人工智能下非大數據專業高職生數據分析能力培養策略研究

摘要：人工智能背景下，數據分析能力已成為企業競爭和人才發展的重要技能之一。本文將從人工智能與大數據之間的關系、高職學生數據分析能力的現狀、數據分析的重要性、數據分析能力培養策略以及常見誤區等方面探討培養非大數據專業高職學生的數據分析能力。

關鍵詞：人工智能；數據分析；大數據；培養策略

中圖分類號：F2"""""" 文獻標識碼：A""""" doi：10.19311/j.cnki.16723198.2025.22.013

0 引言

黨的二十屆三中全會強調教育、科技、人才是中國式現代化的基礎性、戰略性支撐。在人工智能迅速發展的時代背景下，數據分析能力對人工智能的發展和應用具有不可或缺的貢獻，它不僅是人工智能系統的基礎，也是推動人工智能技術進步的關鍵因素之一。為此，國家鼓勵高等教育機構緊跟時代步伐，增加數據分析的相關課程，以培養適應時代發展的數據分析人才，并出臺一系列相關政策。近年來，國家先后出臺了《“數據要素X”三年行動計劃（2024—2026年）》《關于開展全國數據資源調查的通知》《加快數字人才培育支撐數字經濟發展行動方案（2024—2026年）》《數字社會2024年工作要點》《數字經濟2024年工作要點》《關于深化智慧城市發展推進城市全域數字化轉型的指導意見》等政策，各地方政府也相應采取了一系列措施來響應和落實這些政策，以確保政策目標在地方層面得到有效實現。從國家到地方，從數據要素市場建設到數據安全與合規，形成了較為完整的政策體系。這些政策有力推動著數據價值化進程、保障數據安全和個人隱私以及推動數字經濟健康有序發展。

在當今時代快速發展的背景下，為增強高職學生在就業市場中的競爭力，提升其數據分析能力的重要性愈發凸顯。為此，各高職院校教師積極開展了培養策略的相關研究。周桃義提出了四層融合、四階遞進式的高職學生大數據應用能力培養改革與創新模式，詳細闡述了大數據時代下高職學生數據能力培養的系統化改革路徑[1]。王海鷹等聚焦于商貿類高職學生，提出完善并優化其數據分析能力的培養途徑，旨在解決新媒體時代該類學生數據分析能力不足的問題，進而提升社會整體運作效率[2]。胡媛媛等結合企業實際需求特征，為高職學生數據分析能力培養給出了針對性建議，期望所培養的數據分析人才能夠更好地適應市場需求，在求職中具備更強的競爭力[3]。眾多研究顯示，培養學生數據分析能力已經成為眾多高校教師的共識，具備大數據分析能力的學生，無論其專業背景如何，都展現出了較強的跨領域學習能力，這種跨領域能力使他們能夠迅速適應不同行業的數據分析需求，為行業帶來新的視角和解決方案。但是對非大數據專業的高職學生而言，要在學好專業知識之外，去學習數據分析的相關內容并不是一件容易的事情。因此，在人工智能時代，如何培養非大數據專業高職學生的數據分析能力是非常值得研究和探討的課題。

1 人工智能與大數據之間的關系

人工智能與大數據之間存在相輔相成、相互促進的緊密關系。一方面，大數據是人工智能發展的基石。人工智能的發展離不開海量數據的支撐，大量的數據如同“食糧”，供其學習與訓練。大數據分析技術可以助力人工智能模型精準識別數據的規律，評估模型的性能，指導模型的改進和優化；另一方面，人工智能賦能大數據分析能力。人工智能技術極大地提升了大數據的分析效能，通過人工智能技術，可以快速、準確地處理和分析大數據，提取有價值的信息和洞察，使得大數據的應用場景更加廣泛和深入。

2 高職學生數據分析能力的現狀

為了解高職院校非大數據專業新生對數據分析的認知情況，本次借助問卷星平臺，采用隨機抽樣的方式，選取了103名新生作為調查對象。調查聚焦于三個核心問題：一是學生對數據分析的了解程度；二是學生對數據分析工具的認識程度；三是學生對數據分析工具Excel的掌握程度。

調查結果顯示：在對數據分析的了解程度方面，高達81.55%的學生處于不太了解或不了解的狀態，且無學生表示非常了解。在認識數據分析工具方面，81.55%的學生知道Excel，35.92%的學生了解Python語言，而知道Matlab與SPSS的學生占比均低于15%。在工具掌握程度上，鑒于絕大部分學生主要使用Excel處理數據，本次著重考察了學生對Excel的掌握情況，結果顯示85.4%的學生對Excel的掌握程度不高。具體調查結果如圖1所示。

圖1 非大數據專業高職學生對數據分析的認識程度、對數據分析工具的認識程度以及對Excel數據分析工具的掌握程度

通過進一步調研與分析，本文發現導致上述現狀的主要原因有以下三方面：一是課程設置欠缺。在眾多高職院校里，數據分析相關課程的開設情況不容樂觀。部分院校未將此類課程納入教學體系，還有些院校僅在極少數專業中開設。這使得絕大多數學生無緣系統學習數據分析知識，只能依靠自學來填補知識空白。二是學生意識淡薄。高職學生群體普遍對數據分析缺乏足夠的認知和興趣。這種意識上的不足，直接導致他們自我學習和提升的內在動力匱乏，難以主動去探索和掌握數據分析技能。三是實踐機會有限。高職院校在為學生提供數據分析實踐機會方面表現欠佳。由于實踐機會嚴重不足，學生們在數據分析領域的實踐能力難以得到有效鍛煉和提升，面對實際工作中的數據分析任務時往往力不從心。

3 數據分析的重要性

近年來隨著我國中小企業的快速發展，企業對數據分析能力強的人才的需求越來越多[4]。對非專業的高職學生而言，掌握數據分析能力可以更好地適應未來社會的發展需求，提升個人競爭力。一方面，認識到數據分析的廣泛應用。眾所周知，數據分析已經滲透到我們學習、工作和生活的方方面面，成為現代社會不可或缺的一部分。掌握數據分析技能，可以為學生未來的職業發展提供新的視角和機會。另一方面，數據分析能力可以促進學科融合與創新。數據分析作為一門交叉學科，與眾多專業領域有著緊密的聯系。對高職學生來說，學習數據分析可以讓他們有機會接觸到其他領域的知識和技能，促進跨學科融合與創新。這種跨學科的思維方式將有助于他們在未來的學習和工作中更加靈活和全面地思考問題。

4 數據分析能力培養策略

4.1 明確學習目的和學習計劃

非大數據專業的學生要學習數據分析相關課程，往往需要他們利用課余時間去自主學習進行補充，這種自學模式需要學生具備較強的自我驅動能力和時間管理能力。本文認為學生自主學習要從兩個方面去把握。一是設定具體目標。根據學生自己的興趣和職業規劃，設定學習數據分析的具體目標，如掌握某種數據分析工具、完成某個數據分析項目等。二是制定學習計劃。根據目標，制定詳細的學習計劃，包含學習內容、時間分配、復習鞏固等，確保計劃既有挑戰性又可實現。

4.2 收集優質學習資源

優質的數據分析學習資源是培養學生能力的重要環節，可以幫助學生更全面了解數據分析在各個領域中的應用，構建完整的知識體系，幫助學生打開視野，激發學生的創新思維。本文認為收集優質的數據分析學習資源，學生可以從4個方面入手。一是在線課程平臺。利用MOOC（大型開放在線課程）平臺，如慕課網，提供數據分析實戰課，包含Python、Excel數據分析等；再如網易云課堂，擁有豐富課程，包含數據分析師分享的實戰經驗課和軟件教程。二是專業書籍與教材。對于初學者來說，可以選擇一些通俗易懂、涵蓋數據分析基礎概念的書籍；對于具有一定數據分析能力的學生，可以選擇一些進階的書籍來提升自己的數據分析能力和思維。在選擇書籍和教材時要了解書籍的內容、難度和適用性等方面的信息。三是參與互動交流學習。學生可以與其他學習者交流學習心得，或咨詢相關課程的授課教師，獲取學習資源和解答疑惑。四是積極參加數學建模培訓課程。高職高專數學建模培訓中數據分析是重要的培訓內容，經驗豐富的指導教師對數據分析都會有比較深的理解，可以幫助學生更好地理解數據分析方面的知識。

4.3 實踐與應用

開展實踐與應用是提升學生數據分析能力的關鍵，通過實踐與應用可以驗證理論知識，解決實際問題，提升數據分析的具體技能。本文認為可以從3個方面進行。一是開展練習實踐。通過實際的數據分析問題進行練習，嘗試從數據收集、清洗、分析到數據可視化的全過程，檢驗學習的成果。二是參與數據分析競賽和項目。學生要充分利用各種條件積極參加數據分析的項目和競賽，特別是參加全國大學生數學建模競賽，從近幾年的全國大學生數學建模競賽高職組賽題可以看出，每年至少有一題是大數據處理方面的問題，這為學生的實踐提供了很好的平臺，不僅可以鍛煉學生的數據分析能力、團隊協作能力和創新能力，而且對學生的競賽意識、自律品質以及意志力都有顯著的作用。通過參加全國大學生數學建模競賽，學生的個人素養可以得到全方位提高，表1中是2019—2024年全國大學生數學建模競賽高職組中的數據分析問題。三是建立作品集。學生可以將自己完成的數據分析項目整理成冊，不斷積累經驗，改進數據分析的方法和手段，這將為學生成為具有數據分析能力的人才提供有力保障和支撐。

4.4 持續學習與提升

數據分析是一個不斷發展的領域，為了保持競爭力，非專業高職學生可以從持續學習新的工具、技術和方法，通過參加培訓課程、閱讀專業書籍和文章、參與互動交流學習、參加數據分析類的競賽和項目等方式來保持好奇心，敢于挑戰更為復雜的問題，在實踐中不斷學習和提升能力。

5 常見誤區

學生在數據分析的學習和實踐中，難免會陷入一些誤區，下面是學生需要避免的常見誤區。一是過分依賴工具。學生過分依賴數據分析工具，會忽略對數據本身的理解，忽視邏輯思維的培養，達不到真正培養能力的目的。在數據分析能力的培養中，學生還是要重點掌握數據分析的基本原理和方法，打好基礎，今后遇到各種數據分析任務和項目，才能快速上手和適應。二是忽視數據質量。數據質量的好壞直接影響數據分析結果的準確性和可靠性，如果數據存在錯誤、遺漏或不一致等問題，那么分析的結果一定會產生偏差，進而導致錯誤的決策并造成損失。三是缺乏業務理解。學生對業務缺乏深入理解也可能會出現分析目的不明確、數據解讀不準確、模型選擇不恰當及分析結果難以應用等問題。因此學生在數據分析的學習中要將數據分析與業務背景結合起來，避免分析結果與實際業務需求脫節。

6 結語

未來，伴隨人工智能技術的持續發展，數據分析在高職數學教學中的應用必將成為一種廣泛普及的教學方法[5]。不過，對于非大數據專業的高職學生而言，培養數據分析能力并非易事，不能期望一蹴而就。本文認為，學生需要擁有“久久為功”的心態和持之以恒的韌勁，長期堅持并不斷積累。要始終保持對數據分析的熱愛與好奇，積極主動地去探索、學習和實踐，逐步實現從“數據恐懼”到“數據自信”的轉變。與此同時，高職院校也肩負著重要責任，應為那些熱愛數據分析的學生搭建平臺，激勵他們更多地參與到數據分析的學習和研究中。相信在學生自身不懈努力和學校大力支持下，他們未來定能在大數據分析領域獲得施展才華的機會，成長為具備創新思維能力的高素質技術技能人才。

主要參考文獻

［1］周桃義.四層融合、四階遞進式高職學生大數據應用能力培養的實踐研究[J].電腦知識與技術，2020，16（11）：196199+205.

[2]王海鷹，王海濤.新媒體時代提高學生數據分析能力相關研究——以商貿類高職學生為例[J].北方經貿，2022，（08）：126128.

[3]胡媛媛，范士領，宋曉嬌，等.以企業需求為導向的高職學生數據分析能力培養研究[J].現代商貿工業，2024，45（15）：161163.

[4]王國欣，宋蘇羅.論提高大學生數據處理能力的重要性[J].現代職業教育，2019，（13）：5455.

[5]李寶霞.人工智能視角下數據分析在高職數學教學中的應用研究[J].數學學習與研究，2023，（31）：131133.