前言：中文期刊网精心挑选了统计学的数据分析范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
统计学的数据分析范文1
问题：课堂中的各种理解不到位的现象
场景1：有教师在课堂上出示用左耳或右耳接听电话的人数统计，要求学生计算相应的比例。这种数据于学生而言缺乏实际意义，统计的结果也不涉及相关处理问题，反映出教师对数据的理解不到位。
场景2：教学中，教师给出一些商品的单价，要求学生统计单价超过5元的商品。统计的缘由没有给出，不过是单纯的筛选技能训练，没有体现统计的必要性及其意义，反映出教师对统计概念的理解不到位。
场景3：教师提供多种饮料，如绿茶、红茶、奶茶、可乐等，要求学生从中选择自己最喜欢喝的三种，再根据全班的选择情况整理数据，列出最受班级欢迎的三种饮料。最后，教师给出专家建议“健康的饮品包括水、纯果汁、奶”，要求学生结合课堂统计的数据结果，在调查报告中表达自己对中学生选择饮料问题的看法和观点。由于此三种饮品没有完全出现在此前供学生选择的范围内，自然没有一个学生的选择与专家建议的健康饮品吻合，于是，学生回答，“不管喝什么，只要健康就好”。数据统计的目的就是为分析、决策提供数据支持，而该场景中数据分析部分与前面的统计结果相互脱节、没有关联，或者联系不够紧密，反映出教师对分析的理解不到位。
上述场景反映出的根本问题是，教师对数据统计与分析的内涵或者核心指向理解不足。“数据统计与分析”属于“信息加工与表达”中表格信息加工与表达部分的教学内容，与数据管理部分的内容具有相似的核心指向，即关注“关系”的挖掘与表达，而关系是隐藏在数据之中的，需要通过相关的操作，如借助公式与函数的计算、排序、筛选等，将数据间的关系挖掘出来，可以借助图表的形式进行直观表达，即通过可视化方式清晰展示。
关于数据统计与分析，信息技术课程教学纲要或者课程标准中都有针对性的要求，譬如，2012年中国教育技术协会信息技术教育专业委员会研制的《基础教育信息技术课程标准2012版》中，初中学段在“模块二：信息加工与表达”中对表格部分的要求如下。
1.能列举1～2种常见表格编辑软件，尝试简单编辑操作，理解二维表格的共同特征。
2.根据需求能在文档中绘制或套用表格，并对其属性能按要求进行调整和设置。
3.能应用电子表格进行简单数据的统计、处理，科学地借助折线图、直方图、饼图等直观表达数据。
4.从不同的角度和立场出发，通过对相同数据做不同的加工，表达不同的观点，或对相同数据做不同的解读，感悟信息加工和利用的选择性、多元性和复杂性特征。
上述4条描述涉及表格中数据的统计、表达、分析，关注到数据间的关系挖掘。
“数据统计与分析”涉及对数据的加工、处理，从中获取信息并加以解读。因此，可以从DIKW金字塔模型获得直接的借鉴。
解决之策：DIKW金字塔的启示
DIKW金字塔是关于数据、信息、知识及智慧的体系，如图1所示。
图1 DIKW金字塔
数据（Data）：可以是数字、文字、图像、声音、符号等，属于事实的记录，表达的是没有指定背景和意义的描述。
信息（Information）：是经过相关处理的数据，强调的是数据与数据之间的关系。
知识（Knowledge）：是有意义的信息，表现为信息和信息之间的关系。由信息到知识的转变过程，是一个对信息判断和确认的过程，需要结合经验、上下文联系、诠释和反省。
智慧（Wisdom）：是富有洞察力的知识，是运用知识分析和解决问题的能力，可以简单归纳为正确判断和决定的能力。
显然，DIKW体系同样关注关系的挖掘，即数据之间的关系、信息之间的关系，因而可以用来指导“数据统计与分析”部分的教学。
从问题解答的角度观察，信息层回答的是“是何”的问题，知识层解决的是“如何”的问题，智慧层则涉及“为何”的问题。早期研究中有学者曾指出，信息技术中的技术包含三层内涵：（1）动手做的技术，即基本技能；（2）如何做的技术，即设计和规划的技术；（3）为何做的技术，即技术的思想和价值。[1]三层内涵的观点涉及技术是何、如何、为何的问题，与DIKW模型具有共通之处，这为DIKW模型在数据统计与分析中的应用提供了佐证。
从DIKW的视角来看，数据统计与分析的过程也是追求实现“数据—信息—知识—智慧”持续变化的过程。即从数据开始，以形成智慧为最终目的。具体过程是：借助相关操作对数据进行处理、加工，明确数据之间的关系，提取出有意义的信息，进而将信息组织成知识，促进学生明确“如何去使用”，再进一步，当学生明确应该何时使用及为什么要使用时，便形成了智慧。据此，数据统计与分析中的几个关键词，即数据、统计、分析，都需要有专门的指向，符合内在的规定性，且数据、统计、分析应当做到前面环节为后续环节奠定基础，后续环节又必须在前面环节的基础上展开。具体来说，数据需要为统计服务，统计是建立在数据提供的基础上；统计的结果是为了进行分析，分析必须依赖于统计结果；分析的目的是为了提供决策的依据。这些关系必须在教学中予以体现，方能体现数据统计与分析的要义。
实践之道：基于DIKW的教学思路
从DIKW的视角，数据统计与分析教学需要经过三个过程：“数据信息”、“信息知识”、“知识智慧”。从关系发掘的角度，即隐性关系显性化、显性关系知识化、知识运用自动化，下文展开具体阐述。
1. 隐性关系显性化
隐性关系显性化，即从数据到信息的过程。数据可以是教师为学生提供的原始资料，或者是收集来自学生的资料。因为需要借此学习相关技能操作，如公式与函数的使用、排序、筛选、图表表示等，因此数据主要是数字形式，如考试成绩、购物费用等，根据需要也可以适当包含文字，如学生的血型、爱好等。
为了从数据中提取有意义的信息进而展开分析，数据需要符合一定的要求：其一，数据最好能够贴近学生，具有真实性。小至与学生个体相关的数据，大至与学校、社区、城市、国家相关的数据。贴近学生生活经验或学习经验的真实数据才能激发学生的兴趣，促进学生通过操作发掘数据之间的关系，形成有意义的信息。从教学实践来看，课堂或者课前收集来自学生的鲜活数据相对容易调动学生的积极性。其二，数据需要具有潜在的意义，即有统计价值，场景1中接听电话用左耳还是右耳的例子之所以失败，就是因为数据不具有统计价值，从数据中无法提取出有意义的信息。其三，数据要具有统计的必要，即数据要达到足够的量，少量数据往往无法体现出用计算机统计的优势。在数据量足够的情况下，可以通过人工计算与计算机统计的对比凸显计算机统计的优势和价值。
在数据有效的基础上，统计承担着从数据中提取信息的功能。为了保证将来从信息到知识的转变，统计所得信息当存在分析的可能、必要及价值，否则统计本身就没有意义。譬如，场景2中让学生统计购买的商品中单价超过5元的商品，数据本身没有问题，但这种统计的结果似乎没有分析的意义及价值，因而统计本身就失去了意义。
从数据到信息的转变需要学生借助一定的技术操作来实现，这个阶段涉及的技术属于动手做的技术，即技术的底层。例如，统计过程可能涉及计算、筛选、排序，统计结果的呈现涉及各种图表的使用。
2. 显性关系知识化
显性关系知识化，是指由信息到知识的转变。美国佛罗里达国际大学豪恩斯坦认为，信息是别人内化的知识，知识是自己内化的信息。[2]所以，如果信息是输入，知识在某种意义上便是输出。这意味着从信息到知识的转变需要学生在认知层面形成理解。这一阶段涉及的技术属于无形的技术。
此阶段是对数据统计结果进行分析的过程。譬如，统计全班学生血型，根据四种血型的统计结果，引导学生明确血型的相关知识。又如，统计不同品牌货物销售情况，从不同角度（商场、品牌负责人、顾客）去分析，得出不同的结论。若收集的数据与学生个人或家庭相关，则分析的结果最好能够凸显因人而异，从而促进学生在体验到分析意义的基础上，树立利用数据统计与分析为自己的学习、生活服务的意识。
譬如，《Excel中数据的处理》[3]中，教师要求学生将自己家庭衣、食、住、行、用等数据输入到碳排放计算工作表中，完成相关计算，并根据数据回答问题：
1.我们家（ ）方面碳排放最高，（ ）方面碳排放最低。
2.我们家年人均碳排放（ ）kg，和全球人均目标碳足迹2000kg比较，我们家是（高碳/低碳）生活。
3.为了应对气候变化，我们家应该从以下方面减少碳的排放。
每个学生获取的数据不同，结论自然就不同。这种差异性体现了一种真实，也帮助学生理解统计与分析的实际意义。
分析在统计与决策之间发挥着承先启后的作用，“承先”是指，分析必须依据统计所得结果来进行，体现两者的紧密联系，以保证分析的价值及统计的意义；“启后”是指，分析需要为后面的选择、决策提供依据与基础，因此需要恰当设计分析的内容，以保证决策得以进行。
譬如，《Excel中数据的处理》中1、2两个问题的分析必须建立在前面数据计算的基础之上，3题的回答又依赖于1、2分析的结果，充分体现出统计分析为决策提供数据支持的功能，促进学生对数据统计分析加深认识与理解。
3. 知识运用自动化
知识运用自动化，即从知识向智慧的转变过程，是指在学生掌握知识之后，借助一定量的知识应用练习，熟悉了知识的应用环境及方法之后，在不需要专门选择知识的情况下无意识地运用知识，达到自动化效果的过程。这一过程显然不是一蹴而就的，需要经历几个状态：在知识应用练习之前，处于“无意识的不用”状态；经过知识应用训练，基本掌握了知识应用场合及方法，但还不够熟练，遇到问题时，需要有意识地思考选择相应的知识，该阶段可以称为“有意识的应用”状态；经过足够的知识应用练习之后，学生对知识的应用形成更深的感悟，可以在无意识中，即自动选择某种知识应用于问题解决中，此时就进入了“无意识的应用”状态，达到此状态，即完成了由掌握知识到生成智慧的转变。
具体到数据统计与分析的教学中，就是根据分析结果进行选择或决策的过程。智慧指向正确判断和决定的能力，因而在数据统计与分析后期，需要引导学生依据分析的结果进行选择、决策。智慧倾向关心未来，含有暗示及滞后影响的意味，与此类似，课堂上的选择抑或决策只能更多发生于认知层面，形成的是决策时的心理倾向，但追求的是持续影响学生并实现将来在现实情境中的外显行为的变化。因而，知识运用自动化在一次课内未必能够实现。
同数据分析类似，决策可以因人而异。譬如，《Excel中数据的处理》中的问题3。教学中需要引导学生根据实际做出符合需求的决策。譬如，《Excel综合运用》[4]案例中，教师课前安排学生对自己居住小区的人居环境从自然、人文、社会、建筑和支持网络几个方面进行评价，课堂上则围绕用Excel软件对若干个小区的人居环境状况作系统的分析，涉及Excel数据加工技术的综合应用，如排序、筛选、分类汇总等，然后得出结论，哪个区的人居环境综合比较好。最后环节是引导学生的实际应用：
是不是××区的人居环境比较好，我们都要住在那个区？在选购住所的时候，首先应该考虑自己的需求，根据实际需要确定自己的选择。
（1）假如你是一名在南京一中读高一的学生。
需考虑因素：你的父母希望你上学路途中花费的时间比较少，小区居民的整体文化素质比较高。
（2）假如你的爷爷奶奶退休了，考虑给他们选择一处房屋。
需考虑因素：空气新鲜，小区休闲设施齐全，邻里关系和睦，靠近你家现在的住处，方便照顾老人。
该案例是在对真实数据进行统计的基础上，通过分析引导学生明确如何选择、为什么要如此选择，关注学生在掌握知识的前提下生成智慧。学会选择，这就是智慧，影响着将来的选择行为，即根据实际需求进行选择，其实不仅是小区的选择，也包括人生中的其他选择。
知识运用自动化阶段的教学要求：其一，必须为学生提供需要决策的情境，以促进学生在类似情境下的顺利迁移。这一点需要在数据呈现的同时即提供给学生，以促进学生明确数据处理的根本目的。其二，决策需要根据分析的结果来进行，让学生充分体会到分析的目的及价值，即为决策提供依据。
按照上述隐性关系显性化—显性关系知识化—知识运用自动化的思路，教学中引领学生经历数据的收集、整理—处理、加工—分析、表达—选择、决策这一完整过程，促进学生对数据处理形成整体感知与理解。
数据统计与分析的完整过程是从数据收集与录入开始，经过表格规划与修饰、数据处理与统计、图表与分析等，因此，未必在一节课内完成，但整个部分的教学经历完整过程即可。也可以在综合应用或者复习课上，带领学生经历此完整过程，为了在一节课内实现，可以简化部分细节，如使用半成品策略，以凸显整个流程。
结束语
从DIKW金字塔模型的视角观察“数据统计与分析”的教学，意义在于：明确数据统计与分析的教学不能止步于简单的数据收集、整理、加工，其意义主要体现于在此基础上的分析及进一步的决策。即教学中在由数据到信息的转化基础上，关注显性关系的知识化并追求知识运用的自动化。
显然，DIKW模型也适用于信息技术课程中的其他内容，譬如DIKW体系经常应用于信息科学，因此可以应用于搜索技巧及数据挖掘。
注：本文为江苏省教育科学“十二五”规划课题“信息技术课程思想及其应用研究”（B-b/2013/01/039）的研究成果。
参考文献
[1]李艺.高中课改实验进行时[J].中小学信息技术教育，2005（1）.
[2]盛群力.21世纪教育目标新分类[M].杭州：浙江教育出版社，2008：67.
[3]张向红.Excel中数据的处理.2010年全国初中信息技术优质课大赛一等奖.
统计学的数据分析范文2
一、“数据”是说明问题的“证据”
1.要让学生感受需要用数据来说话。
统计教学与其他数学内容一样，首先要激发学习的需求：为什么要统计？与其他数学内容所不同的是，统计是用“数据来说话”。
在《复式折线统计图》教学中，结合生活实际以及折线统计图的特点，我们创设了“常州气温是否变暖”问题。通过师生谈话聊出“气候变暖”话题，提出问题：怎样说明常州气温是在变暖？在现实且有意义的问题驱动下，让学生充分感受“数据”是说明问题有力的“证据”，以此认识到数据分析的重要性。
情境只是载体，想到需用“数据”说明问题是活动目的。随着一次次经验的积累，学生也就逐渐体会到“数据”能说明问题，说明问题需要统计数据，统计能帮助人们了解事情并做出判断，也就逐渐建立了统计意识。
2.要让学生明白用怎样的数据来说话。
在《复式折线统计图》教学中，为使学生感受怎样的数据才能科学地说明常州气温变暖问题，师生间进行了如下对话：
师：你们觉得要收集怎样的数据呢？
生：收集今天的气温。
师：单单收集现在的气温能说明这个问题吗？
生：不能，要现在的和以前的，这样才可以对比。
师：对比，是一种好方法！只是，气温有最高气温，有最低气温，还有平均气温，你们觉得这里用哪个气温比较合适？为什么？
生：平均气温。因为平均气温在中间，既不是最高的也不是最低的，比较公平。
师：是啊，在新闻中经常会出现在哪一年或哪一个月出现极端气温。为了避免这种极端数据影响我们的判断，所以要用“平均气温”来比更合适。但气温的变化很微妙，如果用今年和去年气温比，很接近，很难发现问题。怎么办？
生：相隔时间久一些。
生：调查年份多一些。
师：其实，气象工作者和你们的想法一样，一般用现在月平均气温与前几十年的月平均气温作比较。（出示在常州气象局查阅的常州1949年-2000年的50年月平均气温和常州2010年各月平均气温）
……
《课程标准》（修订稿）对统计教学明确提出：要会根据实际问题设计简单的调查表，能选择适当的方法（如调查、试验、测量）收集数据。很显然，如何收集数据、搜集怎样的数据是要求学生达成的能力要求，那么，数据的科学性教育也就显得尤为重要了。
二、“数据”是分析问题的“依据”
1.要让学生读懂数据表达的信息。
在《复式折线统计图》教学中我们设计了这么一道练习：下面两幅统计图，只有一副是真的，请同学们猜一猜那副是真的。
这道题是根据苏教版小学数学教材中的练习改编而成。改编后的练习不仅丰富了统计内涵，更重要的是通过游戏的形式使学生产生对数据的亲近感，让学生感觉数据并不枯燥乏味，数据分析也不仅仅是计算，数据是蕴含信息的，数据是能表达生活实际，每幅统计图其实就是告诉我们一个生活故事。
2.要让学生体悟数据有助于分析问题。
发展统计意识、培养学生的数据分析观最有效的途径就是让学生体会统计的价值。数据是能表达信息的，数据所表达的信息是能够帮助人们做出决策的。
在《复式折线统计图》教学中，为使学生认识到统计对决策的作用，设计这样的题目：完成某地区7-15岁男女生平均身高统计图。
（1）给出7、8、9岁男女生平均身高的相关数据，要求学生独立描点、连线完成部分统计图，并交流绘制的过程。
（2）进行分析和推测。
看着7-9岁的身高图，先猜一猜9-15岁男女生的两条折线会有怎样的发展趋势。然后出示9-15岁的折线统计图，说一说男女生7－15岁身高有怎样的变化。再想一想，如果接着画下去，男女生的两条折线还会怎么样？
两次猜测都旨在建立“图表意义”与“现实问题”间的思维链接。第一次猜测直接出示统计图得到验证，重在读懂统计图；第二次猜测重要的不是结果，而是要让学生理解后面两条折线到底怎样变化，需要再调查数据，分析数据才能做出判断，重在统计思想的渗透。
统计学的数据分析范文3
摘要：通过中国知网，从年量等七个方面，对咸阳职业技术学院（以下简称咸阳职院）自升格高职以来发表的期刊论文进行了
>> 基于Web of science数据库竞争情报论文的统计分析 渭南职业技术学院科研论文计量分析 陕西财经职业技术学院科研论文计量分析 基于iHistorian的实时数据库工业报表自动统计分析系统的研究 基于组织机构代码数据库的应用统计分析初探 2006～2012年SCIE数据库收录扬州地区二、三级医院科技论文的统计分析 咸阳职业技术学院物流实训中心建设的构想 数据库在乙型肝炎血清免疫标志物统计分析中的应用 电视机基板品质信息统计分析系统数据库设计 咸阳职业技术学院校园主要绿地植物病害调查初报 咸阳职业技术学院通过微课比赛提升教师信息化水平 基于数据仓库技术的保险业统计分析系统设计 管理数据的统计分析 信息技术在教育科研问卷调查及数据统计分析中的应用 科研院所统计分析中数据的可比性 天津电子信息职业技术学院2009―2013年计量分析 职业院校的科研定位及特色――以宁夏职业技术学院为例 基于BYOD的职业技术学院信息化建设的部署策略 基于web的泸州职业技术学院毕业设计监控平台研究 基于Web of Knowledge Web服务的机构论文统计分析系统 常见问题解答 当前所在位置：.
[3] 秦丽萍， 桂云苗. 基于CNKI的安徽工程大学学术文献计量分析[J]. 安徽工程大学学报，2013，28（3）：91-95.
[4] 杨聪， 孙宾宾. 基于CNKI的陕西工业职业技术学院科研论文统计分析[J].电子制作，2015（2）：93-94.
[5] 容敏华. 广西高等医学院校发表教育教学论文的统计分析[J]. 卫生职业教育， 2014（23）：104-105.
统计学的数据分析范文4
【关键词】大数据 统计学 挑战 机遇 教学
【基金项目】贵州省科技厅、贵州民族大学联合基金（黔科合J字LKM[2011]09号）
【中图分类号】G642 【文献标识码】A 【文章编号】2095-3089（2014）08-0235-01
1.引言
“大数据”时代的来临和“大数据”处理技术的发展深深的影响着统计学的发展。能否利用传统的统计理论和统计方法对海量的数据做出快速、准确的处理并获取相关信息？如何对传统的统计理论与方法进行改进或探索新的统计理论和方法来对大数据进行挖掘与处理以获取信息？如何在“大数据”时代背景下培养符合市场需求的统计分析师或数据分析师？如何将“大数据”处理技术融入相关统计学课程教学以促进数据处理与分析技术的发展？这些都是我们在统计学相关课程教学过程中必须思考的一个问题。
2.大数据与统计学
“大数据”随着社交网络、物联网、云计算等的兴起而产生。一般认为大数据具有规模性、多样性、实时性及价值性四个基本特征，包含分析、带宽和内容三个要素。“大数据”在数据来源、数据结构和处理方法方面对传统的统计分析方法产生了冲击。第一，在大数据背景下，数据来源不再是原来的简单抽样，而是“样本即总体”，直接将总体作为研究对象。第二，在大数据时代，研究对象也不是原来单一的结构化数据，由于数据的多样化与规模化，我们更多的是研究非结构数据，采用人工智能来进行数据挖掘和信息获取。第三，数据处理方法也不是简单的采用传统的假设检验方法进行研究，特别是对于统计学中的异常点，不再采取以往的丢弃或者平滑处理方式。
“大数据”处理技术对统计学的发展提出了巨大挑战，但我们必须认识到学科之间的发展是相互交融的，“大数据处理技术”其本质上是数据处理与分析技术，其发展对统计学学科的发展也有积极的一面，同时统计学作为一门独立的学科，有其自身独特的学科优势。首先，海量的数据有利于提高各类统计分析的精度，如减小抽样误差等。其次，较之于传统的统计学方法，现有的“大数据”分析方法难度较大、成本较高、耗时较长。而在实际的应用中，我们关心的不是数据量的多少，而是数据量所蕴含的信息。传统的统计学分析方法是以较少的数据进行精确度相对较高的统计分析，这是“大数据”分析所无法替代的。另一方面，统计学在数据收集方法、模型选择、模型假设以及模型诊断方面有很大优势。而且并不是所有的问题都具有海量的数据，并不是每一个“大数据”问题都适合用现有的“大数据处理技术”来处理。
3.对策与建议
3.1 夯实基础教学
针对以上的分析我们可以看出，大数据对统计学的发展既是机遇，又是挑战。因此我们在教学过程中要夯实统计学基础知识的教学，讲清楚统计学的基本原理与基本方法，特别是数据分析与数据处理的基本原理与方法。对于许多传统领域，如生物、医药以及质量与可靠性工程等，我们面对的多是“小数据”而不是大数据，因此基于样本的统计分析方法仍然是进行此类问题研究的最有效的科学手段。
另一方面，我们要结合大数据技术的特点，对统计学的基本知识进行拓展教育，引导学生思考怎样将已有的统计学基本原理与方法运用到大数据处理的技术研究中。如在大数据环境下怎样进行数据的收集、筛选与甄别、存储与分析等，如何分析并厘清可能的数据来源与范围，如何建立相关指标体系并对数据进行分类，如何制定或调整相应的统计参考标准，以及如何对依靠非传统数据源加工生产的统计数据进行规范的统计推断等。
随着大数据时代的来临，各行各业对具有统计背景知识人才的需求必定越来越多。因此，在统计学教学过程中，一定要结合各专业的特点，特别是“大数据”的特点，切实加强统计学的基础知识教学与拓展教学。
3.2 加强统计学专业软件教学
“大数据”环境下，对统计人才需求也发生了变化。面对海量的数据与多样化的数据，一名合格的统计人才或数据分析人才不单需要良好的统计素养与扎实的统计基础知识，更需要具有数据的存储与整理能力、计算能力以及数据分析与处理能力等。这就要求在教学过程中，加强统计软件或数学软件的教学。
针对传统的“数学证明+手工计算”或“重理论轻专业统计软件”的统计学课程教学模式，可将统计软件或数学软件融入课堂教学并安排一定的课时上机学习统计软件，以此提高学生数据处理能力，加深对统计学基本原理的理解与掌握。
在加强统计软件或数学软件，如SPSS、R、SAS以及Matlab的教学过程中，要摈弃“会软件的操作即会统计技术”的思维，要让学生真正掌握相关操作与相关算法，深入思考算法的实现与相关理论的应用。同时引导学生思考对“大数据处理”的技术要求，包括数据搜集、发掘、存储以及计算分析过程中的算法与设备要求等，引导学生针对大数据进行软件升级与开发。
3.3 突出案例教学与实践教学
大数据的产生和发展源于规模经济问题或超规模经济问题的研究。每一个大数据问题的研究都是与实际经济或社会问题紧密相联的，因此，在实际教学过程中，要突出案例教学与实践教学，由易到难，通过案例教学逐步引入大数据的概念以及大数据处理的基本技术，提高学生的分析全局观以及进行实际数据分析与处理的能力。
教学改革的目的是培养在“大数据”时代背景下，符合市场需求的专业统计人才，而合格的专业统计人才必须具备良好的统计实践能力。案例教学与统计实践活动是培养学生统计实践能力的有效途径。因此，在教学过程中，一方面，教师可融合各种与实际问题相关的案例进行分析和讲解，加深学生对相关统计理论知识的理解，激发学生的学习兴趣，培养学生解决实际问题的能力。另一方面，教师可以组织多种形式的课堂或课堂外的统计实践活动以培养学生统计实践。如，指导学生针对他们感兴趣的与经济、社会发展相关的统计实际问题展开统计研究，设计调查问卷，收集数据、整理和分析数据，撰写研究报告，实现对实际问题的分析和解决等。
4.结束语
总之，在“大数据”环境下我们既要积极面对挑战，又要紧紧抓住机遇，切实结合“大数据”的特点和“大数据处理技术”发展的需求，既加强对传统的统计学方法、统计理论的教学，又积极开展 “大数据“环境下的拓展教学，推动统计学的发展，在数据收集、数据分析以及统计制度等方面进行改革和创新。
参考文献：
[1]李国杰. 大数据研究的科学价值[J]. 中国计算机学会通讯，2012，8（9） .
[2]姜奇平. 2013 全球大数据-大数据的时代变革力量[J]. 互联网周刊，2013，1.
[3]游士兵，张佩，姚雪梅.大数据对统计学的挑战和机遇 [J]. 珞珈管理评论标，2013，2（13）.
统计学的数据分析范文5
2011年2月，国务院学位委员会进行了学科调整，统计学完全从数学和经济学中独立出来，上升为一级学科，设在理学门类中，编号为0714。统计学上升为一级学科后，下设的二级学科包括数理统计学、社会经济统计学、生物卫生统计学、金融统计、风险管理和精算学、应用统计学。统计学上升为一级学科对统计学专业的教学带来巨大影响。
同时，随着大数据时代的到来，使得传统的统计数据收集、处理与分析方法面临新的挑战，从而推动统计学的发展进入了一个全新的阶段。在统计学上升为一级学科以及大数据时代已经到来的大背景下，统计学专业的课程教学也面临着新的挑战，需要进一步改革与调整。
一、大数据时代的到来
(一)大数据的生成
伴随着人类对客观世界各领域数字化程度的不断提高，每天都有大量的数据产生，并且其产生的速度也越来越快。这些数据来源广泛，其中最主要的来源有：科学研究(如天文学、生物学、高能物理等实验数据)、社交网络、电子商务、物联网、移动通信等。
(二)大数据的定义
为了应对数据大规模增长带来的机遇和挑战，美国《Nature》杂志在2008年9月4日率先提出了“大数据”的概念。国际数据中心IDC 是研究大数据及其影响的先驱，在2011年的报告中定义了大数据：“大数据技术描述了一个技术和体系的新时代， 被设计于从大规模多样化的数据中通过高速捕获、发现和分析技术提取数据的价值”。但是大数据是一个新兴而且内涵不断发展的概念，尚没有统一公认的定义，只能从其特点上加以认识。
(三)大数据的特点
与传统数据相比，大数据的特征可以用五个“V”来表示，即Volume(容量大)、Variety(种类多)、Velocity(时效性强)、Value(价值高)、Visualization(可视化呈现)。大数据容量大是个相对的概念，受时间、行业和数据类型等因素的影响;种类多是指数据集的结构异质性，科技进步导致了结构化、半结构、非结构化数据的日益增多;时效性强是指大数据被生成、处理、移动的速度相当快，是区别于传统数据最显著的特征，这也增加了对即时分析、加工数据的需求;价值高是指大数据潜在的高价值能为评价和决策提供依据。可视化是大数据分析的关键步骤，是对有价值信息加以提炼并显示的过程。
(四)大数据的应用
大数据具有5Vs(Volume、Velocity、Variety、Value、Veracity)特点，蕴含着巨大的社会价值、经济价值和科研价值，已引起了产业界、学术界、政府部门和其他组织的高度关注和重视。
近年来，世界发达国家相继布局大数据战略，诸如联合国“数据脉动”计划、美国大数据战略、英国“数据权”运动，大力推动大数据发展和应用。大数据已纳入我国国家发展战略，国务院2015年8月31日印发了《促进大数据发展行动纲要》的通知(国发[2015]50号)，指出：“大数据成为推动经济转型发展的新动力，大数据成为重塑国家竞争优势的新机遇，大数据成为提升政府治理能力的新途径。以数据流引领技术流、物质流、资金流、人才流，将深刻影响社会分工协作的组织模式，促进生产组织方式的集约和创新。探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用”
二、大数据给传统统计学带来的冲击
(一)数据收集方法上
不同于传统的调查抽样方法获取数据，大数据的收集来源渠道通常为现代网络渠道，如互联网、物联网等。不同的数据源的数据采集需要专用数据采集技术， 如包含格式文本、图像和视频的网站数据，通常需要web爬虫技术。
(二)数据存储上
大数据的存储不同于传统的数据存储方式，有固定的格式和结构，对于大数据的数据库来说，可以直接将所探测到的信号自动容纳到其中;大数据需要有先进的存储设备，传统的存储设备已经不能容纳如此大量的数据。
(三)数据分析上
传统的统计分析方法，难以胜任对非结构化的大数据的分析。当前大数据分析技术的研究可以分为6个重要方向：结构化数据分析、文本数据分析、多媒体数据分析、web数据分析、网络数据分析和移动数据分析。
(四)数据展示上
数据可视化的目标是以图形方式清晰有效地展示数据的信息。一般来说，图表和地图可以帮助人们快速理解信息。但是，当数据量增大到大数据的级别，传统的电子表格等技术已无法处理海量数据。大数据的可视化展示需要专业的软件来完成。
三、大数据时代统计学专业教学改革
大数据时代的到来对统计学也带来了新的机遇和挑战，特别是大数据对于数据分析人才产生了巨大需求，同时也要求统计专业学生掌握更为复杂统计软件的编程和操作。大数据背景下，统计学要适应新的形势，需要对课程教学进行有针对性的改革。
(一)大数据时代统计学专业毕业生就业方向定位
大数据时代的到来，使各行各业，包括政府、企业、个人都希望能从大数据这座金矿中挖掘出对自己有价值的金子，从而增加了对统计专业毕业生的需求。一直以来，我国统计工作领域主要是政府统计、部门统计、民间统计。传统意义上，政府及各个部门是统计学学生就业的首选。然而，随着大数据时代的来临，越来越多的毕业生选择发展空间更为广阔的民间统计。民间统计相对于政府统计来说，涉及范围十分广泛，包括各类统计咨询公司、统计调查公司、统计研究院等，介于市场和企业、行业之间。民间统计的发展前景十分广阔，可以预见，随着大数据时代的来临，统计学作用的提高，民间统计必会成为统计专业毕业生选择就业的主要渠道之一。
(二)大数据时代统计学专业课程设置改革
大数据时代，在对统计数据分析人才需求增加的同时，也对统计专业毕业生的大数据处理能力提出了更高的要求，这就需要统计学专业在课程设置上，增加大数据处理与分析方法课程，如《大数据分析方法》、《数据挖掘》等，培养学生能够使用专业统计软件(R/SAS/Python)进行大数据的挖掘、清洗、分析等。
(三)大数据时代统计学专业学生实践能力培养改革
在课堂教学之外，通过广泛举办大数据技术创新大赛、大数据技术创新与创业大赛、数据挖掘挑战赛，支持学生成立大数据研究协会，举办大数据相关讲座论坛等方式，增强学生分析和处理大数据的能力。另外，还要加强校外大数据实践教学基地建设，通过与通信、互联网、电子商务等企业大数据开发中心以及大数据研究咨询机构合作，为学生提供给更多的实习、实践机会。
四、总结
总之，面对大数据时代的到来，统计学专业需要积极改革与调整课程的设置，注重学生实践能力的培养，以适应各行各业对大数据分析与挖掘人才的需求。
作者简介：
统计学的数据分析范文6
关键词：大数据时代；统计学；影响
随着大数据时代的到来，各企业采用了新的策略，获得了更多的利润。对于统计专业来说，改变发展策略，使培养出来的专业人才能够适应大数据背景的需求是其主要任务。目前，高校统计学专业逐渐认识到大数据时代综合性人才培养的重要性，并对专业建设进行了相关改革。
一、大数据时代对统计学的影响
大数据时代的到来对现代统计专业的发展造成了新的冲击，要确保培养出来的人才能够起到应有的作用，首先要了解大数据时代对统计专业所造成的影响。
（一）大数据时代使数据结构和数据性质发生变化
网络技术以及基于网络技术的电子商务等新的数据记录模式标志着大数据时代的到来。大数据时代，不再依赖于抽样调查的记录模式，网站浏览、视频监控都将形成大量数据。传统的数据结构甚至是数据性质发生了变化。大量的数据信息对于需求者来说，如何甄别其可用价值成为关键。传统的数据可以二维表格显示和整理。但大数据时代所产生的数据具有多样化和复杂化特征，往往包含了大量的音频、视频、HTML等。这要求大数据的收集具有较强的目的性，才能实现其价值。
（二）大数据时代要求统计分析方法和统计思维更新
大数据时代的主要特征为数据多且复杂，数据分析要求分析者对总体进行分析。在这一背景下，参数统计不再具有意义，假设检验法也随着总体分析而失去价值。数据的复杂化对传统大数据统计思维造成了巨大的冲击，要求统计者具有活跃的思维。只有对传统数据的改变进行分析，并且树立新的统计方法。
二、大数据时代下的统计学发展新策略
为适应大数据时代的需求，统计学专业的发展势必要对传统模式进行改革。目前，多数高校统计学专业已经认识到大数据对于其发展带来的冲击。为此，本文提出了以下策略，以及能够帮助统计学取得更好发展。
（一）加强统计应用性教学
根据大数据时代数据的总体分析特征，数据分析人员应掌握全面的分析方法。在人才培养过程中，应致力于培养实践分析能力，提高数据和资料收集能力，并且培养其强烈的数据价值观，使其能够从众多数据中找到所需的。另外，对传统模式进行改革，增加大数据统计内容，以适应时代的需求。基于大数据的结构特点，实施资料透视化教学，提高分析者对复杂数据的分析能力。
（二）培养大数据统计思维
在人才培养过程中，新的统计思维的培养具有重要意义，即强调数据分析实践能力的提高。统计思维的培养有助于数据分析者对复杂的数据进行区分，从而整理有效信息。在大数据时代，不仅要以传统的平均思维、动态思维和变异思维为基础，还要注重基于整体分析的大数据思维。另外，还要培养数据分者的复杂性思维，以应对复杂的数据库。总之，大数据时代需要数据分析者具有全面的、创新性的思维。
（三）强化基础性统计知识
统计学自身具有复杂性，其改变多且抽象。基础的统计知识是进一步掌握大数据分析思维的基础，可见学习基础性统计知识的重要性是不言而喻的。为此，应该采取深入浅出的方法，利用多媒体等方式使复杂的数据统计清晰化、简单化。结合具体的案例使数据分析者正确认识统计概念、掌握统计原理和方法。此外大数据分析不再是一种专业，而是更倾向于一种技术，这要求我们将大数据分析与统计学以外的相关知识相互联系。注重真实相关与伪相关的讲解，强调商务智能的开发和分析。只有具有坚实的基础，才能确保数据分析者大数据分析思维的养成，适应现代社会的需求。
（四）加强复合型人才培养
为适应大数据时代的需求，复合型人才的培养是关键。所谓复合型人才，是指其不但要具有专业的数据分析能力，还要相应的具备管理以及其从事专业的技术。大数据时代，高校应建立全面的人才培养模式，注重培养人才的数据分析能力、编程能力等，使其真正了解大数据，懂得如何利用大数据对其所处的行业起到积极作用才是关键。总之，大数据时代对综合性人才具有更高的需求，大数据时代不仅培养的是一种能力，而且是一种思维，是对全新模式下的数据的分析和利用。高校作为人才培养的重要基地，其教学模式的改革、对大数据时代所需教学模式的认识是高校的主要任务。
三、总结
统计学是经济学的基础课程，传统的统计人才培养具有定向性。而随着大数据时代的到来，数据产生的形式多样，且具有复杂性。大数据分析不仅是作为一种专业存在，而是应以一项必备的技术而存在。大数据时代，传统的统计思维和统计方法发生了改变，统计人才培养方式的改革也就势在必行。（作者单位：海南师范大学）
参考文献：
[1] 朱怀庆.大数据时代对本科经管类统计学教学的影响及对策[J].高等教育研究，2014（3）.
[2] 姚寿福.经济管理类本科专业统计学课程教学改革思考[J].高等教育研究，2012（3）.
[3] 孙耀东.大数据背景下统计学专业课程教学探究[J].廊坊师范学院学报（自然科学版），2015（06）.
