论文部分内容阅读
摘 要：在大数据时代背景下，数据数量激增且形态多变，数据分析能力是新时期人才需要具备的基本能力。针对大学生数据分析能力的培养问题，对安徽财经大学大学生的数据分析能力现状进行分析，了解到当前大学生数据分析能力的问题，并提出了针对性的培养建议，力求提高大学生数据分析能力。
关键词：大数据;高校学生;数据分析能力;培养
中图分类号：G4 文献标识码：A doi：10.19311/j.cnki.1672-3198.2020.04.082
0 引言
大数据时代背景下，数据一方面数量呈指数级别的速度增长;另一方面数据的表现形态也由结构化向半结构化和非结构化数据转变。数据数量的激增和形态的改变，使得获取数据的难度减小但获取有效信息的难度增加。如何从这错综复杂的数据中获取所需的信息，掌握数据分析能力尤为重要。特别是现在数据分析对企业的管理经营决策起着越来越重要的作用，越来越多的行业要求员工具有数据分析能力。
2015年国家发布了《国务院关于印发促进大数据发展行动纲要的通知》，旨在全面推进我国大数据发展和应用，加快建设数据强国。在全球范围内，运用大数據推动经济发展、完善社会治理、提升政府服务和监管能力正成为趋势，目前，我国互联网、移动互联网用户规模居全球第一，拥有丰富的数据资源和应用市场优势，大数据已成为国家重要的基础性战略资源，正引领新一轮科技创新。大数据的应用范围在不断扩大，社会对大数据人才的需求不断增加，数据分析能力具有极其广阔的市场需求，在飞速发展的现代社会，数据分析是各行各业做出科学的推断和决策的理论基础。大数据时代对高校学生提出了更高要求，对高校教育也提出了新的要求。
数据分析能力具体是指哪些，还没有明确的定义，例如王磊和马敏在《例谈初中生数据分析能力的培养》中提出数据分析能力主要包括：收集数据、整理数据、提取信息、构建模型、进行推断、获得结论;宋卫红在《大数据时代体育专业大学生数据分析能力培养的必要性分析》提出：数据分析能力指数据的认知、收集、整理、分析和评价的基本能力;王林全教授指出：“数据的分析能力由数据的认识能力、收集能力、整理能力、表述能力和探究能力五部分组成”。
不同学者对于数据分析能力的研究方向不同，但是基本内容大同小异。综合以上学者分析，本文对于数据分析能力从识别数据、收集数据、整理数据、分析数据、评价总结五个维度进行探究。
1 数据来源
经过查阅数据分析的相关文献资料，拟定数据分析能力的一级维度以及二级指标（如表1），编制调查问卷。采用定性定量相结合的方法对财经类高校学生数据分析能力进行调查。本次调查对象为安徽财经大学学生，共收回187份问卷，其中有效问卷为180份。
2 大学生数据分析能力的指标体系
本文借鉴比格斯教授的SOLO分类方法，对作答由低到高层次分为四种水平：前结构水平（P）、单一结构水平（U）、多元结构水平（M）、关联结构水平（R），并进行评分，分别记1分、2分、3分、4分。测试结果如表2。
为了更好的了解高校大学生数据分析能力水平，对每个维度进行深刻剖析。
2.1 识别数据
认识数据是数据分析的前提。在真实生活中，数据一般是有量纲的、缺失的、异构的，了解数据的属性、量纲以及数据的分布特性，学会检验数据的质量才能更好的进行下一步的分析工作。
在认识数据方面，67.92%的大学生处于多元结构水平，基本了解数据特征，但实践中应用较少;26.7%的大学生处于关联结构水平，既了解数据特征又能在实践中较好的应用;仅有1.15%的大学生处于前结构水平，了解一点点数据特征知识。
2.2 收集数据
对于选择抽样方法，有53.22%的人达到多元结构水平，了解多种抽样方法但不能对方法融会贯通，4.3%的学生处于前结构水平，对抽样方法了解一知半解，不能合理利用抽样方法。对于设计问题方面，分别有53.22%和35.68%处于多元结构水平和关联结构水平，但真正实践设计问题进行调查过的人仅仅占调查人数的67.82%。
由此可见，大部分学生的收集数据能力尚可，但缺乏实践。
2.3 整理数据
整理数据是认识数据的延伸，对数据进行筛选，去除异常值、无量纲化等，都对后续的数据分析起重要作用。在筛选数据方面，仅有4.55%的学生处于前结构水平，对整理数据毫不理解，大部分学生具有基本的整理数据能力。
2.4 分析数据
描述数据具有重要意义。有2.34%的仅仅了解各种数据描述方法，但不能灵活应用。42.84%的学生既了解数据描述方法又能融会贯通。大部分学生对基本的数据描述方法了解，但不能灵活的应用，缺乏对应的分析数据的联系。
2.5 评价数据
评价是数据分析中重要的一部分，一个好的模型的构建可以找到。构建模型方面各水平百分比差距较小，处于前结构水平的为19.87%，且得分仅为2.4971，构建模型总体能力较弱。在预测方面，大部分学生可以进行总结预测，仅9.74%的学生不可以。
学校学生虽然上过统计的课程，但很多学生并不能灵活运用知识，在评价数据方面具有短板，缺乏实际生活的应用，并且调查发现，参加过建模比赛的学生建模和预测能力较强。
3 高校学生数据分析能力培养建议
3.1 强化统计知识内容，培养学生定量分析的意识
统计知识的应用越来越受到人们的关注，国家和地方行政机构需要通过统计各行各业发展的数据情况，为下一步规划做决策，生活中日常遇到各种实际问题也需要对数据收集统计。统计体现了数据的收集能力。掌握基本的统计知识，是进行数据分析的前提，数据的收集整理是数据分析最重要的一环，高校要强化统计知识内容，培养学生的定量分析的意识。 经过调查结果得知，有68.97%的学生上过《统计学》课程、有60.92%的学生上过《概率论与数理统计》，96.88%学生上过统计相关课程，学过统计知识，但通过调查得知仅有51.06%大学生数据意识能力水平处于多元结构水平，虽具有收集数据的意识，但收集数据太片面。只有34.72%高中生数据意识达到关联结构水平。部分学生对统计量的基本定义不清晰，导致在运用统计量时判断错误。学校要加强对于基础知识的考查，重视统计知识，提高学生对统计知识的掌握程度以及熟练运用程度，培养学生定量分析的意识，逐步培养学生数据分析能力。
3.2 增加实践活动，培养学生分析与运用数据能力
数据分析能力培养要注重过程培养，单纯的书本知识太过枯燥乏味，学生不能很好的掌握教过的数据分析方法，只有让学生亲自经历收集、整理、推断数据等过程，将统计知识和技能的掌握应用于实际，才能不断提高学生数据分析能力。
在学习中，教师要教会学生对现实情境中的问题进行设计调查问卷，收集相关的数据进行整理分析问题，培养学生的数学思维和数据分析能力。同时，在学生亲身实验的过程中，教师可以针对数据分析实验中涉及的重点内容，有针对性的进行教学，及时解决学生的疑问，在提高学生学习兴趣的同时提高学生用数据分析方法解决生活中实际问题的能力。
3.3 重视信息技术与专业融合，增强学生数据分析能力
数据分析是计算机和数学结合的产物，数据分析离不开计算机的应用。传统高校教育中，数据分析主要在经管和计算机专业中有所应用。随着时代發展，数据分析的应用范围变广，对于其他专业学生也要求具有一定的数据分析能力。
数据分析能力的培养离不开计算机能力的培养，庞大的数据量无法通过人工进行处理，数据分析软件的培养对于数据分析能力培养具有重要作用。目前市面常用的数据分析软件有excel、python、matlab，R等，调查发现，95%的学生会使用excel，但是仅有18.39%的人会使用excel的高级应用，例如线性回归、方差分析等，大部分人仅仅会用基础的功能。其他数据分析软件虽然有所接触，但是人数相对较少，如图1。
培养数据分析能力也包括培养使用数据分析软件的能力，高校要加强数据分析重要性的宣传，同时增加数据分析软件应用课程，例如excel的高级应用、python、matlab课程等，举办数据分析的相关比赛鼓励同学结合专业特色参赛等。不同专业对于数据分析的应用范围不同，要注意在教学中结合专业特色，教师在教学过程中有针对性的将理论知识与现实生活相结合，提高学生学习兴趣。
4 结语
大数据时代背景下，对人才提出了更高的要求，其需要拥有良好的数据分析能力。对于高校学生而言，不论任何专业，都需要有良好的数据分析能力。各高校应该以市场需求为导向，紧握市场对于人才需求变化的脉搏，适时对培养学生的各方面能力做出适宜的改变。良好的数据分析能力可以使高校学生在就业选择时更有优势。数据分析能力的培养需要与数学、计算机相配合同时要结合专业学科知识，学校在培养方案的设置上应与时俱进，及时更新教学内容，跟紧社会需求。不断提升学生数据分析能力，促进其能力的全面发展。
参考文献
[1]国务院关于印发促进大数据发展行动纲要的通知[J].中国政府采购，2015，（9）.
[2]王磊，马敏.例谈初中生数据分析能力的培养[J].教育研究与评论（中学教育教学），2019，（8）.
[3]宋卫红.大数据时代体育专业大学生数据分析能力培养的必要性分析[J].当代体育科技，2017，（34）.
[4]王林全.发展学生数据分析能力的要领[J].中学数学教学参考，2008，（Z2）.
[5]黄耀业.高中生数据分析素养的调查研究——以广西桂林市某高中为例[D].桂林：广西师范大学，2019.
[6]田亚明.新时期大学生数据分析能力的培养[J].中国新通信，2019，（13）.
[7]张海波，黄世祥.统计学专业学生大数据分析能力的培养方式选择[J].统计与决策，2014，（24）.
关键词：大数据;高校学生;数据分析能力;培养
中图分类号：G4 文献标识码：A doi：10.19311/j.cnki.1672-3198.2020.04.082
0 引言
大数据时代背景下，数据一方面数量呈指数级别的速度增长;另一方面数据的表现形态也由结构化向半结构化和非结构化数据转变。数据数量的激增和形态的改变，使得获取数据的难度减小但获取有效信息的难度增加。如何从这错综复杂的数据中获取所需的信息，掌握数据分析能力尤为重要。特别是现在数据分析对企业的管理经营决策起着越来越重要的作用，越来越多的行业要求员工具有数据分析能力。
2015年国家发布了《国务院关于印发促进大数据发展行动纲要的通知》，旨在全面推进我国大数据发展和应用，加快建设数据强国。在全球范围内，运用大数據推动经济发展、完善社会治理、提升政府服务和监管能力正成为趋势，目前，我国互联网、移动互联网用户规模居全球第一，拥有丰富的数据资源和应用市场优势，大数据已成为国家重要的基础性战略资源，正引领新一轮科技创新。大数据的应用范围在不断扩大，社会对大数据人才的需求不断增加，数据分析能力具有极其广阔的市场需求，在飞速发展的现代社会，数据分析是各行各业做出科学的推断和决策的理论基础。大数据时代对高校学生提出了更高要求，对高校教育也提出了新的要求。
数据分析能力具体是指哪些，还没有明确的定义，例如王磊和马敏在《例谈初中生数据分析能力的培养》中提出数据分析能力主要包括：收集数据、整理数据、提取信息、构建模型、进行推断、获得结论;宋卫红在《大数据时代体育专业大学生数据分析能力培养的必要性分析》提出：数据分析能力指数据的认知、收集、整理、分析和评价的基本能力;王林全教授指出：“数据的分析能力由数据的认识能力、收集能力、整理能力、表述能力和探究能力五部分组成”。
不同学者对于数据分析能力的研究方向不同，但是基本内容大同小异。综合以上学者分析，本文对于数据分析能力从识别数据、收集数据、整理数据、分析数据、评价总结五个维度进行探究。
1 数据来源
经过查阅数据分析的相关文献资料，拟定数据分析能力的一级维度以及二级指标（如表1），编制调查问卷。采用定性定量相结合的方法对财经类高校学生数据分析能力进行调查。本次调查对象为安徽财经大学学生，共收回187份问卷，其中有效问卷为180份。
2 大学生数据分析能力的指标体系
本文借鉴比格斯教授的SOLO分类方法，对作答由低到高层次分为四种水平：前结构水平（P）、单一结构水平（U）、多元结构水平（M）、关联结构水平（R），并进行评分，分别记1分、2分、3分、4分。测试结果如表2。
为了更好的了解高校大学生数据分析能力水平，对每个维度进行深刻剖析。
2.1 识别数据
认识数据是数据分析的前提。在真实生活中，数据一般是有量纲的、缺失的、异构的，了解数据的属性、量纲以及数据的分布特性，学会检验数据的质量才能更好的进行下一步的分析工作。
在认识数据方面，67.92%的大学生处于多元结构水平，基本了解数据特征，但实践中应用较少;26.7%的大学生处于关联结构水平，既了解数据特征又能在实践中较好的应用;仅有1.15%的大学生处于前结构水平，了解一点点数据特征知识。
2.2 收集数据
对于选择抽样方法，有53.22%的人达到多元结构水平，了解多种抽样方法但不能对方法融会贯通，4.3%的学生处于前结构水平，对抽样方法了解一知半解，不能合理利用抽样方法。对于设计问题方面，分别有53.22%和35.68%处于多元结构水平和关联结构水平，但真正实践设计问题进行调查过的人仅仅占调查人数的67.82%。
由此可见，大部分学生的收集数据能力尚可，但缺乏实践。
2.3 整理数据
整理数据是认识数据的延伸，对数据进行筛选，去除异常值、无量纲化等，都对后续的数据分析起重要作用。在筛选数据方面，仅有4.55%的学生处于前结构水平，对整理数据毫不理解，大部分学生具有基本的整理数据能力。
2.4 分析数据
描述数据具有重要意义。有2.34%的仅仅了解各种数据描述方法，但不能灵活应用。42.84%的学生既了解数据描述方法又能融会贯通。大部分学生对基本的数据描述方法了解，但不能灵活的应用，缺乏对应的分析数据的联系。
2.5 评价数据
评价是数据分析中重要的一部分，一个好的模型的构建可以找到。构建模型方面各水平百分比差距较小，处于前结构水平的为19.87%，且得分仅为2.4971，构建模型总体能力较弱。在预测方面，大部分学生可以进行总结预测，仅9.74%的学生不可以。
学校学生虽然上过统计的课程，但很多学生并不能灵活运用知识，在评价数据方面具有短板，缺乏实际生活的应用，并且调查发现，参加过建模比赛的学生建模和预测能力较强。
3 高校学生数据分析能力培养建议
3.1 强化统计知识内容，培养学生定量分析的意识
统计知识的应用越来越受到人们的关注，国家和地方行政机构需要通过统计各行各业发展的数据情况，为下一步规划做决策，生活中日常遇到各种实际问题也需要对数据收集统计。统计体现了数据的收集能力。掌握基本的统计知识，是进行数据分析的前提，数据的收集整理是数据分析最重要的一环，高校要强化统计知识内容，培养学生的定量分析的意识。 经过调查结果得知，有68.97%的学生上过《统计学》课程、有60.92%的学生上过《概率论与数理统计》，96.88%学生上过统计相关课程，学过统计知识，但通过调查得知仅有51.06%大学生数据意识能力水平处于多元结构水平，虽具有收集数据的意识，但收集数据太片面。只有34.72%高中生数据意识达到关联结构水平。部分学生对统计量的基本定义不清晰，导致在运用统计量时判断错误。学校要加强对于基础知识的考查，重视统计知识，提高学生对统计知识的掌握程度以及熟练运用程度，培养学生定量分析的意识，逐步培养学生数据分析能力。
3.2 增加实践活动，培养学生分析与运用数据能力
数据分析能力培养要注重过程培养，单纯的书本知识太过枯燥乏味，学生不能很好的掌握教过的数据分析方法，只有让学生亲自经历收集、整理、推断数据等过程，将统计知识和技能的掌握应用于实际，才能不断提高学生数据分析能力。
在学习中，教师要教会学生对现实情境中的问题进行设计调查问卷，收集相关的数据进行整理分析问题，培养学生的数学思维和数据分析能力。同时，在学生亲身实验的过程中，教师可以针对数据分析实验中涉及的重点内容，有针对性的进行教学，及时解决学生的疑问，在提高学生学习兴趣的同时提高学生用数据分析方法解决生活中实际问题的能力。
3.3 重视信息技术与专业融合，增强学生数据分析能力
数据分析是计算机和数学结合的产物，数据分析离不开计算机的应用。传统高校教育中，数据分析主要在经管和计算机专业中有所应用。随着时代發展，数据分析的应用范围变广，对于其他专业学生也要求具有一定的数据分析能力。
数据分析能力的培养离不开计算机能力的培养，庞大的数据量无法通过人工进行处理，数据分析软件的培养对于数据分析能力培养具有重要作用。目前市面常用的数据分析软件有excel、python、matlab，R等，调查发现，95%的学生会使用excel，但是仅有18.39%的人会使用excel的高级应用，例如线性回归、方差分析等，大部分人仅仅会用基础的功能。其他数据分析软件虽然有所接触，但是人数相对较少，如图1。
培养数据分析能力也包括培养使用数据分析软件的能力，高校要加强数据分析重要性的宣传，同时增加数据分析软件应用课程，例如excel的高级应用、python、matlab课程等，举办数据分析的相关比赛鼓励同学结合专业特色参赛等。不同专业对于数据分析的应用范围不同，要注意在教学中结合专业特色，教师在教学过程中有针对性的将理论知识与现实生活相结合，提高学生学习兴趣。
4 结语
大数据时代背景下，对人才提出了更高的要求，其需要拥有良好的数据分析能力。对于高校学生而言，不论任何专业，都需要有良好的数据分析能力。各高校应该以市场需求为导向，紧握市场对于人才需求变化的脉搏，适时对培养学生的各方面能力做出适宜的改变。良好的数据分析能力可以使高校学生在就业选择时更有优势。数据分析能力的培养需要与数学、计算机相配合同时要结合专业学科知识，学校在培养方案的设置上应与时俱进，及时更新教学内容，跟紧社会需求。不断提升学生数据分析能力，促进其能力的全面发展。
参考文献
[1]国务院关于印发促进大数据发展行动纲要的通知[J].中国政府采购，2015，（9）.
[2]王磊，马敏.例谈初中生数据分析能力的培养[J].教育研究与评论（中学教育教学），2019，（8）.
[3]宋卫红.大数据时代体育专业大学生数据分析能力培养的必要性分析[J].当代体育科技，2017，（34）.
[4]王林全.发展学生数据分析能力的要领[J].中学数学教学参考，2008，（Z2）.
[5]黄耀业.高中生数据分析素养的调查研究——以广西桂林市某高中为例[D].桂林：广西师范大学，2019.
[6]田亚明.新时期大学生数据分析能力的培养[J].中国新通信，2019，（13）.
[7]张海波，黄世祥.统计学专业学生大数据分析能力的培养方式选择[J].统计与决策，2014，（24）.