许国腾

摘 要：在大数据背景下，现有管理定量分析课程教学体系已无法充分满足人才培育需要。该课程教学目标、教学内容、教学方法、教学团队等均面临新挑战。本文在分析大数据环境对管理定量分析课程教学带来的影响基础上，分析了当前管理定量分析课程教学面临的问题和挑战，探讨了管理定量分析课程教学改革创新总体框架，提出了管理定量分析课程教学改革创新重点方向，以期为提升课程教学质量、培养面向大数据时代的定量分析人才提供有益借鉴。

关键词：大数据；定量管理分析方法；实践教学

中图分类号：G4 文献标识码：A  doi：10.19311/j.cnki.16723198.2023.15.071

0 引言

当前，新一代信息技术群加速“聚变”，持续推动人类社会从万物互联走向万物智联、从“互联网+”走向“智能+”，从大连接走向大赋能，对人类经济社会发展、国家治理和人民生活等方面产生深远影响。据国际数据公司预测，未来全球数据产生量年增长率将保持在30%左右，到2025年，全球数据产生量将达到175ZB。数据资源作为一种新型生产要素，在推动经济社会高质量发展过程中的重要程度将持续凸显。例如，大数据对企业生产、运营、决策等经营活动带来了深刻变化，越来越多企业致力于应用大数据技术挖掘经营数据潜在价值，在创新商业模式、提升管理效率、降低交易成本等方面提供新的内生动力。与此同时，因大数据具有规模性、多模态、高速性、价值密度低、真实性等5个特殊属性，故如何从海量数据中高效提取高价值密度信息正成为大数据技术创新发展的关键科学问题。

梳理现有管理定量分析课程教学体系可发现，该课程主要建立在数理统计、线性代数、运筹学、系统工程学等多学科知识和技术基础之上，属于典型的综合性课程，其本质是通过挖掘数据内在关联及特征，系统分析现象之间作用关系，并充分利用数据分析结论，做出最优规划和决策。因此，该课程以现实问题和需求为导向，须具备较高的实践和应用价值。

在大数据背景下，管理定量分析课程教学面临诸多新挑战和机遇。（1）机遇方面，基于海量多元异构数据驱动的定量分析新范式极大提升了管理定量分析课程的教学意义，提供了诸多新概念、新技术和新工具。（2）挑战方面，现有管理定量分析课程教学目标、教学内容、教学方法、教学团队等已无法充分满足大数据背景下的定量分析需求，对课程教学模式和考核体系带来了深刻影响。因此，如何适应大数据时代对经济管理类人才提出的更高要求，已成为管理定量分析课程教学改革创新的重要问题。

综上，研究大数据环境对管理定量分析课程教学带来的影响，分析当前管理定量分析课程教学存在的问题，开展管理定量分析课程教学改革创新总体框架设计，明确管理定量分析课程教学改革创新重点方向及路径，对提高课程与现实需求匹配度、提升课程质量及教学成效、培育经济管理相关领域高质量数据分析人才等方面具有重要意义。

1 大数据环境对管理定量分析课程教学影响深远

1.1 大数据理念深刻冲击管理定量分析理论基础

随着社会经济各领域与数字技术深度融合发展，数字基础设施泛在化特征不断凸显，数据资源呈指数级爆炸式增长态势，对数据分析和处理带来巨大挑战。基于模型驱动的中小样本定量分析方法及理论已无法充分适应社会经济发展需要，而基于数据驱动的多元异构海量数据智能化关联分析方法在海量数据环境下有效解决了“过度拟合”问题，应用价值日益显著，正成为定量分析领域新兴理论的重要分支。其中，近年来以深度强化学习为代表的“连接主义”人工智能技术路线已实现重大突破。例如，基于大语言模型的ChatGPT以深度强化学习方法为基础，通过1750亿余个参数设置，经过多维海量数据训练，突破了现有基于中小样本量分析的局限性，实现了语义层面智能化应用，几近通过图灵测试，对依赖数据分析能力的证券分析、商业智能、管理咨询等行业带来巨大冲击，深刻影响着未来人类生产方式和生产关系。因此，在大数据分析相关场景下，置信区间估计、假设检验、线性回归、规划分析等传统数理统计相关理论及方法将出现应用瓶颈，亟待与机器学习、深度学习、强化学习等人工智能理论及技术有机结合，补足现有管理定量分析理论及方法短板，为培育适应未来定量分析需求的人才奠定坚实的理论基础。

1.2 新方法新工具突破现有管理定量分析手段局限

現有管理定量分析手段涉及数理统计、运筹学、系统工程学、计量分析等多个学科，应用软件以EXCEL、SPSS、Eviews、STATA等应用软件为主，相关模型及算法已封装为成熟接口或应用模块，可编程性较弱，无法充分满足个性化定量分析教学及研究需求。同时，以R语言、Matlab、Python等为代表的低门槛编程语言突破了现有管理定量分析手段局限性，促进大数据分析技术与管理定量分析手段深度融合，可有效支撑基于海量数据挖掘、数据清洗及数据加工的定量分析需求。例如，在使用聚类分析开展科技创新协同研究过程中，非专业编程人员可利用Python语言开发面向专利合作数据的爬虫及关键词识别工具，基于海量专利数据挖掘形成专利合作机构统计数据，进而为使用聚类分析、回归分析等定量分析方法提供数据支撑。此外，基于低门槛编程语言的人工智能分析方法可对海量数据进行深度挖掘，主动发现具有潜在关联特征的信息和知识，有效突破现有基于假设检验的管理定量分析局限性。例如，在使用主成分分析方法提取产业发展关键指标过程中，可利用卷积神经网络挖掘诸多产业指标数据的潜在联系，有效过滤信息量重叠的冗余数据，降低主成分分析数据处理量，进而大幅提升主成分提取精确度。因此，大数据技术发展带来的诸多新方法和新工具突破了现有管理定量分析手段的局限性，有效提升了管理定量分析效能效率。

1.3 多源异构数据环境大幅延展管理定量分析边界

多元异构数据环境对管理定量分析边界影响主要体现在分析对象全量化和分析场景多元化两个方面。分析对象全量化方面，在传统管理定量分析中，受数据获取条件限制，诸多研究需采用数据抽样方法，通过中小样本量对研究对象的整体数理统计特征进行研究，该模式已成为管理定量分析的主流研究范式。但基于抽样的研究范式受样本质量影响程度较高，易导致分析结果与客观情况出现严重偏离。例如，权威统计部门基于抽样样本形成的CPI、PPI等经济发展类指数可能存在失真现象。在大数据背景下，部分场景已实现全量数據挖掘，促使定量分析对象从局部抽样向全量总体延伸，从而有效解决抽样数据分析失真问题。分析场景多元化方面，大量线下场景在实现数字化过程中产生了多源异构海量数据，使得原有单点片面的管理定量分析需求拓展为基于多源异构数据的分析需求，大幅延展了管理定量分析边界。例如，传统的工业领域管理定量分析需求主要基于ERP、CRM、SCM等信息化管理系统数据，应用场景多集中于企业人力资源、财务管理、客户管理等局部环节，在工业互联网发展过程中，生产车间、生产设备、生产人员、库存物流、产品设计等环节亦逐步实现了数字化和智能化转型，生产和供应链环节衍生了海量半结构化及非结构化数据资源，企业管理定量分析场景从局部环节向“供研产销”全生命周期延伸，大幅拓展了管理定量分析边界。

2 当前管理定量分析课程教学面临的问题和挑战

2.1 课程内容庞杂，教学重心不突出

当前管理定量分析课程内容既涉及高等数学、线性代数、数理统计等基础理论，还涵盖回归分析、聚类分析、规划分析、决策分析、主成分分析等多个学科定量分析方法，相关理论推演及原理介绍占比较高，但各类方法适用场景及案例剖析较少，导致学生既承担了较大的学习压力，但对各方法、模型及理论理解深度不足，进而淡化了课程的教学重心。由于教学重心不够突出且内容庞杂，导致学习和理解成本较高，不利于学生发挥主观能动性开展探索性学习，进而降低学习兴趣。同时，部分专业学生数学基础较差，导致学习门槛问题更为凸显。例如，公共事业管理生源80%以上为文科生，数学知识基础普遍较差。此外，管理定量分析课程本科学时一般为32学时，研究生一般为56学时，而课程中涉及的每门基础课均可延展为一门单独的课程，不同学科背景的老师对课程讲授侧重点有所区别。例如，数理统计专业背景老师更偏重于讲授假设检验、参数估计、抽样分布等数理统计知识，管理科学与工程专业背景老师侧重于讲授规划分析、回归分析等运筹学相关知识。因此，单个授课老师难以对各学科理论、模型及方法进行详细讲解，导致学生在学习过程中易出现“卡壳”“脱节”等问题，进而无法充分实现课程教学目标。

2.2 理论教学较多，实践和分析不足

传统定量分析课程和教材沿袭了“概率论与梳理统计”的内容，具有概念多、原理多、公式多、高度抽象、难记忆、难理解等特点。例如，主成分分析、层次分析等内容需基于线性代数中特征根及特征矩阵等知识进行推导，不具备线性代数知识的学生难以理解特征根和特征矩阵对主成分提取和权重向量的意义，导致学生无法有效应用相关模型及方法解决数据降维或多层次优先排序问题。此外，由于方法和理论介绍占用了大量教学时间，即使学生初步理解了各模型及方法原理，但在实践和案例讲解过程中涉及专业软件或编程手段介绍，而大部分教师往往省略了该部分的讲授，使得学生难以深入领会模型从原理到实际应用的全过程。例如，聚类分析在数据分类领域应用广泛，而案例介绍过程中需使用SPSS等统计类软件进行建模，教师往往省略建模过程，直接围绕模型分析结果介绍聚类分析方法的特点和优劣势，易导致学生难以真正掌握聚类分析建模方法。

2.3 考核方式单一，教学成效待提升

在大数据背景下，虽然越来越多高校认识到管理定量分析课程在经济管理类专业中的重要性，但基于传统“作业+考试”模式的考核方式难以充分实现教学目标，加之部分高校未将该课程纳入必修课范畴，易导致学生对该课程兴趣和重视程度不高，进而影响课程教学成效。首先，管理定量分析需较扎实的数学基础和软件编程能力，传统的“作业+考试”模式的考核方式仅能考查学生掌握各学科模型及方法原理的水平，无法考查学生利用相关软件或编程手段解决实际应用问题的能力，课程考核“盲区”问题较为突出。其次，在未将改课程纳入必修课范畴情况下，大部分学生将该课程作为一门普通课程学习，难以保持对各定量分析模型及方法背后原理的探索和学习，甚至有学生将该课程作为“凑学分”的对象，加之考核方式较为单一，考核内容较为简单，易导致学生以死记硬背的方式匆匆应对考核，最终致使该课程核心内容及知识未有效传授给学生。

3 大数据背景下管理定量分析课程教学改革创新总体框架及重点探讨

3.1 总体框架

未来，随着数据分析广泛应用于社会经济各领域，对管理定量分析相关专业知识理解能力、发现解决实际问题能力、高效获取和处理数据能力、准确研判模型方法适用场景能力将成为经管相关专业学生及未来人才核心能力的重要组成部分，因此，大数据背景下经管类定量分析实践和实验教学是管理定量分析教学改革创新的关键着力点。结合管理定量分析课程教学存在的痛难点问题，初步提出大数据背景下管理定量分析课程改革创新总体框架如图1。

该框架以大数据和定量分析融合为核心，突出“明确教学目标”“强化实践教学”“优化教学内容”“完善考核体系”等四项改革创新重点内容，实现“激发学生主观能动性”“提升学生实战水平”“提高课程教学质量”“科学评价学习成效”等四个改革创新目标。

3.2 明确教学目标，激发学生主观能动性

清晰的教学目标直接决定管理定量分析方法课程内容和教学方法。在大数据背景下，管理定量分析课程目标应适应社会经济数字化转型升级需求，以培养学生实践和解决问题能力为主线，调整教师在课程教学中的角色和定位，推动教学模式从单向知识输出向双向互动学习转变，探索运用翻转课堂、主题研讨等多种方式丰富教学手段，利用可视化手段降低理论知识学习门槛，以实证分析软件及相关编程方法为教学重心，充分结合细分专业特点，重点讲授相关重点和难点知识，突出定量管理分析方法在相应领域的案例剖析和实操指导，以实际应用需求激发学生主观能动性，循序渐进培养学生对相关专业知识和原理的理解深度，促进学生准确判断相关模型及方法适用场景，全方位激活学生主观能动性。同时，探索建立经管类专业与计算机、电子信息、应用数学等大数据相关专业联系，通过线上线下多种场景分享管理定量分析方法相关基础理论精品课程内容，促进跨学院教学合作及学习经验交流，实现基于学科交叉的管理定量分析教学新格局。

3.3 强化实践教学，提升学生实战水平

培养学生海量数据挖掘及分析能力是管理定量分析课程适应未来社会经济发展现实需要的重要使命之一，而决定相关教学内容及方法是否满足现实需求的关键着力点是实践教学。因此，应适当增加实践教学时间比例，并重点围绕案例、工具、实验等以下3个关键环节优化实践教学工作。

（1）案例方面，应充分结合不同专业学生知识结构设计相应典型案例，构建“共性+个性化”动态案例库体系。其中，“共性”案例应以统计学、高等数学、线性代数等基础理论在管理定量分析中对相关模型构建及应用的支撑为主。个性化案例应深度结合各专业领域特点，以实际问题和场景为出发点，重点阐述相关模型及方法与具体问题及场景相匹配的内在逻辑，进而提高学生强化对知识点的理解深度。

（2）工具方面，在讲授EXCEL、SPSS、Eviews、STATA等应用软件使用方法基础上，适当增加R语言、Matlab、Python等编程语言实践教学，培养学生掌握基于个性化编程和数据驱动理念的定量分析技术，提升学生应对复杂定量分析问题的能力。

（3）实验方面，根据学生对案例剖析理解情况及工具使用水平，设计“举一反三”型、“自主创新”型等多种实验类别，鼓励学生基于案例分析思路，综合采用相应分析工具满足相应需求，促进学生提升实战水平。

3.4 优化教学内容，提高课程教学质量

结合大数据背景和经济管理各细分专业特点，重点从教材、教案、教学时间分配等以下三个方面优化教学内容。

（1）教材方面，应加入人工智能、博弈论等领域相关模型算法基础理论知识，适当减少与高等数学、线性代数、数理统计等数学基础课程重叠的理论知识，有效优化教材知识点结构。

（2）教案方面，围绕各关键知识点，以降低学习门槛为主要目标，面向单个知识点构建涵盖原理、应用、案例、实践等要素在内的教学闭环，巧妙运用“故事”思维，激发学生对模型讲解和公式推导过程的兴趣感；同时，在教案中构建管理定量分析“知识网络”一张图，突出知识点之间内在联系，促进学生从宏观层面理解课程知识结构，进而有效提高教学效率。

（3）教学时间分配方面，适当增加课程学时，增加实践教学时长占比，减少理论知识讲授时间占比，为提高学生实践能力奠定基础。

3.5 完善考核体系，科学评价学习成效

转变课程考核思路，围绕大数据背景下学生需掌握的定量分析方法及解决实际问题能力等教学目标，结合教学内容和教学方式，构建涵盖随堂测验、主题研讨、上机实验、课程论文、笔试等在内的多元化课程考核体系。其中，随堂测验以考查学生阶段性原理及知识掌握水平为主，采取笔试为主的方式进行考核。主题研讨以考查学生运用定量分析方法探讨实际问题解决思路及路径的能力为主，采取“分组讨论+主旨演讲”等方式进行考核。上机实验以考查学生掌握管理定量分析相关应用工具及编程水平为主，采取限时完成具体分析目标等方式进行考核。课程论文以考查学生综合运用基础模型、案例分析等完成轻量级科研任务的能力，采取“引导性论文方向+限时完成论文编写”等方式进行考核。笔试以考核学生对课程各关键知识点整体掌握水平为主，采取“期中笔试+期末笔试”相结合的方式进行考核。通过实施多元化课程考核体系，全方位评估学生对课程内容的掌握程度，有效提高学习成效评价科學性。

参考文献

［1］周倩，高岩，陈其云，等.数字经济浪潮下我国数据资源发展展望[J].中国电信业，2022，（02）：2226.

[2]蔡江辉，杨雨晴.大数据分析及处理综述[J].太原科技大学学报，2020，41（06）：417424.

[3]丁辉.普通院校管理定量分析课程的教学改革探析[J].改革与开放，2015，（06）：1819.

[4]金峰.ChatGPT火爆“出圈”为AI发展添薪助力[J].通信世界，2023，（03）：5.

[5]龚丽.管理定量分析课程的教学探讨[J].大学教育，2014，（17）：111112.

[6]朱文娟，曹春丽.文科管理类管理定量分析课程教学中的“融会贯通”[J].黑龙江教育学院学报，2017，36（01）：5254.

[7]雷怀英，吴英明.大数据背景下经济管理类专业定量分析实验教学探讨[J].山西经济管理干部学院学报，2017，25（03）：110116.

[8]高伟.“管理定量分析”课程教学改革探索——以公共事业管理专业为例[J].兰州教育学院学报，2018，34（03）：129130.