基于相關性分析的經管類學生數據處理能力研究

張葵 孫正 夏文學

摘 要：文章通過問卷調查以及相關性分析方式，挖掘影響經管類學生數據處理能力提升的關鍵因素，并提出了有效實施“商務決策技術”課程的教學的設計策略。

關鍵詞：大數據；數據處理；商務決策技術

中圖分類號：G640 文獻標識碼：A 文章編號：1002-4107（2016）07-0068-02

隨著大數據時代的到來，數據分析已從過去由專門數據處理人員勝任的工作，變成了商務管理人員的日常事務性工作。企業在享受大數據便利的同時卻面臨著數據分析人才嚴重短缺的難題。據麥肯錫公司預計，到2018年，美國數據分析專業人才的缺口將高達14—19萬，能夠使用大數據幫助企業高效決策的管理人員的缺口將達150萬[1]。因此，順應大數據時代的需要，培養具有數據處理能力的專業人才，已成為目前世界各國高等教育改革的首要任務。

本研究運用大數據時代的思維方式和工作方式，力圖設計一門緊密聯系企業實踐的數據分析課程——“商務決策技術”，以提升學生的商務決策能力，滿足大數據時代企業對管理人才的新要求。

一、數據處理課程設置現狀

隨著大數據時代的到來，我國高等教育研究者針對大數據的特點，對已有的數據處理相關課程進行了改革。如：李海林根據大數據具體特性，從授課內容以及實踐環節對高校數據挖掘課程進行了詳細設計[2]；邱勝海等針對關系型數據庫在面對大數據管理時存在的問題，給出了開展非關系型數據庫教學的具體措施[3]。然而這些以大數據為時代背景的教學改革，并非面向數理基礎較差的經管類學生。為了提高經管類學生的數據分析能力，我國很多高校已開設數據分析與建模方面的相關課程，也撰寫了相關教學書籍。如：蔣紹忠[4]、劉蘭娟[5]等編寫了各類商務數據分析教材；葛虹等[6]以經管專業課“數據分析與管理建?！睘槔?，提出了知識的系統性訓練和創新能力的培養的建議；鄧維斌等針對經管類學生在數據分析能力培養中存在的問題[7]，提出編寫針對性強的實驗指導教材，構建科學的實驗教學體系，改變實驗教學模式等主要改革措施。然而，這些為經濟管理類學生開設的數據處理課程中沒有加入大數據的相關內容。

本研究圍繞即將開設的“商務決策技術”這門新課，基于大數據理念，從課程內容、教學手段等方面對該課程進行全方位設計。在設計前，為方便日后跟蹤學生的學習進展，對學生的數理基礎和學習需求等方面進行了問卷調查，并對調查結果進行詳細分析。

二、經管類學生數據處理能力現狀調查與分析

（一）調查問卷設計

本調查共發放問卷250份，回收有效問卷234份，回收率達到93.6%。主要由2013級和2014級經管類學生填寫。主要借助于李克特量表的形式測試學生對相關問題的認知程度。

設計《大數據理念下數據分析方法教學調查問卷》，除了了解學生的性別、年齡、班級、文理科生等基本信息外，還從四個方面進行了詳盡的調查：前沿技術、學習動機、教學方法以及考核方式。

（二）調查結果分析

四個方面的調查結果如下。

1.學生對前沿技術的了解程度。很多學生對最新的前沿技術不甚了解。僅118人（占50%）聽說過“云計算”，87人（占37%）聽說過“物聯網”，即使大部分學生會使用手機上網，但調查結果卻顯示僅168人（占72%）知道“移動互聯網”這個詞。對“大數據”的了解更為有限，聽說過“大數據”這個詞的人僅78人（占33%），能準確或大概說出其含義的僅49人（占21%）。其中，25人認為大數據的主要特征是“數據量大”；27人認為是“數據類型繁多”；8個人認為是“價值密度低”；18人認為“處理速度快”，僅3人將大數據的這四個特征全部選中。雖然大部分人對大數據不甚了解，但207人（占88%）對大數據的未來前景較為樂觀，173人（占74%）已經感受到了大數據在日常生活中的存在。

2.學生的課程選修情況。為了了解哪類學生會選修這門課程，是數據處理基礎好的學生？還是對數據處理感興趣的學生？學生學習的自信心強弱會不會影響他們的選課？如果所學課程對學生未來工作有用，會不會有更多的學生選這門課呢？帶著這些問題，本研究使用SPSS中的Pearson相關性分析法挖掘出影響課程選修狀況的主要因素。

從分析結果中可以發現，學生是否選這門課主要取決于兩大因素：“工作需要”（相關系數為0.427）和“學習信心”（相關系數為0.163），與學生的“數據處理基礎”、“對數據分析是否感興趣”的關系不大。也就是說，如果學生認為學習這門功課對未來的工作有用，即使他們的數理基礎并不好，學習興趣也不大，他們依然會非常樂意選此課；此外，學生的自信心也是學好這門課的關鍵。很有信心學好數據分析方法的學生僅占12%，86%的學生對此沒有把握。提及何種工作會用到數據分析技術時，僅有131人（占56%）覺得數據分析技術對管理工作有用，91人（39%）覺得對銷售工作有用；而94人（占40%）覺得數據分析技術對管理或銷售工作根本沒用，僅數據分析員或IT工作人員會用到該技術。

3.學生喜好的教學方法。近60%的學生對教學方法不甚了解，特別是現代教學方法。在調查過程中，我們對四個目前熱門的教學方法，如：案例式教學法、討論式教學法、翻轉課堂、MOOC進行了詳細介紹。最后，65%的學生偏愛案例式教學法，47%的學生偏愛討論式教學法，對于翻轉課堂僅有19%的學生愿意嘗試，MOOC僅13%的愿意嘗試。當問到哪種教學方法適用于本課程的教學時，44%的學生希望使用案例式教學法，23%的學生覺得翻轉課堂不錯，22%的學生依然喜歡以教師為主導的講授式教學方法，88%學生認為MOOC不適合數據處理課程的教學工作。

4.學生喜歡的考核方式。僅有18%的人愿意閉卷考試，開卷考試和學生上臺講解的考核形式最受青睞。此外，78%的學生希望參與到教師評分中，同意教師獨自給分的僅占18%，同意僅依靠學生評分的也只占6%。

三、“商務決策技術”課程教學設計策略

根據以上分析，擬在實施本課程教學時注重以下幾個方面。

（一）提高學生學習數據分析技術的自信心

該課程涉及定量分析，這是經管類學生最為薄弱的知識點。從調查分析中可以發現，“工作需要”和“學習信心”這兩個因素對學生選修該課程比學生的“數據處理基礎”和“學習興趣”更為重要。因此，本課程首先安排2至4個學時來講解什么是“大數據”，大數據在未來各個領域的應用前景，并通過實例、視頻或實地調研讓學生了解商務數據分析的一些實際應用，只有當學生切身體會到了數據分析技術在未來生活中的應用價值，才能從根本上調動他們主動學習的積極性和自信心。

（二）豐富大數據相關內容

大數據最重要的應用就在于預測，而預測是商務決策的基礎。以往的經濟預測多依賴于因果模型的分析，而大數據分析則是運用相關性分析方法從海量數據中發掘數據之間的聯系，進而進行有效的預測。因此，本課程將重點講授相關分析方法，不僅講授諸如簡單線性回歸、Pearson相關系數等傳統相關分析方法，還會介紹大數據相關分析方法，如：最大信息系數、隨機相關系數等。

（三）采用多種教學模式與方法

從調查分析中了解到：以往以教師講授為主、學生被動學習的傳統教學模式不再受到學生的青睞，翻轉課堂、案例教學法、討論式教學法是學生喜愛的教學方式。因此，本課程將采用學生平等參與的討論式教學方式，并事先設計“自主學習任務單”、制作教學視頻、布置案例教學任務等多種教學手段，將教師的教學職能從單一的講課向設計、組織、幫助與指導方向轉變。

（四）師生共建考核方式與信息反饋機制

調查分析結果表明：傳統死記硬背的考核方式不再受到學生的歡迎，開卷考試和上臺講課的考核形式更能全方位地衡量學生處理實際問題的能力。因此，本課程擬首先讓教師和學生共同制定考核目標，細分考核內容以及考核方式；然后由學生自主選擇考核方式和內容。評分時，組織成立學生考評團，所有學生輪番成為考評團成員，與老師雙向溝通，共同評分。

本文展示了“商務決策技術”課程開設的調查研究工作，并依據分析結果，提出順應大數據時代需要，培養具有現代數據處理能力的管理人才的具體措施。希望通過培養學生學好數據處理方法的興趣和自信心，通過制訂合理的教學計劃、設計新穎的教學內容、運用現代化的教學模式、采取師生共同參與的考核方式，來提升學生適應大數據時代市場需要的數據素養。

參考文獻：

[1]Manyika J.，et al.Big data：The next frontier for

innovation，competition，and productivity[EB/OL].

[2015-11-03].http：//www.mckinsey.com/insights/

business_technology/big_data_the_next_frontier_

for_innovation.

[2]李海林.大數據環境下的數據挖掘課程教學探索[J].

計算機時代，2014，（2）.

[3]邱勝海，周玉敏，高錫榮等.大數據時代非關系型數據庫

教學與實驗改革探索[J].電腦知識與技術，2013，（9）.

[4]蔣紹忠.數據、模型與決策——基于Excel的建模和商

務應用[M].北京：北京大學出版社，2013.

[5]劉蘭娟等.經濟管理中的計算機應用[M].北京：清華大

學出版，2013.

[6]葛虹，韓偉一.多模式交互教學與教學工作量評估——

以“數據分析與管理建?！睘槔齕J].黑龍江高教研究，

2013，（2）.

[7]鄧維斌，周玉敏，高錫榮.經管專業數據分析能力研究

[J].數字通信，2013，（2）.