时间：2023-07-11 17:36:54
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇数据分析的统计学基础，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
关键词：农经专业；数据分析；教学改革
2019年12月，农业农村部、中央网络安全和信息化委员会办公室关于印发《数字农业农村发展规划（2019-2025年）》的通知，部署了用数字化引领驱动农业农村现代化，加快农业农村生产经营、管理服务的数字化改造的发展战略，将全面提升农业农村生产智能化、经营网络化、管理高效化、服务便捷化水平作为农业农村发展的目标[1]。农业农村的数字化建设离不开专业人才的培养。农林经济管理专业毕业生的就业方向主要有农业经营单位、面向农业农村的政府管理部门、事业单位、科研院所等。随着农业农村数字化发展战略的推进，给传统的农经人才培养带来了一系列的挑战[2]。在数字经济和智慧农业的时展背景下，数据分析能力是农经专业学生重要的核心竞争力。如何提升农经专业学生数据分析能力，是农经专业人才培养中面临的重要课题[3]。
1农业农村数字化发展战略给农经人才培养带来的挑战
1.1对农经人才的数据思维的更高要求
在大数据时代，无论是农业生产经营活动，还是农村的行政管理中都有大量的数据资源。农业企业、农业合作经营组织、农产品产销数据、农产品溯源数据为农业经营者提供了生产、物流、销售环节大量的数据资源。经营者需要认识到数据是一种新的生产要素，要调动数据作为生产要素的属性，让数据分析为管理决策服务[4]。在数字中国的建设进程中，各级政府部门工作人员通过各级各部门的行政管理智能，收集了大量省、市、区、县级的区域经济社会发展数据。社区网格化管理下收集了微观层面的农业经营单位数据、农村常住人口数据、医保数据、扶贫数据、农村小额信贷数据。这些数据资源是政府提高行政效率、提高政务服务质量的宝贵资源。
1.2对农经人才的数据分析能力的更高要求
在大数据时代，每天都有海量数据生成，如何能更好地利用这些数据，让数据能发挥其为管理决策服务的功能，与数据使用者的数据分析能力是密切相关的。例如，农业经营单位在农业生产环节的农业投入数据、农产品销售数据、电商平台的客户反馈评论、农产品库存的动态数据，如何整合分析这些数据，要求农业经营者系统掌握数据分析、数据挖掘、文本分析等多元化的数据分析方法。政府管理部门掌握的农业人口的迁移数据、农村常住人口网格管理数据、农村居民医保数据、扶贫数据等，数据类型丰富，数据量庞杂，如何实现数据库的整合，要求政府部门工作人员掌握数据库管理、大数据分析技术。
2农经专业数据分析课程群建设中存在的问题
2.1课程之间连贯性不足
以笔者所在的高校为例，为农经专业本科生开设的数据分析类课程，见表1。数据分析课程群包括了通识教育、专业教育和实践教育。从目前的课程设置来看，涵盖了数据库、统计学、经济计量学、多元统计、大数据分析等领域，内容丰富。数据库应用由计算机学院开设，是一门通识教育课程，在授课时教师往往将其视为一门计算机类的入门课程，在教学中没有针对农经专业学生的特质，将数据库的教学与其在农经领域的应用结合起来。学生在学习中往往会觉得该课程与专业联系不够紧密，教学内容枯燥，缺乏学习兴趣。
2.2学生学习的软件种类繁多，但不够深入
在统计学和多元统计课程中，学生将学习EXCEL、SPSS或者R语言的应用，在经济计量学课程中学生将学习Eviews或STATA的应用，在数据挖掘与大数据分析课程中学生将学习Python语言的应用。在每一门课程中学习的软件都不同，对于软件的学习缺乏连贯性和延续性，虽然学生接触的软件种类多，但是由于学时所限，每一种软件都只是入门级的介绍，无法进入到深度学习。
2.3与专业课学习联系不够紧密，缺乏应用机会
学生缺乏在专业课学习中运用数据分析类课程所学知识的机会。数据分析类课程主要介绍数据分析方法和软件的应用，但大部分都安排在第5学期和第6学期。学生在学习了数据分析方法后，缺少在专业学习领域里运用这些方法的机会。例如学生若要完成产业经济学、农业技术经济学、农产品国际贸易学的专题研究、课程论文，需要用到统计学、经济计量学、大数据分析的方法，但在第2-4学期开设大量专业课的学期，数据分析类课程还没有开设。若能将数据分析类课程尽量靠前安排，学生可以在后续的专业学习、课题研究中运用所学的方法，一方面夯实数据分析技能，另一方面也可以增加学生对专业课的学习兴趣。
2.4排课不够科学
在大三阶段，学生可以选修多元统计、数据挖掘与大数据分析、Python语言三门选修课。但到了大三，学生专业课的学习任务重，选修课种类考虑繁多，学生选课可能出于兴趣、学分安排或者准备考研保研考虑，并不是每一位同学都会选修上述课程。尤其是计算机能力不太强、对数学类课程感到困难的同学，会倾向于选择难度小的课程。
3基于项目驱动式教学理念的数据分析课程群改革
3.1开展项目驱动式教学的意义
项目驱动教学法是基于行动导向的探究式教学方法，是将真实的或模拟的项目转化为教学项目，结合课程内容将项目分解为若干工作任务，创设工作情境，引导学生完成任务，进而实现项目教学目标的教学活动[4-5]。项目驱动式教学法最显著的特点是“以项目为主线、教师为主导、学生为主体”，改变了以往“教师讲，学生听”被动的教学模式，完善了学生主动参与、自主协作、探索创新的新型教学模式。与传统教学方法相比，教学实施过程中，学生的目标更清晰明确，可避免传统课堂教学的被动性，进而提高学生学习知识的兴趣和主动性[6]。在数据分析课程群中引入项目驱动教学，一方面能让学生运用所学的数据分析方法分析现实问题，创设数据分析情境，加深对所学方法的理解和运用，激发学习兴趣，培养自主学习能力；另一方面也可以有针对性地创设围绕“三农”问题的数据分析项目，让学生从数据分析中加深对“三农”问题的感性认识，培养对农经专业学习的兴趣，提升对农经专业的认同度。具体来讲，可以从以下方面开展对数据分析课程群的改革[7]。
3.2统筹规划教学内容，加强课程间的连贯和递进
农经专业数据分析课程群目前主要包括必修课数据库应用、统计学和经济计量学，选修课多元统计、数据挖掘与大数据分析，以及实践课R语言与统计应用、Python语言。统计学教学的重点在于对基础性的统计方法的运用，经济计量学教学的重点在于让学生掌握经济计量分析的范式，如何利用经济计量模型开展实证分析。多元统计强调对复杂多维数据信息的提炼。数据挖掘与大数据分析教学的重点在于大数据时代数据挖掘方法的应用。此外，针对于目前学生所学的软件门类过多，软件操作不够熟练，建议在统计学、多元统计、数据挖掘大数据分析中统一采用R语言进行教学，让学生通过几门课程的学习，能够熟练掌握一种统计分析软件。
3.3基于项目驱动对教学内容进行整合及优化，调动学生主动参与
例如统计学课程介绍了基础性的统计分析方法，在后续课程经济计量学、多元统计、数据挖掘与大数据分析中引导学生运用基础性统计分析方法，对数据进行初步的统计分析和整理，为经济计量分析、多元统计、数据挖掘做好数据处理上的准备，让学生体会到关联课程中所学知识的联结。鼓励学生积极参与“三下乡”活动，开展田野调查实践，围绕“三农”开展调研，运用统计和计量方法对调研数据进行分析，鼓励学生参与到教学中来，培养学生的学习兴趣，学以致用。
3.4建设“项目驱动”实践教学模块
结合农经专业课程体系，建设数据分析课程群“项目驱动”实践教学模块。在农经专业的课程体系中开设的农业经济学、农产品贸易、农村社会学等专业性课程对大量的“三农”问题进行了探讨，这类课程中涉及的城乡差异问题、收入和消费问题、农产品价格波动、农产品贸易等现实问题的研究，都离不开基于现实数据的定量分析。因此，在农经专业的数据分析课程群中可以结合教学内容引导学生对专业课学习中热点问题的研究，围绕课程教学大纲，建设“项目驱动”实践教学模块，理论联系实际，让学生在研究项目中运用所学的数据分析方法，加深对专业知识的理解。
4农经专业数据分析课程群优化方案
在大数据时代，数据分析能力是学生的核心竞争力之一。数据分析类课程在建设中要强调理论与实践的结合，不能只是将教学停留在课堂上，引入体现专业特色的实践教学环节。可以从以下几方面开展数据分析课程群的优化：第一，数据分析基础类必修课安排在大一学年。在第1学期，可以安排R入门、Python入门、数据可视化课程，让学生尽早接触当前主流的数据分析软件，激发学生对R或Python的学习兴趣，让学生自我拓展学习空间。R入门、Python入门、或者数据可视化课程都属于数据分析的基础课程，无需其他先修课程。在这一时期，让学生开始接触数据分析软件，学习数据可视化的分析工具，有利于培养学生的数据思维、数据意识和软件实操能力。第二，将与农经专业课有关的专业必修课统计学、经济计量学安排在第3-4学期学习。统计学课程需要学生先行修读高等数学和概率论课程，经济计量学需要学生先行修读微观经济学、宏观经济学，因此可安排在第3-4学期。让学生在掌握了一定经济管理专业知识后，可以更好地体会统计学、经济计量学方法论学科的应用价值。第三，将数据分析进阶类选修课多元统计、大数据分析、数据挖掘、机器学习等课程安排在第5-6学期。为高年学生提供丰富的数据分析类选修课，让学生结合自己的兴趣、未来的发展规划学习更加多元化的数据分析技术。鼓励学生能在专业论文习作、学科竞赛中有更多的机会运用自己所学的数据分析方法，增加学生的收获感和成就感，挖掘学生的学习潜力。第四，改革课程考核评价体系，采用项目式管理和评估的思路，由学生自主开展一个数据分析项目，从收集数据、提出问题、分析数据到提炼研究结论，开展小组团队成员互评。教师跟踪学生的项目开展过程，从学生的学习态度、投入程度、数据分析质量等综合评价学生的学习效果。
5结束语
将项目驱动教学引入到农经专业数据分析课程群的建设，让学生参与到教学中去，突破传统教学中“教师教学生学”的局面，让学生通过参与项目，运用数据分析方法解决项目中的实际问题，激发学生的学习兴趣和潜能，让学生体会到所学知识的应用价值，让学生不再对数据分析类课程望而生畏。本文的研究对于农经专业学生数据分析能力的培养有重要的意义，强调理论与实践的结合，提高学生数据分析的高阶能力，也能为同类课程开展项目驱动教学提供借鉴。
参考文献：
[1]农业农村部中央网络安全和信息化委员会办公室关于印发《数字农业农村发展规划（2019-2025年）》的通知[EB/OL].（2019-12-25）[2020-4-14].
[2]李虹贤.农业经济管理专业人才培养模式创新研究与实践[J].智慧农业导刊，2022，2（7）：110-112.
[3]冯开文，陶冶.农业经济管理专业实践教学改革———以中国农业大学经济管理学院为例[J].教育现代化，2017，4（23）：54-56+63.
[4]杜洪燕，陈俊红.乡村振兴背景下中国数字农业高质量发展路径研究[J].南方农业，2021，15（21）：213-214.
[5]金娥.基于项目式学习的《现代教育技术应用》课程学习框架的设计与实践研究[D].武汉：华中师范大学，2021.
[6]胡静，王昌凤.基于应用型本科人才培养目标的项目式教学模式构建[J].教书育人（高教论坛），2022（9）：59-64.
【论文关键词】统计学；统计思想；认识
【论文摘要】所谓统计思想，就是在统计实际工作、统计学理论的应用研究中，必须遵循的基本理念和指导思想。统计思想主要包括均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等思想。文章通过对统计思想的阐释，提出关于统计思想认识的三点思考。
1关于统计学
统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。
2统计学中的几种统计思想
2.1统计思想的形成
统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。
2.2比较常用的几种统计思想
所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：
2.2.1均值思想
均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。
2.2.2变异思想
统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
2.2.3估计思想
估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
2.2.4相关思想
事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。
2.2.5拟合思想
拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
2.2.6检验思想
统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
2.3统计思想的特点
作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。
3对统计思想的一些思考3.1要更正当前存在的一些不正确的思想认识
英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。
3.2要不断拓展统计思维方式
统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。
3.3深化对数据分析的认识
任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。
新晨
参考文献:
[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).
[2]庞有贵.统计工作及统计思想[J]科技情报开发与经济,2004,(03).
大数据的蓬勃发展为统计学专业人才培养模式的创新提供了有效途径，引领了统计学专业人才培养模式的改革方向，融入了统计学专业人才培养模式的各个环节。本文系统明确了统计学专业人才培养模式的改革方向，探讨如何利用大数据完善人才培养模式的各个环节。
关键词：
大数据;人才培养模式;教学模式
2015年9月5日，我国政府公开《国务院关于印发促进大数据发展行动纲要的通知》，大数据逐步走上我国经济社会发展的大舞台，在社会各个领域中发挥着巨大的促进作用。高等教育作为我国培养高素质人才的主要阵地，避免不了受到大数据的冲击和影响。有效利用大数据是化解冲击并促进高等教育改革的明智之举。高等教育改革的关键是改革人才培养模式，将大数据融入人才培养模式改革的各个环节会达到事半功倍的效果。
一、大数据引领统计学专业人才培养模式的改革方向
1.大数据引领培养目标的改革方向。随着大数据的迅猛发展，大数据分析公司不断涌现，传统的调查公司、数据分析公司纷纷转型，社会急需大量的大数据分析人才。统计学专业按以往培养目标培养的数据分析人才已经不能满足社会需要，因此必须对人才培养目标进行改革，培养目标应从培养专门的统计人才转换为培养精通统计学知识、计算机技术（大数据分析技术），了解相关行业背景的复合型统计人才，保障统计学专业能够为社会经济发展输送高质量的大数据分析人才。2.大数据引领课程设置的改革方向。课程设置是实现培养目标的关键环节，为实现培养大数据分析人才的目标，课程设置应该与培养目标相配套。课程设置的核心课程中应该引入大数据技术相关的计算机软件、语言及算法课程，选修课程中应该增设一些辅助大数据分析的数据挖掘类相关课程及不同行业的相关专业背景课程。3.大数据引领实践教学的改革方向。实践教学环节设计的基本原则是能够有效检验理论教学环节的学习效果，同时锻炼学生的分析问题，解决问题的能力。因此，相应于培养目标和课程设置的改革，实践教学环节的改革应注重学生大数据分析能力的检验和锻炼，积极为学生创造丰富的大数据分析实践机会。例如，在调查分析课程中引导学生改变传统的调查方法，尽量通过数据挖掘揭示某一类现象背后的发展规律，积极开展与大数据分析公司或者相关行业的企业的合作，为学生进行大数据分析实践提供数据及技术支持。4.大数据引领教学方法和手段的改革方向。MOOC、翻转课堂和大量的在线资源的出现为统计学专业教学方法和手段的改革提供了丰富的资源基础，有效构建充分利用各种资源的混合教学模式将成为统计学专业人才培养模式改革的一个重要组成部分。5.大数据引领评价方法的改革方向。传统的评价方法主要注重期末时的总结性评价，忽略过程评价，因此应广泛和合理利用教学各个环节留下的痕迹，即形式各样的数据，创新教育教学评价方法，以此达到对学生、教师及教学效果的科学评价。
二、大数据融入统计学专业人才培养模式的构建
1.大数据融入人才培养目标的制定。人才培养目标的制定一方面要适应经济社会发展的需要，另一方面要从生源质量，办学条件出发，不能盲目追求高目标，因此适当对本校统计学专业历届生源质量和办学软硬件条件等相关数据进行挖掘和分析，有利于制定切实可行的人才培养目标。当然这需要人才培养目标制定者有一定的数据挖掘和分析的能力，需要学校各个相关部门的配合，实际操作起来存在一定困难。2.大数据融入教学方法和手段的选择。教学方法和手段的选择一方面依靠丰富的资源，打破传统的大客厅式的封闭教学模式，另一方面要注重以学生为本和因材施教，这就需要对每个学生的基本素质有客观的把握，仅靠教师的力量很难做到这一点，因此应适当引入相关技术和设备帮助收集课堂教学，课后作业等教学各个环节的实时数据，利用大数据技术全方位综合考量每一位学生的基本素质，为教学方法和手段的选择提供客观的依据，真正意义上做到因材施教。对于一些利用计算机或其他电子设备完成的环节，收集数据的同时，应适当建立针对不同学生的教学策略，以此实现个性化教育。3.大数据融入实践教学环节的设置。统计学专业的实践环节设置应充分考虑利用学习分析和数据挖掘技术分析学生的学习心理，学习行为及学习能力，充分了解学生的前期学习情况，分析教师课堂教学水平和教学能力，充分挖掘教师的特长，以此为基础打造实践教学环节师生的完美匹配，不再拘泥于一个班级或一个专业的学生同时进行相同的实践项目，可以有效提高实践教学的水平和学生的实践能力。4.大数据融入教学评价体系的完善。传统的教学评价体系不能够客观评价人才培养的各个环节的效果，通常是对结果的评价。因此，学校需要利用大数据技术全面分析和挖掘每一个环节的相关数据，包括学生的学习过程，教师的教学过程等，有效利用数据说话，避免对学习效果及教学效果的片面评价，完善统计学专业的教学评价体系。大数据为统计学专业人才培养模式的构建带来了机遇的同时也提出了挑战，我们不能盲目跟风，应认真结合统计学专业学科特点及各方面的条件，合理利用大数据，构建切实可行的人才培养模式。
参考文献：
[1]陈树良.统计学专业创新型人才培养模式的研究[J].辽宁工业大学学报（社会科学版），2012
一、统计学中的几种常见统计思想
统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想等。统计思想不是天然形成的,需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括,才能逐步形成系统的统计思想。作为一门应用统计学,它从数理统计学派汲取新的营养,并且越来越广泛的应用数学方法,联系也越来越密切,但在统计思想的体现上与通用学派相比,还有着自己的特别之处。其基本特点:(1)统计思想强调方法性与应用性的统一;(2)统计思想强调科学性与艺术性的统一;(3)统计思想强调客观性与主观性的统一;(4)统计思想强调定性分析与定量分析的统一。
1.均值思想。均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论,是统计学的基本思想。均值思想也要求从总体上看问题,但要求观察其一般发展趋势,避免个别偶然现象的干扰,故也体现了总体观。
2.变异思想。统计研究同类现象的总体特征,它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差,是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。
3.估计思想。估计以样本推测总体,是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设:样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响,在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。
4.相关思想。事物是普遍联系的,在变化中,经常出现一些事物相随共变或相随共现的情况,总体又是由许多个别事务所组成,这些个别事物是相互关联的,而我们所研究的事物总体又是在同质性的基础上形成。因而,总体中的个体之间、这一总体与另一总体之间总是相互关联的。
5.拟合思想。拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在,所有实际事物的关系都表现得非常复杂,这种方法就是对规律或趋势的拟合。拟合的成果是模型,反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。
6.检验思想。统计方法总是归纳性的,其结论永远带有一定的或然性,基于局部特征和规律所推广出来的判断不可能完全可信,检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。
二、对统计思想的若干思考
1.要改变当前存在的一些不正确的思想认识。英国著名生物学家、统计学家高尔顿曾经说过:“统计学具有处理复杂问题的非凡能力,当科学的探索者在前进的过程中荆棘载途时,唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单,因为我们所面临的现实问题可能要比想象的复杂得多。此外,有些人认为方法越复杂,越科学。在实际的分析研究中,喜欢简单问题复杂化,似乎这样才能显示其科学含量。其实,真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是,有些人认为只有推断统计才是科学,描述统计不是科学,并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的,至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论,并且注重于把统计学应用于人类事物,试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念,如GNP、人口增长率等等,均是凯特勒及其弟子们的遗产。
关键词：EXCEL；统计学教学；图表；函数
一、统计学教学面临的困境
就目前来看，有一部分同学进入大学校园，数学是其中的一门弱势学科，统计学的一部分计算以数学为基础，很多学生对统计学的学习产生了畏惧心理，从而忽视了这门实用性较强的学科。在现行的高职统计学的教学过程中，理论讲述，公式推导占据了很大部分的比重，案例较少，学生感觉比较枯燥，统计计算仍以_手工计算和半手工的计算器为主，从很大程度上挫败了学生学习的积极性。如果把EXCEL应甩到统计教学当中去，就会把复杂的问题变得简单，解决了同学们在计算上的软肋，提高大家的学习兴趣，会达到事半功倍的效果。
二、利用ExCEL作为统计学学习工具的优势
首先EXCEL软件安装简单，便于操作。对于EXCEL来讲，是常用的办公软件，安装便利，在学生进入大学阶段之前就已经接触EXCEL并且已经具备一定的基础。在大一的上半学期，很多同学就对EXCEL进行过详细系统的学习，相比SAS，SPSS这些统计软件来讲，EXCEL软件更加容易被学生接受。
其次EXCEL具有强大的数据分析功能。Excel提供了多种数据分析手段，从函数、分析工具库、加载宏等，一直到数据透视表和数据透视图。让我们对数据进行归纳后，能够利用这些函数和图表对数据进行分析，有利于提高学生的数据分析能力。
三、EXCEL在统计教学中的具体应用
(一)EXCEL主要的统计功能
1.图表功能
EXCEL总共包括了14种类型的图形，包括柱形图、条形图、折线图等，图表具有较好的视觉效果。
2.数据分析工具
在EXCEL数据工具分析库中，有19种数据分析工具，这些统计分析工具，使EXCEL具备了专业统计分析软件的某些功能。
3.公式与函数
函数的使用，提高了运算速度，EXCEL提供了涉及不同领域的函数，使用函数进行运算可以提高运算速度和准确度。
4.VBA编程
可以利用VBA宏语言进行编程，自行撰写函数公式，为特定的任务制作方案。
(二)EXCEL在统计学教学中的应用实施
整个统计研究的全过程分为四个基本环节：统计设计，统计调查，统计整理，统计分析。其中统计设计贯穿于各个统计环节当中。作为统计学教学来讲，一般统计学的教学就是按照各个环节的展开，而EXCEL在统计调查，统计整理和统计分析的过程中都有所涉及。
统计调查阶段是统计工作的起点，其主要任务是收集反映调查单位特征的数字和文字资料的工作过程。我们可以把搜集到的原始资料采用EXCEL的形式进行记录，这样比较直观整齐，因为EXCEL可以实行自动快速的统计，我们可以利用求和、计数、均值、最大值、最小值等自动计算功能进行计算。统计调查一种常用的方法是问卷调查法，我们可以把我们设计的问卷录入EXCEL，对各选项进行编码，便于以后利照EXCEL的编辑替换，以及数据透视表透视图等功能对问卷进行整理分析。
在统计整理阶段，最常用的功能是统计图的编制，统计图具有形象直观、一目了然的优点。我们可以把原始数据输入电子表格。在插入菜单中选择图表选项，然后选定图表类型，确定数据范围，经过一系列的调整，得到自己心仪的图表，减少了手工绘制的麻烦。
在统计分析阶段，EXCEL的应用更加的广泛。首先对于静态指标的计算尤其是平均指标的计算，函数功能在此显得尤为重要，我们可以利用AVERAGE函数来计算算术平均数，利用HARMEAN函数来进行调和平均数的计算，利用MEDIAN进行中位数的计算，利用STDEV进行样本标准差的计算，大大提高了计算的效率。同样EXCEL的公式与函数功能可以很好地应用于动态分析，指数分析，以及抽样推断中。
EXCEL在统计学教学当中有着非常重要的作用，把EXCEL适当的应用于统计教学当中去能够大大提高学生们的主观能动性，提高学习效率，使学生能够利用现代分析工具对社会现象的发展变化情况进行分析研究。
参考文献
[1]中兆光.EXCEL在统计学教学中的应用探讨现代商贸工业，2008
1独立学院金融专业学生定量分析能力培养的目标界定
以应用型人才培养为导向，独立学院金融专业学生定量分析能力培养的根本目标是提高学生分析和处理金融数据的能力，结合金融学科的特点，独立学院金融专业学生定量分析能力培养的具体目标可以确定为以下三个方面：第一，培养学生收集、描述和展示金融数据的能力。由于收集、描述和展示金融数据是进行金融定量分析的前提，因此这一目标强调建立金融专业学生定量分析能力的坚实基础，是定量分析能力培养的基本目标。第二，培养学生对金融横截面数据的分析能力。由于金融学科特别是现代公司金融领域有大量数据体现为横截面数据；同时，横截面数据也是本科生统计学和计量经济学课程的主要教学载体，因此，这一目标是定量分析能力培养的主要目标。第三，培养学生金融时间序列数据的分析能力。金融的资产定价和风险管理领域有大量数据体现为时间序列数据；但由于本科生统计学和计量经济学课程较少设计时间序列数据的分析教学，因此，这一目标是定量分析能力培养的补充目标。
2独立学院金融专业学生定量分析能力培养的教学设计
独立学院金融专业学生定量分析能力的三个培养目标决定了相应的教学内容应围绕收集、描述和展示金融数据以及分析金融横截面和时间序列数据进行设计，具体地，教学内容可以相应地设计为以下三个方面：第一，通过统计学课程的教学培养学生收集、描述和展示金融数据的能力。由于收集、描述和展示数据属于统计学的描述统计范畴，因而这一能力的培养需要通过统计学的教学来实现，在教学中，以应用为导向，向学生介绍如何通过数据库获取金融数据、如何通过表格、图形和统计量来描述和展示数据；在教学别注意数据库（比如国泰安）和统计软件（比如SPSS）的运用，通过统计学课程的教学使学生建立扎实的数据分析基础，掌握常用数据库和统计软件的基本操作。第二，通过统计学与计量经济学课程的教学培养学生分析金融横截面数据的能力。在教学过程中，一方面通过统计学课程使学生掌握横截面数据分析的基本方法，例如区间估计、假设检验、方差分析、相关分析和线性回归分析；另一方面通过计量经济学课程加深这些方法的理解和运用，特别是拓展对于线性回归分析方法的假设、操作、可能出现的问题及其解决方案的理解。通过这两门课程的结合教学建立学生对金融横截面数据的定量分析能力。第三，通过增加传统计量经济学课程的教学内容或设立专门选修课的方法培养学生分析金融时间序列数据的能力。由于传统计量经济学课程涉及的实质金融时间序列分析的内容较少，而这一部分内容在金融实践中又较为重要，因此可在传统计量经济学课程的教学内容中增加一些金融时间序列分析的应用介绍，比如平稳性检验、协整分析、时间序列分析模型构建等内容，或是将这些内容通过独立设置的选修课进行介绍，以弥补传统教学的不足，完善学生定量分析能力的培养。
3金融专业学生定量分析能力培养的实施：以浙江大学城市学院为例
浙江大学城市学院是一所以培养应用型、复合型、创新型人才为目标的独立学院，也是我国建立最早、知名度较高的独立学院之一。浙江大学城市学院的金融学专业设立3门课程培养学生的定量分析能力：统计学必修课、计量经济学必修课以及金融计量学选修课。三门课程横跨从大二下学期到大三下学期的三个学期，三门课程均以提高学生定量分析能力作为教学的根本目标，并在教学中注重运用软件解决实际问题。因此，研究浙江大学城市学院金融专业学生的定量分析能力培养对研究独立学院金融专业学生定量分析能力培养具有借鉴意义。就教学内容而言，三门课程由同一老师授课以保证教学内容的连续性和教学风格的贯彻，教学内容注重原理解释与软件操作，淡化数学推导与证明。具体地，统计学课程侧重于建立学生定量分析的基本技能，内容主要包括：数据的图表展示与概括性度量、抽样分布与参数估计、假设检验、非参数检验、方差分析、相关分析和回归分析；课程为三学分课程，每周两学时理论课结合两学时上机实验课，课程教学基于SPSS软件，通过软件运用的教学与练习培养学生收集、描述和展示金融数据的能力，建立学生对金融横截面数据的分析能力基础。在统计学课程结束之后即进入计量经济学课程学习，教学内容从回归分析的假设展开，主要包括回归分析估计量的统计理论、回归可能产生的问题及解决方法、以及各类线性和非线性回归的操作；课程为三学分课程，每周两学时理论课结合两学时上机实验课，课程教学在SPSS软件的基础上引入更适合进行回归分析的EVIEWS软件，加强培养学生的金融横截面数据分析能力，并为金融时间序列数据分析能力培养打下基础。在计量经济学课程结束之后学生可以选修金融计量学课程，教学内容侧重金融时间序列分析，主要包括时间序列的平稳性、协整性分析以及金融时间序列模型构建；课程为两学分课程，通过EVIEWS软件时间序列分析模块的教学与实践培养学生的金融时间序列数据分析能力。浙江大学城市学院的金融学专业通过以上三门课程的结合教学培养学生的定量分析能力，掌握SPSS和EVIEWS软件的使用，为毕业论文和之后从事的金融工作打下基础。
4结论
独立学院金融专业学生定量分析能力培养的目标是培养学生收集、描述和展示金融数据的能力以及对金融横截面及时间序列数据的分析能力。通过统计学课程的教学培养学生收集、描述和展示金融数据的能力；通过统计学与计量经济学课程的教学培养学生分析金融横截面数据的能力；通过增加传统计量经济学课程的教学内容或设立专门选修课的方法培养学生分析金融时间序列数据的能力。浙江大学城市学院金融专业学生定量分析能力培养的实施分析表明本文设计的教学目标和教学过程对独立学院金融专业学生定量分析能力培养具有很好的适用性及学生满意度。
作者：孙钰单位：浙江大学城市学院
中国人民大学教授顾海良先生曾经说过：“语言学、心理学和统计学是21世纪中国最有发展前途的三大学科”阐述了统计学的重要性，统计学的发展为自然的科学的发展奠定了有利的基础。
1.发展统计学的意义
统计学的发展空间是是很宽广的，表现在如下的三个方面：
首先20 世纪后期，社会科学与统计的学的相互关系日益密切。统计学融入到社会科学的方方面面，太它的推动下形成了很多新兴的学科，如人口统计学、历史统计学、教育统计学、心理统计学、社会统计学等。统计学与人本文由收集整理文社会科学的结合，使得期发展的道路更为的宽广，对社会科学的蓬勃发展起到了极大的促进作用。同时又十统计学得到看进一步的完善和提高。而最根本的统计的推动，是人文科学和社会科学大发展将得到更充分的体现。
第二。二十一世纪是计算普及和飞跃发展的时代。从本质上讲，信息经济不仅取决于信息处理装置的先进性，更重要的是信息的收集，整理发展不能离开统计学科。因此，在统计学上发挥同样重要的作用，在支持的信息经济的发展。
第三，在中国统计学方面还有着很多色不完善。-事实上，据统计在该统计学在自然科学里也有着广泛的应用如，化学、物理等等。而且政治，经济，文化，历史等和社会实学科得到了发展和应用。在国外的很多发达国家统计学科是衡量量高校办学水平的重要依据，是大学必须开设的重要科目。但是这样恰恰说明统计学在我国还有很大的上升空间还有很长的路要走。
2，加强基础工作，促进发展的统计
统计学为自然科学和社会科学他的发展奠定了数据基础。统计学是严密，不能出现丝毫错误的工作。差之丝毫，拒之千里。它的发展使得数据和收集与分析变的更科学和更严谨。和社会科学的方方面面都有着千丝万缕的联系。涵盖范围其广，更容不得这项工作出现任何闪失。
统计学由四个系统构成。包括数据源子系统，数据处理子系统，数据分析子系统和统计服务子系统。这个体系涵盖了统计的方方面面。可以说，建立和连接四个子系统，统计结果的准确性和和质量将很大的提升，为统计工作的运用打下了良好的基础。
2.1建立数据源子系统
精准展开基础数据的采集工作，开展统计工作，建立一个数据源子系统是现代统计体系中最基础和最重要的部分。
2.2建立数据处理子系统
当收集到的原始数据并数据处理子系统启动的应用程序和处理功能。要建立前统计局和良好扩展功能，计算机数据处理中心和计算机网络系统的开发和应用延伸到数据源子系统基层组织和灵魂的子系统，以实现统计数据处理自动化。
2.3数据分析子系统
深加工和精加工统计数据，数据分析的基础上统计优质的服务。能充分反映统计工作水平。因此，必须有一个良好的统计，经济学，社会学专家参与的研究，计算机辅助分析和人工智能的分析完全集成的。
2.4二十一世纪是信息的时代。
统计学的发展是已现代信息技术的高度发展为依托的。实现网络运行和管理大型和复杂系统。在统计体系不断改革的今天。信息技术的运用领域也在不断的扩大，运用的层次也将不断的深入。统计链将逐渐缩短每个子系统，以达到最佳的运行状态。整个统计系统的效率可以大大提高，统计工作在社会上的地位和作用变得尤为重要。“
1大数据时代网络经济环境导向的教学改革
当前网络经济的飞速发展，互联网产生了非常有价值的“大数据”。大数据问题也引起了政府及高校的重视，已经在教育、医疗、卫生、金融、统计、市场营销等领域应用非常成功。也将给人们的生活、学习、工作决策提供便利。另一方面如大学生上网非常方便，对百度、微信、BBS、微博等网络工具的使用非常熟练，网络环境下的信息的获取变得更加方便，对知识的获取更加容易，数据收集与分析能力更强。可以通过互联网平台多方面交流，甚至可以去互联网的各种网络课堂，听世界名校如哈佛、耶鲁、清华、北大等教师讲课，或下载名校精品课程的资料。通过QQ、微信平台交流学习方面的问题。大学生每天花在网络的时间非常多，甚至上课的时候都在使用。比以前的学生学习更具有独立性。
2立足当前的实际情况，培养“应用型”人才
2.1独立学院的大部分学生数学基础不扎实
传统的统计学教学不符合当前独立学院学生的情况，学生认为统计学课程不是专业课程而不予重视，再加上该课程公式繁多，理论方法枯燥无味，学起来难学难懂，学生提不起学习兴趣等，传统的统计教学往往重理论，轻应用。使得理论与实践不能结合，培养出来的学生不能满足社会的需要。例如解决不了市场调查分析问题、经济数据分析问题等。使学习效率得不到合理的提高，学生对于课程的参与度不高，宝贵的教学资源得不到合理的回报，违背了设置统计学课程的初衷。
2.2独立学院的统计学教学内容改革
统计学的理论方法实用性很强，涉及很多晦涩难懂的公式符号，难以记忆和消化，与高数、线性代数、概率论的联系紧密，而独立学院大部分学生基础比较薄弱，觉得高深莫测，存在普遍的畏难情绪。现阶段教学内容围绕统计调查、统计指标、统计数据的整理分析、统计推断的点估计和假设检验、相关与回归分析、非参分析、时间序列、指数等内容进行介绍。如此繁多的内容存在课时量不够，就独立学院学生而言，大部分教材安排不合理，重理论轻实践，针对性很不好，和他们的专业结合不紧密。教学内容要与各专业特点相结合，如介绍统计调查的基本定义和特点过后，学生也不知道如何收集资料，如何设置科学合理的设置问卷。这就引起教学的思考，有必要从实践案例的实际出发，针对实际的案例问题，或网上统计年鉴数据的下载，以实验课的形式，用统计软件分析，或进行实际数据的收集，如何进行问卷设计和抽样调查。如金融专业可以选择一些经济类的数据，国贸专业可以选择进出口贸易类的数据，市场营销专业可以设计某产品的市场调查研究。
2.3大数据时代应用性人才的培养
教学内容有必要结合各种数据分析的统计软件，教师应该讲解EXCEL、SPSS、Eviews、R等软件的案例分析。不应要求学生去死记理论公式，要凸出统计学的魅力，加强统计学理论的应用性。关键要会解决实际问题，要合理的安排足够的实验课时，提高学生对于数据分析的水平，锻炼学生学会用统计软件处理专业问题的能力。同时结合实验课上交统计调查方案，调查报告，以及数据分析的实验报告，并要求提高实验报告的质量。特别是学院要为实验室建设提供一个良好的环境。在网络经济时代，只有具备了数据分析、编程、统计技能和相关专业知识的人，才能把混乱、庞杂的数据转变为有价值的应用。
3基于R统计软件分析的案例教学
随着电脑的普及，以独立学院当前情况，将统计软件的实际应用与理论相联系受到更多学生的欢迎，时下也是一种必然趋势。而且软件是一款免费的开放式软件。所以使用非常便捷，适合现在高校教师和学生使用，在国际上使用率越来越高。下面借助软件演示随机试验。以上分析可以看出，统计软件在应用中，命令简捷方便，检验结果精确，是一个具有推广价值的统计分析软件。软件能使复杂的统计理论和实际生活中的案例相结合，也提高学生的操作动手能力。非常方便高校实验教学应用，值得高校财经类专业推广为主要的教学和研究软件。结合学生的专业特点，设计实验或鼓励学生自行设计实验，课堂教学和实验操作相结合，以期达到培养学生的统计模拟能力，以及解决实际问题能力的目的。通过这两个简单的例子发现原本抽象和复杂的计算，变得丰富有趣，学生学习起来更轻松，学以致用，对于课本知识的理解也比较深刻。教学不再死板，学生可以在相互讨论、互相切磋的轻松氛围中，完成对统计学的学习。
4实行统计学实验教学的意义
1对象与方法
1.1研究对象
齐齐哈尔医学院2005级预防、管理专业本科生。将所有同学分为2组,其中实验班33人,对照班24人。
1.2研究方法
1.2.1教学改革的实施基础理论教学时数为50学时,同一老师,同一授课方式,从而保证2个班的同学所学的统计学理论知识是完全一样的。在分组的实验课上,对照班采用传统的做题练习,并结合理论知识讲授。实验班则以公开发表的科研论文作为案例,采用案例讲授,根据对论文中的实验设计方案、数据分析方法的讨论,来提高学生解决科研工作中实际问题的能力。
1.2.2考核本学期授课结束后,由教师统一命题,对试验班和对照班的学生进行包括卫生统计学基础理论知识和统计方法应用2个方面的考核,以检测学习效果。试卷由教研室全体教师进行集体评阅。
1.2.3统计分析对数据采用“均数±标准差”形式表达,组间比较采用独立样本的t检验。所有统计方法应用SPSS19.0实现。
2结果
(1)试验班和对照班学生的基础理论知识考试成绩无明显差异(t=0.25,P＝0.8056),表明“案例”教学模式的教学法并不影响学生对基础知识、重点和难点的掌握,见表1。
(2)试验班和对照班学生在统计应用能力测试方面有明显差异(t=2.84,P＝0.0064),表明应用“案例”教学模式,在培养学生灵活应用统计理论,解决实际数据分析问题方面优于传统教学模式,见表2。
3讨论
3.1案例教学提高了学生的实际数据分析能力
研究结果显示,尽管案例教学模式和传统教学法在对学科的基础知识、重点和难点的掌握上没有明显区别(P＝0.8056),但案例教学即实验班的学生在灵活运用所掌握的统计理论知识来解决实际数据分析问题的能力明显强于对照班。因此,在实践性较强的卫生统计学教学中采用案例教学是切实可行的,有助于培养学生的科研思维方式和数据分析技巧,提高学生独立思考和解决问题的能力。
3.2案例教学提高了学生自学的能力
传统教学法使学生处于被动接受的地位,教师只重视将知识灌注给学生,忽视了学生的主观能动性。而案例教学则是以学生为中心,在案例的讨论中使学生能够自觉地获取知识,以解决遇到的问题,提高学生的自学能力。针对科研实例的讨论可以促进学生不断地思考,调动学生的学习积极性,充分发挥了学生的学习主体作用,大大提高了自学的能力。逐渐认为统计学其实是很实用、很有趣的一门课程[3]。
3.3案例讨论提高学生正确选择实验设计方法和统计分析方法的能力
针对当前统计学方法被误用、滥用现象严重的现状,尤其表现在医学期刊中统计分析错误较多的现状,这都是传统教学模式造成的结果。本次实验班在进行案例讨论的过程中,亦发现众多的期刊论文中存在实验设计或统计方法错误的情况,针对这些具体问题着重进行了讨论。从公开发表的医学论文中的各种错误实例进行讨论,使学生“虚拟地”置身于科研第一线,使学生感受了一个个活生生的科研实例,由于所讨论的内容均来自于实际科研工作,可以激发起学生积极思考与讨论的热情,通过个人分析和与他人讨论或辨析,对问题可以有比较全面、准确的理解并找出解决问题的基本途径和方法,培养了学生合理选择统计方法的能力[4]。从而可减少学生在未来从事实际科研工作中应用统计学方法中出现错误的概率,增强处理各种实际问题的能力。
3.4案例教学在实施过程中存在的问题
· 为什么要做数据分析？
· 数据分析的目的是什么？
· 数据分析的一般过程是怎样的？
· 有哪些数据分析方法？
· 在服务性行业里，数据分析方法有哪些需要特别注意的地方？
· 在国内最容易犯哪些数据分析的错误？
因笔者能力和精力有限，文章中存在错误或没有详尽之处，还望各位读者见谅并恳请及时指正，大家相互学习。
(一)数据分析的核心作用
根据国际标准的定义，“数据分析是有组织、有目的地收集并分析数据，通过将数据信息化、可视化，使之成为信息的过程，其目的在于把隐藏在看似杂乱无章的数据背后的信息集中和提炼出来，从而总结研究对象的内在规律。”在实际工作中，数据分析能够帮助管理者进行判断和决策，以便采取适当策略与行动。
这里需引起关注的是任何没有目的或结果的分析报告都是“忽悠”，都仅仅是没有灵魂的躯壳！我们经常看到国内的同事们忙于各种所谓的“数据分析报告”，堆砌了大量的图表和文字，显得“专业”、“美观”，但认真研读后却发现缺乏最关键的“分析”过程，更别说什么分析结果了。显然大家只是把对事实的原始描述当成了数据分析，而实际上描述原始事实只是数据分析过程的一项内容而非全部。数据分析不能仅有报表没有分析，因为“有报表不等于有分析，有分析不代表有效执行”，报表只是数据的展现形式；数据分析也不能仅有分析没有结论，没有结论的分析无疑“差了一口气”，对实际业务工作无法产生价值，唯有通过分析得出结论并提出解决方案才能体现数据分析协助管理者辅助决策的核心作用。因此数据分析来源于业务，也必须反馈到业务中去，没有前者就不存在数据分析的基础，没有后者也就没有数据分析的价值了。
(二)数据分析的分类
最常见也是最标准的数据分析可分为三大类：描述性数据分析、探索性数据分析以及验证性数据分析。
所谓描述性分析是对一组数据的各种特征进行分析，以便于描述测量样本的各种特征及其所代表的总体特征。这种分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布以及一些基本的统计图形，比如上个月的平均通话时长是多少，员工离职率是多少等等。
探索性数据分析是指对已有数据（特别是调查或观察得来的原始数据）在尽量少的先验假定下进行探索，通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法，侧重于在数据之中发现新的特征，比如呼叫中心的一次解决率和哪些因素相关？他们背后的驱动因素又有哪些？哪些因素是“因”、哪些又是“果”等等。
而验证性分析是依据一定的理论对潜在变量与观察变量间关系做出合理的假设，并对这种假设进行统计检验的现代统计方法，侧重于验证已有假设的真伪性。验证性分析是在对研究问题有所了解的基础上进行的，这种了解可建立在理论研究、实验研究或两者结合的基础上，比如从调研的结果来看本月的客户满意度比上个月高出2%，是否真是如此；男性客户的满意度是否高于女性客户等等。
(三)数据分析的一般过程
通常来讲完整的数据分析过程可分为以下几步：明确数据分析的目的、采集并处理数据、分析及展现数据、撰写分析报告。
现实情况中人们往往在做数据分析时陷入一大堆杂乱无章的数据中而忘记了分析数据的目的，数据分析第一步就是要明确数据分析的目的，然后根据目的选择需要分析的数据，明确数据分析的产出物，做到有的放矢、一击即中！
其次，在做数据分析时要根据特定需求采集数据，有目的地采集数据是确保数据分析过程有效的基础，采集后的数据（包括数值的和非数值的）要对其进行整理、分析、计算、编辑等一系列的加工和处理，即数据处理，数据处理的目的是从大量的、可能是难以理解的数据中抽取并推导出对于某些特定人群来说是有价值、有意义的数据。
接着是对处理完毕的数据进行分析和展现，分析数据是将收集的数据通过加工、整理和分析、使其转化为信息，数据展现的方式有两类：列表方式、图形方式。
最后，整个数据分析过程要以“分析报告”的形式呈现出来，分析报告应充分展现数据分析的起因、过程、结果及相关建议，需要有分析框架、明确的结论以及解决方案。数据分析报告一定要有明确的结论，没有明确结论的分析称不上分析，同时也失去了报告的意义，因为整个数据分析过程就是为寻找或者求证一个结论才进行的。最后，分析报告要有建议或解决方案，以供管理者在决策时作参考。
(四)客户中心常用的数据分析工具及简介1 Excel
Excel是微软办公套装软件的一个重要组成部分，它可以进行各种数据的处理、统计分析和辅助决策操作，广泛地应用于管理、统计财经、金融等众多领域。Excel提供了强大的数据分析处理功能，利用它们可以实现对数据的排序、分类汇总、筛选及数据透视等操作。
2 SPC
SPC（Statistical Process Control）即统计过程控制，是一种借助数理统计方法的过程控制工具。实施SPC的过程一般分为两大步骤：首先用SPC工具对过程进行分析，如绘制分析用控制图等；根据分析结果采取必要措施：可能需要消除过程中的系统性因素，也可能需要管理层的介入来减小过程的随机波动以满足过程能力的需求。第二步则是用控制图对过程进行监控。
3 SAS
SAS是用于决策支持的大型集成信息系统，但该软件系统最早的功能限于统计分析，时至今日，统计分析功能仍是它的重要组成部分和核心功能。在数据处理和统计分析领域，SAS系统被誉为国际上的标准软件系统，SAS提供多个统计过程，用户可以通过对数据集的一连串加工实现更为复杂的统计分析，此外 SAS还提供了各类概率分析函数、分位数函数、样本统计函数和随机数生成函数，使用户能方便地实现特殊统计要求。
4 JMP
JMP是SAS（全球最大的统计学软件公司）推出的一种交互式可视化统计发现软件系列，包括JMP，JMP Pro，JMP Clinical，JMP Genomics，SAS Simulation Studio for JMP等强大的产品线，主要用于实现统计分析。其算法源于SAS，特别强调以统计方法的实际应用为导向，交互性、可视化能力强，使用方便。JMP的应用非常广泛，业务领域包括探索性数据分析、六西格玛及持续改善（可视化六西格玛、质量管理、流程优化）、试验设计、统计分析与建模、交互式数据挖掘、分析程序开发等。 SPSS（Statistical Product and Service Solutions）“统计产品与服务解决方案”软件，是世界上最早的统计分析软件，基本功能包括数据管理、统计分析、图表分析、输出管理等等。SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，比如回归分析中又分线性回归分析、曲线估计、Logistic回归、Probit回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参数，SPSS也有专门的绘图系统，可以根据数据绘制各种图形。
6 Minitab
Minitab软件是为质量改善、教育和研究应用领域提供统计软件和服务的先导，是全球领先的质量管理和六西格玛实施软件工具，具有无可比拟的强大功能和简易的可视化操作，对一般的数据分析和图形处理都可以应付自如。
关键词：健康；大数据；人才培养
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）30-0224-02
一、培养大数据技术应用人才的紧迫性、必要性
由于社会生活与生产已经被大数据与云计算所笼罩，随之而来的数据仓库、数据安全、数据分析、数据挖掘、数据可视化等技术，正在为大数据与云计算行业带来大量的商业价值，逐渐成为行业人士争相追捧的利润焦点。因此，与之相关的职业需求也必然呈爆发式增长，而现实情况则是大数据职业的相关人才比较匮乏。无论从人才市场反馈信息来分析，还是从国内外高校的有关专业办学动向了解，以及企事业单位对大数据人才的需求调查来看，培养大数据技术应用人才都具有现实的紧迫性、必要性。
二、培养健康大数据技术应用人才的紧迫性、必要性
健康大数据分析技术能在疾病与健康研究、环境与健康研究、医药生物技术研究、卫生宏观决策支持四个方面发挥特殊的作用。
1.疾病与健康研究。在疾病与健康研究方面，又有健康研究、亚健康研究和疾病研究。（1）健康研究。深入研究和分析人群的健康规律，对卫生保健、健康促进、疾病预防和治疗有着重大的指导意义。如：①对体检数据分析和挖掘，以便于精确地确定不同人群的健康标准，打造个性化、地区化的健康评估模型。②υ懈驹胁期、产后及新生儿的健康数据进行深入分析，研究孕产妇和新生儿的健康规律，给出更科学的孕产妇和新生儿保健的指导。③对老年人的健康数据分析和研究，研究老年人的健康特点，给出更科学的养生指导。（2）亚健康研究。对亚健康进行深入分析与研究对保持健康状态，预防和纠正亚健康状态以及对疾病的预防和治疗都有十分重要的意义。如：亚健康与疾病间的关系、亚健康与健康间的关系。研究各种可观察指标（体检数据）、外部数据（如职业、饮食、习惯、性格、爱好等）在亚健康中的权重、指标之间的关联性。通过数据挖掘，分析导致疾病的影响因素，建立评估模型来预测疾病、治疗亚健康。（3）疾病研究。中国面临的严重危害人民健康的疾病包括：传染性疾病，慢性非传染性疾病，小儿出生缺陷。对病人的医学数据及相关数据的研究分析，对各种疾病的预防和治疗都有十分重要的价值。如：①对传染性疾病、慢性非传染性疾病的研究：应用数据挖掘技术对相关数据进行分析，找出发病规律，揭示疾病的病因，摸索出疾病的变异规律、并发症规律，科学评估各种治疗方案的疗效，建立疾病的预测模型。②对小儿出生缺陷的研究，应用大数据分析技术对儿童出生缺陷的数据进行分析，从广泛的大变量集中找出影响儿童出生缺陷的主要因素，在环境、遗传学、病理学等多方面探索儿童出生缺陷的病因，建立儿童出生缺陷的预测模型。
2.环境与健康研究。环境对健康的影响与公众利益息息相关，环境健康损害如得不到妥善处理还将转化为社会、经济问题。应用大数据分析技术探索环境变迁对人民健康造成危害的预防和治理措施。主要包括发现案例、发病机理和临床治疗研究，预防和治理各类环境流行病在污染源以及污染途径控制的研究等。例如：研究环境污染对儿童的影响，以解决环境对儿童所造成的不健康和疾病迅速增长的问题，从而给予儿童特殊的健康指导。分析各种职业的发病分布和严重程度，开展职业病和职业多发病的预防预测。开展对空气污染显著提高城市人群呼吸道和过敏性疾病的发生率的研究。
3.医药生物技术与健康。医药生物技术最鲜明的特点是大量新思想、新技术、新材料、新方法和新产品引入医学研究和医疗保健之中，如全新的医学成像技术、基因工程技术、纳米技术、生物芯片技术、生物医学工程技术、生物信息技术和中医药技术等及其产品，将大大提高疾病预防、诊断、治疗和药物设计研制水平，以及对突发事件（如传染病等）的检测、预防与治疗水平。以大数据分析技术为核心的生物信息技术在由众多新技术构成的医药生物技术中发挥着其独特的作用。
4.卫生宏观决策支持。卫生宏观决策支持系统是以数据仓库为数据中心、以数据挖掘为技术核心、以商务智能为展现工具的综合卫生信息平台。它可以建立在各级别卫生系统上，如医院、地区卫生系统、全国卫生系统，为各级卫生部门提供智能决策系统，深入了解卫生系统的历史和现在，把握卫生系统业务发展的未来，评估卫生系统内部各部门的业务效绩，帮助各级决策者提供最佳实施方案，如预防接种基本数据，传染病报告，等等。因此，在大健康领域，目前迫切需要两类大数据技术应用人才：（1）健康数据平台建设人才；（2）健康数据挖掘应用人才。需要开设相关专业，使学生能胜任大数据平台搭建、存储和分析等技术工作，同时也能成为“产学研用”一体化的纽带，推动大数据技术在健康领域的具体应用。
三、建议开设健康大数据技术及应用专业
从事数据统计、分析和应用是一类历史悠久且高度职业化的专业。由于大数据具有体量巨大、速度极快、类型众多、价值巨大的特点，对数据采集、存储、处理、传输和应用提出了前所未有的要求，传统的信息学科下的相关专业已经难以适应大数据时代的新要求。
1.必须分析《计算机科学与技术》、《软件工程专业》与《大数据科学与技术》专业的本质区别，因为这两个专业与我们计划开设的《大数据科学与技术》专业有非常密切的关系。《计算机科学与技术》是一个老牌的基础性专业，主要研究计算机原理、计算机体系结构、操作系统、数据结构、计算理论与方法、程序设计理论、计算机软件、数据库、计算机网络、分布式系统、图形学等内容。显然，计算机科学专业一直关注计算机本身的科学技术问题，核心是计算机系统结构所涉及的硬件与软件，而并不擅长海量数据的采集、处理与分析、传输与应用。《软件工程》是从计算机学科分化出来的一个专业，侧重软件需求分析、软件模型、软件设计、软件生命周期管理等知识。与计算机专业一样，也是一个基础性专业，并同样面临对软件系统本身的深入研究以及如何与行业结合的问题。总体上，在《计算机科学与技术》、《软件工程专业》基础上增加大数据专业知识，既不利于这些专业本身的巩固与发展，也没有多少空间实施这种改革。
2.有必要考察其他数据处理相关专业的人才培养情况。《统计学》或《应用统计》是一个在国内外高校均具有长期办学传统的数据处理专业，国内开设此专业的高校达100所以上。《统计学》专业的培养目标大致可分为两类，一类是理论研究人才，另一类偏向实际应用。前者主要包括数学专业下的统计学，后者包含的方向十分广泛。从培养方案与具体实施情况来看，国内外统计学均带有强烈的数学特征，因为它本身是从数学专业分化出来并依托数学专业开办的，提供的课程主要是数学理论与统计方法，同时开展一些专业统计软件、程序设计、数据库系统等方面的训练。显然，尽管该专业在数据统计与分析方面具有理论与方法上的优势，但它并不P注大数据系统的建设问题，该专业在统计软件、程序设计、数据库系统等方面的训练远远不能满足大数据系统建设与应用的需要。健康大数据技术与应用专业是一个以现代计算机与网络系统为依托，专注健康大数据采集与管理、健康大数据分析与应用的新理论和新技术，培养解决健康大数据系统建设整体性问题的高级复合型专业人才的专业。它依托计算机、软件工程专业建设，但是大大拓展、延伸了它们的业务范围，从而获得了新的特色和优势。
四、培养目标
本专业培养健康大数据科学与工程领域的高级应用型专业技术人才。毕业生具有医学的基础知识、系统的信息科学、数据科学知识，掌握大数据科学、技术与工程领域所需要的电子、计算机、网络等相关学科的基本理论和基本知识，掌握大数据处理和管理的基础理论，熟练掌握海量数据采集、存储、处理与分析、传输与应用等关键技术，具备健康大数据工程项目的系统集成能力、应用软件设计和开发能力，具有一定的健康大数据科学研究能力与动手实践能力，能在健康领域内从事健康大数据的应用、功能开发、技术管理、技术维护和技术培训等工作，也可在健康服务机构从事健康数据的服务与管理等技术工作的高端应用型复合人才。
1产品调研概述
产品系统设计是从工业设计的美学原则出发，研究产品与人、社会、自然之间的关系。以科学的方法，定性定量地对美学六原则——安全、舒适、可持续性、文化认知、实用、经济、美观进行分析。产品系统设计分为四个部分：产品概念设计、产品造型设计、产品工艺设计和产品商品化设计（如图）。产品调研是产品系统设计中概念形成的重要途径。产品系统设计是现代工业设计理论的重要组成部分，是工业设计与其他学科相互渗透、融合、吸纳而成的新的分支，亦是工业设计师、工程师和市场销售人员协同完成的系统工作。（基于产品系统设计理论的文化衍生产品开发设计过程研究）[2]产品的前期调研和定位，为产品方案设计提供全面的参考依据和指导。产品调研过程中，存在大量的信息和数据。产品调研分为六大调研：产品市场调研、用户调研、技术调研、人机调研、造型规律调研以及法律法规调研[3]。针对产品在这六个方面现状，对大量的信息和数据，进行梳理和分析，得出具有引导性的产品现状及发展趋势。在调研的过程中，调研的对象有所不同，有数据，有图片，有群体心理等，在分析所得资料时，要寻找不同的途径对此进行处理和分析。
2产品调研与统计学
统计学是收集、处理、分析、解释数据并从数据中得出结论的科学[4]。统计学既是数据的记录、整理，也是对数据的分析，更有对未来的预测[5]。从数据中推理得道理，是统计学的魅力所在。数据是数值，是数字，也可以是文字、图像、声音等。数据分析分为定性分析和定量分析。定量分析是对事物“量”的分析，通过对数据的搜集和分析，发现事物某个现象的规律，具有较高的可靠度和说服力。定性分析是对事物“质”的分析，通过人的常识、经验、感觉等主观因素发现隐藏在现象下的规律及原因，具有抓住本质的深刻性和高效性[6]。在产品调研需要定性分析与定量分析并重，二者相辅相成，互为补充。在产品调研的过程中，需要充分发挥定量分析的可靠度以及定性分析的深刻度。统计学的介入，为产品调研的数据分析提供了科学的依据和方法，让产品调研所得的信息更为科学、可靠，从而更好地指导产品概念设计。统计学针对不同的研究对象，其统计方法也较为庞杂。在众多统计学方法中，较常用的有：大量观察法、统计分组法、综合指标法、统计模型法、统计推断法等。这些方法在产品调研统计的各个阶段有不同的作用，结合实际情况，指导产品调研阶段统计的进行和方法选择。
3统计学方法在产品调研阶段的应用
（1）产品调研数据收集。产品调研数据来自众多方面，数据形式亦多种多样。在产品调研过程中，调查方法的合理选择能直接提高信息获取的效率和可靠度。数据收集方法有以下几种：调查法、观察法、实验法、文献检索法、网络信息收集等。通过数据收集获得图片、文字、问卷、实验、语音、模型、测绘数据等（如表1）。产品系统设计中，产品调研的六大部分根据获取信息的内容，适用不同的信息收集方法（表2）。
（2）产品调研数据处理。在上述数据中，实验数据、模型数据、测绘数据为定量数值。而图片数据、文字数据、问卷数据、语音数据需要进行数据提炼，将统计所需数据从所获数据中提炼出，将定量数据和定性数据区分开，而后根据其调查主体进行整理归纳。定性数据转换时，需将数据转换为更易于统计处理的有特定意义的数值。数据处理的基本方法有：列表法、作图法、逐差法、最小二乘法等。由于产品调研数据不同于实验数据，前两种方法更为高效。将所得数据分类，分为直接数据、属性数据、行为数据、主观数据及图片数据。①直接数据。对于直接数据，在数据处理阶段需对其归纳、整理，以建表等方式让数据可取可用。②属性数据。表现属性的数据可以用“1”和“0”的代码，或是其他符号表现其属性归类，以统计特定符号出现的频数、频率等，来表现其内在关联。③行为数据。表现行为的数据则是根据行为数据采集时的关注点体现。如运用频率、角度、时间、步骤等方面的数值来对行为数据进行表述；④主观评价。表现主观数据时运用模糊数据分析法，对主观数据运用评分评价体系进行评价。⑤图片数据。将图片按照特定的关键词在平面空间内，进行有距离亲疏的排布，以便于寻找规律。当参考对象为单一量时，采用树形图的方式归纳图片。如以时间为轴，将产品依据设计时间的先后，将产品整理归纳。若参考对象为两个，则使用切片图的方式归纳图片。通过将图片归类，即对产品外观的归类，可以更直观地展示同类别、同区域产品的同类性。
（3）产品调研数据分析。在产品系统的产品调研中，数据的收集和处理有三个目的：①获取可以直接使用的数据信息；②获取最佳值；③获取趋势预估。产品技术调研及产品行业规范调研中所获得的信息多为直接可以使用的数据信息。根据逻辑关系，将信息经以整合、加工，即可获得所需数据分析结论。产品人机关系调研中获得的数据分析的目的为获取最佳值的信息分析。根据数据的重要性和先后顺序性，对数据进行区分，根据实验情况获得适合数据区间，经各个方面数据协调选取合适数值，进行再实验，以确保数据的合理性。产品市场调研、用户调研及产品造型规律调研是以趋势预估为主要目的的数据分析，应用统计学方法中的时间预列预测的方法。时间序列的成分有：趋势、季节变动、循环波动和不规波动。由于产品调研的趋势是在一段较长时期内呈现出来的持续变动，呈现的是一定的趋势。在趋势分析中，相关数据处理软件（SPSS,Excel等）的应用至关重要，运用统计学方法中的相关函数，获得数据在今后的发展趋势。抓住群体特征，剔除样本中的跳脱个体，研究产品发展中的转折与机遇。
（4）产品调研数据解释。统计学提供的是一种归纳推理的方法，归纳推理有其不确定性，存在一定的争议性。在对产品调研做出易于理解的统计结论时，也需要注意表达的准确性，从而得出更为合理的调研结论。因此，在产品调研后的产定位中，要充分利用数据所获得的信息，严谨、准确地表达产品设计的定位和设计方向。结语统计学方法在产品及包装设计中所用之处还很多，发挥着各种不同的作用。统计学是个庞杂的学科，在不同使用环境需要做不同方式的修正。故而对产品系统设计中的统计学方法进行更为细致的分类和方法设计是有难度的，故其具体分析方法还有待根据实际情况细化和深入。前期产品调研中的数据分析多以现状分析、未来发展趋势的分析。在造型设计、工艺设计、商品化设计中的统计学则更多是对数据的评价和反馈分析，统计学方法在此三部分的应用方法还有待思考和实践。
作者:姜恺笛 吴琼 单位:南京工业大学
参考文献:
[1]吴琼.工业设计技巧与禁忌[M].北京:机械工业出版社,2009.
[2]吴琼，张瑜，孙波.基于产品系统设计理论的文化衍生产品开发设计过程研究[J].艺术百家,2013,03:211-214.
[3]吴琼.符号学原理指导下的产品系统设计[J].包装工程,2009.
[4]贾俊平.应用统计学[M].北京：高等教育出版社,2014.
