导语：如何才能写好一篇数据分析课程，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。
从数据分析中了解学习者的兴趣，可以让课程设计更具针对性。在统整项目课程中，让学生选择自己感兴趣的主题学习是我们的首要任务。在每一个统整项目课程实施前，我们都会让孩子们通过大量阅读对主题课程内容有一个较为深入的了解，在“大课”中，每个小主题的教师团队向所有学习者介绍本主题的特点，并通过多样化的方式吸引学生。大课之后，我们向学生发起问卷调查，让学生选择自己感兴趣的主题学习。比如，三年级《水的世界》统整课程，我们分了三个小主题：水的循环、水的污染、水的用途。我们通过问卷星问卷调查，让孩子们扫描二维码选择主题进行分组学习。通过对分组数据的分析，我们发现三个主题选择的数据并不是很均衡：水的循环占13.89%，水的污染占45.83%，水的用途占40.28%，孩子们最感兴趣的是“水的污染”，从这些数据中我可以很明显地看到孩子们对环保的话题很感兴趣。因此，针对这样的数据我们可以着力“水的污染”的研究。
通过数据分析，我们可以精准了解学生的需求。统整项目课程要顺利实施，需要站在儿童的视角来设计课程。现实世界中成人眼里的儿童需求往往和儿童的真实需求存在一定的差距，而可视化的数据分析可以让我们直观了解到儿童的真实想法。例如，在二年级《美丽中国》统整项目课程中，我们分地理与自然、建筑与景观、民族与服饰、美食与风俗、工艺与创造五个组对中国进行探索。在成人眼里，儿童“好吃”，认为选“美食与风俗”的会占绝大多数，但是实际差距却很大，实际数据是：地理与自然16.36%、建筑与景观8.18%、民族与服饰22.73%、美食与风俗15.45%、工艺与创造37.27%。可见，孩子们最喜欢“工艺与造”，而“美食与风俗”排在倒数第二。从这些数据可以看出，动手创造是孩子们最喜欢的事情，因此我们在课程设计中需要给孩子们创造更多“动手创造”的空间和机会。
总之，通过数据分析我们还可以看到很多看不到的东西。因此，统整项目课程实施过程中我们需要设计不同的问卷调查表，收集学生学习、教师教学、家长期盼等方面的数据，通过数据分析了解到课程的学习本质，促进学生的深度学习。
课程是实现教学内容传递的集中体现，是学校教育的目的性、计划性和组织性的集中体现。课程设置规定着课程类型、课程性质、课程排序和学时分配，还规定各类各科课程的学习目标、学习内容和学习要求等，其合理与否将直接影响到所培养人才的质量，关系到学生知识面的宽度、深度、动手实践和研究能力的高低，同时也已经成为了影响大学生就业的主要因素之一。因此，课程结构和课程内容的合理设置尤为重要。
二、数据挖掘技术
数据挖掘（DataMining，DM）又称数据库中的知识发现，是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，通过使用成熟的数据挖掘模型，提取出隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识，得到数据中反映出来的数据内在的关系，从而进一步应用到具体的数据分析研究中去。数据挖掘得到的信息具有先前未知、有效和实用三个特征。
关键词：数据分析人才；软件工程专业；计算思维能力；正情绪
0引言
Web技术的飞速发展产生了海量的用户生成内容，大量信息蕴藏其中，是潜在用户决策支持的有价值资源。如何挖掘海量用户生成内容催生了数据分析人才的市场需求。麦肯锡全球研究院报告预计，美国在2018年数据分析人才缺口将达到50%～60%，甚至可能更大。我国政府提出的“互联网+”行动计划，使得数据几乎渗透到每一个行业和业务职能领域。在大数据时代，具有丰富经验的数据分析人才需求倍增。
1数据分析人才必备的重要素质
2计算思维能力培养现状
自2002年以来，我国计算机教育专家将计算思维能力归结为计算机专业人才必备的4大专业基本能力，并且强调计算思维能力是其他3项能力（算法设计与分析、程序设计与实现以及系统能力）的基石。那么，如何在大数据时代背景下，依托应用型本科软件工程试点专业建设，培养软件工程专业学生的计算思维能力，为社会输送高质量数据分析人才？计算思维能力的强弱主要表现为学生能否正确运用抽象与分解、递归、启发式等方法解决计算求解问题。训练学生的计算思维能力可在算法与数据结构以及算法设计与分析课程（以下简称算法类课程）的教学中进行，因而算法类课程是本科阶段培养数据分析人才的重要课程。
然而，在算法类课程的实际教学过程中，存在两个较为常见的问题：
（1）学生理论联系实际的能力薄弱。学生要达到灵活运用算法解决实际问题，必须掌握算法的核心思想，但由于算法类课程中许多概念抽象，一些经典算法较为复杂，在这两门课程的学习和实践中，能体会到理论学习意义和动手实践乐趣的学生很少。
由此可见，在算法类课程的现有教学环节中，训练学生计算思维能力的机会较少，必须结合当前数据分析人才市场需求的发展趋势，重新审视算法类课程的定位和内容，以达到夯实学生计算思维能力的目的。
3在算法类课程教学中培养学生计算思维能力的方法
从整体上，一个较高层次的数据分析人才应该掌握7大版块的知识结构，分别是数据采集、数据存储、数据提取、数据挖掘、数据分析、数据展现以及数据应用。以数据分析人才驱动为导向，培养软件工程专业学生计算思维能力的算法类教学方法主要是把算法类课程中算法分析与设计的思想融入数据分析中，用数据分析中的实际需求驱动学生学习书本上抽象的理论知识。以7大版块中最重要的数据挖掘版块作为载体，在算法类课程教学中培养学生的计算思维能力。
3.1基于实际数据分析任务的实验项目设计
目前，国际权威学术组织IEEEInternationalConferenceonDataMining（ICDM）已评选出数据挖掘的10大经典算法：C4.5、k-means、SVM、Apriori、EM、PageRank、AdaBoost、kNN、NavieBayes和CART。在教学过程中，可以根据不同类型的应用问题，结合这些经典数据挖掘算法布置实验任务，对每一实验任务制定实现该任务的实验目的、实验要求、实验内容、实验步骤和预期实验结果，让学生清晰地理解并实现这些实验任务。
以2013级软件工程专业学生参加中国好创意的“互联网情绪指标和生猪价格的关联关系挖掘和预测”为例，说明实验项目的设计。
（1）实验目的：针对来自国内互联网的生猪历年消费者情绪数据，挖掘消费者情绪指标和生猪价格之间的关联关系。
（2）实验要求：采用Apriori算法，对近期国内五花肉价格及生猪价格进行预测。
（4）预期实验结果：解读最终得到的频繁项集，将挖掘的结果反馈到生猪养殖户，让其掌握生猪市场的供求关系。
实验任务的编码完成后，还要求学生从软件开发的角度撰写规范的项目报告，内容包括项目的需求分析、总体设计、详细设计、编码与测试等。教师可通过报告清楚了解学生是否有良好的计算思维能力。针对计算思维能力薄弱的学生，教师可以再布置另外的实验项目让其训练。例如，在“互联网情绪指标和生猪价格的关联关系挖掘和预测”实践项目中，要求项目报告中有目标场景、需求理解、方案创意说明、模型数据选取、数据分析、算法设计、实验设计、结果分析、原型系统介绍等。
3.2算法类课程教学内容拓展
3.3计算思维能力培养的跟踪
为了改进软件工程学生计算思维能力培养中可能存在的问题，收集应用于13级软件工程专业学生的实验项目、授课计划、项目报告、算法类课程的理论成绩与实践成绩。通过跟踪他们毕业设计的完成情况，分析曾在算法类课程上得到较好计算思维能力培养的学生的毕业设计情况，检验提出的方法。由于本研究的对象还没有进入毕业设计环节，故只进行算法类课程的理论成绩与基于实际数据分析任务的实验项目完成情况的分析。通过两门课程期末考试成绩可以看出，认真完成实验项目的学生理论考试成绩普遍高于不认真的学生，这充分说明基于实际数据分析任务的实验项目能有效改进目前算法类教学课程中存在的问题。
此外，还准备通过学院学生管理部门跟踪2013级软件工程专业学生的就业情况和用人单位的反馈意见，了解学生的专业能力，及时修改计算思维能力的培养方法，为探索应用型本科软件工程试点专业建设提供有力支撑。
3.4充分利用移动平台
关键词:数据库关系候选码数据依赖完全函数依赖
从E.E.Codd提出关系规范化理论至今,关于这一理论的研究已经取得了很多成果。对于关系的候选码,在规范化理论中有严格的定义,但是针对具体的关系,尤其当没有给出关于关系的具体的语义信息时,只是已知关系的属性组及属性组上的数据依赖的情况下,该如何分析出关系的候选码,目前已经有一些研究,[1]-[2]但这些方法都较为复杂,不利于学生的掌握。本文提出一种基于图的分析方法,可以快速得到关系的候选码。
1.基于图的关系候选码分析方法介绍
分析关系的候选码的方法,主要依据的是候选码的定义[3],即设K为关系R〈U,F〉中的属性或属性组合,若KU,则K为R的候选码。其中,R为关系名,U为关系R的一组属性,F为属性组U上的一组数据依赖,KU表示U对K完全函数依赖。所谓数据依赖就是通过一个关系中属性间值的相等与否体现出来的数据间的相互关系。
现在已经提出的数据依赖的类型[4]-[5]主要有:
本文主要讨论的是函数依赖。函数依赖的定义[3]是:设R(U)是属性集U上的关系模式,X、Y是U的子集,若对于R(U)的任意一个可能的关系r,r中不可能存在两个元组在X上的属性值相等,而在Y上的属性值不等,则称X函数确定Y或Y函数依赖于X,记作XY。完全函数依赖是指在R(U)中,如果XY,并且对于X的任何一个真子集X′,都有X′Y,则称Y对X完全函数依赖,记作:XY。
分析具体关系的候选码时,主要解决三个问题:
首先,确定已知关系R〈U,F〉中哪些属性或属性组作为候选码的判断对象,设判断对象为K;
其次,对所有的判断对象K逐一判断是否满足KU;
最后,对已经满足KU的判断对象K再判断是否满足KU。
1.1确定候选码的判断对象K
确定已知关系R〈U,F〉中哪些属性或属性组作为候选码的判断对象(设判断对象为K)主要根据候选码的定义。由候选码的定义可知K可以是关系R中的属性,也可以是关系R中的属性组。这似乎就使选取候选码的判断对象的问题变成了一个组合问题,即若U中的属性个数为n,候选码的判断对象的个数就有可能是C(n,1)+C(n,2)+…+C(n,n)。在C(n,1)+C(n,2)+…+C(n,n)种可能中,是否有必要对每一种可能判断其满足KU回答是否定的。因为对于没有出现在F中的属性或属性组,我们没有判断其是否满足KU的依据,所以也就没有判断的必要。据此,将候选码的判断对象的范围缩小为在F中出现的属性或属性组。
对于F中的任何一个数据依赖XY,称X为函数依赖中的决定因素,Y为函数依赖中的被决定因素。故在F中出现的属性或属性组有两种情况:决定因素和被决定因素,所以将候选码的判断对象确定为F中的决定因素和被决定因素。
1.2判断是否满足KU
对所有的判断对象K逐一判断是否满足KU。采用图示的方法,表示这一判断过程。对于F中的任何一个数据依赖XY,“”用有向边表示,并以决定因素X为起点指向被决定因素Y;每一个判断对象对应一个U(关系R的所有属性),并且在U中用圆圈将判断对象圈起,表示该判断对象已知;然后对每一个判断对象在F中找出与之有关的数据依赖,并用有向边在U中一一标出。当某一个判断对象所对应的U中,除了判断对象被圆圈圈起外,其余属性都被有向边所指时,就满足KU。否则,就不满足KU。
1.3判断是否满足KU
对已经满足KU的判断对象K,再判断是否满足KU。如果K为关系R中的属性,K的任何一个真子集K1是Ф,就有K1U,即满足KU。即如果K为关系R中的属性,K的任何一个非空真子集K′都是不存在,所以无需再判断K′是否满足K′U,该K就是关系R的候选码。如果K为关系R中的属性组,对于K的任何一个非空真子集K′,都要采用图示方法讨论它是否满足K′U。只要有一个非空真子集K′满足K′U,那么就不满足U对K完全函数依赖,即该K不是关系R的候选码。
2.基于图的关系候选码分析方法举例
本节通过一个多码的例子说明基于图的关系候选码的分析过程。假设已知关系R的定义如下:R,要求分析关系R的候选码。
第一步:确定候选码的判断对象K
F中的决定因素:AB,C,BC,ACD
被决定因素:A,B,C,D
第二步:判断是否满足KU
所以,满足KU的判断对象K有AB,BC,ACD。
第三步:判断是否满足KU
AB的非空真子集K′是A,B。在第二步已经判断过K′U,所以ABU。
BC的非空真子集K′是B,C。在第二步已经判断过K′U,所以BCU。
ACD的非空真子集K′是A,C,D,AC,CD,AD。A,C,D在第二步已经判断过K′U,所以现在只需判断AC,CD,AD。
所以ACDU,CDU。
关系R的候选码是AB,BC,CD。
关系候选码的定义是抽象、简洁的。但是对于关系数据理论的初学者,分析关系的候选码却常常遇到困难,尤其是对比较复杂的关系更是无从下手。运用该方法可以将抽象、简洁的定义,转换为形象、简单的分析过程,从而成为认识关系和学习关系数据理论的工具和帮助。
参考文献:
[1]严云洋,杨民.关系数据库模式中候选码的求解算法[J].现代计算机,1999,(06).
[2]姜翠霞.关于确定关系模式的候选码的研究[J].齐齐哈尔大学学报,2003,(04).
[3]萨师煊,王珊.数据库系统概论[M](第三版).北京:高等教育出版社,2000.
[4]施伯乐,丁宝康.数据库技术[M].北京:科学出版社,2002.
关键词：数据库应用技术；教学现状；应对策略
一、教学现状分析
“数据库应用技术”课程中的基本概念和专业术语较多，同时要求学生理解和掌握数据库设计及实现所必需的知识和技能。学生在学习过程中普遍感觉该课程难以掌握。综合分析，主要有以下几个方面的原因。
1.教学内容
2.教学模式
多数非计算机专业开设“数据库应用技术”课程的目的是培养学生利用数据库管理系统解决本专业中一些实际问题的能力，其根本目的是应用。但目前该课程一般采用教师课堂上讲概念、讲案例，学生上机验证该案例的教学模式。这种以教师为中心、把上机作为验证手段的教学模式，不能让学生全面地认识和应用所学知识。
另外，随着高校教学改革的推进，多数课程的教学学时都在减少，按传统的系统性、渐进式教学方法已经无法完成相应的教学任务。上述教学模式的最终结果是学生对该课程的学习目标不明确，不知道学完后能用它来解决什么问题。虽然最终考试成绩优秀，但动手能力较差，不会用该课程的知识来解决本专业的实际问题。
3.考核方式
考核方式是教学的指挥棒，是对教学成果的检验，也是促进学生认真学习的一种手段。目前很多高校对该课程的考核方式以笔试为主，试题类型主要有选择题、判断题、程序题，基本概念是考核的重点。这样的考核方式不能适应现代计算机教育的需求。
一方面，这种考核方式考核的主要内容是学生的记忆力，临近考试时，学生死记硬背书上的内容，忽视上机操作，从而使得这门原本实践性强、创造性强的课程变得枯燥乏味。考试过后，学生又容易忘记所学的内容，这是“应试教育”的必然结果。另一方面，这种考核方式不利于考核学生的真实水平，难以激发学生的学习积极性。在现实中，一些学生不擅长死记硬背，却能够利用该课程的知识解决一些实际的问题。但在笔试情况下，这样的实践能力并不能得到充分的体现，从而打击了学生实践的积极性。
二、应对策略
1.更新教学内容
我校组织该课程的教学团队，以先进的教学理论和学习理论为基础，依托广州大学开发的“纸质教材—学习辅助光盘—在线学习资源—技能实训”的立体化教材资源，进行试验研究，重点深入探索基于“四位一体”资源下的学习效果与效率的研究，并结合我校教学实际，充实、完善和建设特色鲜明的本课程的教学案例与资源。
立体化教材资源各构成部分各司其职，在课程教学各环节中扮演着不同的角色。
（2）学习辅助光盘：它是纸质教材的拓展，将各章节中任务解决过程的重点与难点操作，制作成光盘，并配以原始操作文件，让学生直观地了解整个任务解决的过程，最终实现纸质教材中任务解决的目标。
（3）在线学习资源：为了满足学生不同的学习习惯以及不同的学习水平，鼓励学生自主学习和拓展学习，依托网络教学平台的在线学习资源，为学生提供一个理想的数字化网络学习环境。
教学内容的确定遵循“适度的基础知识+实际操作能力”的原则。以下是我校会计学专业“数据库应用技术”课程的教学内容表。
2.改进教学模式
关键词：互联网联网数据分析师人才培养
互联网行业在快速发展，“互联网+”概念的提出标志着互联网已叩响“万物互联时代”的大门。在这个时代，大数据渗透于各行各业，掌握数据核心价值成为企业脱颖而出并取得胜利的法宝。越来越多的企业承认竞争优势与大数据有关，由此，数据分析师这一职业逐渐得到认可并受到追捧。世界500强企业中，有90%以上都建立了数据分析部门。在国内，已有超过56%的企业在筹备和发展大数据研究，据有关部门预测未来5年，94%的公司都将需要数据分析专业人才。数据分析师的职位需求随之不断增长，全国数据分析师的职位由2014年初的200多个职位增长到接近3000个职位。正如著名出版公司O’Reilly的创始人TimO’Reilly断言，大数据就是下一个IntelInside，未来属于那些能把数据转换为产品的公司和人群。
优秀的数据分析师已经成为促进各行各业发展，推动国家经济进步的重要人物。但我国针对数据分析的研究起步晚，市场巨大，职位空缺现象十分严重。因此，培养数据分析人才的项目活动应引起高度重视。
1互联网环境下的数据分析师
1.1数据分析师的定义
谈起数据分析师，很多人都认为其职位高高在上，不可企及，但实际并非如此。让我们从案例出发来探索其内在含义，数据分析最经典的案例便是“啤酒与尿布”，沃尔玛超市将Aprior算法引入Pos机数据分析发现美国年轻的父亲去超市为婴儿购买尿布的同时，往往会顺便为自己购买啤酒，这样便使尿布和啤酒这两样看似不相干的商品有了某种联系。于是，沃尔玛尝试将两种商品摆放在同一区域，进而取得了意想不到的良好销售收入。可见，数据分析是运用适当的方法对收集来的大量数据进行分析整理，筛选有价值的信息并形成相应的解决方案以帮助人们作出判断，采取适当行动的过程。
1.2数据分析师的层级分类
1.3数据分析师的能力需求
2数据分析师的培养现状
2.1国外数据分析师的培养现状
2.2国内数据分析师的培养现状
3如何成为优秀的数据分析师
数据分析师作为新时代新兴起的高薪职业，对人员的能力要求是相当高的，下面将根据数据分析师的定义、能力需求并结合互联网环境的时代背景，对数据分析师的成才途径作出详细的分析。
思维变革，数据分析师成才的前提。首先要在思维方面有所改变，培养自身数据思维、多模式思维、逻辑思维和结构化思维。数据思维即量化思维，对数据具有独特的敏感度，相信一切事物皆可量化；多模式思维即构造多种想法和解决思路，拓宽思维，从多角度出发，以寻求最优的解决问题的方案；逻辑思维，在错综复杂的海量数据中要有缜密的思维和清晰的逻辑推理能力才能按照自己既定的目标有效解决问题；结构化思维即系统性思考问题，深入分析内在原因，能够制定系统可行的解决方案。
素质变革，数据分析师成才的保证。在个人素质方面，互联网时代对数据分析师的要求增多，若想成为优秀的数据分析师就应不断学习完善以下素质能力：对工作的态度严谨认真，对数据的变化时刻保持敏锐的洞察力，对方法的运用保持一定的创新性，对团队保持团结合作之心，能与顾客沟通交流并及时了解他们的需求。
4给我国高校的建议
高校的首要任务是，强化师资力量，改进教学方法。各大高校应联合共建优秀师资团队，鼓励教师考取数据分析师资格证，并到实际企业中进行历练。再者，我们要组建专门师资团队到国外开展学习工作，取其精髓，去其槽粕，不断优化我国数据分析师的培养体系。
第四、随时更新教学数据，培养适应时展的人才。基于大数据的4V特征即大量化（Volume）、多样化（Variety）、快速化（Velocity）、价值化（Value），在培养数据分析人才的期间，高校一方面要注重数据的全面性，另一方面要注重数据的更新，及时更改教学方法和教学案例，与时俱进。高校要充分利用互联网的优势，引入MOOC（MassiveOpenOnlineCourse，大规模网络开放课程）教学方式，充分发挥大数据在教育领域的作用，克服传统教学方法资源少、反馈慢、综合分析困难等缺点，将数据分析的研究成果应用于数据分析人才的培养，实现数据分析行业的良性循环。
5结语
参考文献：
[1]张明元.数据分析师的职业是否高不可及[J].出国与就业，2007（08）：56.
[2]郑葵，马涛.经管类专业大学生数据分析能力提升策略探讨[J].商业经济，2013（19）：52-53.
[3]冯海超.大数据时代正式到来[J].互联网周刊，2012（24）：36-38.
[4]谭立云，李强丽，李慧.大数据时代数据分析人才培养的思考及对策[J].科技论坛，2015.
[5]尹颖尧，李鸿琳.赶紧培养数据分析师[J].大学生，2013（18）：78-79.
[6]程征.提升数字阅读质感的数据分析师[J].中国记者，2013（6）：46-47.
[7]张文霖.数据分析师那些事[J].统计论坛，2013（7）：44-45.
关键词：实验室建设；计算机专业；大数据分析
1大数据分析实验室建设的必要性分析
1．1大数据社会产业需求分析
1．2学生大数据就业需求分析
1．3学生理论学习与实践相结合
2大数据分析实验室建设目标与建设内容
3大数据分析实验室实施方案
3．1大数据分析实验室建设思路
大数据实验室的建设是一个系统工程，主要服务于学生学习、教师教学；为了充分发挥大数据实验室的功效和作用，可以增加一项增值服务，即在满足学习和教学的基础上，进一步为教师和学生提供科研服务，使得教师可在该平台上进行科学研究和实验，进而反哺教学（见图1）。
3．2大数据分析实验室建设
4结语
一、引言
二、人才培养目标
对于我们这样有明显“金融特色”的院校，充分发挥在金融领域的办学优势，塑造出自己的金融特色，即：坚持服务于金融行业，跟踪IT发展的前沿，把握财经行业在信息化方面的最新需求，培养学生创新意识和能力，打造金融特色专业：金融信息管理-数据分析方向。培养具有管理学和计算机科学的专业知识，精通金融学、经济学以及数据分析理论与技术，了解数据的商业价值，通晓以清晰直观的形式提供数据分析结果的方法，强调学生掌握现代管理科学思想，掌握现代信息系统的规划、分析、设计、实施和运行维护等方面的方法与技术，同时，更要具有较强的信息系统开发利用以及数据分析处理能力。
三、金融特色信息人才培养模式构建
(一)面向社会需求
2013年3月，IDC数字宇宙报告《大数据，更大的数字身影，最大增长在远东》写到：预计到2020年数字宇宙规模将达到40ZB。在这样的大数据环境下，我国也必然需要更多高素质的信息管理类人才，例如，互联网企业、金融机构、保险、医疗卫生、电子商务、零售企业及政府数据中心等行业对大数据专业人才的需求量都很大。
(二)教学特色
课程教学内容归纳为两个模块：“信息系统开发课程”、“数据分析课程”，其中，“信息系统开发课程”又分为“开发技术类课程”和“面向应用的课程”两个子模块，将程序设计类课程与管理信息系统理论课程相结合，以理论指导实践，通过该课程的学习，使学生了解信息系统开发的基本理论和方法、信息系统的实施、运行与管理方法，熟练掌握信息系统的开发工具，最终通过案例实践，深入理解信息系统的分析与设计过程。
“数据分析课程”又分为“数据分析方法课程”和“面向应用的数据分析课程”两个子模块，从而形成较为系统的立体化课程体系，数据挖掘是数据分析的核心课程，运筹学是辅助课程，教学目的是使学生掌握数据分析的基本方法和典型工具，了解数据仓库和数据挖掘的基本原理，初步具备利用数据分析和解决实际问题的能力。
(三)制定科学合理的人才培养方案
在制定培养方案的过程中，要以市场需求为导向，设计灵活的人才培养方案，既要高度重视理论知识的学习，又要加强实践能力的培养，为学生搭建实践平台，拓宽实践渠道。
极力扩大与企业和科研院所的合作，为学生创造更多的研究、实践机会，在课堂教学环节中，设立一些针对某个合作企业的某些具体问题的研究项目，组织学生在该企业的资助下开展研究。这样既丰富了学生的实践经验又提高了他们的综合分析能力和动手能力，同时还能促进合作企业的创新发展。
四、课程设置
计算机程序设计在数据架构当中起着重要作用，因此，在通识课基础上，从第二学期开始，开设专业基础课：C语言程序设计，专业必修课：面向对象程序设计、数据库、数据结构、Java程序设计、JSP程序设计、Web实战项目(Java方向)等计算机程序设计类课程，以及SPSS、数据挖掘与分析类课程。同时，开设信息管理专业既有体系中的基础课程：信息管理概述、会计学、管理学、统计学、运筹学、信息资源管理、数据库原理及应用、UML与可视化建模、计算机网络技术、银行计算机系统、管理信息系统(含课程设计)、信息系统分析与设计、专业英语等。以及专业选修课：信息检索技术、多媒体技术与应用二选一，电子商务概论、静态网页设计、图形图像处理三选一，IT项目管理、系统工程、ERP原理与应用三选一，企业资源规划、经济法、经济学三选一。
五、强化实践性教学
六、结论
信息管理与信息系统专业是一个多学科交叉、应用以计算机为主的技术解决经济管理问题的专业，应用范围广泛，技术性强。随着信息技术的发展以及信息化建设的推进，信息系统在运行中积累的数据量已经超越管理控制能力，社会对具有数据管理和数据分析能力的人才需求也在迅猛增长，信管专业的建设必须从社会需求的角度出发，重新设计课程体系和教学内容，培养符合经济社会发展需要的人才。
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
二、大数据融入统计学专业人才培养模式的构建
[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
“大数据”是2012年以来信息技术领域中最为炙手可热的词汇。社会发展已经进入对大数据处理的抢夺战中。MOOC教育在大数据的影响下，突破了传统教学体系中存在的各类阻碍，不仅变革了传统的教学体系，还催生了全新的教与学文化。现代大学教学体系一方面需要变革传统教学中的种种弊端，例如，教学内容陈旧、教学方式僵化、教学成果评价单一、教学文化缺乏活力；另一方面需要面对科技快速发展提出的挑战。大数据环境下，MOOC不断实现突破和创新，一个处于科技前沿的全新大学教学体系正在其影响下悄然形成。
一、大数据的内涵与特点
目前，对大数据还没有统一的定义。基于大数据的特点，行业内普遍从大数据的规模性、多样性以及高速性、价值性四个方面阐述其内涵。首先，大数据能够帮助对现有事物有感知作用。“面向领域或主题的历史数据与当前数据的融合，是对潜在线索与模式的挖掘、对事件群体与社会发展状态的感知。”[1]其次，大数据能够对未来发展有预测作用。通过数据，整理、提炼出事物发展的未来趋势，为工作提供一定的可靠材料。最后，大数据发挥出服务作用。利用大数据，提高社会服务的效率是其所要实现的目标。
二、MOOC与大数据
MOOC（Massiveopenonlinecourse）即大规模开放式在线课程。“大规模”“开放”“在线”突出表达了MOOC的特点。MOOC的兴起与互联网技术、传统教育模式、高等教育成本有直接的关系。互联网技术将人们带入了前所未有的科技世界中。互联网技术直接改变了人们的生活方式、工作形式。互联网技术为MOOC的兴起提供了最直接的技术支持。20世纪初，美国教育家杜威提出“新三中心”，即“以儿童为中心，以活动为中心，以经验为中心”。他的教育思想是对传统教育模式的有力反击。对于滞后的传统教育模式，MOOC教育同样对出相应的变革；高等教育成本是每一所高校不可回避的问题。“在世界范围内，高等教育成本的大幅攀升使得低成本的教育解决方案在广泛的人群中拥有庞大的需求，美国大学生一年大学学习的平均花费为27，435美元，这意味着一名学生获得学士学位需要花费超过10万美元。”[3]MOOC教育的免费政策正是该项高教难题解决的办法之一。
MOOC与大数据之间关系紧密。首先，MOOC本身依赖于互联网技术，是科学技术的体重体现。其次，MOOC产生大量待分析的数据。在MOOC教育平台上，从参加课程的学生名单到教师授课内容的统计等，产生了庞大的待分析数据。最后，MOOC在教学体系中运用大数据分析技术。良好的数据分析将会大大提高MOOC对实际数据的利用能力。通过对数据的挖掘，MOOC能够获取第一手有价值的教学信息，结合数据反馈的信息，在教学体系构建中利用起来。
大数据背景下，MOOC对于高等教育领域的影响在于，它借助于大数据分析手段在教学内容、教学方式、教学成果评价和教学文化四个方面为学生、教师、学校重新构建了一个全新的教学体系。
三、大数据有助于MOOC重构大学教学体系
“技术向来都是教育的附属品。技术通过促进一个人人平等的知识狂潮而发挥着核心作用，在这个知识狂潮中，学习即是开放的，也是不受班级与课表的限制。”[3]教学内容、教学方式、教学成果评价以及教学文化共同构成了教学体系。大数据分析手段帮助MOOC教育重新塑造大学教学体系。
1.大数据中的MOOC教学内容
MOOC教育在大数据分析手段的影响下，教学内容将有重大的变革。根据我国互联网信息中心统计数据显示，“截至2010年12月，中国青少年网民规模为2.12亿。青少年互联网渗透率较高，60.1%的青少年都是网民，超出全国平均水平25.8个百分点。”[4]现代大学生是真正意义上的“数字土著”。“数字土著”是“美国北卡罗来纳大学著名学习软件设计家MarcPrensky提出了‘数字原住民’（DigitalNatives）和‘数字移民’（DigitalImmigrants）的概念，用以表征父辈与子辈在数字化技术方面的巨大差异。”[5]
2.大数据背景下的MOOC教学方式
3.大数据分析中的MOOC教学成果评价
4.大数据影响下的MOOC教学文化
从现有教学文化内涵研究来看，不同学科的研究者提出了不同的阐述内容。一般认为，教学文化“基本结构分为三个方面即教学的有效性、学生的参与性以及学习的主动性。”[11]大数据分析方式对教学文化的影响是出乎意料的。首先，大数据分析手段帮助MOOC教育增强了其教学的有效性。以往部分教师在教学内容的选择、设计上没有下功夫，知识更新速度慢。MOOC平台上，教师为学生提供的是高质量的教学内容。MOOC上的课程都是经过精心筛选，出自世界名校教师之手。这些课程教授过程中，教师采取了多样的教学方式，教学语言多样化，适应不同学习需求的学生。频繁的互动，将有助于避免学生注意力分散情况的发生，进一步提升了教学的有效性。MOOC课程不仅能够实现在课堂上师生之间的交流，同时，还有助于在课堂上形成师生、生生之间的沟通与交流。其次，大数据分析手段帮助MOOC教育提升了其学生的参与性。通过MOOC数据统计显示，在以往在线教育过程中“每学期只有5%-10%的学生能做到经常在教室里或课堂上参与深入讨论，其余学生的态度则是相当消极的。”[12]因此，高等教育教学必须将学生的参与性调动起来，这样才能更好的实现教学目标。MOOC教育实现了提升学生学习精力投入的目标。
MOOC教育对高等教育国际化同样做出巨大贡献。现代教育的主要特征在于它的国际性和融合性。突破国界和地域限制，MOOC教育正是践行知识世界融合的目标。在大数据技术的支持下，MOOC不仅将课程提供者的价值观念、思想意识快速的在世界范围内传播，同时，MOOC还使学习者更加直接的面对不同理念、价值、文化潜在的影响。