■陆晓佳/安徽农业大学经济管理学院

随着数字技术向各领域渗透，劳动者越来越需要具有“双重”技能——数字技能和专业技能。[1]大数据时代对经济管理专业学生的数字思维能力、数据处理能力、数据分析能力和数据决策能力提出了新的要求。如何实现财经人才数字技能的培养成为亟待解决的问题。

一、大数据及其特征

目前，国内外对“大数据”的定义尚未达成共识，各种定义多数是基于数据特征及经济价值的归纳和总结。有关大数据的定义，一类着眼于数据、强调大数据处理技术和过程的难度。比如：维基百科将大数据定义为“那些规模超出了典型的数据库软件工具的能力来进行捕获、存储、管理和分析的数据集”。另一类定义则侧重于大数据的应用，突出大数据的经济价值。如：国际数据公司(IDC)在其发布报告中称：大数据技术描述了新一代的技术和构架体系，通过高速采集、发现或分析，提取各种各样的大量数据的经济价值[2]。作为经济管理专业，采纳大数据的价值定义更能体现其专业特征。

大数据的特征随着应用场景的普及和数据处理技术的提升不断扩展。目前，学界对大数据以下四个特征基本达成共识。大数据具有“4V”特征：Volume、Variety、Velocity、Value。不同专业由于研究对象不同、数据种类不一，对大数据的“4V”特征的要求也不尽相同。统计专业研究大数据的突破方向在“Volume”和“Variety”；计算机专业倾向于硬件与软件的有机结合、通过融合数学、统计学、信息论等知识开发更多算法，在“Volume”、“Variety”的基础上重点解决“Velocity”；而经济管理专业，以资源配置的效率和管理活动规律和方法为研究对象的学科，则更注重于大数据中“Value”的挖掘。

二、大数据背景下经济管理专业统计类课程教学面临的约束

大数据时代给统计教学带来机遇的同时也带来了新的挑战。现有的统计教学在课程安排、教学内容、师资力量等多个方面面临挑战，限制人才“双重”技能培养目标的实现。

(一)传统教学中统计分析方法种类单一

大数据需要的分析方法很多，包括相关分析、因果推断、数据管理、智能计算等，经济管理专业不仅需要相关分析方法还需要因果分析方法。目前的大学经济管理专业的统计教学是基于辅助本专业理论实证分析的需要而设置，以因果推断分析为主。所授的统计方法几乎就是为计量经济学而准备，即便为高级计量所需的统计分布理论也鲜有介绍，为大数据分析所需的数据挖掘技术，从大量有噪声、随机的数据中提取有价值的信息，以完成分类、估值、预测、相关性分组或关联规则、聚集、描述等分析方法几乎在统计课堂上更是难寻踪迹。

(二)描述统计教学内容过于简单

数据可视化是利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术[3]。描述统计事通过图表或统计指标，将数据的分布特征、数字特征和随机变量之间关系进行描述和估计的方法。数据可视化和描述统计的涵义相似，但描述统计侧重于单项地展示、数据可视化则侧重于双向地交互处理。然而，统计描述手段在经管专业统计教材中篇幅少，有的教科书介绍图表的内容甚至只有一小节，且不配备制图软件操作，过于简单的教学内容以及统计课程课时的不足都不能满足大数据的分析需求，甚至不能满足目前专业后续学科的需要，离自动化、交互化、动态化的要求就差得更远。

(三)统计软件教学要求偏低

大数据的处理没有软件是不可想象的，但经管专业本科阶段几乎不单独开设统计软件课程，软件学习一般仅作为实验课配给相应的理论课程。此外，根据高校网上公开的专业培养方案显示，经济管理专业的数据分析课程中仅有统计学原理和计量经济学配有实验课，换言之，统计软件的学习最有可能发生在这两门课的实验课中。学生学习数据分析软件的机会变少之又少。此外，市场上提供这两门课程的实验教材数量也少，加上这些实验课并不单独设课，这便导致实验课程的教学安排自主程度高，学生学习糊弄成分大。

(四)统计课程任课教师大数据教学经验不足

经济管理专业承担着统计类课程教学的任课教师多接受人文社科专业训练，对数学的掌握程度稍弱。此外，大数据不仅涉及数据挖掘、云计算所需要的多门学科知识，其使用范围还几乎覆盖了整个社会经济各个领域，单科教师想教好这门课显得非常困难。数据分析课程不仅教学难度，而且作为经济管理专业的数据分析尤其需要突出大数据的value特征，这就需要任课教师有足够的数据分析实践经验。高校任课教师多为从学校走向学校的成长模式，较少能够在社会生产中接触大数据，想及时更新统计教学内容，实现统计课程与大数据的接轨并不容易。

三、大数据时代经管专业统计类课程的改革方向

科学组织教学资源、合理建设新兴课程、更新现有教学内容等方面着手，探索适合大数据时代符合学校特色的统计类课程新模式和新机制。

(一)科学设置统计课程，调整教学目标，更新教学内容

随着统计分析方法的日益更新，将所有的统计方法一股脑的设置在课堂之内既无可能也无必要。鉴于经济管理各专业的共性和特性，可以根据专业需要有针对性的安排统计课程和教学内容。本文建议设置数据分析通识课，目前高校开设的统计学原理、概率统计两门课程就承担起这个职能。这两门课程的分工要区分开来，本文认为统计学原理更应该承担起大数据技术的科普。一则将描述统计、数据清洗、归纳包含在该课程的核心框架之中，二则通过大数据技术在经济管理专业应用适度引入以降低大数据技术的学习难度、提高学生学习兴趣。概率统计课程则以统计推断法为主，为后续的因果推断提供统计支持。

(二)增加大数据分析课程理论与实战课

鉴于目前经济管理专业大数据分析教学的空白，本文认为学生数字技能的培养，要以课程为突破口，通过设置新的课程来实现。目前财经数据的因果关系分析是以计量经济学为依托，但该课程介绍的数据分析方法只能解决数据的结构性分析。这显然数字驱动范式所需要“降维”不相匹配。因此，应该为经济管理专业开设一门数据挖掘或数据分析的理论+实战课程，以增加学生的大数据分析能力和动手能力。这样既填补了大数据分析教学内容的空白又通过实战课的软件操作提高了学生的动手能力。

(三)建立数据分析研究小组，增强高校大数据的教学研深度融合

鉴于大数据分析所需要的预备知识包括概率论、矩阵论、信息论、统计学，外加一门计算机编程，统计无法独立完成这一分析过程。加之，现有高校现有以学科或系部为基本单元的教学组织结构，导致学科之间的割裂和教师之间的分离，这与大数据分析的跨学科、广合作的特征明显不符。因此，组建大数据分析研究小组显得十分必要。这个小组可由统计、数学、计算机科学、经济管理专业的师资和校外专家、企业工程师等加盟，形成一个以数学为前端、统计学和计算机科学为中间端、经济学(管理学)为后端的教学科研研究组，将不同学科、不同专业的教师集中起来、分工协作、取长补短。

(四)提高教师专业素养，探索统计类课程产研教创新的新模式和新机制

首先，学校要高度重视，积极鼓励或组织教师学习大数据相关知识与技术并参加大数据培训。其次，充分利用产学研实习基地和科研项目的数据资源，建立教学资源数据库以满足教学实训资料的不足的尴尬。再次，组建数据分析课程小组，通过打造课程组稳定的分工合作机制，推动经济管理专业统计学教学内容与时俱进。最后，形成“走出去、请进来”的双向人才流动机制，实现产-学-研的多方互动。教师走出去是由“研”到“学”再到“产”的理论与实践相结合的过程，社会人才请进来是由“产”到“学”再到“研”的实践升华理论的过程。