前言：中文期刊網精心挑選了統計學大數據分析范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。

統計學大數據分析范文1

關鍵詞：聽障大學生； 教學評價； 統計分析

【中圖分類號】G762

學生教學評價，即學生作為評價主體對教師的教學質量進行評價。其主要目的是為教師的教學提供有用的反饋，以促進教師提高教學質量，從而為提高學生的學習效果服務 [1、2]。聽障大學生，作為特殊的學生群體，日常教學應賦予更多的關心和愛心。對聽障大學生教學評價數據的研究，可以促進從事特殊教育的老師改善教學方法，調整教學態度，進一步提高特殊高等教育的課堂教學質量顯得格外重要。

數據數理統計分析是數學的一個分支，是指研究如何有效地收集和使用帶有隨機性影響的數據。通過數據的數理統計分析，可以進行數據的整理和問題的推斷[3]。現代數理統計分析的一個顯著特點就是運用計算機實現有關的統計計算與分析，目前也有許多應用計算機軟件對于教學質量進行分析討論的報道。本文利用SPSS軟件（Statistical Product and Service Solutions）對聽障大學生教學評價數據進行統計分析，以更好的發揮評價的診斷、激勵和導向的作用。

一、數據分析來源

本文數據來源于某大學某學期聽障大學生教學評價數據，共涉及25門課程。教學評價分為十項指標，分別為“tm1”：儀表端莊，教態自然，精神飽滿；“tm2”：上課準時、足時，認真負責，嚴格要求學生；“tm3”：關懷和尊重學生，有固定的輔導和答疑時間師生關系融洽；“tm4”：教學目標、要求、考核形式明確，推薦有助我們學習的參考文獻；“tm5”：授課內容充實，信息量大，重難點突出，進度安排適當；“tm6”：作業有利于我們掌握知識和自主學習，批改和分析認真；“tm7”：思路清晰，闡述準確，語言規范生動；“tm8”：因材施教，注重學生創新意識和能力培養；“tm9”：教學方法靈活，教學手段恰當，注重互動，課堂氣氛活躍；“tm10”：掌握了本課程的核心內容，激發了學生學習興趣，提高了分析問題、解決問題的能力。

二、分析方法

本文主要使用了SPSS軟件中的描述性統計分析（Descriptive Statistics，得到原始數據轉化成標準化的取值，可以直觀了解數據的情況，同時便于進一步分析）；K-S單樣本檢驗分析（Kolomogorov- Simirnov One-sample Test，主要考察數據是否符合正態分布）；主成分分析（Principal Component Analysis，將多個變量通過線性變換以選出較少個數重要變量）；K中心聚類分析（K-means cluster analysis，將數據進行分類，辨別樣本之間的親疏關系）；單因素方差分析（one-way ANOVA，調查按某個研究因素的不同水平分組后該因素的效應）。

三、結果與分析

（一）學生教學評價整體情況及正態分布分析

分析教學評價整體情況可以了解聽障大學生課堂教學質量的總體情況。從表1可以看出，該學期聽障大學生教學評價總分范圍在81.48-99.82之間，平均成績為89.69±3.62。利用SPSS軟件進行正態分布分析，得到表2及圖1。從表2得到單樣本K-S檢驗Z統計值為0.500，漸近顯著性水平為0.964，遠大于0.05，因此教學評價結果符合正態分布。

（二）學生教學評價指標主成份分析

利用SPSS進行學生教學評價指標主成份分析后，得到表3。主成份分析法只提取到1個成分，且變量系數均接近1，因此可以認定本體系10項指標相互獨立，影響較小。

（三）不同課程學生教學評價聚類分析

通過SPSS軟件K中心聚類分析方法，將25門課程進行聚類分析，得到表4、表5。從表4可以看出，通過聚類分析，通過學生教學評價成績將25門課程分為了2類，1類優秀成績為15門課程，2類良好成績為10門課程。表5則表示每門課程所屬聚類。

（四）學生教學評價指標的聚類分析

通過SPSS軟件K中心聚類分析方法，將學生教學評價十項指表每門課程的得分進行聚類分析，得到表6、表7。通過聚類分析，將評價指標分為了2類，指標1、2、3被歸為類別1，可以看出主要是指教師的教學態度；指標4-10被歸為類別2，主要考查教師的教學業務水平。

（五）不同學科類別科目學生教學評價差異性分析

根據課程不同性質，將參與評價的25門課程分為了學生思政（兩課）類、文科（外語、語言等）類、理科（數學、物理等）類。

利用SPSS進行單因素方差分析。文科類課程與理科類課程學生教學評價成績有顯著性差異，且文科類課程得分要高于理科類課程。原因可能由于理科類課程需要大量邏輯思維能力，聽障大學生可能在這方面有所欠缺，因此課堂教學效果不如文科類課程。此外，學生思政類課程與文科、理科類課程均沒有顯著性差異，其得分介于兩者之間。

（六） 不同職稱教師授課學生教學評價差異性分析

根據授課教師職稱不同，將參與評價的25門課程分為了教授授課、副教授授課及講師授課三類。

利用SPSS進行單因素方差分析。教授授課類學生教學評價得分與副教授、講師授課類直接均存在著顯著性差異，且總分均值要高于其他兩類。可見，教授因為在知識、授課經驗上的累積，其教學效果要好于副教授及講師。副教授及講師教學評價得分則無顯著性差異。

四、結語

本文通過計算機軟件等輔助手段，將原本多而無規律的教學評價數據進行了分析處理，獲得了許多有價值的信息，這些都有利于教育管理進行優化管理，更好的做出決策，為強化教學管理、提高教學質量打下基礎。本文只是在聽障大學生教學評價過程中，利用計算機輔助手段進行分析的初步探索。教學評價是一項非常復雜的質量監控的過程，如何進一步利用計算機軟件等為教學質量提供支持，有待我們繼續研究。

參考文獻

[1] 魯進勇，夏建剛. 本科教學質量評價的文獻綜述[J].學問?科教探索，2008，18：24-25.

統計學大數據分析范文2

關鍵詞：大數據 統計專業 核心

中圖分類號：G632 文獻標識碼：A 文章編號：1674-2117（2014）10-0008-02

1 大數據的統計涵義

通常來說，凡是數據量超過一定大小，導致常規軟件無法在一個可接受的時間范圍內完成對其進行抓取、管理和處理工作的數據即可稱為大數據。業界通常用4個V（即Volume、Variety、Value、Velocity）來概括大數據的特征：數據體量巨大、數據類型繁多、價值密度低、處理速度快。

大數據潮流讓我們獲得了海量的數據，數據已經成為相關行業創造價值的重要資源。因此，許多IT企業和互聯網企業都已將業務范圍延伸至大數據產業，探索大數據驅動的業務模式。2012年，美國政府投資2億美元啟動的“大數據研究和發展計劃”，更是將大數據的研究上升到國家戰略層面。然而，大數據的真正意義不在于數據量的巨大，而在于對數據信息進行專業化的處理，核心是對數據進行分析。面對大數據，越來越多的領域都開始運用數學特別是統計學的工具，挖掘大數據中真正蘊藏的價值。正如西內啟在《看穿一切數字的統計學》書中所指出的，“從數據中得出有意義的結果，關鍵在于控制和減少誤差，得出因果關系，單純收集數據并加以全部量化分析在很多情況下會得出謬誤結果，”而科學的統計學方法是得出因果關系的最佳方法。

從統計學角度看，一方面，大數據具有類型繁多、結構復雜、體量巨大等特點，海量數據以分布式方式進行存儲，特別是圖片、音頻、視頻等非結構化數據的廣泛存在，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，亟需統計方法的革新。另一方面，數據分析結果需要用生動、直觀、容易被接受的方式展示給讀者，可視化分析能夠直觀地呈現大數據的特點，闡釋數據與數據之間的聯系。因此，統計學要挺立大數據潮頭，創新統計分析工具、可視化分析方法，以大數據的挖掘和應用為核心，將傳統文本、圖像的統計、分析向數據分析轉變，以適應大數據時代的發展及其對統計學帶來的挑戰。

2 大數據時代統計學教育面臨的挑戰與應對

據互聯網數據中心（Internet Data Center）預測，中國大數據技術與服務市場將會從2011年的7760萬美元快速增長到2016年的6.16億美元，而據業界專家估算，中國大數據市場的人才需求量至少為100萬人，其中統計人才、技術更是捉襟見肘。傳統數據收集和分析技術的知識結構已不能滿足大數據時代對“數據科學家”的要求，多家企業在面對大數據發展時遭遇人才瓶頸。大數據相關人才供給不足將會成為影響大數據市場發展的一個重要因素。

當前，全世界范圍內已有數百個高校開設了大數據分析專業。卡內基梅隆大學和新澤西州立大學在培養目標和課程設置上項目設置偏重于計算機方向。課程設置偏重統計學與運籌學（包括決策科學）的典型學校有田納西大學和約克大學。2013年，北京航空航天大學與慧科教育合作開辦了國內首個“大數據技術與應用”軟件工程碩士項目研究生班，這是目前國內唯一一個培養大數據行業專業型人才的項目，但其培養目標、知識體系是面向計算機領域，而立足統計學基礎的大數據分析人才培養項目，在國內可謂是鳳毛麟角。

知者隨事而制。高等院校統計學專業要通過有效利用和整合人才培養資源，承擔大學人才培養的責任，駕馭大數據的浪潮，占領大數據發展人才培養的制高點，體現高等院校向社會、企業提供智力支撐，輸送企業亟需的復合型、實用性大數據分析人才的載體作用，確保產業科學、持續、高速的發展。一是教育資源的整合，走在前列的首都經濟貿易大學、北京大學、中國人民大學、中國科學院大學、中央財經大學五所應用統計專業碩士培養單位在北京成立了“中國大數據教育協同創新體”，在高校之間實現學科融合、優勢互補、強強聯合，通過共享優質資源平臺、共同建立課程體系、共同建設案例資源庫、聯合搭建實踐實訓平臺等多種形式，創新人才培養體制機制。二是高等院校教育資源與業界資源的整合，通過與國有超大型企業、互聯網翹楚的協同培養，立足應用統計專業碩士教育，建立人才培養基地，進行協同創新，探索構建應用統計（大數據分析）專業碩士人才協同培養模式。以緩解當前大數據人才供需矛盾為目的，建立“校校協同、校企協同、院系協同”的大數據分析方向人才協同培養模式，最終實現協同培養“數據科學家”的目標。[5]

3 面向大數據分析方向的應用統計專業碩士培養模式的構建

本研究認為，可以將大數據分析及相關的案例教學模式融入應用統計專業碩士學位研究生的培養過程，進而打破統計學傳統的以闡述統計理論、公式推導、數學計算為主的教學模式。以情境浸潤為基礎，為學生呈現統計學在大數據領域應用為核心的教學模式，可以培養學生對大數據的挖掘、整合、分析價值的能力，以期更好、更快地適應企業對數據分析師、數據科學家的需求。

3.1 科學構建課程體系，突出大數據分析特點

大數據具有強烈的行業特點，在充分借鑒國外大學成功經驗的基礎上，大數據分析專業碩士的課程設置，強化數據分析能力和數據挖掘能力，注重上述技術在金融等領域的應用。必修課在講授統計基礎理論（描述、多元、時序、空間、可視化等）課程的基礎上，為增強學生的大規模分布式計算技能，引入主流的大數據計算平臺，如Hadoop分布式平臺、MapReduce并行編程算法。與此同時，為提高學生動手能力，構建數據模型思維，開設《大數據分析案例》等多門課程。選修課方面，考慮到學生二次開發的需要，設置大數據開發基礎課程，如C++、Java等。為突出應用統計專業碩士側重應用的特點，開設面向數據的編程語言，如R、SAS、Python等課程。這些課程模塊的設置并非體現某一學科知識的縱深發展，而是將相關學科的知識融合，有利于突出大數據分析的特點。

3.2 創新教學培養模式，注重培用結合

以“編組”方式開展教學活動。授課教師和學生均采用團隊編組模式，多名教師協同工作，共同完成一門課程的授課任務。打破原有學科思維、教材的束縛。采用導師指導與集體培養相結合的方式。教師不可照搬舊有的教學大綱、課程內容，要學習和熟悉大數據相關知識體系與技術新進展，充分結合大數據分析需求和實際案例，使課程內容緊貼實際需求，注重培養學生對模型的理解，對數據的想象力，真正實現學以致用、培用結合。

采取“訂制化”培養模式，突出培養與應用相結合的特點，力爭做到人、崗的高度匹配。“訂制化”培養模式打破了目前應用統計專業碩士統一培養、與市場需求脫節的模式壁壘，教學實踐以市場需求為導向，依照企業的崗位標準、用人要求，強調以崗位需求制定培養方案，更好地滿足用人單位對大數據分析人才的需求。

3.3 開展校企協同培養，構建問題導向、項目牽引的實踐教學模式

根據國務院學位委員會的規定，應用統計學專業碩士學位研究生教育的目的是培養具有良好的統計學背景，系統掌握數據采集、處理、分析和開發的知識與技能，具備熟練應用計算機處理和分析數據的能力，能夠并適應行業或職業實際工作需要的應用型高層次人才。因此，要摒棄普遍存在的重理論輕實踐、重知識輕技能的教學方式。

協同創新培養在實踐教學中建立了以問題為導向，以項目為牽引的運作機制，強調實踐教學內容的呈現方式要面向企業需求，讓學生參與到企業的項目運行過程中，引導學生建立業務建模能力，培養學生的數據資源整合能力，激發學生參與項目的積極性和自覺性。學生不拘泥于學校的實驗實訓基地和各類實驗室，在第二學年中安排一定時間走出校門，進入到企業的實際環境中，參與企業的項目組織、實施過程，在實踐過程中提升自我認知能力，在實踐過程應用知識和理論研究實際問題的能力，培養和鍛煉數據資源整合能力、溝通協調能力、IT支撐能力、業務建模能力，真正實現面向能力培養的目的。指導教師方面，在案例教學和實習階段引進業務素質高、項目經驗豐富、對大數據發展有敏銳洞察力的企業高級數據分析人員，指導學生在實習實踐中提出問題、建立模型、解決問題的能力。

4 結語

應用統計（大數據分析）專業碩士人才協同培養模式，是一項可持續發展的應用統計專業碩士人才培養的新模式，是專業碩士教學實踐的創新舉措，也是在全國率先建立起來的立足統計學，在大數據分析人才層面建立的校校協同、校企系統辦學體。體現了面向能力培養、面向社會需求培養、面向人才價值培養的“三個面向”的培養目標，著重培養學生分析數據、處理數據、展示數據的能力，對于培養“高層次、實用性、復合型、國際化”大數據分析人才意義重大，同時也是順應大數據技術革命的浪潮，必將對大數據等新興技術產業的發展注入活力。

（首都經濟貿易大學，北京 100070）

參考文獻：

[1]劉軍.Hodoop大數據處理[M].人民郵電出版社，2013.

[2]大數據的四個典型特征[N].中國電子報、電子信息產業網，2012（12）.

[3]CCF大數據專家委員會.2014年大數據發展趨勢預測[J].中國計算機學會通訊，2014（1）：32-36.

統計學大數據分析范文3

關鍵詞：大數據;統計學;發展

由于科學技術的不斷發展，大數據席卷了全球，各行各業在經營管理中都離不開大數據的統計與分析，對于政府單位來說，大數據更如經常便飯，大數據主要利用多樣式和多層次的采集方式進行數據采集，在分析數據時利用現代科學技術手段和高速處理數據的信息系統，分析的數據結果為公司或者政府單位的決策做參照。大數據的發展給統計學不僅帶來了機遇，更重要的還有挑戰。一方面信息技術和網絡科技的發展為數據收集和整理帶來了便利，另一方面由于近幾年電子商務的迅速崛起，數據量更加的繁雜，所以又給數據統計時帶來了麻煩，種類不斷增多的大數據資源，正在成為政府統計部門分析研究的重要領域。

一、大數據與統計學的區別

我們就大數據自身而言，要想在信息化迅猛發展、數字爆炸式增長的現代信息平臺中尋找到自己想要的有效數據，就必須依靠數據統計來完成。這就充分證明了關于大數據的相關研究是要和統計學緊密的聯系在一起的。但是其與統計學也存在巨大的差別，它的使用模式和運用方式是不一樣的。統計學需要依靠樣本抽樣的方法來進行數據整體和提煉的，這就意味著會有人力、物力以及財力的投入，其成本相對于大數據來說是比較高的而且過程是相對比較繁瑣的。而大數據主要依靠網絡信息平臺，在海量的電子數據信息中查找自己所需要的數據，具有來源廣、數據量大、整體性的特點，其是以整體的數據作為一個大樣本進行工作的，數據相對于統計學來說更加的精確化及標準化。因此，統計學和大數據的結合過程中，要充分發揮大數據全面性和統計學高效性的特點，在利用統計學進行大數據樣本的統計過程中要對整體的數據資源進行選擇和篩選，這樣能避免樣本統計的弊端，還可以把樣本統計的優勢發揮到極致。

二、大數據時代下統計學教育的發展

（一）培養全方面素質人才

統計學專業的學生與文管專業的還不一樣，文學專業的以及管理專業的學生都比較善于交際，善于溝通，而統計學是理科專業，很多學生只善于埋頭做題計算，這樣的話在以后的工作崗位就會感覺吃力，因為做數據統計，必須要與其他部門學會溝通，協同工作這樣才能把數據統計和分析的準確。要鍛煉自己的交際能力和溝通能力，針對不同數據信息做出不同的溝通與交流，從數據中挖出有價值的信息，需要本身具有數據敏感性，但是對數據的敏感程度也不是先天所帶來的，更不是一朝一夕就能鍛煉出來的，而是要經過時間的積累和數據分析工作的磨練，同時也可以根據案例型的數據分析材料，積累閱歷，提升對數據資源的敏感程度。

（二）培養統計學專業的應用型人才

大數據時代下培養的統計學應用型人才應該具有兩方面的基本素質，第一是概念性的，也就是說統計學的相關人才應該掌握統計學基本理論知識和基本素養，這是基本要求，也是培養統計學人才的前提。第二就是實踐性，也就是本文中我們提及的統計學專業的應用型人才，就是在實際操作中處理數據分析數據的能力，應用型人才需要利用理論知識解決實際問題，也需要有較多的經驗與閱歷，不能只會紙上談兵。在高校開展大數據分析學科中，最大的問題就是沒有真是可用的案例和數據，這就需要學校與公司企業走合作道路，這樣一來不僅可以得到真實有效的數據，還能將學生送到企業去實習，進行校企聯合，注重學生的實際操作能力，這是培養統計學專業應用型人才的關鍵點，也是統計學專業人才培養模式中的重點。

（三）促進統計學與信息計算科學的融合

在大數據的分析與研究時，僅僅憑借統計學科的支撐是不夠的，大數據的數據結構性特征已經拋棄了傳統意義上的數據分析模式的非智能化框架，而且數據分析需要利用新型的數據運算方式以及計算機技能分析，這也是進行數據分析的問題所在，因此要想做好數據統計和數據分析工作，只單單依靠單一的統計學科知識的人學習是遠遠不夠的，其需要的是數學，信息技術，統計學三門學科的融合發展，緊密結合三門學科之間的交叉發展，融會貫通，利用各科優勢資源相互彌補不足，這樣才能為大數據的收集，統計，分析做出科學準確的結果。

三、結語

學習統計學的優勢在于：我們可以利用統計學進行大數據的有效整合和利用，使得我們在使用數據時可以更加的便利和高效。隨著信息科學技術的進一步發展，來自各方面的數據出現井噴的狀態，這就增添了我們在數據統計和信息處理時的困難。在現在這個信息化數據爆炸式增長的形勢下，我們要充分全面的利用各方面的數據資源才能充分發揮統計學的優勢，做好預測和分析，同時充分將統計學的優點與完備的大數據資源實現有效的整合，讓統計變得通俗易懂。

參考文獻：

統計學大數據分析范文4

（池州學院數學系安徽池州247100）

摘要：隨著我國社會的不斷進步和科學技術的迅猛發展，數理統計也處于一種不斷完善和發展的過程中，在當前眾多領域得到了普遍的應用。因此，如何加大數理統計在大數據分析中的應用，保障統計工作高效的進行，是當前迫切需要解決的問題。本文研究探討信息時代背景下數理統計在大數據分析中的應用，首先從數理統計的研究內容分析出發，然后對數理統計的特點進行了簡要的闡述。最后對信息時代背景下數理統計在大數據分析中的具體應用進行了深入的分析。希望為今后數理統計在大數據分析中發揮出更大的應用作用，奠定一個具有參考價值的文獻基礎。

關鍵詞：信息時代；數理統計；大數據分析；應用研究

在進行科學研究的過程中，經常會遇到描述兩個及以上的隨機變量、描述隨機變量的分布特征、離散性質或變量大小等等相似的問題，如果不借助于數理統計，就不可能有效的解決這些問題。數理統計這一數學工具的出現，在我國社會的不斷進步和科學技術的迅猛發展的過程中處于一種不斷完善和發展的狀態之中，在當前眾多領域得到了普遍的應用。眾多學者開始考慮如何更加有效的應用數理統計方法去解決具體的數據分析問題，這成為了數據分析過程中非常關鍵的部分，也是當前針對數理統計研究最多的一類問題。

一、數理統計的研究內容分析

數理統計的研究內容，主要包括數理統計在數據分析及數據處理中的基本定義、概念，以數據分析中數理統計的廣泛應用為重點。此外，對數理統計的相關理論進行深化，總結數理統計及實踐操作的特點等等也是當前關于數理統計研究的重要方面。同時，如何有效的將數理統計應用于企事業單位當中以及數理統計對企事業范圍統計工作的價值也是一個重要的方面。

二、數理統計的特點

數理統計的特點主要是基于數據分析而言的，具體表現為通過參考數據資料，將對應的數學模型應用到隨機現象中，借助于有價值的數據，實現數據應用于數學模型的檢驗，從而對數據背后主體的規律、性質以及特點等等內容進行反饋。另外，數據分析以及數理統計二者之間有著非常大的關聯，不僅僅是一個簡單的、固定形態的統計來的一一對應關系。因此，由于數據分析的需要而逐漸演化出來的數理統計方法，實現了數據主體到數據分析、數據分析到數據主體的循環路徑，為最大程度的發揮出數據價值奠定了一個非常重要的基礎條件[4]。

三、信息時代背景下數理統計在大數據分析中的具體應用

數理統計對于大數據的處理主要可以通過數理統計方法實現。在當前，每一個學科對于數據的處理都有自己對應的數據分析方法，而數理統計方法就是眾多學科中交叉的方法，對研究社會活動的各個領域和不同學科之間的研究有著非常大的幫助[5]。因此，數理統計在數據分析中占據的重要的地位。隨著其不斷的發展，也慢慢形成了數理統計理論，并有效的應用于數據分析。通過大數定律，數理統計與數據分析之間產生了相互依賴的關系，總體的相對數及平均數等等相關性指標在數據分析中都可以發揮作用，同時也是建立在大量觀察的基礎之上實現的。

數理統計在數據分析的過程中發揮重要作用的同時，也會對數據分析產生一定的影響，主要體現在以下幾個方面。一是數理統計會對數據的總體分布形態、方差分析以及正交設計、相關分析等等產生顯著的影響，可能是正向的回歸效應，也可能是負面的偏離效應[6]。二是數理統計還可以通過其模型的構建去修正，對數據分析的均值以及方差等等統計學變量產生不同程度的影響。

四、結語

作為一項重要的工作，統計工作必須要依靠數理統計的方法和模式，才能夠充分發揮出應用價值。數理統計這一工具的出現，成為了解決數據分析中常見問題的有效手段。在我國社會的不斷進步和科學技術的迅猛發展，數理統計也處于一種不斷完善和發展的過程中，在當前眾多領域得到了普遍的應用。因此，如何加大數理統計在大數據分析中的應用，保障統計工作高效的進行，是當前迫切需要解決的問題。本文研究探討信息時代背景下數理統計在大數據分析中的應用，首先從數理統計的研究內容分析出發，然后對數理統計的特點進行了簡要的闡述。最后對信息時代背景下數理統計在大數據分析中的具體應用進行了深入的分析。希望為今后數理統計在大數據分析中發揮出更大的應用作用，奠定一個具有參考價值的文獻基礎。

參考文獻：

[1]胥洪燕，陳夢雨.數理統計在數據分析中的應用研究[J].現代商業，2014，05：126.

[2]陳建樺.用數理統計的方法對檢測中出現可疑數據的處理[J].家電科技，2008，01：62-64.

[3]顏鐘得.磨損試驗數據的數理統計處理方法[J].理化檢驗（物理分冊），1995，01：45-46.

[4]顏鐘得，謝致薇.靜態磨損試驗數據的數理統計分析[J].廣東工業大學學報，2007，01：50-52.

統計學大數據分析范文5

關鍵詞：大數據時代；大數據；統計學；數據分析

引言：

目前階段，在計算機處理技術不斷發展的背景下，在對規模較大并且較為復雜的數據進行處理過程中，人們已經逐漸掌握了方法與技能，并且能夠在大規模的數據中找出具有一定價值的信息，所以，大數據時代已經來臨。在數據時代中，在人文社科與人類自然科學技術等方面都會有較大的發展，同時也會一定程度上改變人們的生活與工作方式。除此之外，大數據時代也同樣為統計學提供了良好的發展機會，但也存在一定的挑戰。

一、大數據時代的概念

大數據時代的提出者是麥肯錫，他認為數據已經逐漸進入到各個行業與各業務職能的領域中，并且逐漸成為了主要的生產因素[1]。因此，人們在對大規模數據進行挖掘與應用的過程，也就意味著新的生產率增長的來臨。雖然“大數據”在眾多行業被廣泛應用，但是，特別是在信息與互聯網的領域中應用突出。

二、怎樣理解大數據

（一）大數據概念界定與構成

大數據，即由于日常產生的數據量快速增長，使得數據庫無法利用相應的管理工具對其進行管理與收集，最終導致在進行搜索、分析、存取、共享數據時具有較大的困難。

大數據的構成包括四部分，并將其總結為4V，即Volume，Variety，Value，Velocity[2]。第一部分是價值密度低，將視頻作為具體實例來說，實現連續并且不間斷的監控，其中有價值的數據信息只有一兩秒。第二部分是數據體量極大，已經從TB實現了PB的躍升。第三部分是數據類型眾多，主要包括視頻、圖片、網絡日志以及地理信息等。第四部分是處理的速度超快，可以用一秒定律來解釋。

（二）海量數據帶來哪些挑戰

第一，數據存儲。由于大數據的數據規模是PB級別，所以，存儲的系統也需要進行等級的拓展，并且可以通過磁盤柜或者是增加模塊實現容量的增加。然而，目前階段，數據的增長速度驚人，所以系統資源的消耗也不斷增加，導致系統的運行效率有所下降[3]。因為對海量數據始終停留在分布式的存儲階段，所以，對于爆炸式的數據增長，原有的存儲方案已經無法滿足現有的數據變化需求。

第二，處理技術。由于海量數據的分布性與數據量與以往存在較大的差異，所以，原有的數據管理技術已經處于落后狀態。

第三，數據安全。在互聯網規模逐漸擴大的情況下，數據的應用已經出現指數級別的增長，所以，對于數據安全的保護與監控來說具有一定的難度。

（三）大數據相關應用與實踐

第一，體育賽事應用。以2014年的世界杯為例，在充分發揮記者與編輯敏銳度的基礎上，騰訊也利用對大數據的分析以及云計算等方式來為為其提供移動與社交的數據。與此同時，騰訊與IBM進行合作，并通過文化、賽事與球迷三方面來對世界杯球迷的關注重點進行信息的挖掘，進而實現新欄目的創作，并且在短時間內贏得了廣大球迷的認可與關注。

第二，產品推薦應用。產品推薦的應用比較廣泛，可以對客戶信息、交易歷史、購買過程等數據進行全面的分析，并進行有價值信息的挖掘。同時，針對同一產品的不同客戶訪問信息也可以進行挖掘。最終，通過對客戶行為的分析，來確定消費者的共，這樣就可以更好的為客戶推薦產品。

除此之外，在產品推薦中，可以在對客戶社交行為進行信息挖掘與分析的基礎上來進行社區的營銷。對客戶微信微博以及社區活動中的偏好數據進行分析，并為其提供符合客戶興趣愛好的產品。

圖一

三、如何分析大數據

（一）如何挖掘數據中價值

以匹配廣告為具體事例進行分析，主要有兩種數據。第一種是廣告庫，其中包括廣告庫以及廣告的客戶信息[4]。但是這種數據信息比較適合在傳統數據庫中應用。第二種是用戶在觀看廣告后的行為。可以把以上兩種數據進行有效的結合，并通過相應的算法來體現價值。在實踐應用過程中，可以充分體會到第二種信息的重要作用。可以為用戶提供其所需的信息，并通過群體智能以及群體行為對之前用戶使用的效果進行分析，最終通過具體的反饋機制，將最優質的信息提供給用戶，還可以進行搜索或者是查詢信息。

（二）如何做處理與分析

第一，更新抽樣調查的工作理念。由于大數據時代的數據樣本是以往資料綜合，所以，可以對相關事務的數據信息進行分析，進一步對總體進行了解，還可以更好的了解局部。同時需要解決以下問題：抽樣框架不穩定，調查目的設定不合理、樣本量受限[5]。第二，積極改變對于數據精確度的標準。在大數據時代的背景下，數據的來源比較廣泛，并且對數據進行處理的技術也有所提高，所以，可以允許數據存在不準確的情況。大數據時代需要吸收多種數據，但并需要一味的要求數據精準。第三，合理轉變數據關系的分析重點。由于大數據時代的數據規模比較大，而且結構也十分復雜，變量的關系也比較繁雜。所以，在對數據進行分析的過程中，不應該對因果關系進行仔細的分析，而重要的是對事物相關的關系進行分析。需要轉換思路，對事物關系的形式與目的進行詳細的分析。

四、 大數據對統計學科和統計研究工作的影響

（一） 拓展統計學研究領域

因為大數據時代的到來，所以會對各個領域產生一定的影響，同樣給統計學帶來影響。在統計學中，其主要的研究對象就是其所要認識的客體，是客觀存在事物自身的數量特征與關系。其中，統計學研究對象最主要的特點就是數量性。然而，在傳統的統計學當中，數據主要是試驗與調查的數值。在大數據時代中，統計研究的對象不僅包括以結構數據度量的數量，此外，還可以包括一些無法用數量關系進行衡量的半結構與非結構數據，其中可以包括動畫、圖片、聲音、文本等等[6]。所以，可以說，在大數據時代背景下，統計學的研究對象領域有所擴大。

（二） 對統計計算規范產生影響

在傳統的統計學當中，一般是使用方差、平均數以及相對數等數據計算規范來真實反映事物量特征的，同時還可以反映事物量的關系與界限，能夠通過數據計算規范來計算出具體的數值。但是，半結構與非結構的數據是無法通過傳統數據計算規范進行計算的[7]。所以，在大數據時代的背景下，傳統的數據計算規范也同樣遇到了難題。

（三） 對統計研究工作的過程產生影響

1. 數據整理和分析

第一，數據審核。原有的數據審核主要的目的就是對數據準確性和完整性進行嚴格的檢查。但是，在大數據的時代中，對數據的審核就必須要確保數據處理的速度以及預測的準確程度，同時還需要對數處理的規模進行準確的確定，也就是數據量級別的確定。除此之外，因為大數據自身具有不穩定性，并且十分混亂。但是，即使是這樣，大數據也能夠挖掘出信息內部存在的隱蔽關系以及有價值的知識。所以，大數據所反映的研究對象存在準確與不準確兩種，但是，任何一種的數據都具有一定的價值，通常情況下是不需要進行替換或者是刪除的[8]。

第二，數據存儲。在以往的數據存儲中，審核、匯總以及編制的圖表等資料是重點資料，并且需要進行保存起來的。然而，大數據保存最主要的目的就是對存儲的成本進行有效的控制，同時需要根據相應的法規計劃來確定數據存儲的規模。

2. 數據積累、開發與應用

第一，數據積累。傳統統計工作主要是根據所制定的研究目的來對數據進行匯總與分類，并進行保存，這樣可以更好的為后期數據的分析與查詢提供有利的條件。但是，在大數據的積累中，具有價值的信息需要對大數據進行處理后才可以發現。不容置疑，大數據具有一定的復雜性，所以，在積累的過程中，不可以進行簡單的處理。因為大數據的規模大，結構也比較復雜，無法實現簡單的分類，而且，在對大數據進行簡單整理時非常容易使其混亂，對其真實性產生影響，可能會丟失具有價值的信息。

第二，數據開發。大數據時代下的數據流動性極強，所以，其自身的價值有再生性。因此，大數據時代的數據不會貶值，反而會增值。為了能夠對所研究的對象進行更深入的了解，就需要對其整合。

第三，數據應用。對數據的傳統應用主要是為了對現象進行解釋與預測。但是，在大數據時代，數據應用的核心就是在相關關系前提下的預測。

結語

綜上所述，現階段我國社會正處于大數據時代，并且對于社會未來的發展具有重要的意義。文章對大數據時代的概念與定義以及構成進行了闡述與分析，同時，對大數據的實際應用與實踐進行了探討。針對大數據價值的挖掘與分析處理進行了研究，最后列舉了大數據對統計學科以及統計研究工作的影響，進而對今后大數據的數據分析工作提供了有價值的理論依據，并積極的推動了大數據時代的發展，進一步促進了社會的進步。（作者單位：中國人民大學）

參考文獻：

[1]朱建平，章貴軍，劉曉葳等.大數據時代下數據分析理念的辨析[J].統計研究，2014，31（2）：10-19.

[2]張學敏.大數據時代的數據分析[J].電子世界，2014（16）：5-5，6.

[3]李祥歌，王奇奇，郭軼博等.基于大數據時代的數據挖掘及分析[J].電子制作，2015（3）：81-81.

[4]劉江娜.大數據時代：為什么數據分析能讓你的企業脫穎而出[J].環球市場信息導報，2014（36）：92-93.

[5]郭華庚，向禮花.大數據時代網絡信息歸檔的元數據分析[J].貴州師范學院學報，2015，31（3）：24-28.

[6]高書國.大數據時代的數據困惑――教育研究的數據困境[J].教育科學研究，2015（1）：24-30.

統計學大數據分析范文6

關鍵詞：財務分析；大數據；教學改革

作者簡介：王暉（1973-），女，黑龍江雞西人，北京信息科技大學經濟管理學院，講師；段文軍（1969-），女，山東蓬萊人，北京信息科技大學經濟管理學院，副教授。（北京 100192）

基金項目：本文系北京信息科技大學教學提高-專業建設項目（項目編號：5028023501）的研究成果。

中圖分類號：G642.0 文獻標識碼：A 文章編號：1007-0079（2013）25-0111-02

當今時代不斷涌現各種新型信息方式，例如博客、社交網絡等；不斷興起各種新技術，例如云計算、物聯網等。數據的產生不受任何的限制，數據以前所未有的速度不斷增長和累積，大數據時代已經來到。[1]《華爾街日報》認為大數據時代是引領未來繁榮的三大技術變革之一。麥肯錫公司在一份報告中提出數據是一種生產資料。企業每天面對海量的財務數據，如超市的銷售記錄、銀行的交易記錄、淘寶網站數千萬筆交易記錄（產生量超過50TB，存儲量40PB①）。企業如能利用這些巨大的數據集挖掘出有價值的信息，那么企業就能掌控下一個創新、競爭和生產力提高的關鍵。大數據時代，尤其是財務大數據時代，呼喚創新型人才。[2]呼喚具備綜合財務分析能力的人才，利用財務大數據為企業創造財富。

如何培養財務分析人才？在財經類高校本科，一般都開設“財務分析”課程，該課程教學目的是培養學生對真實企業進行綜合財務分析，并能獨立撰寫財務分析報告的能力。[3]本文以北京信息科技大學（以下簡稱“我校”）為例，探討大數據時代下財務分析人才的需求特點，對高校“財務分析”課程設置的影響，并提出改進“財務分析”課程教學的建議。

一、大數據時代下財務分析人才需求特點

相較于其他類型數據，財務數據更大、更復雜，蘊藏著更多寶貴信息。麥肯錫公司2011年報告推測，利用大數據分析，零售商可增加運營利潤60%，制造業設備裝配成本會減少50%。[2]在財務大數據環境下，如何整理與統計這些雜亂無章的數據？如何讓財務數據開口說話為企業管理者經營決策提供科學依據？朱東華（2013）認為，大數據時代下，傳統的數據分析方法已經不再適應當前的數據環境，同時，各種企業對數據的依賴與日俱增，甚至定量分析方法將逐步取代定性分析方法。[4]財務大數據和大量的財務數據分析需求助長了企業對統計和數學背景的人才需求。

可見，大數據時代下財務分析人才應該具備扎實的統計學和數學功底，能夠熟練運用定量分析方法分析數據以獲取信息，撰寫分析報告為企業相關利益人決策提供依據。

二、“財務分析”課程教學現狀

張先治（2007）認為，財務分析是財務分析主體為實現財務分析目標，以財務信息及其他相關信息為基礎，運用財務分析技術，對分析對象的財務活動的可靠性和有效性進行分析，為經營決策、管理控制及監督管理提供依據的一門具有獨立性、邊緣性、綜合性的經濟應用學科。[5]財務分析課程是為我校經濟管理學院財務管理專業本科三年級開設的一門專業必修課。學生前期已經學過數學、經濟學、會計學、財務管理、統計學等課程。財務分析課程正是在學生掌握前期所學各門課程的基礎上，培養學生綜合運用所學專業知識，分析判斷企業的財務狀況，并根據數據分析結果找出企業存在的問題，提出解決方案。[6]為了更好地實現“財務分析”課程教學目的，課程組的老師們經過討論，決定修改2008級財務管理專業教學計劃，將原來課堂教學的方式改為1/2的學時用于課堂教授基本理論，1/2學時用于實踐教學。筆者自2011年開始，按照新的教學計劃給三屆學生講授了“財務分析”課程。

1.理論教學部分

教材選用東北財經大學出版社出版，張先治和陳友邦主編的《財務分析》（第五版）。該教材體系完整，內容豐富，全書以一家虛擬的ZTE公司為例，演示財務報告分析、財務效率分析和財務綜合分析。每章設有案例和復習思考題，該書還有配套的習題集。在課堂教學中，以教材為主線，突出介紹各種財務分析方法的使用，以及根據分析結果得出結論，提出解決方案。

2.實踐教學部分

一人一企，邊學邊分析。每位學生選擇一家上市公司作為分析對象，利用學校購買的金融數據庫以及相應網絡資源，結合所學財務分析理論知識進行上機實驗，在Excel內完成數據分析，并將分析結果形成財務分析報告。學生分析判斷和決策能力在實戰中得以鍛煉，教學效果得到改善。

但是，隨著大數據時代的來臨，外部環境對數據分析能力要求的提升，僅僅學會利用Excel進行水平分析、垂直分析、趨勢分析、比率分析和因素分析，已經遠遠不能滿足市場對財務分析人才的需求，學生就業的競爭力無從談起。結合前面大數據時代下財務分析人才需求特點，我校學生財務分析能力的培養存在著以下問題：

1.學生數據收集、整理和分析能力弱

定量分析方法應用的基礎是數據，財務分析人員必須學會從海量的網絡資源中搜集并篩選與自己的分析對象和分析目的相關性較強的資料信息，[7]這些資料信息可能是結構化數據，例如金融數據庫等；也可能是非結構化數據，例如網頁等。從實踐教學環節反映出學生數據收集和整理能力弱，分析其原因主要是：

（1）學生不熟悉對財務分析有幫助的網絡資源。搜集有價值的數據需要一定的技巧，其中最為重要的是熟悉一些重要的網站，知道相應的數據應該在哪里找到的概率比較大，做到有的放矢。

（2）學生無法將非結構數據快速地轉換成所需的數據形式。類似金融數據庫這樣的結構數據，學生基本能夠篩選出所需信息。但是，對于類似網頁這樣的非結構數據，他們就只能運用最原始的復制粘貼的方法提煉數據信息，耗時且耗力。2013年2月1日，人保財險執行副總裁王和在中國第七屆“保險業管理信息化高峰論壇”上指出，在過去的兩三年里，結構和非結構數據發生了本質性的逆轉。過去就整個社會來講，絕大多數的數據是結構數據，而現在非結構數據正呈快速增長的趨勢，現在以及未來，非結構數據將占到95%，甚至更多。

“財務分析”課程講授的基本方法主要是比率分析和因素分析法等。目前，無論是學術界還是業界，研究人員大量使用統計模型進行財務數據分析，例如聚類分析、多元回歸、因子分析、時間序列預測法等。因而，我校學生數據分析能力急需加強，尤其是統計學和數學的基礎要扎實。

2.學生財務分析報告撰寫水平有待提高

財務分析的結果是以財務分析報告的形式展示給企業利益相關人，為其進行財務預測、財務決策、財務控制和財務評價等提供可靠信息。財務分析報告是對企業經營狀況、資金運作的綜合概括和高度反映。李寶智（2012）認為，報告應具備八要素：準確、完整、可比、用戶導向、相關、問題的解決方案、及時和易用。[8]從我校學生提交的財務分析報告看，與上述要求還有很大差距。

三、“財務分析”課程教學改革建議

1.培訓網絡資源使用

重點介紹幾個數據庫的使用：

（1）金融數據庫。我校購買了兩款金融數據庫，北京聚源銳思數據科技有限公司金融數據庫（http：//）和深圳市國泰安信息技術有限公司CSMAR財經系列研究數據庫（http：//）。登陸金融數據庫后，輸入查詢條件即可下載上市公司財務數據，速度快且數據量大，數據格式可以任意選擇。

（2）中國資訊行（國際）有限公司高校財經數據庫（http：//），INFOBANK于1995年在香港成立，是一家專門收集、處理及傳播中國商業、經濟信息的香港高科技企業，信息范圍涵蓋19個領域、197個行業。

（3）國務院發展研究中心信息網（國研網）（http：//.cn）。國研網已建成了內容豐富、檢索便捷、功能齊全的大型經濟信息數據庫集群，包括：六十幾個文獻類數據庫、四十多個統計類數據庫等。

網站資源：中國證券監督管理委員會（http：//）、上海證券交易所（http：//.cn）、深圳證券交易所網站（http：//）、巨潮資訊網（http：//.cn）和相關協會網站等。

2.培養數據預處理和建模能力

收集到數據之后，需要對數據進行預處理，利用統計學的理論和方法將數據轉換成一個分析模型。[9]學生在統計學、計量經濟學課程中，已經完成基本模型理論、SPSS或者Eviews三分析軟件的學習。但是，若想實現對大數據的整理和分析，應該掌握R或者Matlab統計分析軟件，同時，還要掌握一種編程語言，例如C++、JAVA、C#等。利用編程語言調用統計分析軟件，從而實現大數據的分析。另外，建議學生了解Perl語言編程，該語言擅長處理非結構數據。

3.培養文獻閱讀及財務分析報告撰寫能力

數據分析之后，需要撰寫財務分析報告，為各方利益相關者的決策提供依據。不同財務分析的目的，形成的財務分析報告具體要求會有所差異，但是撰寫財務分析報告的基本步驟相同。首先查閱文獻，閱讀相關學術文章、財務分析師分析報告、評級機構報告等；其次，模仿寫作，組織財務分析結果，形成報告。此中沒有捷徑，需多看、多寫。

注釋：

①1TB 等于1000GB，1PB 等于1000TB。

參考文獻：

[1]孟小峰，慈祥.大數據管理：概念、技術與挑戰[J].計算機研究與發展，2013，（1）.

[2]鄔賀銓.大數據時代的機遇與挑戰[J].求是，2013，（4）.

[3]張肖飛.財經類高校《財務分析》課程案例教學改革研究[J].商業會計，2013，（1）.

[4]朱東華，張嶷，汪雪鋒，等.大數據環境下技術創新管理方法研究[J].科學學與科學技術管理，2013，（4）.

[5]張先治.財務分析理論發展與定位研究[J].財經問題研究，

2007，（4）.

[6]陳衛軍，徐文學，陳平.基于上市公司網上資源的《財務分析》實訓教學探討[J].財會通訊，2012，（2）.

[7]王楨.網絡環境下財務分析案例教學方法的改進[J].中國教育信息化，2012，（1）.