳工作中與數據有關的工作包括數據科學家、數據工程師、數據分析師等3個職位,按照收入中位數確定的收入分別為12.0萬美元、11.4萬美元以及7.4萬美元。

3 應用統計學專業學生在數據時代需要的基本技能

數據科學時代到底需要什么樣的技能呢?大多數研究認為數據科學時代,大數據人才是統計學、數學、計算機科學乃至其他科學相互交叉的復合型人才[8]。美國國家科學院、工程院和醫學院(NASEM)于2018年發布的《本科生數據科學共識報告》(NASEM2018)提出了數據敏銳度(Data Acumen)的概念,認為在未來,本科學生應該具有數學基礎、計算基礎、統計基礎、數據管理和規劃、數據描述和可視化、數據建模和評估、工作流程和可重復性、溝通和團隊合作以及倫理等8個方面的基本意識和能力。

4 應用統計學專業人才培養方案制定的幾個思路

4.1 重新認識數據的價值

隨著數據科學時代的來臨,數據變得比以往任何時候都更為重要。數據已經逐漸成為一種資產,是一種新的經濟資產類別,如同現有流通的貨幣甚至是黃金。黨的十九屆四中全會通過的《中共中央關于堅持和完善中國特色社會主義制度、推進國家治理體系和治理能力現代化若干重大問題的決定》中首次將數據列為與勞動、資本、土地、知識、技術、管理并列的生產要素。以數據為原材料的各種數據產品的生產與銷售已然成為經濟發展進程中一個新的領域。人類社會需要逐漸在數據驅動情形下生活與工作。為此,需要重新審視數據的重大價值,重新定義數據科學的內涵。在此情形下,應用統計學專業更有責任與義務培養“熟諳數據思維、發現數據價值”的應用型人才。

4.2 加強與其他學科專業知識融合

數據科學是一門交叉的學科,涉及很多的領域。這些領域涵蓋了統計學、數學、計算機、人工智能、機器學習、數據庫、模式識別、可視化技術等多個學科。對高校而言,不同的學科涉及不同的專業。不同的專業又具有不同的人才培養方案,不同的人才培養方案又對應不同的課程設置體系。應用統計學專業不可能“獨攬全局”,也不可能“獨善其身”,因此在課程設置上要突出交叉特點,相互融合、取長補短、共同發展。為此,統計學專業應該增加數學、計算機、可視化等方面的課程。

4.3 突出實踐特點,增強技能

一方面,應用統計學專業的培養目標是讓學生具有較強的實踐能力。本專業目的是培養了解統計學理論、掌握統計學方法,具有利用計算機軟件分析數據的能力,能在經濟、管理、金融、商業等相關領域工作的高素質、復合型的統計應用人才。也就是說,應用統計學是工具、方法與實踐的高度融合。因此,應用統計學專業的學生只有增強實踐技能才能滿足不斷變化的社會需求。

另一方面,增強應用統計學專業技能與國家的教育政策是高度吻合的。2020年7月15日,為了貫徹《中共中央國務院關于全面加強新時代大中小學勞動教育的意見》,教育部印發了《大中小學勞動教育指導綱要(試行)》的通知,對普通高等學校學生的勞動教育提出了“重視新知識、新技術、新工藝、新方法的運用,提高在生產實踐中發現問題和創造性解決問題的能力”的具體要求。事實上,應用統計學專業的突出實踐技能與教育部關于勞動教育的要求兩者之間并不矛盾,而是具有高度的內在一致性與融合性,即通過高質量勞動教育增強實踐技能水平,在實踐技能提高中高質量完成勞動教育。

5 應用統計學專業人才培養方案修訂建議

5.1 培養目標建議

顯然,培養應用型統計人才是應用統計學專業的培養目標。同時,在培養目標的具體描述中一般都會體現“應用于哪些領域、需要具備哪些技能、最終要達到什么目的”等3個方面的內容。為了體現數據科學時代特征,就需要在這3個方面進行仔細分析。

首先,應用于哪些領域。統計學發展至今,已經普遍應用于從自然科學到社會科學的眾多領域。數據科學時代,除了傳統的應用領域,還會用于如社會網絡分析、智能交通、科技金融等領域,這些領域或是現有領域的自然延伸,或是一些交叉領域,或是一些全新的領域。但顯然每個應用統計學專業不可能選擇所有的應用領域,而是應該結合學校特色、歷史沿革、區位優勢等因素,綜合考量后確定。

其次,需要具備哪些技能。數據科學時代所需技能是一種全方位、多層次、綜合性的技能。單純使用數據分析或統計分析已經不足以體現這種特征,數據挖掘、機器學習、人工智能等前沿技能應該有所體現。

最后,最終要達到什么目的,就是應用統計學專業學生經過4年的專業學習之后,其水平能夠達到什么層次。這在本質上是對學生知識目標、能力目標和素質目標等3個方面的凝練與概括,如“厚基礎、重實踐、強能力”的高級應用型統計人才,應用型高素質專門人才等表述。

5.2 專業課程設置建議

為了適應快速變化的數據科學時代對數據分析能力的需求,國內外眾多研究探討了統計專業課程設置的問題,這方面比較有代表性的當屬以美國統計學會為代表的有關統計學教育課程的設置[9-10]。綜合來看,所有研究都建議本科學生應該具備數學、統計學和計算機等多個學科的知識。根據數據科學時代對應用統計學專業知識與技能的需求,結合數據分析的整個流程,列出了應用統計學專業課程設置以及與之對應的軟件使用,結果如表2所示。

表2 數據分析階段與專業課程設置的對應關系

表2中,如何獲取數據是數據分析的第一個階段,這個階段主要包括“統計調查”和“網絡爬蟲”兩門課程。“統計調查”主要講授簡單隨機抽樣、系統抽樣、PPS抽樣、網絡/在線調查等傳統的結構化數據收集方法。“網絡爬蟲”定位于從政府機構、新聞媒體、社交軟件、在線商城、電子商務等網絡獲取有關信息資料。相較于傳統數據收集方法,網絡爬蟲更多的是為了獲取“形式多樣、數量巨大”的半結構化、非結構化數據。數據科學時代,95%的數據類型為半結構化、非結構化數據。因此,作為應用統計學專業的學生應該掌握這兩種主要的數據類型獲取方式。

數據計算可視為統計方法的核心理論知識,其主線為統計推斷理論。為了全面理解統計推斷理論的知識結構,需要學習概率論、數理統計、隨機過程,數值分析等基礎理論知識,還有相關理論知識的軟件實現——統計計算。

數據建模階段對應一些基本的統計分析方法。這個階段既包括回歸分析、多元統計、時間序列等傳統的統計分析方法,也包括數據挖掘、機器學習等現代的數據分析方法。

統計表和統計圖是統計學的語言。對統計表而言,其構造基本上是固定的,關鍵在于統計指標的設定與選擇;但統計圖的繪制更多是技術和藝術的結合,某種程度上體現了研究者對問題研究的廣度和深度。

以上4個方面并不是孤立存在的,而是有內在聯系的。NASEM2018認為隨著時間的推移,隨著新數據驅動時代特征的形成,學術項目將被迫開發新的技能集群,一系列獨特的課程和教學材料將出現。

5.3 實踐/實驗課教學建議

應用統計學專業是實踐性很強的一個專業,每門專業課程設置時,一般會有一定比例的實踐/實驗課時,目的就是讓學生能夠將學到的理論知識用于實踐之中。但現有專業課程實踐/實驗教學安排中普遍存在數據過于簡單、干凈,導致數據處理過程比較容易,相應結論也比較完美、漂亮。事實上,簡單、干凈的數據意味著現實過于理想化,或者說與現實環境有較大脫節,結果是經過實踐/實驗課程的學習,學生實踐技能并未得到有效提高。因此對應用統計學專業教學而言,如何讓學生用數據“做有用的事情”是需要考慮的一個問題。

改善這一狀況一種比較好的方法是開展案例(或項目)教學,案例或項目選擇從企業的實際需求出發。這就意味著高校必須與企業合作,走“產學研”發展之路。另外,積極舉辦數據挖掘類大賽,可以讓學生在解決問題中體驗到成功的興趣和滋味。

6 結語

21世紀以來,隨著數據科學時代的來臨,應用統計學進入了黃金發展時期。國家、企業和社會等各方面都對應用統計學專業畢業生提出了新的要求。作為人才培養的主體,高等學校需要行動起來,主動回應政府、企業和社會的關切,提高人才培養質量。而人才培養質量的高低與人才培養方案的制定密不可分。本文結合國內外應用統計學發展狀況,從培養目標、課程設置、實踐/實驗課教學等3個方面給出了應用統計學專業人才培養方案的修訂建議。