任成梅　黄 艳　张士玉　于丽娟

摘 要： 数据分析与预测课程是一门实用性很强的课程， 在本文中笔者结合教学实践、人才培养特点以及行业需求， 对课程改革进行探索， 在原有课程经验基础上引入新内容，拓展教学内容， 提升教学效果， 以期为本课程教学提供一种参考。

关键词： 应用型本科， 数据分析与预测， 教学研究

引 言

应用型本科院校是培养本科层次应用型人才的高等学校， 是培养具有一定知识、能力和综合素质， 面向生产、 建设、 管理、 服务等一线或岗位群并适应其需求， 具有可持续发展潜力的高级应用型专门人才的高等学校。 相对于科学型人才培养而言， 应用型人才则是更强调学以致用， 在熟练的技能操作基础上， 具有规划、 分析和解决多种实际问题的能力。 对已有的技术和知识在不同的应用场合进行创新组合， 以解决现实中多样化的问题。

数据分析与预测课程是管理学院2011年为信息管理与信息系统专业开设的专业课程， 注重培养学生的数据加工、 分析、 信息处理等能力， 是一门实用性很强的综合性课程。 通过本课程学习， 使学生掌握数据分析与预测原理和方法， 应用现代计算机技术解决经济与管理理论及实务问题。

一、 课程教学现状

（一）课程内容

在2011版教学大纲中， 数据分析与预测课程内容以数据的处理与统计分析、 数据分析预测模型的使用以及管理决策与模拟分析为主。 课程内容涵盖面比较广， 学习该门课程需要有一定的计算机操作、 概率与数理统计、 统计学、 管理学等基本知识， 在教学中需对各种知识的融合与综合应用进行研究， 这对教师的教学经验、 能力和知识运用都有较高的要求。

此外， 随着信息技术及应用模式的飞速发展， 全球数据量及复杂性都在急剧增长。“大数据” 时代的到来给我们的人才培养带来挑战。 我国企业对商业智能的应用需求呈明显上升趋势。 鉴于此， 我国高校纷纷在信息类、 商务类、 工程类及管理类专业中开设商务智能课程， 作为专业特色课程或专业选修课程。 数据挖掘技术作为其中的核心部分成为各类数据分析类课程教学中的重点。

目前的课程内容在数据挖掘方面安排有一个章节两个课时的内容， 该章节为学生了解行业前景， 继续深入学习数据分析方面的知识做了相关的知识介绍和准备， 但并没有在相关的技术和内容上继续深入讲授， 只能作为一个相关知识的引导。 面对市场和行业的需求， 在课程内容上进行必要的更新和补充。

（二）课程结构

目前该门课程有32学时教学课时， 全程教学在实验室完成。 课程教学采用边讲解边操作、 再练习的方式完成， 实验过程安排比较散。

由于学时的限制， 综合案例的训练和练习还是比较紧张的， 学生理解不够透彻。学生对于小实验操作很熟练， 但是综合能力训练还不够。 一部分学习能力较强的同学是通过课后和老师的交流来完成这部分知识的补充， 但在教学实践中， 具有这种主动性与积极性的学生相对较少， 大部分的学生还是课堂讲什么就学习什么。 而且， 学生的课后自学也缺乏连续性和系统性。 因此， 课程安排上缺乏足够的实践教学时间。

（三）教学方法

良好的教学方法往往对教学的效果产生着很重要的影响。 本课程在教学方法上，由于其综合性和实践性的特点， 教学中采用了案例教学加任务驱动的教学模式。 通过案例将理论联系实际的效果以一种容易理解的方式展示给学生， 降低了知识的枯燥性和抽象性。 通过任务驱动的模式， 让学生对于数据分析案例能主动地思考和分析， 引导学生去学习相关的数据分析方法， 而不是简单地将分析理论和技术以填鸭的方式传授给学生。 将学生的学习行为化被动为主动。

在课程教学中， 合适案例是案例教学的重点之一。 虽然日常教学中， 零散的案例有很多， 但是一个完整的、 系统的案例却并不是很容易设计的。 一套完整的、 典型的、具有启发性的案例设计需要在教学中不断的凝练和整合。 能将数据的获取、 整理、 分析、 综合报告的撰写等各个知识模块串联起来， 形成连贯的思路， 提高学生分析、 解决问题的综合能力， 有利于学生对问题的整体认识和理解。

二、 教学效果分析和问题思考

两轮教学实践表明， 学生数据分析能力和研究能力明显提升， 在各种学生竞赛、课程设计、 毕业设计中学生运用数据分析技术参与研究并解决多种管理问题， 部分学生还结合教师课题进行了相关的研究工作， 取得了优良的成绩。

基于上述的问题分析， 在本课程的教学中， 仍然需要对课程进行进一步的改革和完善。 结合2013版教学大纲的制定， 课程主要在教学内容和结构上进行了调整和改革。

（一）课程内容的更新(www.daowen.com)

为满足市场和行业对学生能力的需求， 课程课时由32课时增加到48课时。 课程内容缩减了数据的基本统计分析与处理的内容和课时， 减少了关于数据统计基础理论知识的讲解， 侧重数据分析应用技能培养， 同时增加了关于数据仓库和数据挖掘方面的知识和应用内容。 将以统计分析为主的课程， 拓展为以数据挖掘和商务智能为主的课程。

但是数据分析和挖掘方法本身就是一个博大精深的领域， 而课程的学时是有限的，所以课程实践中还需要对有限的学时内所教授的内容进行不断的整合， 根据学生对于新知识的接受程度， 来确定合适的分布比例。

与此同时， 为面向应用型学生能力培养的要求， 在教授数据分析和数据挖掘的知识时并不是单纯讲解理论内容， 而是强调如何在面对问题时， 利用合适的工具去选择方法， 得出结论并解释结论， 而不是过程计算。 当然， 这样并不意味着就不讲解理论，如果理论内容过少， 则对于结果的解释难以深入， 如果理论内容过多， 则对操作方法的练习会时间不够。 因此在教学中， 考虑到我校学生的特点和基础， 如何确定理论和实践操作的最佳比例仍然是教学研究的重点。

（二）课程结构的调整

为更好地让学生吸收消化新知识， 强化对课堂知识的理解和应用， 在教学结构设置上， 增设了课内实验的环节。 计划在每两节理论课后， 增设一节独立实验课时。 因此。48课时中的16课时是课内实验环节。

通过实验课时的增加， 教师可以在专门的实验环节对学生进行直接指导， 及时地发现和解决学生在应用中出现的问题。 并结合综合案例的分析对学生进行系统的指导和练习。

统计分析和数据挖掘具有一系列可以使用的工具， 在具体方法和所采用的工具上有许多共同点， 但工具的使用复杂难易程度也有所不同， 所面对的数据对象、 应用场合和环境也不尽相同。 根据我校学生的特点， 在实验中应选择大众化的、 市场主流应用、 学生容易上手的数据分析和挖掘工具， 比如SPSS （Statistic Package for Social Sci-ence） 和SQL Server系列软件。 前者是一款功能非常强大的、 专业的数据统计软件， 其突出特点就是界面友好， 学生很容易接受和操作。 后者是学生在以前的学习中就应用和操作过的软件， 因此使用起来也不会有太多困难。

教学中， 工具的使用只是一方面， 让学生从主观上去愿意和乐意接受实验操作，更重要的是教授学生如何从应用的角度去选择分析和挖掘方法， 并根据不同的问题背景灵活使用工具。 经过两节理论知识讲解， 紧跟一节课的实验， 可以趁热打铁， 让学生尽快深入理解所学的方法并应用起来， 从而提升其分析和解决问题的能力。

（三）课程案例的凝练

由于课程的实践性特点， 在教学上吸收原有教学方法和教学经验仍然采用案例式和任务驱动结合的教学模式， 从应用出发让学生掌握更加实用的知识。

前期的数据分析练习基本都是零散的， 在新版大纲的课程计划中， 由于有单独的实验安排， 因此可以将综合案例的练习引入。 综合案例的设计可以以某行业应用为背景， 进行一系列的数据分析和挖掘练习。 比如以金融理财为主题， 进行数据调查和分析， 锻炼学生设计问卷、 数据分析与挖掘、 撰写报告、 总结问题等一系列的能力。 此外结合小组讨论和任务分解， 也锻炼了学生的主动思考、 积极探索、 团队合作等能力。最终达到提升学生综合分析问题和解决问题能力的教学目的。

案例的选择和内容整合是一个不断完善的过程， 教学中需要根据学生的实际情况进行适当的调整和优化。 对于新增的数据挖掘知识如何很好地和原有案例恰当融合也是将来教学实践中需要关注的重点。

三、 结语

在面向应用型本科数据分析与预测课程的教学上和传统的高校本科教学存在着诸多的差异， 如何结合学生的特点和市场对人才的需求， 在教学中还需要不断的探索和实践。

参考文献

［1］ 陈景增. 高校应用型创新人才培养模式 ［J］. 高等工程教育研究，2005 （1）.

［2］ 洪熹. 应用型本科 《数据结构》 课程的教学研究 ［J］. 福建电脑， 2013 （3）.

［3］ 冯芷艳， 郭迅华， 曾大军， 陈煜波， 陈国青. 大数据背景下商务管理研究若干前沿课 ［J］. 管理科学学报，2013，16 （1）.

［4］ 谷瑞军， 陈圣磊， 汪加才. 《商务智能与数据挖掘》 教学研究 ［J］. 电子商务，2010 （10）.

［5］ 任成梅， 张士玉， 王艳娥， 马丽仪. 数据分析与预测课程的教学探索与实践［A］. 尹庆民. 应用型高校经管类人才教育教学创新研究 ［M］. 北京： 中国时代经济出版社，2013.