數據分析師統計學基礎范文

前言：我們精心挑選了數篇優質數據分析師統計學基礎文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

關鍵詞：數據分析；統計學；課程體系；大數據

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2014）49-0248-02

隨著社交網絡的逐漸成熟，移動帶寬迅速提升，云計算、互聯網應用的豐富，更多的傳感設備、移動終端接入到網絡，由此產生的數據及增長速度將比歷史上的任何時期都要多，都要快。“大數據”時代已經來臨，它對人類的數據駕馭能力提出了新的挑戰，也為人們獲得更為深刻、全面的洞察能力提供了前所未有的空間與潛力。大數據是指海量數據集，其來源包括動漫數據、企業IT應用帶來的數據、博客、點擊流數據、社交媒體、機器和傳感數據等。它是互聯網、電子商務的又一次重大革命，對數據處理、數據挖掘、數據分析提出了新的挑戰。如今互聯網行業、電子商務行業中的數據應用及分析已經相當普遍，為了應對大數據時代的要求，同時要具備較強的統計學功底和嫻熟的計算機軟件運用能力，而今完全具備這些能力的數據分析專業人才是極其匱乏的。數據分析師便應運而生，不僅互聯網行業、電子商務行業需要大量的數據分析師，近年來項目數據分析事務所不斷涌現，而項目數據分析師因其專業技能及量化的數據分析為客戶以及所在單位控制決策風險、保證利益最大化而備受各界青睞，以待遇優厚和地位尊崇而聞名國際，也被視為我國21世紀的黃金職業。《華商報》將項目數據分析師納入了新七十二行，《HR管理世界》將項目數據分析師評為七大賺錢職業。本文就如何在統計學專業開展數據分析方向進行了闡述，首先論述了數據分析的重要意義，其次討論了數據分析方向的課程構建，最后分析了如何加強理論與實踐環節的結合。

一、數據分析的重要意義

大數據預測美國總統：美國時代周刊報道稱，數據驅動的競選決策才是奧巴馬競選獲勝的關鍵。數據分析團隊在籌集競選經費、鎖定目標選民、督促選民投票等各個環節的決策中都發揮了重要作用。這意味著華盛頓競選專家的作用極具下降，能夠分析大數據的量化分析家和程序員的地位卻大幅提升。如今從事專業數據分析工作的企業如項目數據分析師事務所、數據挖掘公司等都應市場需求而大力發展，并且受到風險投資的青睞。如美國社交數據挖掘公司Datasift于2012年宣布，獲得1500萬美元風險投資。2013年，DataSift成為Twitter的“認證合作伙伴”，主要負責海量微博社交數據分析。這是該公司今年第二筆融資，五月份其曾融資720萬美元。又如面向開發者的大數據應用軟件平臺服務提供商Continuity最近獲得1000萬美元的融資，目前融資總額已經達到1250萬美元。

數據分析的應用無處不在，那什么是數據分析呢？數據分析就是用適當的統計方法對數據進行分析，以求最大化地開發數據的功能，發揮數據的作用。是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。數據分析技術不僅能通過對真實數據的分析去發現問題，還能夠通過經濟學原理建立數學模型，對投資或其他決策是否可行進行分析，預測未來的收益及風險情況，為做出科學合理的決策提供依據。在提高工作效率的基礎上，也增強企業管理的科學性。無論是在國家政府部門，還是企事業單位中，數據分析工作都是進行決策和做出工作決定之前至關重要的一個環節。因此，針對項目可行性、風險承載力、投資回報率以及相關經濟效益指標等方面的分析工作顯得格外重要。在這個工作過程中，專業的數據分析人員扮演著無比重要的角色，數據分析成果的質量高低直接決定著項目投資、企業經營決策計劃最終的方向。所以，各個行業對數據分析人員的需求之多是不言而喻的。傳統行業，如政府機構：一類是計委、經委、統計局等一些經濟綜合管理部門所設有的調研處、研究室和情報所。第二類是商業、糧食、物資、銀行等經濟主管業務部門會設有信息中心或調研室，從本系統、本部門的業務出發進行專業性調研，提供支持本部門的市場信息。而伴隨著數據分析應用的擴大，其在新興行業中也得到了發展，如計算機軟硬件及IT行業、電子商務與網絡游戲、金融保險、消費品、咨詢業與廣告媒體、大型設備與重工業以及房地產行業等對數據分析師的需求量很大，尤其是電子商務，由于利用互聯網，能夠比傳統零售業具有更好的數據收集和管理能力，能積累海量的數據，因此更看重從海量數據中挖掘出用戶偏好和市場機會。研究機構：比如市場研究公司、咨詢公司、證券公司、研究院。自主創業：取得注冊項目數據分析師（CPDA）資格證可以自主創建或就業于項目數據分析師事務所等。所以，數據分析的行業應用是極其廣泛的，并且隨著大數據時代的到來，數據分析尤其是數據挖掘將借助互聯網的發展，逐步形成人們依靠的重點，并可能成為未來發展與競爭的重點之一。由此我們可以看到數據分析師的就業前景是非常廣泛而樂觀的，無論是數學專業、統計專業，還是計算機專業的學生，都可以通過系統的學習數據分析課程來適應對數據分析人才的要求。

二、課程體系構建

1.主干課程。主干課程包含高代、數分、概率論、數理統計、多元統計分析、時間序列分析、市場調查與分析、統計預測與決策、數據結構、C語言、數據分析、數據挖掘、大數據分析與展示。理論課程的學習可以使學生了解數據分析的基本內容，學會如何對已獲取的數據進行加工處理，如何對實際問題進行定量分析，以及如何解釋分析的結果。掌握幾種常用數據分析方法的統計思想及基本步驟，并具備一定的分析論證能力。

2.實驗課程。數據分析的操作離不開計算機。目前數據分析行業常用的一些統計軟件有SAS、SPSS和R軟件。SAS軟件是一個模塊化、集成化的大型應用統計系統。它的功能包括數據訪問、數據儲存及管理、應用開發、圖形處理、數據分析、報告編制、運籌學方法、計量經濟學與預測等。SPSS軟件是一個社會科學統計軟件包，是采用圖形菜單驅動界面的統計軟件，SPSS的基本功能包括數據管理、統計分析、圖表分析、輸出管理等。R軟件是一套完整的數據處理、計算和制圖軟件系統，包括：數據存儲和處理系統、完整連貫的統計分析工具、優秀的統計制圖功能、可操縱數據的輸入和輸入等功能。這三個軟件在數據分析中針對不同行業的需求有不同方向的應用。

3.專業課程。從數據分析的行業需求出發，好的數據分析人員不僅要有較強的數據分析能力，還要有該行業的背景及相關知識的儲備，這樣才能將數據分析與行業特性聯系起來，發揮數據分析的最大功能，即所謂的“因地制宜”。同時要兼顧學生的興趣與學習的聯系，需提供多領域的課程選擇，如：經濟學、金融學、保險學、管理學、會計學等。而在軟件學習方面也要拓寬渠道，除了實驗課程安排學習的軟件，學生可根據自身發展意向再多掌握一些軟件如：SQL數據庫，熟悉office常用功能，尤其熟練運用Word和PowerPoint、Excel圖表及數據分析等。同時還應該結合對數據分析師的要求設置一些相關課程：投資數據分析、市場調研與預測、預測技術分析、現金流量表編制、風險投資項目篩選、不確定性分析、編制數據分析報告等。

三、實踐環節

培養數據分析的專業型人才目的就是為了學以致用。數據分析本身就是為了從數據中發現問題、建立模型、預測收益風險企業決策進而做出合理正確的決策判斷。因此，學習了基本的知識和技能就要運用到實際操作中。學校可以和本地的數據分析事務所，或者大量需求數據分析人員的互聯網行業建立實訓基地，進行合作式教學，使得學生在實習的過程中能夠理論聯系實際，切身體會數據分析的商業操作體系，這樣就能夠促進學生有目的、有取舍地針對自身情況學習鉆研，繼而就能夠培養出適應經濟發展，滿足市場需求的應用型人才。

四、結語

在大數據時代到來之時，數據分析在互聯網中的應用將會空前廣泛，與此同時對數據分析師的需求也將會井噴，無論是在軍事、工業、企業還是在政治上，大數據分析都將會十分緊缺。因此，目前對數據分析師的培養刻不容緩。本文從分析數據分析行業發展及其重要意義、數據分析專業課程設置以及教學實踐環節方面對構建數據分析課程體系進行了探討。不僅從教學課程的內容上予以安排，而且更加注重引導學生自主學習，特別強調理論結合實踐的合作式教學。希望能夠結合行業需求合理地構建課程，培養出專門從事數據分析的項目數據分析師，從而能夠滿足市場需求和自身發展。

參考文獻：

[1]范金城.數據分析[M].科學出版社，2010.

[2]http：///jrt/120922/70953.shtml

第2篇

關鍵詞：互聯網聯網 數據分析師 人才培養

互聯網行業在快速發展，“互聯網+”概念的提出標志著互聯網已叩響“萬物互聯時代”的大門。在這個時代，大數據滲透于各行各業，掌握數據核心價值成為企業脫穎而出并取得勝利的法寶。越來越多的企業承認競爭優勢與大數據有關，由此，數據分析師這一職業逐漸得到認可并受到追捧。世界500強企業中，有90%以上都建立了數據分析部門。在國內，已有超過56%的企業在籌備和發展大數據研究，據有關部門預測未來5年，94%的公司都將需要數據分析專業人才。數據分析師的職位需求隨之不斷增長，全國數據分析師的職位由2014年初的200多個職位增長到接近3000個職位。正如著名出版公司O’Reilly的創始人Tim O’Reilly斷言，大數據就是下一個Intel Inside，未來屬于那些能把數據轉換為產品的公司和人群。

優秀的數據分析師已經成為促進各行各業發展，推動國家經濟進步的重要人物。但我國針對數據分析的研究起步晚，市場巨大，職位空缺現象十分嚴重。因此，培養數據分析人才的項目活動應引起高度重視。

1互聯網環境下的數據分析師

1.1數據分析師的定義

談起數據分析師，很多人都認為其職位高高在上，不可企及，但實際并非如此。讓我們從案例出發來探索其內在含義，數據分析最經典的案例便是“啤酒與尿布”，沃爾瑪超市將Aprior算法引入Pos機數據分析發現美國年輕的父親去超市為嬰兒購買尿布的同時，往往會順便為自己購買啤酒，這樣便使尿布和啤酒這兩樣看似不相干的商品有了某種聯系。于是，沃爾瑪嘗試將兩種商品擺放在同一區域，進而取得了意想不到的良好銷售收入。可見，數據分析是運用適當的方法對收集來的大量數據進行分析整理，篩選有價值的信息并形成相應的解決方案以幫助人們作出判斷，采取適當行動的過程。

1.2數據分析師的層級分類

經對多家招聘網站數據分析師的招聘信息進行分析研究，發現目前數據分析師大體分為三個層級：傳統行業的數據分析師、互聯網初級數據分析師、互聯網高級數據分析師。傳統行業的數據分析師的主要工作是整理、處理數據，專業技能只要具備一定的數學和統計學知識儲備即可；第二層級是互聯網初級數據分析師，職位要求在傳統數據分析師的基礎上掌握少數的計算機工具譬如SPSS、SQL等，從職人員需具備一定的數據敏感度和邏輯思維能力，能夠對數據源進行分析并能制作數據報表；互聯網高級數據分析師是一類復合型人才，要熟悉業務環境并能與技術相結合解決企業實際問題，并掌握數據挖掘常用算法和一系列相關的分析軟件，他們的工作與企業發展密切相連，擁有一名優秀的數據分析師的企業將擁有與同行業競爭的資本。

1.3數據分析師的能力需求

數據分析師的工作分為采集、存儲、篩選、數據挖掘、建模分析、優化、展現、應用等一系列過程。接下來從主要步驟詳細分析數據分析師的能力需求。數據挖掘過程即從海量數據中提取潛在的有價值的信息，要求數據分析師掌握一系列相關分析方法譬如聚類分析、關聯分析、等并能熟練運用數據挖掘算法和相關工具；建模分析即對數據抽象組織，確定數據及相關性的過程，在此基礎上要掌握譬如決策樹、神經網絡、K-means算法、SVM等至少一種相關算法；展現過程要求具備數據整理、數據可視化、報表制作能力，熟練應用D3、Vega實現數據可視化，并能運用R和DateWangler工具將原始數據轉化為實用的格式。

2數據分析師的培養現狀

2.1國外數據分析師的培養現狀

在國外，無論是學術研究還是企業部門，數據分析已發展到較為成熟的地步。斯坦福大學的研究成員著手開發MEGA（現代動態網絡圖像分析Modern Graph Analysis for Dynamic Networks）并與多家媒體公司緊密合作，研究社交媒體中的用戶行為，建立模型并探究其中的規律；哥倫比亞大學已開設了《數據科學導論》和《應用數據科學》課程，從2013年秋季起開設“數據科學專業成就認證”培訓項目，并于2014年設立專業碩士學位和博士學位；華盛頓大學開設《數據科學導論》課程，并對修滿數據科學相關課程學分的學生頒發數據科學證書。數據分析師在國外已引起了充分的重視，他們均衡分布在各行各業，運用掌握的專業知識并結合相關思維為自身、企業乃至社會的發展做著不小的貢獻。

2.2國內數據分析師的培養現狀

近年來，在國內，大數據的概念雖被媒體和行業廣泛提及，但數據分析算是剛剛起步，數據分析師的培養課程未得到普及，我國目前將數據分析納入教學體系的高校寥寥無幾，開設相關課程并取得一定成果的有：香港中文大學設立“數據科學商業統計科學”碩士學位；復旦大學開設數據科學討論班，于2010年開始招收數據科學博士研究生；北京航空航天大學設立大數據工程碩士學位；中國人民大學統計學院開設數據分析方向應用統計碩士。

和國外相比，我國數據分析師的人才培養機制還未成熟，高校教育仍存在各種各樣的問題，譬如，大學生雖然從多門課程中接觸到與數據分析相關內容，但各門課程的教學資源未能實現有效的整合。互聯網環境下，大數據帶來的是一場革命性的變化，若想把握機遇，實現國家經濟革命性發展，首要任務就是數據分析師的培養。

3如何成為優秀的數據分析師

數據分析師作為新時代新興起的高薪職業，對人員的能力要求是相當高的，下面將根據數據分析師的定義、能力需求并結合互聯網環境的時代背景，對數據分析師的成才途徑作出詳細的分析。

思維變革，數據分析師成才的前提。首先要在思維方面有所改變，培養自身數據思維、多模式思維、邏輯思維和結構化思維。數據思維即量化思維，對數據具有獨特的敏感度，相信一切事物皆可量化；多模式思維即構造多種想法和解決思路，拓寬思維，從多角度出發，以尋求最優的解決問題的方案；邏輯思維，在錯綜復雜的海量數據中要有縝密的思維和清晰的邏輯推理能力才能按照自己既定的目標有效解決問題；結構化思維即系統性思考問題，深入分析內在原因，能夠制定系統可行的解決方案。

技能變革，數據分析師成才的工具。作為一名優秀的數據分析師若想在互聯網環境下對海量數據進行有效的管理，就要努力學習相關的專業技能。要掌握多種機器學習方法，不斷學習相關軟件應用，譬如，Java、Python、SQL、Hadoop、R等等，這將成為數據分析全過程的輔助工具；除此，還要掌握一定的心理學知識，能夠很好的分析和解釋客戶行為；在此基礎上，最核心的是要掌握一定的業務能力和管理能力。

素質變革，數據分析師成才的保證。在個人素質方面，互聯網時代對數據分析師的要求增多，若想成為優秀的數據分析師就應不斷學習完善以下素質能力：對工作的態度嚴謹認真，對數據的變化時刻保持敏銳的洞察力，對方法的運用保持一定的創新性，對團隊保持團結合作之心，能與顧客溝通交流并及時了解他們的需求。

實踐，數據分析師成才的推動力。數據分析師的職責是幫助企業挖掘市場價值、發現機遇、準確進行市場定位并從海量數據中找出問題，提出解決方案。因此，在數據分析師的成才道路上，實踐是必不可少的。相關人員要在掌握理論的基礎上，敢于應用于實踐，充分考慮數據中存在的價值和風險。使自我能力在實踐中不斷改進和完善。

4給我國高校的建議

高校為數據分析師的成長提供指導和途徑，肩負著為我國社會培養有用人才的重任，因此高校要努力構建數據分析師的人才培養機制，不斷輸出數據分析相關人才。

高校的首要任務是，強化師資力量，改進教學方法。各大高校應聯合共建優秀師資團隊，鼓勵教師考取數據分析師資格證，并到實際企業中進行歷練。再者，我們要組建專門師資團隊到國外開展學習工作，取其精髓，去其槽粕，不斷優化我國數據分析師的培養體系。

第二、培養專業化的人才就要有效整合各門課程的教學資源，構建系統性教學結構。鑒于市場對數據分析師的需求的火熱程度，高校完全可以開設專門課程，將與數據相關的課程進行有機的整合并開設數據分析導論、基礎等課程，制定數據分析系統性課程體系，專門為市場培養數據分析的專業人才。

第三、在具備優秀的師資力量和良好的教學體系的基礎上，高校也高度應注重學生興趣的培養。數據分析師是新時代的復合型人才，一名優秀的數據分析師需掌握包括數學、統計學、運籌學、社會學、管理學以及大量軟件應用在內的大量相關知識，學習過程會十分繁瑣、復雜，學習周期長，學習難度大，所以建議各大高校在制定教學體系時應合理安排課程，在教學過程中應注重課程的趣味性，寓教于樂，采用案例導入、項目教學等教學方法，逐漸培養學生對數據分析濃厚的興趣。

第四、隨時更新教學數據，培養適應時展的人才。基于大數據的4V特征即大量化（Volume）、多樣化（Variety）、快速化（Velocity）、價值化（Value），在培養數據分析人才的期間，高校一方面要注重數據的全面性，另一方面要注重數據的更新，及時更改教學方法和教學案例，與時俱進。高校要充分利用互聯網的優勢，引入MOOC（Massive Open Online Course，大規模網絡開放課程）教學方式，充分發揮大數據在教育領域的作用，克服傳統教學方法資源少、反饋慢、綜合分析困難等缺點，將數據分析的研究成果應用于數據分析人才的培養，實現數據分析行業的良性循環。

第五、注重理論與實踐相結合，努力為學生搭建實踐的平臺。高校可考慮校企合作的教學理念，邊教學邊實踐，讓學生將所學到的理論知識轉化為實際應用，一方面在實踐中鞏固并檢驗自己的理論知識，另一方面數據來源真正的企業運營中，讓學生切實體驗數據的作用和風險，有助于塑造真正對企業有用的人才。

5結語

綜上所述，互聯網帶來了全球范圍的數據信息大爆炸，這對企業來說是機遇同時也是挑戰，能將大數據為自己所用，是企業取勝的關鍵，因此數據分析師逐漸被各行各業認可。文章從數據分析師的定義出發，結合目前的時代背景，對數據分析師的每一工作步驟所需的能力進行研究，旨在初步探索優秀數據分析師的成才之道，為即將成為數據分析師的學者提供一定的理論參考。最后，針對如何構建數據分析人才培養體系，對我國高校提出了幾點建議。高校的培養只是為數據分析師提供成才的途徑，如何成為資深的數據分析師還有賴于每個學者的不斷探索和研究。

參考文獻：

[1]張明元.數據分析師的職業是否高不可及[J].出國與就業，2007（08）：56.

[2]鄭葵，馬濤.經管類專業大學生數據分析能力提升策略探討[J].商業經濟，2013（19）：52-53.

[3]馮海超.大數據時代正式到來[J].互聯網周刊，2012（24）：36-38.

[4]譚立云，李強麗，李慧.大數據時代數據分析人才培養的思考及對策[J].科技論壇，2015.

[5]尹穎堯，李鴻琳.趕緊培養數據分析師[J].大學生，2013（18）：78-79.

[6]程征.提升數字閱讀質感的數據分析師[J].中國記者，2013（6）：46-47.

[7]張文霖.數據分析師那些事[J].統計論壇，2013（7）：44-45.

第3篇

應用統計專業學位的設立是為了適應現代統計事業發展對應用統計專門人才的需要而設置的，它的培養目標主要是讓學生掌握扎實的理論基礎和系統的專業知識和技能，具備數據采集、整理、分析和開發的能力，能夠從事統計調查咨詢、數據分析等“應用型”統計專門人才[5]110-111。然而，在大數據環境下實現的數據分析已不再局限于某一類特殊的行業統計分析需要，各行各業的運作發展都越來越依賴于大數據環境的存儲、計算、統計分析與決策。對于多樣化的大數據集，其所涉及的內容和知識結構必然是不同學科的交叉應用。大數據時代的數據分析專業人才的培養目標并不僅僅是傳統的數據收集、整理與分析，而是需要掌握能適應大數據特點的新的研究方法和獨立分析的能力，能很好地融會貫通其他專業的知識內涵，成為真正意義的專業大數據分析人才。然而傳統的統計學人才培養目標和教學模式并不符合社會對大數據分析專業能力的要求。參考和借鑒文獻[6-7]8-9,226提出來的一些建議，筆者探索從以下幾個方面對人才培養目標和教學培養模式進行改革：（一）走出校園，深入社會，挖掘并歸納出社會用人單位對數據分析專業職位技能和能力素質要求，進而制定符合社會需求的人才培養目標，以市場需求為導向更好地指導教學實踐活動。為了更好地為用人單位輸送符合大數據時代需求的專業數據分析人才，嘗試對高年級學生的培養方案設計中考慮以崗位需求為標準靈活調整和制定相應的培養目標和內容。（二）參考國外本科生專業人才培養的先進理念，引入“協作式”培養模式，大力支持大型企業與高校合作或高校與高校合作培養復合型和開發型人才。各個高校、企業可以發揮各自專業特長來實現合作，高校的不同專業之間也應該加強溝通和協作，例如在制定應用統計專業數據分析人才培養方案及實施過程中，可以以統計學科所在的學院為主導，讓計算機學科、經濟、金融及管理學科等相關學院協作參與完成[8-9]60-64。（三）總結教學過程存在的不足，探索新的知識學習和能力培養的創新模式。目前的教學活動主要以老師獨立授課，學生被動接受知識為主的方式，培養過程計劃性強，缺乏彈性，培養的評價也過于單一。在本科生培養中可以引入課程學習、導師指導和科學研究三個階段，考慮采用導師指導與集體培養相結合的方式，一門專業課程的講授不再局限于單個老師完成，在培養方案中考慮主題分組方式，鼓勵授課教師根據自己的專業特點和知識背景共同參與一門課程的教學活動。多名教師協同工作的模式可以取長補短，在大數據分析的實際案例設計及課程內容上都更加貼近實際需求，產生更好的教學效果[6]8-9。

二、基于大數據分析的特點科學構建課程體系

大數據背景下，人們可以通過互聯網、數據庫以及各種通信工具獲得海量數據，人們日常生活、學習和工作的各類事物都可以實現信息化，世界幾乎是由各種信息和數據所構成的。大數據的特點可以歸結為四個V,數量大（Volume）、類型繁多（Variety）、價值密度低（Value）、速度快時效高(Velocity)[6]8-9。大數據的真正意義不在于能提供龐大的數據量，而是對海量的數據進行專業的處理和分析，并從中獲取用戶關注的信息。結合當前互聯網應用中大數據本身的特點，從大數據中挖掘出重要知識并對之深度學習和分析的工具和方法也應與時俱進地發生改變，傳統的統計方法和統計分析工具已無法滿足大數據分析的需要。然而，在大多數高等院校中，統計學專業人才培養的課程體系并沒有考慮社會的實際應用需求，仍然停留在以傳統的統計模型框架為主導的課程體系設置，本科生教育的主要專業課程包括：數學分析、高等概率論與數理統計、應用隨機過程、回歸分析和多元統計分析等[10]248-249，這些課程內容和知識結構還不足以滿足大數據時代對數據分析專業人才知識結構的要求，課程體系設置中缺少能有效整合的數據分析能力培養模塊[11]66-68。因此，有必要針對各類院校師生各自的專業特點和學科基礎，分層次、分階段地展開課程體系改革。（一）參考國內外先進高校大數據分析專業的課程設置，結合本校的師資和專業結構特點采取靈活的策略制定課程計劃，在實施學分制改革的高校中各類學生可以在學業導師指導下實施符合學生自身特點的課程學習方案。（二）以大數據分析人才需求驅動的課程體系改革要考慮市場的行業需求變化、大數據應用中跨學科的特點。素質好的數據分析人員不僅僅要具備專業的數據分析能力，還應該對具體數據中涉及的學科知識有較好的儲備，能將不同行業的專業知識與數據分析緊密關聯起來，實現大數據分析的效用最大化。此外，在充分借鑒國內外大學成功經驗的基礎上，課程設置應該與學生的學術傾向和基礎能力緊密結合，注重基礎課程教育的同時強調文理滲透，同時要兼顧學生的興趣與學習的聯系，在課程體系的設置中需要增設一些多領域、跨學科的選修課程，如經濟學、金融學、保險學、管理學和會計學等。因此，校內跨學科或高校與高校之間聯合培養是實現跨學科課程建設的有效方法之一。（三）科學構建課程體系的主要思路還包括根據大數據時代需求，對專業必修和專業選修課程在課程時間、順序及內容等方面進行改革。專業必修課程重點內容為統計學和計算機科學的交叉部分，在講授統計基礎理論（如多元統計、決策樹、時間序列等）課程基礎上設置大數據案例分析課程，在案例分析過程中讓學生實際操作企業當前應用的大數據計算平臺[6]8-9，從而增強學生大規模分布式計算技能。為提高學生的實際動手和二次開發能力，專業選修課程需更多地開設與數據挖掘及面向數據的編程語言相關的課程，如數據挖掘算法、C++、Java和Python等課程，強化學生的數據挖掘和分析能力。

三、基于協同創新的理念開展實踐教學改革

近幾年，隨著應用型、創新型人才培養目標的提出，學校越來越重視和加強對各類專業人才實踐教學能力的培養，以“數據分析”為方向的專業人才需要運用統計分析軟件對數據進行分析和決策，其實踐教學的重要性更是不言而喻。然而，在大數據被廣泛應用的時代背景下，高等院校中的實踐教學仍然是培養高層次“大數據分析”人才的薄弱環節，實踐教學教材及內容不規范、教學方法單一、軟硬件的更新以及師資儲備等方面都存在著一些問題[12]96-97。例如以模型驅動為主的實踐教學模式已不適應大數據時代的要求，大數據時代數據是海量且復雜的，用簡單的SPSS、Eviews為主的軟件教學已無法處理大數據[5]110-111。因此，學習其他知名高校構建的協同創新的理念，結合財經類院校的統計學科及人才培養的特點，開展實踐教學改革[13]248-249。對“數據分析”專業人才實踐教學改革，筆者的建議如下：（一）根據協同創新理念，解決實踐教學環節存在的實驗教材（教學內容）缺乏實用性的問題，一方面可以參考企業對數據分析師、調查分析師資格認證相關培訓教材，開發實用性強的《數據分析》實踐教材，另一方面學校可以和企業或其他高校定期舉辦交流座談會，面向企業需求甄選實踐教學內容。（二）高素質的師資隊伍對人才的培養無疑起著至關重要的作用，在提高指導教師理論和實踐能力方面，借鑒協同創新聯合培養的模式可以有效充分地利用企業、學校的各方面師資資源。例如北京大學、中國科學院、中國人民大學、中央財經大學、首都經濟貿易大學5所高校已經與政府部門和產業界簽署了聯合培養大數據分析應用人才的合作協議[14]。廣東財經大學也可以參照類似聯合培養的做法，和廣東其他高校、政府和企業合作。一方面企業或政府可以利用自身的資源為高校提供人才培養實習基地，并且引薦相關的技術人員聘為校外實習導師，指導學生在實習實踐中建立以問題為導向，以項目為牽引的運作機制，讓學生能夠理論聯系實際，切身體會數據分析的商業操作體系。另一方面，由于高校的專業教師缺乏社會實踐的機會和經驗，高校應該制定政策鼓勵并推薦相關專業教師走出學校、走進企業，密切與企業合作交流，從而更進一步地提高教師對復合型專業學位人才培養的能力[15]29-32。（三）為了激發學生的學習熱情，減少對實踐操作的畏難情緒，實驗課程的教學方法也需要探索創新性實踐教育模式。教學過程可以考慮靈活的制定團隊教學計劃、案例實戰分析、模擬實訓等多樣化的方式，減少單一的課堂內容講授，在理論和實踐教學環節中積極調動學生的主觀能動性，提供更真實的企業大數據應用環境，并以學生為主完成實際案例分析。此外，基于不同的授課對象的特點，老師在教學過程中也要適當考慮學生的興趣和需求，隨時調整實驗教學策略[9]。