导语：如何才能写好一篇统计学的数据分析，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
一、大数据与统计学
（一）大数据与统计学关系密切
（二）大数据时代下的非结构化数据与结构化数据需整合
二、结语
参考文献：
[1]朱建平,张悦涵.大数据时代对传统统计学变革的思考[J].统计研究,2016(02):3-9.
关键词:数据挖掘;统计学;比较
ComparisonofDataMiningandStatisticalAnalysis
KongPengxiang
(LaiwuIron&SteelGroupCo,Ltd.,TrainingCentre,Laiwu271104,China)
Abstract:Dataminingfromstatisticalanalysis,butdifferentfromthestatisticalanalysis.Dataminingisnotintendedtoreplacethetraditionalstatisticalanalysistechniques,onthecontrary,statisticalanalysisofdataminingisanexpansionandextension.
Keywords:Datamining;Statisticalanalysis;Comparison
一、数据挖掘简介
(一)数据挖掘的含义和功能
一般说来,数据挖掘是一个利用各种分析方法和分析工具在大规模海量数据中建立模型和发现数据间关系的过程,这些模型和关系可以用来做出决策和预测。它强调对大量观测到的数据库的处理。它是涉及数据库管理、人工智能、机器学习、模式识别、及数据可视化等学科的边缘学科。
作为一门处理数据的新兴技术,数据挖掘有许多的新特征。首先,数据挖掘面对的是海量的数据,这也是数据挖掘产生的原因。其次,数据可能是不完全的、有噪声的、随机的,有复杂的数据结构,维数大。最后,数据挖掘所采用的技术涉及到:数据库、人工智能、统计学、可视化、并行计算等不同学科和领域。
二、统计学的含义
统计学最初是作为一门实质性科学建立起来的,它从数量上研究某类具体的现象(如社会经济发展)的规律,但是,随着统计学研究范围的不断扩大以及统计方法在社会领域和自然领域内的有效应用,加之统计方法体系本身的不断发展和完善,使得统计学的研究对象也发生了变化。统计学已从实质性科学中分离出来,转而研究统计方法,成为一门方法论的科学。即统计学是研究如何搜集数据、整理数据和分析数据的一门方法论科学。
从本质上看,统计工作的核心就是数据(或者信息)的采集、分析和处理,正如权威的不列颠百科全书将统计定义为“statistics:thescienceofcollecting,analyzing,presenting,andinterpretingdata”即“统计:收集、分析、表述和解释数据”
三、数据挖掘与统计学的比较
四、小结
数据挖掘理论与技术的产生,促进了统计学发展的同时,也提出了更多的挑战。如何更好地使用数据挖掘和统计为解决社会实际问题做出贡献,是统计学家和数据挖掘研究者共同关心的话题。数据挖掘和统计学应该相互学习和渗透,各自分工,协同工作,共同为挖掘隐藏在复杂现象背后的有价值的知识贡献力量。
参考文献:
[1]JiaweiHan,MichelineKambr.数据挖掘――概念与技术(影印版)[M].北京:高等教育出版社,2001
[2]韩明.数据挖掘及其对统计学的挑战[J].统计研究,2001,8
随着数字媒体技术研究的不断深入和新媒体艺术的兴起，科技与艺术的结合越来越紧密，新媒体艺术渗入了艺术的各个领域，新媒体舞蹈是最后被开发的田地，也是集成最多媒体元素的新媒体艺术。在数字媒体技术的发展支持下，新媒体舞蹈的作品和软件层出不穷，如“LifeForms”等，为新媒体舞蹈的演出和编创提供了全新的机遇与挑战。
1舞蹈剧目课与新媒体舞蹈简析
当然，该平台的搭建需要多学科的跨界合作，本文仅对平台中所需的计算机技术进行分析与实现。
2基于新媒体舞蹈理念的剧目课教学系统模型规划
本系统是一套适用于舞蹈剧目课教学的计算机辅助教学系统，以数据库形式管理课程参考资料和用户个人资料，通过数字图像处理手段对用户的个人练习进行原型比对，给出意见建议，在此基础上，通过可视化设计允许用户选拼动作进行新剧目的自由开发。
本系统吸纳了新媒体舞蹈的理念，将剧目课与虚拟的数字化舞台直接相连，并允许用户自由创作，激发创作的灵感和表演的热情，为实际的舞台演出提供全新的数字化剧目经验。
本系统模型的具体规划如下图所示：
其中，二维图像特征点提取与对比是技术中的重点，接下来，本文对此进行详细说明。
3二维图像特征点提取与对比
3.1芭蕾舞的算法定义
关键词：微课程；移动终端；自主学习；数据结构；系统框架
中图分类号：G642文献标识码：A
1引言（Introduction）
《数据结构》课程是计算机课程体系中的专业基础课程[2]，作为程序设计的基础，数据结构课程不仅成为高校硕士研究生入取的必考科目，还是各企业招聘员工入职笔试中青睐的学科。如何让学生在课堂教学中对课程有更深刻的理解，并在复习考研和准备找工作中进行更好的自主学习，成为数据结构课程教学的研究重点，本文在分析数据结构教学现状的基础上通过对数据结构知识点的分析，构建合理的数据结构微课程框架，并将其应用于教学中，使得学生能更好的应用“微课程”进行学习。
2数据结构课程的现状分析（Currentsituation
analysisofdatastructure）
数据结构课程是一门比较抽象的课程，而且学生本身知识储备不足[2]，所以仅靠课堂上的讲解，不能使学生达到很好的消化吸收的效果。目前，很多高校也开发了网络教学平台，积极倡导教师和学生通过网络平台实现在线探讨交流，通过对网络教学平台的建设，如将大纲日历、教案、教学课件，教学视频上传到教学平台，使学生增加课下自主学习的意识，同时，老师在上课的时候也会给学生提供一些教学视频的网站，如清华教育在线等，然而，虽然教学平台的建设很完整，教师提供的教学视频也很不错，学生却很少好好利用网络教学平台或教师提供的网络视频进行自主学习。主要原因有三点：
（1）教师的课堂教学主要以集中讲授为主，并没有引导学生利用网络教学平台的资源进行自主学习，学生把网络教学平台当成了一个简单的提交作业、下载课件的平台。
（2）教学平台的内容过于繁多，视频基本上为课堂讲授的视频，即使有学生想课下自主学习，在看到45分钟甚至90分钟的教学视频也会打退堂鼓。
（3）教师提供的教学视频，如清华教育在线虽是名校老师讲解，但对于一般高校的学生来说讲解内容过深，没有针对性，很多学生觉得听不懂，打消了自主学习的积极性。
3基于微课程的数据结构模块化设计与实现
（Modulardesignandimplementationofdata
structurebasedonmicro-lecture）
本文依据清华大学出版社出版的严蔚编的数据结构教材[4]进行知识点的划分，构建知识点的模块化，并将其应用在教学中。
3.2翻转课堂辅助数据结构微课程的实现
经过和微课程相结合的翻转课程的设计，使学生习惯通过微课程进行学习，掌握自主学习的能力。
4结论（Conclusion）
微课程的系统框架对微课程的制作起到了指挥棒的作用，在总体框架下进行各个微课程的制作，在制作过程中绝不仅仅是录制简单的视频，虽然仅仅是10分钟左右，但工作量绝不亚于一节课的准备，不仅要对微课程设计方案，制作电子课件，还要精心准备习题，并配合易理解的答案。只有一个完整系统的微课程，再加上与课堂的相辅相成，才能使得学生在课下自主学习时更有针对性，学生学的更明白，课上讨论也会更丰富，形成良性循环，真正实现了教师学生共同授课，共同讨论的多样化教学体系。
参考文献（References）
[1]梁乐明，曹俏俏，张宝辉.微课程设计模式研究――基于国内
外微课程的对比分析[J].开放教育研究，2013，19（1）：65-73.
[2]董丽薇.“数据结构”课程教学方法的改进[J].沈阳师范大学
学报：自然科学版，2012，30（2）：307-309.
[3]刘名卓，祝智庭.微课程的设计分析与模型构建[J].中国电化
教育，2013，（12）：127-131.
[4]严蔚敏，吴伟民.数据结构（C语言版）[M].北京：清华大学出版
社，2012.
作者简介：
董丽薇（1981-），女，博士生，讲师.研究领域：供应链管理.
关键词：大数据；数据分析；统计学
一、大数据与大数据时代
（一）大数据大数据是在当今科技飞速发展的情况下，一种新兴的信息数据处理技术。随着社会科技的进步，各行各业对于数据的应用也越来越广泛，传统的数据处理技术耗时较长且精准度较为低下，已经不能满足现代科技对数据应用的要求。新时代的大数据系统具有超大的数据容量，同时兼容半结构化与结构化的数据，远远超出传统数据库管理系统的管理能力。因此新的大数据技术就此诞生。大数据在发展过程中，具有比为鲜明的特点。与传统数据处理技术相比，大数据具有数量庞大、多样化、速率快、价值高的特点。在信息处理的速度不断加快的当今社会，这样的特点为大数据的广泛应用打下了坚实基础。由于数据的数量较为庞大，且各种数据近年来的增长趋势呈指数型，其数据的种类和形式也各有不同。其次，合理利用大数据技术，能够在一定程度上降低成本，提高效率，因此，大数据处理各项关键技术的进一步的开发与利用已成为了提高自身效率，实现核心竞争力的重中之重。
（二）大数据时代大数据时代是指在物联网技术、计算机技术、数据信息处理技术的基础上，通过互联网途径，大量收集并处理分析数据资源，而形成一种新型的信息时代。大数据时代的主要核心内容是对庞大的数据体系进行处理以发挥价值，从而提升数据分析效率以及数据应用价值。大数据时代是由多种信息技术共同组成，可以有效地避免数据处理中不同步、使用不方便的情况发生，具有高效可靠的数据处理、整合、分析及汇总的功能。因此，大数据时代的新型数据处理技术可最大程度的对数据进行分析与挖掘，极大提高处理数据的效率。
二、大数据时代与统计学
（二）大数据对统计学研究工作的影响首先，大数据丰富了统计学的研究对象。在大数据时代，我们既可以以结构化数据作为测量单位对文本、图像和视频等进行分析，还可以对非结构化数据实行分析。其次，大数据影响了统计学的工作进程。统计数据需求丰富，原有的统计抽样分析不能在适应时代的发展，而现代科技方法如透过传感器自动收集数据等方法取代了传统方法，更加便捷有效。
三、大数据数据分析理念
（一）统计学的应用随着现代科技的发展，传统的大数据已经不能满足人们对数据处理的要求。传统的抽样数据调查不能满足大数据的数据处理以及知识发现。因此，新技术及思维的引进就显得尤为重要。新的统计学思维以及知识的应用能够很大程度的提高大数据分析的效率。摒弃对传统的小数据样本的依赖，不在用传统的统计工具对数据进行全部分析。而是对数据进行针对性的分析，使数据分析更加精准，并且能够更加全面的体现数据的价值。我们利用统计计算工具对数据进行分析从而判断数据的变化趋势。统计学的应用可以，为数据分析提供科学的参考依据。
【论文关键词】统计学；统计思想；认识
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
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。
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
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。
[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).
笔者在教学实践中，依据统计学教学基本理论应以实际应用为目的，以“必须”、“够用”为度的原则，结合清远职业技术学院教学条件和学生的实际情况，对统计学教学做了如下改革：
在简化理论方面，首先，在教材体系中，简化教材中抽象基本原理的讲述、复杂公式的推导，省略繁杂的书面统计计算过程的章节。把重点放在假设检验、方差分析、χ2检验和直线回归等实际应用性的章节；其次，在教学内容上，简化抽象基本原理的讲述、复杂公式的推导，省略繁杂的统计计算过程。重点讲授基本原理适应解决的对象，统计公式应用的条件，解题的基本步骤、基本方法和应注意的事项，新增引用Excel计算统计量、统计分析和常见统计软件的初步应用等内容。
所谓“够用”，首先是保证学生将来从事的岗位群所需要的统计方法及其原理，包括基本统计方法和原理的含义、应用对象、适用条件等基本知识；其次要保证具有分析和解决实际问题的实操能力，能做到学以致用。主要包括基本统计原理在实际工作中的应用、分析和解决问题的灵活运用能力和基本统计工具（Excel和SPSS，EVIEWS，SAS统计软件）的使用能力等，其中重点是MicrosoftOfficeExcel一些自带工具在统计学上的应用。
3.注重方法，力求“会用”。本文所讲的方法是指注重统计学的实际运用方法，强调统计学基础知识和基本原理在实际工作中的运用。重点内容应放在Excel自带的函数公式、数据分析库和统计软件的基本应用上，而不是理论和繁杂的书面计算过程。核心问题是教会学生能够灵活应用统计学这个统计工具，去解决生产实践中的实际问题。在实际生产中，最为简单、方便、实用的统计工具就是Excel。所以笔者在教学过程中就是以Excel的应用为中心，结合实际生产中的问题开展教学工作。
在工作中要始终坚持“会用”这个原则，“会用”包括两层含义：第一，会用统计的原理解决实际问题，即知道解决什么问题时使用什么统计方法；第二，会利用Excel自带的函数公式“fx”、“数据分析”库和图形处理等计算统计量，并根据统计计算结果对问题进行推论，达到解决实际问题的目的。
在课堂教学中，我们应注意以下几个问题：第一，注意讲清楚“数据分析”工具与手工统计分析计算上的衔接关系；第二，向学生交代清楚Excel自带“数据分析”适用对象、适用条件，并教会他们分析和判断；第三，详细讲授运用Excel自带函数公式和“数据分析”的具体操作步骤，明确Excel计算结果中各个数量所代表的意义。下面举例说明两种安眠药的疗效有无极显著的差异：
对10名失眠患者，服用甲乙两种安眠药。以XiYi分别表示使用甲乙两种安眠药后各个患者睡眠的延长小时数，结果如下表：
解：①检验假设：H0：u1=u2即两种药疗效相同；HA：u1≠u2即两种药疗效不相同
②取α的值为0.01（判断这两种安眠药的疗效有无极显著的差异）
③统计计算：此步需用Excel“数据分析”工具，具体操作步骤如下：
打开Excel，把数据输入Excel表格，点击“工具”，再点击“数据分析”，在对话框中选取“t-检验：成对双样本均值分析”，点击“确定”。在随后出现的对话框内单击“变量1的区域”后的对话框，而后拖动鼠标选定Excel表中的第1组数据；同理，单击“变量2的区域”后的对话框，而后拖动鼠标选定Excel表中的第2组数据；把“（Α）”后对话框的值改成0.01。然后在“输出选项”下面的“输出区域”前的圆圈内单击鼠标表示选定，再用鼠标点击“输出区域”后面长形对话框，并在Excel数据表中鼠标点击适当的单元格作为输出区域。最后用鼠标点击“确定”，此时Excel就会自动生成如上表的结果：“df”为自由度；“tStat”是“t-检验：成对双样本均值分析”的统计值，即t=4.062128；“t单尾临界”是单尾检验临界值，即单尾t0.01=2.8214；“t双尾临界”是双尾检验临界值，即双尾t0.01=3.2498；“P”为概率，“P(T
④推断H0的正误：
【关键词】统计学；统计思想；认识
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).
一、统计学中的几种常见统计思想
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。
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
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
(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
(四)大数据的应用
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
(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
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。