发布时间：2022-08-05 21:15:54
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的大数据课程总结样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
关键词：大数据；数据挖掘；电子商务；教学设计
0引言
近几年，随着互联网技术的发展和对人们工作生活的不断渗透，随着移动互联、物联网、云计算、智慧工程等新兴信息技术的出现和普及，数据在人们的生活中呈爆炸式增长，人们开始进入大数据时代。由于海量数据中记录了企业的发展、运营以及人们生活和行为的点点滴滴，所以，挖掘海量数据背后存在的模式、规律和趋势，并结合各行各业进行创新应用，已经成为这个时代的重要课题。我国电子商务经过近20年的发展和数据累积，已经从用户为王、销售为王进入到数据为王的阶段，如何针对用户消费行为的分析，提升电子商务的运营效率，促进精准营销的开展，增加客户黏性，从而实现电子商务的智能化发展，是当前电子商务发展的重中之重。因此，在大数据背景下，为适应行业发展需求，国内外很多高校，尤其是应用型本科院校，在电子商务专业本科生中陆续开设大数据分析与挖掘系列的课程，其中作为大数据研究与应用的重要支撑技术的数据挖掘，是其中一门重要课程。
1电子商务专业开设数据挖掘课程的必要性
1．1行业发展的必然要求
进入大数据时代，“互联网＋”技术与传统行业深度融合，电子商务数据已覆盖了从用户、商家、第三方、物流等一系列商务环节。因此，充分利用大数据，有效分析和挖掘大数据的价值和规律，已成为推动电子商务深化发展的重要引擎。首先，数据挖掘技术是电子商务智能化的基础。由于电子商务的活动从开始就具备了信息电子化的先天优势，所以，用户在电子商务网站上发生的所有行为信息都被日志记录，包括用户对产品的搜索、浏览、在购物车加入或取出商品、收藏产品、对商品的讨论、评价、分享等。对这些用户行为信息进行收集和分析，可以挖掘用户的兴趣特征和潜在需求，实现对用户的个性化推荐。其次，数据挖掘技术支撑电子商务的精细化营销的实现。通过网络爬虫收集用户在消费过程种对商品的兴趣、偏好、评价等数据，并进行分析挖掘，可以更好地对用户进行细分，针对性地制定营销策略，更准确地把握用户态度和对产品的情感倾向，及时控制营销中的不良影响，从而提升用户体验和用户黏性。第三，数据挖掘技术推动电商物流的优化。通过对电商物流数据的分析和挖掘，可以预测市场需求变化的规律，帮助企业合理地进行库存管理和控制，优化配送路线，进行物流中心选址策略分析等。可见，对于电子商务专业大学生开设数据挖掘课程是行业发展的必然需求。
1．2专业人才培养的迫切需求
电子商务是利用信息和通信技术，通过Internet在个人、组织和企业之间进行商务活动和处理商务关系的一种活动。随着云计算、物联网及移动互联等新兴信息技术的迅速发展，大量传感器和监控设备不间断的数据采集和行业数据的持续积累，使大数据成为时代的鲜明特点。教育部电子商务专业教学指导委员会王伟军教授等人对138个电子商务专业本科人才的市场招聘需求进行研究发现，网络营销与数据分析是当前电子商务专业的主要能力需求，而目前我国开设电子商务专业的高校中开设数据挖掘及其相关课程的只有14所。因此，该类别人才缺口目前较为严重，市场需求量较大。为了适应时展需求，高校在人才培养时既要注重电子商务运营管理能力的培养，同时更要注意商务数据分析与挖掘能力培养。培养同时具备这两种能力，并且可以将两种能力有效结合起来的应用型人才，是当前高校电子商务专业发展的趋势和方向。总之，在当前的电子商务活动中，商务管理是核心，数据分析与挖掘是手段。在大数据背景下，要提升电子商务的管理效率，实现电子商务的智能化发展，必须应用好数据挖掘这把利器。因此，在电子商务专业开设数据挖掘课程，是行业发展的必然要求，也是专业发展的迫切要求。
2电子商务专业数据挖掘课程教学思路设计
数据挖掘是一门交叉学科，涉及统计学、数据库、机器学习、高性能计算等多门学科相关内容，要求学生具有较为扎实的基础知识。由于课程难度较大，早期高校都把该课程作为研究生的专业课程。为适应市场需求和行业发展，近年来，也有些高校将此课作为本科生高年级选修课开设。从该课程的传统教学上来看，由于学生理论基础不够扎实，课程教学又多侧重算法的分析与实现，导致该课程存在教学难度大、理论教学过多、学习兴趣难以提高等问题。考虑到传统教学的问题以及电子商务专业培养应用型本科人才的实际情况，笔者认为该课程在教学过程中应“轻算法，重应用”，以启发学生数据思维为主，以理解算法思路为主（忽略细节实现），以合理构建数据挖掘模型、正确解读数据挖掘结果为主。在组织教学时，采用基于场景的启发式教学方式。该课程在讲授每个数据挖掘方法时，都通过一个电子商务问题进行导入；通过本节所授方法，形成解决问题的思路；最后通过专门数据挖掘软件进行方法的应用，通过对挖掘结果的解读分析，为导入问题的决策分析提供依据。通过这种由浅入深，由易到难的方式，引起学生学习兴趣，激发学生主动思考，真正成为课堂的主体。实践环节是学生理论联系实际的关键步骤，选用合适的数据挖掘软件工具非常重要，对于电子商务专业的学生，数据挖掘重在问题的建模和方法的应用，所以，该课程选择的数据挖掘工具是IBM公司的SPSSModeler。SPSSModeler拥有丰富的数据挖掘算法，本课程涉及到的分类、聚类、关联分析、时序分析、社会网络分析挖掘等主要数据挖掘功能均可实现，而且其操作简单易用，分析结果直观易懂，可以使用户方便快捷地实现数据挖掘。学生通过对算法基本思路的了解，针对实验问题设计数据挖掘方案，并通过数据挖掘软件进行算法的应用和结果的分析，理论和时间的顺利衔接，进一步加深学生对数据挖掘方法的认识和理解。
3电子商务专业数据挖掘课程教学内容设计
数据挖掘课程主要讲解数据挖掘的基本概念、主要方法和技术、应用情况及发展趋势，目的在于启发学生的数据思维，提升学生数据分析与挖掘的能力，深入理解电子商务数据在电子商务中的重要地位和作用，实现商务管理和数据挖掘的有机结合。由于数据挖掘课程理论性和应用性均较强，反映在教学要求上，既要重视理论学习，又要重视实践环节。具体来说，就是一方面通过理论教学使学生对理论内容有较深入的理解和领悟；另一方面结合实践教学，鼓励学生多动手，多思考，综合运用所学知识分析和解决实际问题。
3．1理论教学设计
针对大数据时代的数据特点和应用特点，在数据挖掘课程的理论教学设计时，其内容不仅包括传统的基础性的分类、聚类、关联分析、时序分析等数据挖掘方法，还注重根据电子商务行业特点进行知识的拓展介绍，比如在将关联分析的时候，除了传统的购物篮分析，还增加了序列模式分析内容；比如在结合社会化电子商务的发展，对社会网络分析、文本挖掘等前沿数据挖掘知识也进行了一定的拓展介绍。这些拓展内容，不但丰富了学生的知识体系，也为部分学生的课下深度扩展指明了方向。我校电子商务专业的数据挖掘课程总学时为48学时，其中理论教学32学时，主要内容及其学时分配如表1所示。表1数据挖掘课程理论教学安排序号章节标题内容提要学时1数据挖掘概述数据挖掘基本概念与功能；基本流程与步骤；基本方法与应用；拓展：数据库，数据仓库与数据挖掘的关系22数据预处理数据清洗；数据的集成与转换23分类分析决策树分类；贝叶斯分类；分类特点及结果分析64聚类分析K－means聚类；两步聚类；聚类特点与结果分析65关联分析频繁项集；关联规则挖掘；关联分析效果评价；拓展：序列模式分析86时序分析移动平均模型；指数平滑模型；拓展：ARIMA模型67数据挖掘发展趋势社会网络分析；文本挖掘；Web挖掘2理论教学在组织时，基本上以“课堂引例－问题分析－算法思路讲解－课后练习”的方式展开。通过实例分析，给学生介绍各种算法的基本思想和相关概念，引起学生学习兴趣。在讲授算法时，通过具体的简单数据演算实例来分析数据挖掘的过程和结果，使学生在实际案例中明白数据挖掘算法在处理数据过程中的作用和意义。虽然该课程开设在电子商务专业的第六学期，但是，由于数据挖掘课程本身需要多个学科的基础知识，在目前的大学课程体系内，难以在有限的时间内开设全部先修课程。因此，在理论讲解时，对涉及到学生比较生疏的知识点，应根据学生的知识水平，予以补充说明。例如，在讲决策树分类时，对于信息论中信息熵基本概念和计算方法，可以结合实际数据集合，进行讲解和计算。
3．2实验教学设计
数据挖掘是一门紧密结合实际应用的课程，具有较强的实践性。实践教学环节中，首先教师讲解实验步骤，然后安排学生进行实验，并对实验结果做详细分析与评价。每个实验要求学生完成以下几方面的内容：（1）根据实验问题设计数据挖掘方案和实施流程；（2）进行数据预处理，并构建数据挖掘模型；（3）解读数据挖掘结果，并联系实验问题进行具体分析；（4）实验拓展与总结。在实验拓展和总结部分，可以设计一些开放性的题目，比如在进行关联分析时，可以设计这样的问题“如果支持度阈值设置时降低十个百分点，频繁项集会有哪些变化？关联规则的准确性和适用性会有哪些方面的变化？”。在实验环境下，学生可以通过对比实验，比较容易得到结果，而在总结这些变化规律时，又可以强化和巩固对关联规则、频繁项集、支持度、置信度等这些概念和指标意义的理解，从而更好的应用在以后的工作实践中。结合电子商务活动特点以及数据挖掘在电子商务中的应用，该课程的实验是16学时。在实验设计时，共设计了五个单人实验和一个综合性多人实验.由于使用数据挖掘技术处理实际问题时，很多时候需要综合运用一些数据挖掘方法，其设计方案不止一种，分析结果也不一定完全一致。为激发学生的主观能动性，本课程在最后需要每个小组共同完成一个综合性的数据挖掘作业。研究表明，对于本科生来说，指导教师给出一些具体的题目，如大学生消费状况预测、校园共享单车满意度分析等，这些热点问题更容易激发学生的学习兴趣。综合作业从数据挖掘方案的设计、数据采集、数据预处理、数据建模、结果分析以及报告撰写全部由小组成员协作完成，通过这样一个完整的分析问题、解决问题的过程，不但可以锻炼学生综合应用知识的能力，也可以锻炼学生的沟通写作能力。在综合性作业完成的过程中，教师需要给予一定的指导，例如教师可以介绍问卷星等网络调查平台或网络爬虫等工具帮助学生进行原始数据的采集；通过对数据挖掘方案的点评，帮助学生更合理的选取数据分析指标，设计数据挖掘方案；通过报告撰写指导，帮助学生规范化的总结实验分析结果。
4结论
大数据时代的电子商务活动中，对电子商务人才的数据挖掘和分析能力非常迫切，在电子商务专业中开设数据挖掘课程是行业发展和专业发展的必然要求。在电子商务专业开设数据挖掘课程既有别于研究生也有别于计算机等理工科专业，“轻算法，重应用”，以提升学生主动学习兴趣为导向，采用基于场景的启发式教学方法更合适。本文从教学思路、教学方法、教学内容等方面进行了思考和探索，经课程开设两年来的教学实践证明，学生在学习上的主观能动性得到了一定的体现，理论和实践相结合的能力得到了锻炼。激发学生学习兴趣，培养学生的主动性思维，是当前教学中的重要课题，在电商行业不断发展的过程中，如何更好的将最新行业问题融入教学过程，实现理论和实践的有机结合，需要我们进一步深入思考和探索。
参考文献
［1］冯然，陈欣．论数据分析类课程在电子商务专业设置中的重要性［J］．河南教育，2015，（2）．
［2］黄岚．数据挖掘课程实践教学资源库建设［J］．计算机教育，2014，（12）．
［3］薛薇．基于SPSSModeler的数据挖掘（2版）［M］．中国人民大学出版社，2014．
［4］李海林．大数据环境下的数据挖掘课程教学探索［J］．计算机时代，2014，（2）．
［5］韦艳艳，张超群．“数据仓库与数据挖掘”课程教学实践与探索［J］．高教论坛，2011，（1）．
大数据的蓬勃发展为统计学专业人才培养模式的创新提供了有效途径，引领了统计学专业人才培养模式的改革方向，融入了统计学专业人才培养模式的各个环节。本文系统明确了统计学专业人才培养模式的改革方向，探讨如何利用大数据完善人才培养模式的各个环节。
关键词：
大数据;人才培养模式;教学模式
2015年9月5日，我国政府公开《国务院关于印发促进大数据发展行动纲要的通知》，大数据逐步走上我国经济社会发展的大舞台，在社会各个领域中发挥着巨大的促进作用。高等教育作为我国培养高素质人才的主要阵地，避免不了受到大数据的冲击和影响。有效利用大数据是化解冲击并促进高等教育改革的明智之举。高等教育改革的关键是改革人才培养模式，将大数据融入人才培养模式改革的各个环节会达到事半功倍的效果。
一、大数据引领统计学专业人才培养模式的改革方向
1.大数据引领培养目标的改革方向。随着大数据的迅猛发展，大数据分析公司不断涌现，传统的调查公司、数据分析公司纷纷转型，社会急需大量的大数据分析人才。统计学专业按以往培养目标培养的数据分析人才已经不能满足社会需要，因此必须对人才培养目标进行改革，培养目标应从培养专门的统计人才转换为培养精通统计学知识、计算机技术（大数据分析技术），了解相关行业背景的复合型统计人才，保障统计学专业能够为社会经济发展输送高质量的大数据分析人才。2.大数据引领课程设置的改革方向。课程设置是实现培养目标的关键环节，为实现培养大数据分析人才的目标，课程设置应该与培养目标相配套。课程设置的核心课程中应该引入大数据技术相关的计算机软件、语言及算法课程，选修课程中应该增设一些辅助大数据分析的数据挖掘类相关课程及不同行业的相关专业背景课程。3.大数据引领实践教学的改革方向。实践教学环节设计的基本原则是能够有效检验理论教学环节的学习效果，同时锻炼学生的分析问题，解决问题的能力。因此，相应于培养目标和课程设置的改革，实践教学环节的改革应注重学生大数据分析能力的检验和锻炼，积极为学生创造丰富的大数据分析实践机会。例如，在调查分析课程中引导学生改变传统的调查方法，尽量通过数据挖掘揭示某一类现象背后的发展规律，积极开展与大数据分析公司或者相关行业的企业的合作，为学生进行大数据分析实践提供数据及技术支持。4.大数据引领教学方法和手段的改革方向。MOOC、翻转课堂和大量的在线资源的出现为统计学专业教学方法和手段的改革提供了丰富的资源基础，有效构建充分利用各种资源的混合教学模式将成为统计学专业人才培养模式改革的一个重要组成部分。5.大数据引领评价方法的改革方向。传统的评价方法主要注重期末时的总结性评价，忽略过程评价，因此应广泛和合理利用教学各个环节留下的痕迹，即形式各样的数据，创新教育教学评价方法，以此达到对学生、教师及教学效果的科学评价。
二、大数据融入统计学专业人才培养模式的构建
1.大数据融入人才培养目标的制定。人才培养目标的制定一方面要适应经济社会发展的需要，另一方面要从生源质量，办学条件出发，不能盲目追求高目标，因此适当对本校统计学专业历届生源质量和办学软硬件条件等相关数据进行挖掘和分析，有利于制定切实可行的人才培养目标。当然这需要人才培养目标制定者有一定的数据挖掘和分析的能力，需要学校各个相关部门的配合，实际操作起来存在一定困难。2.大数据融入教学方法和手段的选择。教学方法和手段的选择一方面依靠丰富的资源，打破传统的大客厅式的封闭教学模式，另一方面要注重以学生为本和因材施教，这就需要对每个学生的基本素质有客观的把握，仅靠教师的力量很难做到这一点，因此应适当引入相关技术和设备帮助收集课堂教学，课后作业等教学各个环节的实时数据，利用大数据技术全方位综合考量每一位学生的基本素质，为教学方法和手段的选择提供客观的依据，真正意义上做到因材施教。对于一些利用计算机或其他电子设备完成的环节，收集数据的同时，应适当建立针对不同学生的教学策略，以此实现个性化教育。3.大数据融入实践教学环节的设置。统计学专业的实践环节设置应充分考虑利用学习分析和数据挖掘技术分析学生的学习心理，学习行为及学习能力，充分了解学生的前期学习情况，分析教师课堂教学水平和教学能力，充分挖掘教师的特长，以此为基础打造实践教学环节师生的完美匹配，不再拘泥于一个班级或一个专业的学生同时进行相同的实践项目，可以有效提高实践教学的水平和学生的实践能力。4.大数据融入教学评价体系的完善。传统的教学评价体系不能够客观评价人才培养的各个环节的效果，通常是对结果的评价。因此，学校需要利用大数据技术全面分析和挖掘每一个环节的相关数据，包括学生的学习过程，教师的教学过程等，有效利用数据说话，避免对学习效果及教学效果的片面评价，完善统计学专业的教学评价体系。大数据为统计学专业人才培养模式的构建带来了机遇的同时也提出了挑战，我们不能盲目跟风，应认真结合统计学专业学科特点及各方面的条件，合理利用大数据，构建切实可行的人才培养模式。
参考文献：
[1]陈树良.统计学专业创新型人才培养模式的研究[J].辽宁工业大学学报（社会科学版），2012
关键词：大数据背景；信息化；高校大学生；教育路径；社会主义核心价值观
中图分类号：G641 文献标志码：A 文章编号：1674-9324（2016）45-0059-02
大数据在2008年前后就已经被提出，至2012年前后，被越来越多的新闻媒体所广泛传播于世界各地。单看字面意义是指海量的数据，然而其本质不仅仅包含了海量信息，更是包含了对海量信息的读写与检索。大数据这一概念目前已经在《华尔街时报》等诸多世界著名刊物的封面上登载，这代表了大数据时代的来临。面对大数据，人们为了更好的处理海量信息，必然会不断努力以挖掘出大数据的无限发展空间及潜力。
一、大数据的定义、特点与意义
1.定义。大数据是IT行业的专用术语，又名巨量资料，是一种区别于传统数据，在数量、增长率以及形式上有极大飞跃的新处理模式。大数据对处理者具有比传统数据更高的要求，从事大数据处理的人员，必须要具备非常强的决策能力、可以从海量数据中洞察和发现最终结果，并对复杂的数据处理流程进行优化，其战略意义不在数据量的庞大，而在于数据的价值及专业化处理。
2.特点。曾经任职于多个世界知名学府、撰写了《大数据时代》的维克托教授首先预见了大数据时代的发展趋势，这位科学家通过各种科学方法总结出了大数据的“4V”特色，即大量、高速、价值（Volume、Velocity、Variety、Value）。
第一个特点是大量性。全世界的企业、政府机构等各类组织，都面临着数据量的爆炸式增长。据IDC所发表的预测报告称，至2020年为止，全球的数据总量将翻番至少整整五十倍。作出这个预测的依据自然不是空凭想象，而是依据网络通讯技术的发展速度而做出的有依据的预测。网络技术的蓬勃发展，使得每年的数据总量都在不停的增长，并且涨幅仍在不断增加。
第二个特点是高速性。计算机技术的发展使得CPU的处理速度愈加迅速，网络信息技术的发展使得数据的传播速度一瞬千里，因而大数据时代背景下，数据的创建与传播速度，是人难以想象的。对于网络信息数据的高速处理，已经成为所有企业、政府机构努力追寻的方向。
第三个特点是多样性。所谓的多样性，主要是指信息种类的多样性，大数据所包含的形式有互联网搜索、网络日志、音视频和图片等多媒体以及手机通话记录等诸多信息类型。同时，大数据的结构也非常多样，这又使得大数据衍生出更多的形式与类型。
第四个特点是价值性。由于大数据所包含的数据量大到无法想象，结构复杂又灵活，形式与类型繁多，处理者很难从如此繁杂的数据中将最核心的价值挖掘出来，因此大数据具有价值密度低的特点。此外，由于大数据的处理速度极高，这使得使用成本较传统数据模式有了极为明显的下降，成本的下降也使得大数据中的数据更加“廉价”。
3.意义。（1）大数据可以改变人们的价值观。大数据对于人们思想的影响非常巨大，十年间，人们的思想发生了翻天覆地的变化。在未来十年，国民的幸福将有很大的可能取决于大数据的发展。在民生上，大数据的数据处理，可以使事情更加清明透彻，人与人之间的关系更加和谐；在生态上，环保意识更加明确、环保措施更加合理，人们的所思所想、所作所为更加有意义。（2）大数据可以变革社会经济。生产者使商品具有使用价值，消费者使商品的价值得以实现。只有获得消费者认同的商品，才能卖出去，才能够实现其应有价值。大数据于这种生产与实现的关系中使得消费者对经济具有了更加透彻的认识，消费者购买商品，实现了商品的价值，也就调动了社会的内需，使社会经济得以进一步发展。（3）大数据可以使组织发生变革。由于数据在不断的发展过程中拥有了语义网的特征，数据基础设施以及数据资源全都得以发展起来，组织也就随之发生了变化。而大数据时代的来临，使得网络结构逐渐向无组织中心的组织力量这一方向发展。日常生活中有许多网络形式是对这种结构的反映，如种类众多的已经去除了中心化组织的WEB 2.0应用，如RSS、BLOG、WIKI百科等。大数据通过追逐数据的价值和意义来获得智慧，从而作为时代变革的主流力量之一。
二、大数据在高校大学生进行社会主义核心价值观教育中的应用
大数据在教育领域有种非常具有现实意义的应用，以在高校大学生中开展社会主义核心价值观的教育为例，可以探索出新的教育途径、对传统模式下的教育强化出极为明显的教学效果。
1.网络视频课程或者网络辅导网站。教师可以建设以社会主义核心价值观为主题的网站，然后将自行制作的各类、各种风格的教学视频上传至网站上，以供学生在线观看或者下载学习。学生在学习后可以在视频下方留言，或评论教学视频的优劣、或提出问题，教师在事后进行回复，吸取学生的建议，调整教学方法。此外，由于学生观看或下载视频会产生点击率，教师也可以根据点击率总结哪一类课程或者哪一种风格的课程更受学生的欢迎，以便在之后教学风格与饰品风格的选择上更加贴合学生的需求。
2.开发软件与数据库。这一点主要是借鉴国外许多学员的经验，基于各种数字系统所收集的数据，按照统计学理论来编译软件、开发数据库，然后使用软件调动数据库中收集的学生的日常行为表现并进行分析，再通过可视化软件汇集结论，使学生在校期间的表现得以具体化到教师眼前。教师能够以此为依据，采取个性化的特色方案对学生进行社会主义核心价值观的教育。
3.依托于计算机进行学习软件与学习模块的开发。编程软件的诞生使得计算机技术迈入迅速发展的历程，不仅是计算机系统，就连计算机的功能模块也迅速增加。在大数据的时代背景下，思想政治教育者可以借助计算机中的编程软件，为计算机添加学习模块，并向模块内置入有关社会主义核心价值观的学习内容，学生在计算机上可以直接学习。学习模块还可以内置具有数据分析功能的软件，学生的学习成果可以被收集，学生的学习潜能可以被预测。思想政治教师也可以根据软件分析结果对学生采取最适合的教育方法，对其思想状况进行引导。
三、大数据应用于社会主义核心价值观教育的未来设想
通过收集数据和分析数据、开发软件与数据库等大数据技术，学生获得了更多的学习机会，教师也得以极大地丰富和扩展了自身的教育方法。大数据系统的各种计算方法，可以帮助学校针对学生特色总结出最适合学生的学习方法和实践方式。大数据通过分析深含于系统内的历史，可以推算出最适合当前形势及未来趋势的学习策略与教学建议。学校借助大数据，可以积极分类学生，根据学生的个体差异性来为其调整出最符合其自身特性的学习课程，并借助数字化多媒体技术与计算机等设备将丰富的教学经验进行分享，使大数据的价值性和现实意义得到最大的发挥。
大数据时代的来临，意味着当前社会的思想、政治、经济、文化等许多方面都会发生巨大的变革。在本文中，笔者首先阐述了大数据的特点和重要作用，又选取了在校大学生社会主义核心价值观教育这一详细课题，结合大数据进行了综合分析，探讨了大数据到底该如何与教育相结合，望对从事相关研究的工作者具有一定的参考意义。
参考文献：
关键词：大数据 MOOC 教育质量
中图分类号：TP3-4 文献标识码：A 文章编号：1007-9416（2015）03-0000-00
近些年来，世界范围内开放教育资源（OER）运动不断扩展，MOOC（Massive Open Online Course大规模开放在线课程）的应用也不断升温，无论是学校还是教育产业、教师个人，都在积极关注、大力投入、主动应对。MOOC作为网络远程教育的一种新形式，是新出现的一种在线课程开发教育模式，它起源于以前的资源、学习管理系统和将学习管理系统与更多的开放网络资源综合起来的旧的课程开发模式。MOOC对于当前的教育机制来说是新机遇和新挑战。简单地说，MOOC作为大规模的网络开放课程，它是为了更广泛的知识信息传播而由具有分享和传播知识的个人或者组织的，能够在互联网上让任何用户自主学习的的开放性课程， “大规模”、“开放”和“在线”是 MOOC 最大的特点。
MOOC的发展和推广，同样也经历了漫长的过程，它是现代教育的在线式教育和开放式教育发展的延伸。从最早的美国麻省理工学院的开放式课程计划（MIT OCW），到后来的的“开放教育资源”（OER）运动，都为MOOC的发展奠定了良好的平台和基础。2007年，美国学者戴维・维利开发的《开放教育导论》和加拿大阿勒克・科瑞斯博士开设的《社会性媒介与开放教育》成为了MOOC的雏形。国内的政策环境和各类网络课程资源建设工程项目的实践也为MOOC在中国的发展提供了基础。2000年教育部高教司启动了面向高校的“新世纪网络课程建设工程”，当时的计划是用大约两年时间，完成200门左右的基础性网络课程、案例库和试题库，为现代远程教育提供所需的网络学习资源。到2004年，通过验收的项目将近300个，并且多门网络课程已经广泛使用于网络教育学院的教学过程。同时，国家教育部也启动“国家精品课程建设工程”，面向全国所有大专院校从2003年到2010年间开展精品课程申报与评审，评审出国家精品课程3800多门，这一过程也带动地方和高校自身建设了更多的省级和校级精品课程，为后来的网络课程做了充分的准备。2010年以后，随着耶鲁大学等20多所国外名校的视频公开课在网上流行，国内的网易等知名网站为其开辟了如“网易公开课”这样的的课程教学选项。为紧跟国际教育教学的发展趋势，强化国内优质教育资源的开放与共享，教育部也在2011年启动“国家精品开放课程建设工程”，包括精品视频公开课与精品资源共享课，而其中的精品资源共享就是在原有的国家精品课程为基础上进行升级改造。从2011到2013年共有200多所知名高校参与精品视频公开课建设，共计有120多门课程向社会免费开放。（教育部办公厅，2014）2012年MOOC席卷全球，被大家称为MOOC元年，中国的各个大学自2013年初也开始加入到MOOC建设实践中。其中几所大学已经在Coursera和EdX平台上有了合作，MOOC的主力军就是清华和北大，清华大学还有自己的学堂在线MOOC平台，应该是中国最出色的MOOC平台，还有爱课程和网易云课堂推出的中国大学MOOC，上海交通大学有个好大学在线MOOC平台，值得一提的是的很多MOOC课程在Coursera上相当有影响力，上海交大和复旦大学也和Coursera有合作，还有香港科技大学，香港中文大学也和Coursera有合作。不同大学与平台的加盟合作体现在两方面，一方面是引进国外的MOOC，另一方面是推出中国本土的MOOC。在课程引进方面，清华大学的“学堂在线”与edX签署合作协议，获得edX课程在大陆地区的唯一授权，目前“学堂在线”共有120多门由edX联盟高校提供的MOOC。在自身课程开设方面，8所加盟高校共在国外MOOC平台上开设有50多门课程，但是从学科大类上来看，文科和理科课程较多，工科类课程相对较少。
虽然MOOC经历了这样的发展，但是从MOOC的推广者与建设者的角度来说，MOOC所面临的问题仍然是教育资源问题，也就是说我们用什么样的课程来推广，让学生以什么样的方式来学习。MOOC中课程的难度设置、课程的评价方式与考核方式等问题一直是教育界关注的话题。怎样才能更好的让学生完成学习全过程，作为参与者的老师、学生和计算机专家都在关注。与其说这是MOOC建设的问题，不如说这是大家面对的网络技术、人机交互技术、人工智能、心理学等跨学科的挑战。《国家中长期教育改革和发展规划纲要（2010-2020年）》中曾经提到：“信息技术对教育发展具有革命性影响， 我们必须予以高度重视。”在数据充斥任何角落的大数据时代背景下，我们在过去许多难以表达的信息都可以利用成数据进行处理和存储起来。在进入数据储备和数据处理技术飞速发展的大数据时代后， 我们可以采用相关的计算机技术来分析判断事物的发展趋势，这样变化对人们的知识体系、 价值体系和日常生活方式产生了非常大的影响。在这个大数据时代，尚未被发掘的数据内部价值能否被激发和利用，各个行业能否利用大数据的分析和引导对自身的发展进行推动，都取决于我们对大数据及其大数据潜在功能价值的开发。同时我们发现利用大数据和开发大数据价值的重要一点是养成与大数据相适应的思考问题的方式。大数据时代的思考问题方式离不开大数据的收集分析统计，因此我们也可以说，大数据本身成为大数据时代解决问题方式的源头。我们依赖大数据进行分析和引导是形成大数据应用时代的新观念思维体系。大数据的出现和利用大数据分析引导我们的行为，改变了很多人解决问题的思维方式， 教育界也是如此。
大数据时代的到来加速了教育信息化的进程。大数据是 （Big Data） 由数量巨大、 结构复杂、 类型众多的数据构成的数据集合， 它通过新型数据处理与应用模式， 实现数据间的整合共享与交叉复用，从而形成智力资源和知识服务能力。大数据具有鲜明的时代特征， 其突出表现为数字数据急剧增长，引领人们的思维方式和工作方式发生巨大变革， 具体可以概括为4个 “V” 。大数据与传统数据的主要区别也在于这个 “ 4V”―― Volume、Variety、Value 和 Velocity。而MOOC 正好具有大数据的几大特征。他们与传统课堂教学形成了一个更好的相互促进的过程，如下图1。大数据时代的特点，让“数据大数据分析和挖掘发现和预测”成为人类创新的新途径， 而培养具有复合型的知识、能力和素质的创新型人才是适应现代科学技术发展趋势和社会经济发展需求的惟一出路。这必将引领信息化教学的变革趋势，信息化教学变革将带来教育的资源观、教学观和教师发展观的变化， 这对于深化高校课程改革、提高各级教师教育教学水平、建设新型专业教师队伍具有重要意义。
如果说大数据使人类的思维方式和工作方式发生了革命性的变革，那么，MOOC则是大数据时代在教育教学领域引发的信息化革命新浪潮， 它使传统教学的资源观、教学观、教师发展观等都发生了新变化，这势必影响着高等教育创新，为信息化教学创造更多的可能性。2013年2月出版的《2013NMC地平线报告 （高教版） 》 中将大数据技术视作未来影响学与教的主流技术之一。与传统的在线课程相比，MOOC的最大特色在于充分体现了以学习者为中心的教学理念，其课件形式简单， 内容丰富， 满足学习者自主学习的需求。MOOC的推行有助于促进教育均衡发展，促进教育公平，创新教学模式，提升教育质量。通过MOOC教学，实现了更为便捷的的知识传播与交流，不再具有常规教学的学科限制与知识能力的限制，实现了无障碍的最公平的知识学习。因此，MOOC中大数据技术应用的关键不在于掌握非常大的数据信息，而是要进行数据的专业化处理， 提高数据“信息展现能力”，这才是它的最有意义的地方。通过这样的利用，才可以实现海量数据的“增值”。加州大学伯克利分校的Armando Fox教授用数据佐证，面向社会大众提供MOOC，有利于提高学校自身的教学质量。“大数据能使整个世界都来‘debug’（除错）这门课，有助于改进（高校）教师的教学。”MOOC借助数字化和大数据技术，实现了对课程选择的分析，什么样的课程更能吸引学生的学习兴趣，什么样的教学方式更能使学生的学习持续进行，同时，通过这些信息进行后台分析，我们能随时了解到学生学习状况和学习特点，比如学生登录的时间和持续学习的时间分析，以及设定学生在学习过程中要完成的各节作业，能让教师能了解每个学生的个性数据和班级整体规律情况，使得学生个性化的教学得以保障，教师的传统教学地位反而得到提升。我们认为所谓的教学质量应该是指学生的全面充分发展，包括知识掌握、思维方式、创造力培养、人格完善等多方面。通过大数据下学生MOOC行为的分析，正是有利于这样的教育教学质量的提升。
传统的大学教育教学模式面临的问题越来越多，而大数据与MOOC技术的出现为我们教育教学改革提出了更多实现的可能。MOOC 教育平台能够面向广泛的却更加强调个体化的学生群体、增强教师与学生之间的互动、对教学效果进行实时的分析评估并借以提升实践教学水平，它已成为大数据时代有效的学习平台。我们应该充分应用这个平台，分析存储海量的学习数据，总结出更多实体学习规律及其学习模式，从而建立个性化学习模式，同时，可以让教师通过每个学生的学习过程数据，更便利的评价课程教学效果，为课程教学设计的改进提供依据，从而提升高校教学改革的效果，也使授业的学生能多的全面掌握知识，更好地适应社会发展的需要。在线教育的改革大潮在不断推进，相信我们的高等教育将迎来一个更开放更高效的明天。
关键词：大数据；本科院校；计算机教学
0引言
本科院校计算机教学中，知识点分布较为分散，再加上课程多、学时少，使得推行传统教学方式将难以满足当今社会追求个性化的大学生学习发展需求。大数据环境下，将大数据技术应用于本科院校计算机教学中，可有助于提升教学质量，推动教学改革[1]。由此可见，对大数据环境下提升本科院校计算机教学质量以及开展研究，有着十分重要的现实意义。
1大数据时代环境概述
相较于传统数据，大数据具备数据量庞大、非结构化、分布式化以及可视化展现等显著特征，这一系列特征可很好地契合当今社会个性化教学的需求。尤其是在大数据不断推进互联网融合背景下，计算机行业实现了迅猛的发展，各式各样的企业、组织在互联网方面得以不断发展进步。传统本科院校计算机教学往往是教师开展计算机理论知识教授结合学生的上机训练，教师仅需依据教学要求实行课程计划，学生也仅需被动地获取理论知识，再接受相关考核，这种教学模式显然不利于学生综合能力的培养。大数据环境下，基于大数据技术推进本科院校计算机教学，可有助于教学、学生转变思维观念，并且教师使用的教材、教学模式同样可实现改革，进而促进本科院校计算机教学质量的有效提升。
2大数据环境下本科院校计算机教学策略
本科院校在大数据环境下，要紧随社会发展步伐，强化改革创新，在先进理念、成功发展经验的支持下逐步推进计算机教学改革，如何进一步促进本科院校计算机教学工作有序开展可以从以下相关策略着手。
2.1依托大数据技术，推进计算机教学模式改革创新
大数据环境下本科院校计算机教学，首先应当将教学模式划分成2方面内容，即实践学习、虚拟学习。在实践学习过程中，推行教师面对面教授、教师与学生相互间、学生与学生相互间点对点的交流模式，开展计算机理论知识学习的同时，还应当强化计算机工作实践技能的训练。依托点对点交流，将课堂教学内容化成学生自身技能，这种个体与个体相互间的交流，知识信息传递存在碎片特征，因此需要开展优化整合，帮助学生建立系统的知识结构[2]。实践学习模式，如图1所示。在此学习环节，教师应当开展适用的计算机教学案例准备，健全计算机技能操作训练，并鼓励学生彼此进行有效的沟通交流，第一时间采集反馈信息，促进课堂教学有序开展。在虚拟学习过程中，学生依托有效的学习系统展开学习，诸如文章案例、图书导读、在线课件等。在此学习环节，应当注重结合学生实际情况，依据学生实际需求获取知识，提高计算机专业技能。通过对互联网提供的庞大数据信息开展有效利用，一方面可对课程知识发挥良好的补充作用，另一方面可有助于学生对自身学习水平形成有效认识，进而为学生指引明确的学习发展方向。通过对大数据技术的应用，可有助于教师更全面地掌握学生学习实际情况，基于此，教师要为学生制定科学的学习计划，凸显个性化，关注学生在学习环节的主体性。此外，大数据环境下，教师还应当调动学生计算机学习的主观能动性，激励学生不断发展，培养他们对数据的分析、处理能力[3]。
2.2依托大数据技术，扩充计算机教学资源及评价方式
单凭课堂理论教学往往会造成信息不公平性的问题，需要明确的是，本科院校计算机教学质量受学生进入大学前其具备的计算机知识水平很大程度影响。由此可见，依托大数据技术，强化教学资源建设及扩充教学互动的多元形式尤为重要。现阶段，国际知名的MOOC运营平台、国内大量资源研发机构、区域性的产学研结合均已建立起分布式数据库或者运用分布式资源服务器，由此很大程度上拓宽了计算机课程资源的存储空间。另一方面，数字化的教学环境聚集了大量的教学信息，这些教学信息能够科学凸显学生的计算机技术专业水平及发展潜力。然而这些信息尚未得到充分开发利用，仅用以简单的记录、查询，未能提炼出隐藏在这些信息中的教学规律、学习计算机水平的差异性等。依托大数据技术，通过对这些信息开展分析处理，以挖掘信息中有价值的模式及规则过程，并将其应用于计算机教学评价中，促进教学评价管理的有序开展。依托大数据技术，推进本科院校计算机课程不断改革创新，突出学生的主体性，转变教师作为单一的评价主体地位。丰富计算机教学评价主体和评价方式，提升本科院校计算机教学质量。
3结束语
总而言之，大数据环境下，本科院校计算机教学应当推行个性化教学改革，指引学生结合自身实际情况制定学习计划，进一步提升教学质量。鉴于此，相关人员务必要不断钻研、总结经验，清楚认识大数据时代内涵，全面分析现阶段本科院校教学中存在的主要问题，结合学生实际情况，“依托大数据技术，推进计算机教学模式改革创新”“依托大数据技术，扩充计算机教学资源及评价方式”等，积极促进本科院校计算机教学工作的有序开展。
参考文献：
［1］蒋日华，傅文博．提升大数据时代应用型本科院校计算机实践教学管理水平的思考［J］．洛阳师范学院学报，2016，35（11）：62-65．
［2］胡蓉．基于大数据背景下的高校计算机教学研究［J］．科技展望，2016，26（24）：162-163．
关键词：大数据；时代；高校；工商管理；教学
与既往教育工作有所不同，高校工商管理专业教学的很多内容，都必须从长远的角度来出发，应坚持在教育工作的实施过程中，对多方面的数据、信息等，都做出准确的把控和掌握，这样不仅能够在工作的可靠性方面获得大幅度的提升，还能够在工作的硬性标准上做出良好的巩固。人才培养不能按照故步自封的模式来实施，一定要不断的突破自身的不足，这样才能在未来取得更好的成就。
一、大数据时代高校工商管理专业教学的问题
（一）培养目标定位模糊，缺乏针对性
近年来，高校工商管理专业教学引起了社会上的广泛关注，该专业的人才培养，的确能够对地方社会发展和国家行业建设提供较多的帮助。可是从大数据时代的角度来分析，高校工商管理专业教学的问题，已经表现的非常明显。例如，培养目标的定位较为模糊，缺乏足够的针对性[1]。首先，高校工商管理专业教学过程中，并没有对学生开展理性的教育，很多学生都认为自身的就业空间和路径非常的广阔，但实际上能够去从事的行业并不多。此时的很多学生对自己的人生规划过于乐观，难以在自身的锻炼和能力塑造上，获得针对性的提升，缺少足够的竞争力后，在毕业后难以得到满意的工作，产生的不良影响是比较多的[2]。其次，在高校工商管理专业教学的过程中，有些教师对学生的培养目标定位，未能够从学生的角度来出发，自身所采用的方式方法过于陈旧，这就很容易导致教育工作的开展，出现很大的漏洞。
（二）课程设置不合理，教学计划有待完善
从主观的角度来分析，高校工商管理专业教学的实施过程中，有些地方的课程设置并不合理，尤其是在教学计划上，还是有待完善的。首先，大数据时代的分析过程中，发现高校工商管理专业教学的课程设置，虽然在类型上、数量上非常的多，但是具体的课程内容并没有表现出多元化、差异性的特点，这就很容易对人才培养造成很不好的影响，很多学生容易在思维上出现错误的思考，对于将来的长久发展和人才团队塑造而言，造成了较为严重的阻碍[3]。其次，教学计划的完善工作开展，也是需要进行深入分析的，可是某些院校并没有按照正确的路径来完成。例如，部分院校在大数据分析过程中，发现成功案例的一些特点在于计划数量较多、层层叠加的使用，可是这种方法与自身的需求和执行力并不相符，强硬的操作，肯定会对高校工商管理专业教学的固有计划造成打乱现象，非常不利于高校工商管理专业教学的长久发展。
二、大数据时代高校工商管理专业教学的对策
（一）加强课程体系建设
与既往的时代有所不同，大数据时代来临以后，很多教育工作的实施都要从全局角度出发，对于阶段性的短期目标和长期目标设定，要保持在均衡、协调的状态。结合以往的教学经验和当下的教学标准，认为高校工商管理专业教学的未来发展中，必须坚持加强课程体系的建设。通过在该方面投入较多的努力，能够为高校工商管理专业教学的进步和问题弥补，奠定坚实的基础，在人才培养和时代顺从的效果上，获得阶段性的提升。课程体系是人才培养模式的落脚点，是教学改革的核心。应做到以下几点：理清教学改革的培养目标；在专业基础课程方面主要应体现扎实的工商管理学科的理论基础；注意理论和实践两大类课程的精心设计；加大选修课的选修空间，给学生提供充分的选择余地；加强实践教学课程建设，构建独立的实践教学课程；重视精品课程和网络课程建设。由此可见，课程体系的强化建设，是非常有必要的，要坚持打造特色化的课程，在人才培养过程中，取得更加专业的成就。
（二）抓好教材建设
大数据时代的来临，意味着高校工商管理专业教学的拓展，必须在教材建设上投入较多的努力，这是硬性要求，不能有任何的错误举动。首先，大数据分析技术的应用，应对既往的教材使用效果、学生欢迎程度、教师的反馈内容等，都做出相应的整理分析，观察教材当中的缺失和不足，要结合社会上的需求和行业发展，选择一些有针对性、有深刻内涵的教材来开展教学工作，这样操作的好处在于，不仅能够让学生从被动学习转变为主动学习，还可以在将来的知识教育成果上，不断的获得更大的提升，努力取得较好的人才培养成就。其次，教材建设过程中，要对教师的看法、学生的观点、国家颁布的要求等，都做出融合性的应用、选择，从而避免在教材建设的过程中，采用单一的手段来完成，要确保教材的科学性、合理性。
（三）加强教学计划的修订
高校工商管理专业教学过程中，为了更好的顺应大数据时代的要求，还需要在教学计划的修订方面，努力按照正确的方法来完成，该方面的工作不能出现任何的不足现象。例如，根据大数据时代的相关分析，认为教学计划的修订过程中，每学期至少要开展2次修订，修订过程中要结合多方的观点与看法，确保修订的正确性。与此同时，教学计划的修订以后，应做出有效的执行，并且坚持对众多的教学数据、信息开展搜集和分析，尤其要在社會上的教学时事热点方面，都要做出准确的掌控，这样才能在未来的教学工作上，努力获得更大的进步，对相关的内容做出良好的优化处理。
三、总结
大数据时代的来临，直接促使高校工商管理专业教学的很多内容，都需要做出适当的变革，要坚持将学生作为中心；坚持在教学数据上深入分析；坚持对教学信息做出全面的掌握。日后，需继续对高校工商管理专业教学做出良好的改善，将新的理念、新的方法更好融入，努力在人才培养水平上获得较大的巩固。
（作者单位：华北理工大学迁安学院） 陈双
参考文献
关键词：大数据时代；统计学；影响
随着大数据时代的到来，各企业采用了新的策略，获得了更多的利润。对于统计专业来说，改变发展策略，使培养出来的专业人才能够适应大数据背景的需求是其主要任务。目前，高校统计学专业逐渐认识到大数据时代综合性人才培养的重要性，并对专业建设进行了相关改革。
一、大数据时代对统计学的影响
大数据时代的到来对现代统计专业的发展造成了新的冲击，要确保培养出来的人才能够起到应有的作用，首先要了解大数据时代对统计专业所造成的影响。
（一）大数据时代使数据结构和数据性质发生变化
网络技术以及基于网络技术的电子商务等新的数据记录模式标志着大数据时代的到来。大数据时代，不再依赖于抽样调查的记录模式，网站浏览、视频监控都将形成大量数据。传统的数据结构甚至是数据性质发生了变化。大量的数据信息对于需求者来说，如何甄别其可用价值成为关键。传统的数据可以二维表格显示和整理。但大数据时代所产生的数据具有多样化和复杂化特征，往往包含了大量的音频、视频、HTML等。这要求大数据的收集具有较强的目的性，才能实现其价值。
（二）大数据时代要求统计分析方法和统计思维更新
大数据时代的主要特征为数据多且复杂，数据分析要求分析者对总体进行分析。在这一背景下，参数统计不再具有意义，假设检验法也随着总体分析而失去价值。数据的复杂化对传统大数据统计思维造成了巨大的冲击，要求统计者具有活跃的思维。只有对传统数据的改变进行分析，并且树立新的统计方法。
二、大数据时代下的统计学发展新策略
为适应大数据时代的需求，统计学专业的发展势必要对传统模式进行改革。目前，多数高校统计学专业已经认识到大数据对于其发展带来的冲击。为此，本文提出了以下策略，以及能够帮助统计学取得更好发展。
（一）加强统计应用性教学
根据大数据时代数据的总体分析特征，数据分析人员应掌握全面的分析方法。在人才培养过程中，应致力于培养实践分析能力，提高数据和资料收集能力，并且培养其强烈的数据价值观，使其能够从众多数据中找到所需的。另外，对传统模式进行改革，增加大数据统计内容，以适应时代的需求。基于大数据的结构特点，实施资料透视化教学，提高分析者对复杂数据的分析能力。
（二）培养大数据统计思维
在人才培养过程中，新的统计思维的培养具有重要意义，即强调数据分析实践能力的提高。统计思维的培养有助于数据分析者对复杂的数据进行区分，从而整理有效信息。在大数据时代，不仅要以传统的平均思维、动态思维和变异思维为基础，还要注重基于整体分析的大数据思维。另外，还要培养数据分者的复杂性思维，以应对复杂的数据库。总之，大数据时代需要数据分析者具有全面的、创新性的思维。
（三）强化基础性统计知识
统计学自身具有复杂性，其改变多且抽象。基础的统计知识是进一步掌握大数据分析思维的基础，可见学习基础性统计知识的重要性是不言而喻的。为此，应该采取深入浅出的方法，利用多媒体等方式使复杂的数据统计清晰化、简单化。结合具体的案例使数据分析者正确认识统计概念、掌握统计原理和方法。此外大数据分析不再是一种专业，而是更倾向于一种技术，这要求我们将大数据分析与统计学以外的相关知识相互联系。注重真实相关与伪相关的讲解，强调商务智能的开发和分析。只有具有坚实的基础，才能确保数据分析者大数据分析思维的养成，适应现代社会的需求。
（四）加强复合型人才培养
为适应大数据时代的需求，复合型人才的培养是关键。所谓复合型人才，是指其不但要具有专业的数据分析能力，还要相应的具备管理以及其从事专业的技术。大数据时代，高校应建立全面的人才培养模式，注重培养人才的数据分析能力、编程能力等，使其真正了解大数据，懂得如何利用大数据对其所处的行业起到积极作用才是关键。总之，大数据时代对综合性人才具有更高的需求，大数据时代不仅培养的是一种能力，而且是一种思维，是对全新模式下的数据的分析和利用。高校作为人才培养的重要基地，其教学模式的改革、对大数据时代所需教学模式的认识是高校的主要任务。
三、总结
统计学是经济学的基础课程，传统的统计人才培养具有定向性。而随着大数据时代的到来，数据产生的形式多样，且具有复杂性。大数据分析不仅是作为一种专业存在，而是应以一项必备的技术而存在。大数据时代，传统的统计思维和统计方法发生了改变，统计人才培养方式的改革也就势在必行。（作者单位：海南师范大学）
参考文献：
[1] 朱怀庆.大数据时代对本科经管类统计学教学的影响及对策[J].高等教育研究，2014（3）.
[2] 姚寿福.经济管理类本科专业统计学课程教学改革思考[J].高等教育研究，2012（3）.
[3] 孙耀东.大数据背景下统计学专业课程教学探究[J].廊坊师范学院学报（自然科学版），2015（06）.
关键词:大数据时代;物流职业教育;现状;对策
0前言
据阿里2015年不完全统计的物流数据显示，淘宝网站“双11”当天生成的物流订单数4.67亿，和前年数据相比，韵达、圆通、申通等快递公司的物流量均翻倍，然而并没有发生类似之前快递“爆仓”的问题，有人认为是配送效率提高的原因，事实上是大数据应用发挥了重要作用。下面是淘宝数据应用发展的四阶段:被动响应—2007年前;主动变革—2008－2010;优化完善—2011－2012;数据驱动—2013。由此可见，大数据应用对物流管理的作用不容小觑，而关于大数据时代背景下物流职业教育的相关对策研究也就显得尤为重要。
1大数据时代
所谓的大数据(BigData)，最初是由全世界知名公司麦肯锡提出的，强调大数据是下一轮竞争、创新及生产力的前沿，也就是就企业角度来讲，大数据应用是未来竞争和发展的重要保障。显而易见的，大数据具备海量性、多元化、价值性、快速性等特征，促使数据处理方式、处理工具也随着信息时代的发展而快速完善和成熟，并且大数据应用己渗透到社会的各行各业之中，比如机关单位、教育行业、金融经济、科技研发等。纵观整个大数据时展历程，京东商城于2013年初启动云计算研发基地，并且组建了中国人大京东商城电子商务研究室，加强对电子商务大数据的研究分析。同年5月，申通快递于京交会上演示了新型信息化智能平台，可自动整理、分析物流数据，了解申通各快递站点的经营情况、业务发展等。
2大数据时代背景下物流职业教育面临的机遇和挑战
根据菜鸟网络的发展规划，未来将建立一个能支持网络日销售额300亿的智能物流骨干网络，实现全国各地24小时送货上门的目标。这种智能物流骨干网络就是大数据在物流行业的一大应用，势必会导致物流行业格局变化，给各大物流企业带来更大的挑战。由此可见，物流行业要迅速提升企业的竞争力，夯实企业的实力，才能更好地迎接挑战。事实上，菜鸟网络除了给物流行业带来威胁和挑战之外，还创造了一定的机遇，提供了大量就业岗位和打开了大数据人才缺口。据麦肯锡的预测报告显示，至2018年美国大数据分析人才缺口将高达15万～20万。而且这些大数据人才不仅要掌握计算机技术、数据统计能力，还要将海量的物流数据转变为有价值的商业信息。大数据的真正的价值意义是从海量数据中发现新知识、创造新价值。物流快递行业的各环节都会产生大量数据信息，如何利用大数据来整理归纳、分析总结海量数据，从而掌握各运营站点的经营情况、业务发展等是需要企业高度重视的。大数据技术应用于物流管理决策可以提高物品流通速度，降低物流成本。尤其对一些特定产品来说，对时间、新鲜程度的要求很高，通过大数据分析等应用，可以有效提高商品流通速度，降低商品积压，从而有效地降低物流成本。目前，传统物流专业教育更倾向于培养构建物流体系、经营管理物流企业等方面的高质量人才，而大数据在物流领域的广泛应用对数据分析师的需求越来越明显，这就对物流专业教育提出了更高的标准。在大数据时代背景下，单纯的IT技术人才已不能满足物流行业发展所需，能将技术和行业有效结台的复合型人才培养才是大数据发展的必然趋势，因此，物流职业教育面临着前所未有的机遇和挑战。
3国内物流职业教育的现状
尽管大数据时代为物流职业教育创造了改革机遇，然而目前的物流职业教育体系仍难以满足需求，这是由于国内物流职业教育自推行以来虽小有成就，但依旧存在一些主要的问题如下:(1)学科构建不完善，物流职业教育理论体系不够完整;(2)教学设施陈旧，科研实验室相对较少，难以保证教学效果;(3)教学模式落后，忽视实践能力的培养，教学课程冗长无味，传统灌输式教育抑制了学生的创新力和解决问题能力的培养;(4)教材内容滞后行业发展，课程之间知识点重复，缺乏有关物流实践经验的总结分析内容，整体质量偏低;(5)考核评价体系落后，学生过于追求理论成绩，期末“临时抱佛脚”现象严重;(6)教师团队学术和实践能力不平衡，尤其是年轻教师没有物流企业工作经验，案例教学、互动教学不多，难以提供给学生最有实际价值的信息。
4大数据时代背景下物流职业教育模式
随着大数据的广泛应用，针对大数据的分析能力对物流职业教育提出了更高要求。物流职业实践性非常强，物流职业教育必须要立足于实践。在大数据时代背景下，要转变思维模式，重视创新力和创造力的培养，可以适当地借鉴国外成功的教学经验。比如德国从教育目标、课程设置、师资团队等方面都比较注重应用实践性，学生除了具备坚实的理论基础之外，还要有一定的实践能力，毕业之后能快速胜任物流工作;英国则采取“工读结合、实践教学”的物流职业教育模式，即学生先去企业了解企业需求并发现自我需求，再回学校进行系统的专业学习，最后回到企业进行实践。国内在这方面值得推广的是络捷斯特公司推出的长风学霸赛，是面向全国中职、高职及本科院校的物流、电子商务与会计专业学生的一个在线学习与竞赛的项目，其中本科学生仅限于参加物流专业竞赛在全国高职高专院校物流管理专业里面受到很大的欢迎。(1)就业定位明确。对于国内各大高等院校而言，可结台自身特色和优势来细分物流职业教育，进行差异化物流职业教育，不需要培养出同类型的人才。同时结合自身的就业定位来制定教育培养计划，向社会输出高质量的物流人才;(2)重视校企合作。对此，各大高等院校可结合实际情况，发展与校外企业合作，根据行业性质来设计物流专业课程。比如上海同济大学就和建材业、快递业、电子产品行业等建设了产学研合作基地，可通过行业渗透来累积物流经验，提高教学质量;(3)注重实践能力的培养。在校企合作的产学研基地中，要迎合企业实际需要，在保证企业科研成果的前提下，适当加强学生的实践培训，让学生在实践中巩固所学知识、提升自我技能。大数据时代背景下的物流职业教育仅仅依靠学校是难以实现的，要将学生放到企业之中，在真实的物流工作岗位上让其运用所学理论和技能来分析和研究企业本数据，为企业大数据分析提供一定的辅助作用，这样才能实现学校、企业、学生的共赢;(4)开展校企科研合作训练计划。高校可多开展一些物流设计大赛的训练计划，企业提供科研课题，高校组织学生组队参加，某种角度可帮助学生形成团队合作意识，提高学生的创新力和创造力，加强学生解决问题的能力，甚至还可为企业提供一些独特的创意和想法。另外，学生的毕业论文或者毕业设计也可安排在企业实习过程中，双向培养模式能促进学生的全面发展;(5)提供教师企业实践学习机会。古语云，工欲善其事，必先利其器。只有在保证物流教师具备充分的行业经验的前提下，才可有效改善传统灌输式教育模式，让课堂教学更直观、更有趣，强化教学效果，同时还能解决企业科研难题，发展良好的校企合作关系，从而保障学生的学习和实践资源;(6)重视实验基地、物流图书馆的构建。开展科研教学的重要前提是实验室，各种模拟仿真实验设备和网络环境，为学生建立物流网络、发挥创造想象力创造了条件，是培养大数据分析能力的重要硬件条件。除此之外，物流图书馆的构建有显著的专业特色，便于科研教学活动的开展;(7)突出个性化教学。在大数据时代背景下，大学生的学习方式也随之发生变化。基于大数据的线上实验室、物流图书馆为学生创建了学习交流平台，学生可结合自身实际来选择合适的学习资源。同时，高校学生可有选择的将学习信息公布出来，和教师、学生甚至专家进行在线交流探讨，实现互动学习模式。个性化教学模式除了能提升学生的积极主动性之外，还能激发学生的想象力和创新力，对学生整体能力的提升有积极影响。5结语总而言之，大数据为物流行业带来了机遇和挑战，相对应的，物流职业教育也要有所改革来适应物流行业的变化，要立足于实践，加强教师和学生之间的互动交流，培养并提升学生的创新能力和解决问题的能力，才能让物流职业教育跟上时展的步伐，培养出社会所需的全方位、高质量的物流专业人才。
参考文献
［1］刘楠．任务驱动教学模式在物流教育中的应用［J］．亚太教育，2016(23)．
［2］魏宝红．基于铁路特色的物流创新型人才培养模式研究闭［J］．陕西教育(高教)，2016(08)．
［3］叶丽青．以就业为导向的中职物流专业教学模式探索闭．职业，2013(14)．
［4］刘振华．基于实践技能培养的物流专业教学改革的探索［J］．时代金融，2012(14)．
［5］刘刚．刍议中职物流专业教育模式改革［J］冲国校外教育，2012(02)．
［6］周倩．浅析高职物流人才的专业综合技能培养途径［J］．中国市场，2012(02)．
［7］王永富．新时期广西高职物流专业教村建设研究［J］．物流工程与管理，2012(04)．
