關(guān) 鵬，錢 云，張海永

（1.巢湖學(xué)院 數(shù)學(xué)與統(tǒng)計學(xué)院，安徽 合肥 238000；2.滁州學(xué)院 數(shù)學(xué)與金融學(xué)院，安徽 滁州 239000）

1 引言

2016年美國統(tǒng)計協(xié)會 (American Statistical Asociation)對統(tǒng)計學(xué)的內(nèi)涵給出一個較為簡潔的說明，將統(tǒng)計學(xué)定義為：“the science of learning from data”，即從數(shù)據(jù)中學(xué)習(xí)的科學(xué)[1].該定義實際上與數(shù)據(jù)科學(xué)（Data Science）的內(nèi)涵如出一轍.筆者以為ASA之所以對統(tǒng)計學(xué)做出這樣的內(nèi)涵解釋，實際上表明在大數(shù)據(jù)浪潮中，統(tǒng)計學(xué)正走在變革的道路上.

大數(shù)據(jù)時代，數(shù)據(jù)的產(chǎn)生、收集、分析與應(yīng)用等環(huán)節(jié)都發(fā)生著深刻的變化.互聯(lián)網(wǎng)技術(shù)的高速發(fā)展使每個人成為數(shù)據(jù)的生產(chǎn)者，數(shù)據(jù)生產(chǎn)已經(jīng)突破了時間、地點的限制，數(shù)據(jù)量也由抽樣數(shù)據(jù)向大數(shù)據(jù)轉(zhuǎn)化；數(shù)據(jù)的存儲類型由紙和筆記載的關(guān)系型結(jié)構(gòu)化數(shù)據(jù)向半結(jié)構(gòu)、非結(jié)構(gòu)和異構(gòu)的網(wǎng)絡(luò)數(shù)據(jù)類型轉(zhuǎn)化；數(shù)據(jù)的采集由根據(jù)統(tǒng)計分析目的的調(diào)查式收集向基于大數(shù)據(jù)技術(shù)的自動化采集方法轉(zhuǎn)化；數(shù)據(jù)的分析由傳統(tǒng)的驗證型分析方法向探索型分析方法轉(zhuǎn)化；數(shù)據(jù)的應(yīng)用由輔助管理決策向引導(dǎo)變革轉(zhuǎn)化.以上變化正在重塑數(shù)據(jù)分析流程，而數(shù)據(jù)分析模式的變革必然引起教育模式的改革.

事實上，在大數(shù)據(jù)洪流的沖擊下，統(tǒng)計學(xué)專業(yè)的人才培養(yǎng)模式已經(jīng)悄然發(fā)生變化.當前，統(tǒng)計學(xué)專業(yè)融合大數(shù)據(jù)、計算機、人工智能等相關(guān)學(xué)科知識，引導(dǎo)學(xué)生認識和掌握數(shù)據(jù)處理的新技術(shù)，推動交叉學(xué)科應(yīng)用型人才的培養(yǎng)，已經(jīng)成為共識.其中，在統(tǒng)計學(xué)專業(yè)課程體系中引入數(shù)據(jù)挖掘課程就是典型的代表.數(shù)據(jù)挖掘技術(shù)在一定程度上彌補了傳統(tǒng)統(tǒng)計分析方法的不足，可以進一步增強學(xué)生探索性數(shù)據(jù)分析的能力，更加適應(yīng)大數(shù)據(jù)時代的需求.與統(tǒng)計學(xué)強調(diào)推斷理論和方法不同，數(shù)據(jù)挖掘強調(diào)經(jīng)驗，著重于從數(shù)據(jù)中挖掘有用的模式和價值，只要能夠有效地解決問題，方法和模型本身并不重要.因而，筆者認為數(shù)據(jù)挖掘課程能夠拓展統(tǒng)計學(xué)專業(yè)學(xué)生數(shù)據(jù)分析的思路和方法，進一步加深對數(shù)據(jù)分析內(nèi)涵的理解.由此，本文致力于探索大數(shù)據(jù)背景下統(tǒng)計學(xué)專業(yè)數(shù)據(jù)挖掘?qū)嶒炚n程教學(xué)模式，以提升統(tǒng)計學(xué)人才實踐應(yīng)用能力，使其不斷適應(yīng)大數(shù)據(jù)分析的需求.

2 大數(shù)據(jù)時代市場對應(yīng)用型統(tǒng)計人才的新需求

數(shù)據(jù)分析師是統(tǒng)計學(xué)專業(yè)大學(xué)生畢業(yè)后的主要職業(yè)選擇之一.數(shù)據(jù)分析師是指在不同行業(yè)中，專門從事數(shù)據(jù)搜集、整理、分析，并依據(jù)數(shù)據(jù)做出行業(yè)或市場研究、評估和預(yù)測的專業(yè)人員；是以實際數(shù)據(jù)為依據(jù)，對項目現(xiàn)狀及遠期進行統(tǒng)計、分析、預(yù)測并轉(zhuǎn)化為決策信息的專業(yè)人才[2].

為了客觀分析大數(shù)據(jù)時代應(yīng)用型統(tǒng)計人才需具備的知識、能力和技術(shù)，本文通過智聯(lián)招聘網(wǎng)對企業(yè)公布的數(shù)據(jù)分析師職位招聘信息進行了調(diào)研，這些招聘信息都是面向應(yīng)屆本科畢業(yè)生的，具有較強的針對性，調(diào)研時間為2018年8月3日.本文調(diào)研了七家上市公司[3]，有國企事業(yè)單位、互聯(lián)網(wǎng)公司、金融公司、網(wǎng)絡(luò)游戲公司、網(wǎng)絡(luò)媒體公司等，各公司對數(shù)據(jù)分析師的崗位職責(zé)、知識要求、能力要求和技術(shù)要求見表1所示.

從數(shù)據(jù)分析師的崗位職責(zé)來看，不同類型的企業(yè)雖然具體要求不同，但是核心職責(zé)是相同的，主要有三個方面：負責(zé)業(yè)務(wù)部門的數(shù)據(jù)需求分析，也就是通過調(diào)研了解業(yè)務(wù)部門的需求，確定數(shù)據(jù)分析對象和目的；構(gòu)建業(yè)務(wù)數(shù)據(jù)分析指標體系，即如何開展數(shù)據(jù)分析工作，確定數(shù)據(jù)采集、處理和分析及結(jié)果解讀等環(huán)節(jié)的指標、方法、模型及數(shù)據(jù)分析工具等；為業(yè)務(wù)部門提供數(shù)據(jù)決策支持，包括撰寫調(diào)研報告、數(shù)據(jù)分析報告及設(shè)計數(shù)據(jù)產(chǎn)品和開發(fā)數(shù)據(jù)分析工具等等.從崗位職責(zé)的核心要素來看，數(shù)據(jù)分析師是非常契合統(tǒng)計學(xué)專業(yè)的人才培養(yǎng)目標的，從調(diào)研到設(shè)計到分析到結(jié)果解讀，是數(shù)據(jù)分析的一個完整流程.但是，也可以看出很多企業(yè)在數(shù)據(jù)分析中特別強調(diào)了數(shù)據(jù)挖掘方法，如北京計算機技術(shù)及應(yīng)用研究所強調(diào)用戶行為挖掘和個性化推薦、金融界強調(diào)用戶行為數(shù)據(jù)和網(wǎng)絡(luò)日志數(shù)據(jù)挖掘，而這些都不是傳統(tǒng)統(tǒng)計學(xué)分析方法的范疇.

從知識要求來看，大部分企業(yè)都要求數(shù)據(jù)分析師具有統(tǒng)計學(xué)專業(yè)背景，但互聯(lián)網(wǎng)公司特別強調(diào)統(tǒng)計學(xué)、數(shù)學(xué)和計算機的交叉和融合.實際上，數(shù)據(jù)分析師作為復(fù)合型人才，除了掌握必要的統(tǒng)計分析理論和方法外，數(shù)學(xué)建模和編程能力都是必不可少的.

從能力要求來看，較強的數(shù)據(jù)敏感度和清晰的邏輯思維能力是核心要素.其次，從業(yè)務(wù)來看，數(shù)據(jù)分析師需要同不同的部門打交道，溝通協(xié)調(diào)能力和團隊協(xié)作能力也是必不可少的.

從技術(shù)要求來看，大部分企業(yè)都要求數(shù)據(jù)分析師至少要掌握一種統(tǒng)計分析軟件，如SPSS或MATLAB；至少要熟悉一種編程語言，如Python或R；至少要掌握一種數(shù)據(jù)庫技術(shù)，如MySql/Oracle/SQL Server等，最簡單的是excel.在高校及商業(yè)統(tǒng)計分析領(lǐng)域，R語言是當前最受歡迎的統(tǒng)計編程語言之一.

綜合以上分析可以得出，統(tǒng)計學(xué)專業(yè)的學(xué)生要想成為出色的數(shù)據(jù)分析師，除了具備堅實的統(tǒng)計學(xué)理論和方法外，還需要具備良好的計算機能力，如數(shù)據(jù)庫技術(shù)和編程能力.更重要的是，數(shù)據(jù)挖掘方法與技術(shù)作為大數(shù)據(jù)技術(shù)的基礎(chǔ)已經(jīng)成為數(shù)據(jù)分析師必備的技能，也是企業(yè)招聘時重點關(guān)注的技術(shù).

3 基于R語言的項目式數(shù)據(jù)挖掘?qū)嵺`教學(xué)模式探索

R是一套完整的數(shù)據(jù)處理、計算和制圖軟件系統(tǒng).其功能包括：數(shù)據(jù)存儲和處理系統(tǒng)；數(shù)組運算工具（其向量、矩陣運算方面功能尤其強大）；完整連貫的統(tǒng)計分析工具；優(yōu)秀的統(tǒng)計制圖功能；簡便而強大的統(tǒng)計編程語言.特別是，R是免費、開源、全面、可視、交互的專業(yè)統(tǒng)計分析和數(shù)據(jù)挖掘軟件.通過R的相關(guān)集成開發(fā)環(huán)境（IDE），如RStudio/PyCharm等，用戶可以輕松訪問數(shù)據(jù)庫，并利用一些集成的統(tǒng)計工具，靈活機動的進行數(shù)據(jù)分析，構(gòu)建屬于自己的統(tǒng)計分析項目（Project），甚至創(chuàng)造出符合需要的新的統(tǒng)計計算方法.因此，R受到了教育界的熱捧，成為大學(xué)生最喜歡的統(tǒng)計分析與數(shù)據(jù)挖掘軟件之一.此外，2018 IEEE頂級編程語言交互排行榜中，R語言排名第七，是過去十年中發(fā)展最快的編程語言之一，也是最好的數(shù)據(jù)科學(xué)語言之一[4].由此，筆者認為，R語言是統(tǒng)計學(xué)專業(yè)學(xué)生進行數(shù)據(jù)分析的不二之選.

項目式學(xué)習(xí)（project-based learning，以下簡稱 PjBL）是一種以學(xué)生為中心的系統(tǒng)教學(xué)方法或模式，讓學(xué)生圍繞來自項目中的現(xiàn)實工作任務(wù)來學(xué)習(xí)知識和技能，并認真地設(shè)計產(chǎn)品和任務(wù)[5].其中，項目是指復(fù)雜的任務(wù)，學(xué)習(xí)者為了完成項目目標，需要展開調(diào)查、參與設(shè)計、解決問題、制定決策等[6].項目式學(xué)習(xí)最大的亮點是通過完成項目的形式，發(fā)揮學(xué)生學(xué)習(xí)的主動性和自覺性，在做中學(xué)，在學(xué)中做，有利于提高學(xué)生學(xué)習(xí)效率，提升學(xué)生實踐和創(chuàng)新能力.

基于以上分析，筆者認為在R軟件的集成開發(fā)環(huán)境下，實施數(shù)據(jù)挖掘?qū)嶒炚n程的項目式學(xué)習(xí)方案是可行的，也符合應(yīng)用型統(tǒng)計人才培養(yǎng)目標的定位.下面將從數(shù)據(jù)挖掘?qū)嶒炚n程教學(xué)計劃、實驗項目設(shè)計、考核方式、典型項目示例和實驗教學(xué)效果進行論述.

3.1 課程教學(xué)計劃

數(shù)據(jù)挖掘是一門多學(xué)科交叉且實踐應(yīng)用性較強的課程，一般是在碩士研究生階段才開設(shè)的課程.在本科生階段開設(shè)數(shù)據(jù)挖掘課程具有較大的難度，需協(xié)調(diào)好相關(guān)課程的前后邏輯，如該課程必須開設(shè)在概率論與數(shù)理統(tǒng)計、數(shù)據(jù)庫原理、計算機基礎(chǔ)等課程之后.作為應(yīng)用型本科院校，巢湖學(xué)院數(shù)學(xué)與統(tǒng)計學(xué)院于2016年開始在統(tǒng)計學(xué)本科專業(yè)開設(shè)數(shù)據(jù)挖掘課程，課程性質(zhì)為專業(yè)核心能力課程，總學(xué)時52，理論課學(xué)時40，實驗課學(xué)時12.理論課與實驗課的安排如表2所示.

由于統(tǒng)計學(xué)專業(yè)學(xué)生未將R語言的學(xué)習(xí)列入人才培養(yǎng)方案，所以在理論課階段安排了8個學(xué)時的R語言學(xué)習(xí)，目的是在進入正式的數(shù)據(jù)挖掘項目學(xué)習(xí)之前，熟悉R的數(shù)據(jù)組織、整理和可視化方法，教學(xué)方法為講練結(jié)合、學(xué)生邊聽邊實踐操作.從模式識別的角度來看，數(shù)據(jù)挖掘技術(shù)的主要任務(wù),包括分類、聚類、回歸、關(guān)聯(lián)、序列分析和偏差分析6種模式的識別[7].其中，回歸是統(tǒng)計學(xué)的傳統(tǒng)分析方法，時間序列分析方法在人才培養(yǎng)方案中有專門的《時間序列分析》課程.因此，本課程主要選擇了分類和聚類這兩類方法，分類選擇了近鄰分析法和支持向量機，聚類主要有k-means聚類和基于密度的聚類方法.另外，人工神經(jīng)網(wǎng)絡(luò)作為人工智能的熱點研究領(lǐng)域，也納入本課程學(xué)習(xí)中，可以作為深度學(xué)習(xí)的入門知識.

表2

3.2 實驗項目設(shè)計

在實驗教學(xué)中，本課程圍繞K近鄰分析、支持向量機、k-means聚類和人工神經(jīng)網(wǎng)絡(luò)四個主要的算法設(shè)計了四個綜合性的開放性實驗項目.實驗教學(xué)過程采取項目學(xué)習(xí)式教學(xué)模式，授課教師只是提出實驗的問題和實驗的目的，并不規(guī)定嚴格的實驗步驟和過程，教師根據(jù)理論課所講授知識及時引導(dǎo)學(xué)生，讓學(xué)生根據(jù)實驗問題和目的，自行設(shè)計實驗內(nèi)容和實驗過程，包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、模型與方法選擇、基于R軟件的數(shù)據(jù)分析過程、結(jié)果的可視化與分析等.在實驗過程中，教師指導(dǎo)學(xué)生組成實驗項目小組，一般由3名學(xué)生共同組隊，通過小組討論、相互協(xié)作共同完成實驗項目.經(jīng)過教師的指導(dǎo)，使每個實驗項目小組在3個課時的時間內(nèi)，確定實驗內(nèi)容和項目實施計劃，實驗實施過程可在課后完成.實驗項目結(jié)項方式為小組成員共同完成項目實驗報告，項目實驗報告內(nèi)容包括實驗?zāi)康?、實驗?nèi)容、實驗過程、結(jié)果分析和實驗總結(jié).

3.3 考核方式

數(shù)據(jù)挖掘作為考查課，考核方式比較靈活，也給課程組進行考核方式改革提供了便利.課程組經(jīng)過研討決定采取開放性課程設(shè)計的方式作為期末考試的形式，并結(jié)合平時課程表現(xiàn)和平時實驗項目完成情況評價綜合成績.其中，期末的開放性課程設(shè)計成績在綜合成績中占比60%，平時課堂表現(xiàn)和平時實驗項目完成情況占比40%（課堂表現(xiàn)占40%，平時實驗項目完成情況占比60%）.

3.4 典型實驗項目教學(xué)示例-以基于R的K-近鄰分析為例

K-近鄰分析法（K-nearest neighbor,KNN）是分類型數(shù)據(jù)預(yù)測的經(jīng)典數(shù)據(jù)挖掘方法，在輸入變量較多，樣本量較大的情況下，是簡單而有效的建模方法[8].課程組設(shè)計了鳶尾花數(shù)據(jù)集(IRIS)的分類預(yù)測實驗項目.

3.4.1 問題提出

利用已有的鳶尾花數(shù)據(jù)集(IRIS)，通過K-近鄰分析法對新的鳶尾花數(shù)據(jù)進行分類預(yù)測，要求構(gòu)建合理、具體的模型，基于R軟件實現(xiàn)模型的訓(xùn)練和預(yù)測.

3.4.2 項目提要

請同學(xué)們根據(jù)實驗問題，設(shè)計實驗內(nèi)容.一些實驗要點供同學(xué)們參考：

a.如何利用R軟件掌握鳶尾花數(shù)據(jù)集(IRIS)的特征？

提要：str()函數(shù)可以查看數(shù)據(jù)集的變量和數(shù)據(jù)；scale()函數(shù)可以實現(xiàn)數(shù)據(jù)的歸一化處理.另外，請同學(xué)們自行查閱資料了解R軟件數(shù)據(jù)預(yù)處理的方法.

b.K-近鄰分析法中距離的選取依據(jù)是什么？

提要：K-近鄰分析法將樣本包括的觀測數(shù)據(jù)看成是p維特征空間（變量個數(shù)為p個）中的向量，應(yīng)選擇合適的距離度量方法，以測度預(yù)測向量X0與鄰居向量X之間的距離，作為鄰近關(guān)系的依據(jù).主要的距離度量方法有：閔可夫斯基距離、歐氏距離、絕對距離、切比雪夫距離和夾角余弦距離.請同學(xué)們查閱資料分析各種距離度量方法的適用范圍，并確定鳶尾花數(shù)據(jù)集(IRIS)適用的距離度量方法.

c.K-近鄰分析法中K值選取的依據(jù)是什么？

K-近鄰法的核心問題之一是確定預(yù)測向量X0的鄰居個數(shù)，即K值的確定.一般可以依據(jù)以下方法：一是依據(jù)旁置法計算參數(shù)K取不同值時的預(yù)測誤差；二是依據(jù)留一法計算參數(shù)K取不同值時的預(yù)測誤差.請同學(xué)們查閱資料，是否還有其他更好的K值確定方法？

3.4.3 R軟件操作提要

R實現(xiàn)K-近鄰法的函數(shù)是class包中的knn函數(shù).可通過install.packages(‘class’)加載class程序包，并使用library(class)載入到工作空間中，可通過help(knn)查看knn函數(shù)的使用方法.

3.5 實驗教學(xué)效果

通過一個學(xué)期的實驗教學(xué)來看，本文提出的基于R語言的項目式數(shù)據(jù)挖掘?qū)嶒灲虒W(xué)模式取得了較好的教學(xué)效果.從學(xué)生的綜合成績來看，成績分布合理，不及格率較低，大部分學(xué)生的綜合成績分布在70-89這個分數(shù)段內(nèi)，說明學(xué)生對數(shù)據(jù)挖掘的基本理論和應(yīng)用技術(shù)掌握的較好.從平時實驗項目的完成情況來看，大部分小組能夠較好的完成實驗項目.對于項目式教學(xué)模式，不少同學(xué)反映比單純的輸出式教學(xué)模式效果好很多，不但增強了學(xué)習(xí)的主動性和積極性，而且增強了團隊合作意識，廣受學(xué)生歡迎.

但是在實踐教學(xué)過程中，也出現(xiàn)了很多問題.例如，在課程教學(xué)初期，學(xué)生普遍反映R語言的入門難度較大，希望教師能夠在R語言學(xué)習(xí)方面給予更多的建議和支持；在項目式學(xué)習(xí)過程中，出現(xiàn)了實驗完成效果參差不齊和個別學(xué)生過于依賴小組其他成員，從而坐享其成的情況.筆者認為，任何教學(xué)模式都不是完美的，這些問題還需要任課教師結(jié)合學(xué)生學(xué)習(xí)實際拿出解決方案，這也是筆者在下一階段的教學(xué)過程中重點思考的問題.

4 總結(jié)

數(shù)據(jù)挖掘作為一門多學(xué)科交叉且應(yīng)用性較強的課程，在教學(xué)內(nèi)容和教學(xué)方法上與傳統(tǒng)統(tǒng)計學(xué)課程有較大的區(qū)別.但是，從數(shù)據(jù)分析的流程來看，數(shù)據(jù)挖掘方法與傳統(tǒng)統(tǒng)計分析方法又有相通之處，關(guān)鍵是讓學(xué)生了解二者之間的區(qū)別與聯(lián)系.因此，在數(shù)據(jù)挖掘?qū)嶒炚n程教學(xué)中，本文基于大數(shù)據(jù)時代企業(yè)對應(yīng)用型統(tǒng)計人才的需求，采取了基于R語言的項目式數(shù)據(jù)挖掘?qū)嶒灲虒W(xué)模式.通過項目式學(xué)習(xí)，讓學(xué)生在掌握理論知識的基礎(chǔ)上，探索解決實際問題的能力，進一步提升數(shù)據(jù)分析能力，以適用大數(shù)據(jù)時代數(shù)據(jù)分析師的職業(yè)要求.