大数据时代概述精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的大数据时代概述主题范文，仅供参考，欢迎阅读并收藏。

第1篇：大数据时代概述范文

大数据时代的到来对包括教育系统在内的各行业都产生了深刻的影响，尤其是与数据技术密不可分的信息技术课程受到的影响尤甚。

教育信息化在全国各高校已推行多年，虽然网络化学习环境、远程教育、数字化教学资源得到了广泛应用，但是大部分教学活动的并没有因为数字化设备的应用而随之改变，课堂教学依旧是传统的教师讲授，学生记忆理解，只不过在这个过程中纸质教案电子化、黑板粉笔换做幻灯片投影化而已。

大数据时代学生在课外通过网络等接收到的信息量要超过课上教师讲授的信息量。在这种海量信息的冲击下，学生的学习方法、知识结构和自主学习能力已产生变化，信息技术这门课程受大数据的影响最直接，作为教师也必须及时进行教学思维、教学方式、评价方式的改革。

一、转变教师教学思维

传统的信息化课程教育是教学管理者通过多年的教学管理经验制定教学大纲，教师通过多年的课堂授课经验设计教学内容，依据过去的经验总结、归纳并选择某些因素或知识点作为教学活动的重点。教师在大数据时代下从事教学活动，首先需要将思维从传统的集体教学转向个体教学。传统的教育也强调因材施教，但在学校现有的教学模式下，教师不可能真正实现面向学生个体进行教学。而教育大数据技术的出现，通过对教育数据的分析、挖掘，可以实时得到符合学生实际学习情况与教师教学实际效果的具体数据，从而可以在授课过程中有针对性地制定并执行更符合实际的教学策略。

二、转变课堂教学方式

大数据的环境下的信息技术课程，教师传道授业的工作量在教学过程中的比重已有所下降，教师的身份更接近于学生学习时的引导者与研究时的合作者，教学的本质回归到促进学习者个体的发展。

信息技术课程的教学内容主要分两大部分：理论与实践。在理论课的教学中，教师讲授新的知识点时只讲授重要环节，然后让学生尽最大可能地利用各种网络教学资源，尝试对知识点进行总结和拓展。由于学生所有学习活动都是在线的，上课、做作业、记笔记、做实验、答疑、讨论都是在计算机终端上进行，因此他们的一举一动都会被记录下来。学习各知识点时各用了多少时间，作业完成用时多少，并且在完成过程中经过几次修改，等等，这些都是教育大数据的来源。这些数据要比考试卷面上的分数更能反映学生学习的真实情况，通过对这些数据的分析、挖掘，就能得到每位学生的学习状态、表现与水平。这些信息是最真实、自然的数据，教师可以由这些数据了解每位学生的个性化特点，从而能在教学过程中因材施教，更有针对性地强化薄弱环节，推荐阅读书目等。

三、转变教学评价方式

教学评价是教学活动的重要一环，分为对学生的评价和对任课教师的评价两类。长久以来，对学生的评价是由教师依据学生考试成绩、作业成绩和课堂表现等进行，对教师的评价是由学院的教学管理部门根据听课和学生考试成绩进行。这种方式能大体反映学生的学习情况和教师的授课水平，但是很多教学与学习的细节被淹没在简单的分数之下。

第2篇：大数据时代概述范文

关键词：统计学；教育改革；大数据

一、引言

最早提出大数据时代到来的机构是全球知名的麦肯锡咨询公司，该公司在一份研究报告中指出：“数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素，人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来”。

大数据是随着互联网技术的广泛应用带来的数据量和数据类型激增而衍生出来的一种现象，但大数据一词不仅指规模大、种类多的数据集，还包括对这种数据集进行采集、处理与分析以提取有价值信息和直接创造价值的技术构架和技术过程。大数据的第一个特征是数据量巨大。截止到2012年，数据量已经从TB（1024GB=1TB）级别跃升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB（1024EB=1ZB）级别。第二个特征是数据类型繁多、异构性突出，包括网络日志、音频、视频、图片、地理位置信息等等。第三个特征是数据价值密度较低，数据中存在大量重复性和无价值性信息或噪声。如何通过强大的计算技术和统计分析等方法迅速完成数据的价值提纯，是大数据时代亟待解决的难题。第四个特征是处理速度快、时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。

目前，不同的学科领域对大数据概念有着不尽相同的解释，但各种解释中大致可以从两个方面去理解。首先，大数据概念体现在数据量的巨大、种类的众多及产生速度的飞快，同时产生的数据集极有可能包含着各种半结构化和非结构化数据；其次，大数据概念还体现在对数据进行处理的手段和流程方面，由于数据量的庞大和类型复杂，利用常规的统计软件已经无法对当今的数据进行及时有效的存储、分析及处理。因此，所谓的大数据并不是单纯指数据流量的巨大，还指其结构的复杂和种类的多样，在数据处理和分析上需要采用高端计算平台或高级统计软件，以及海量数据中存在着可挖掘的潜在的大量价值信息与知识。

近年来，随着高速计算机的应用、信息技术的快速发展，特别是云计算技术的发展，使大数据的存储和分析技术得到迅速发展，目前的核心技术有MapReduce、GFS、BigTable、Hadoop，以及数据可视化等。在数据搜集上，可方便地通过在线互联网数据库获取二手数据或一手实时数据。在数据分析上，传统统计学方法采取的是基于统计模型的样本数据分析，而大数据分析技术则是通过高端计算平台，对大数据中的信息进行挖掘。

统计学作为对数据进行处理和分析的科学，必然受到大数据的影响。在大数据时代，统计学教育必须与时俱进，跟上时展步伐。近年来，有不少文献讨论了大数据环境下我国统计学教育的改革问题（例如[1]-[5]），本文在分析大数据时代特征的前提下，进一步讨论我国统计学教育的现状与挑战、统计学教育改革的内容、方法、借鉴和适应时代要求的变革问题。

二、统计学教育的现状与挑战

2013年，教育部对我国统计学专业设置进行一次新的调整，将原来的既可授予理学学位，也可授予经济学学位的统计学专业划分为统计学、应用统计学和经济统计学三个本科专业[6]。根据教育部高等学校统计类专业教学指导委员会2013年11月公布的数据，当时全国有194所高校开设了统计学专业，156所高校开设了应用统计学专业，164所高校开设了经济统计学专业[6]。目前，全国开设这三个统计学专业的高校个数和在校学生人数与2013年相比都有不少的增加。

面对大数据时代，我们目前的统计学教育无论在培养目标和教学内容上，还是在教育方式和人才培养模式上，都存在着亟待解决的挑战性问题。例如，在专业培养目标和人才培养过程中，我们比较重视课程层面上的评价，比较轻视专业层面上的整体评价，缺乏对学生综合能力的反馈机制。

关于教学内容，目前三个统计学专业在统计理论和应用统计两个方面有不同的侧重。统计理论主要包括：抽样理论、实验设计、估汁理论、假设险验、决策理论、贝叶斯统计、半参数和非参数统计、序贯分析、多元统计分析、时间序列分析、小样本理论和大样本理论等。在数据分析中，现今的统计方法基本以结构化数据为主要处理对象，而对非结构化和半结构化数据的分析和工具涉及较少。因此，现今统计学课程及内容已不能满足从事非结构型和半结构型的大数据研究和商业应用对人才培养的需要，必须进行必要的改革。

对于教育方式，鉴于大数据时代要求，统计分析人员需要具备较高的数学和现代统计学基础，具有较高的软件操作能力，掌握一定的大数据收集、整理、分析、处理和挖掘数据的技能。日本学者城田真琴认为：“数据科学家要有计算机科学专业背景，数学、统计方面的素养和使用数据挖掘软件的技能，善于利用数据可视化的手法展现晦涩难懂的信息，而且具备相应的专业知识、眼界和视野，具有适应社会发展和创造价值的能力”。现今的统计学教育方式还不能很好适应大数据时代数据科学人才培养需要，必须进行必要及时的调整和变革。

对人才培养模式，大数据时代不仅要求培养具有数据处理和分析所需的基本素质与技能，更重视培养从海量数据中发现和挖掘价值信息、把握市场机遇、创造利润的潜在能力。面对大数据时代的诸多挑战，现代统计技术、数据挖掘方法、计算机信息技术、软件工具和理念的日新月异，培养统计人才的教育模式也需要相应变化，统计学教育只有与时俱进，主动做出全面的调整和变革才能适应新时代知识进步和激烈人才市场竞争的需要，积极迎接大数据时代的挑战。

大数据时代对统计学教师有更高的要求，统计学教师需要与时俱进，跟上时代步伐。随着互联网、物联网、云计算等信息技术的发展，对数据的分析和处理的技术也随之要求更高，统计学教师固有的知识体系已不能满足培养现代统计人才的需要，必须进一步深化和更新原有的统计学理论知识，而且还需要学习掌握计算机技术、互联网、数据库和信息科学等有关知识和技术，同时还要熟悉处理非结构型和半结构型数据的知识和技能，以适应现代统计学教育对教师的知识结构和基本素质的要求。

大数据时代对统计专业的学生也提出了更高的要求，他们不仅需要掌握现代统计理论、统计方法和专业统计软件，还要学会如何分析、处理来自互联网或各种实际问题中的海量数据，如何利用统计软件和互联网技术进行数据操作，如何借助软件技术和统计准则判断数据质量，如何进行模型选择和评价模型方法的有效性，如何准确清晰地呈现统计分析结果和结论，等等。

2014年11月，美国统计学会了统计学本科专业指导性教学纲要 [7]，该教学纲要对统计学专业提出四个方面的要求：（1）具有扎实的数学和统计学基础、强大的统计计算和编程能力，熟练使用统计软件和数据库；（2）分析来自现实问题的真实数据，真实数据是统计专业教育的重要组成部分；（3）掌握多样化的统计模型方法；（4）具有通过语言、图表和动画等方式解释数据分析结果的能力。美国是统计学教育和人才培养最先进的国家之一，该指导性教学纲要代表着美国统计学专业培养人才的基本要求和发展方向，对我国统计教育的改革具有重要的参考价值。以该指导性教学纲要为参考依据，对照我国目前的统计学本科专业教育，无论是在培养目标和课程设置方面，还是在教学内容和教学方法方面，都存在着亟待解决的挑战性问题。

三、统计学教育的改革

大数据时代的统计学教育不仅是各种统计方法、数据挖掘方法和信息技术手段的延续或发展，更主要的是这些方法的集成应用和在实际数据分析中的真实体验。过去，企业数据库价格昂贵，在统计学教育的教学案例或实验课教学中，很少采用真实和海量的数据库资源，基本都是采用过时或虚拟的数据。今天，像百度大数据引擎这样的数据库的逐步对外开放，将有助于开展“线上大数据统计实验”教学。为了适应大数据时代要求，有必要利用网络资源以及各种数据处理软件，搭建线上大数据分析实验教学平台，全面开展大数据统计实验教学的改革。实际上，借助大数据分析平台，本科阶段的统计学教育就可以融人联机分析和数据的可视化教学。其次，要时刻关注大数据分析理论的进展，及时将新理论新方法融入课堂教学内容。

需要指出的是，在大数据时代，经典统计理论和方法并没有过时，但需要进行改进和进一步发展。这是因为，网上采集的巨型数据集往往存在大量的重复性和无价值数据信息，使得大数据价值密度降低。在对这些数据进行分析处理之前往往需要通过去噪、分层、截断、聚类等方法的预处理，将其变成便于进行分析处理的小数据，继而借助于经典统计方法进行分析和处理。因而在大数据时代仍然需要采用传统统计学的小样本理论和方法。所以，即便是在大数据时代，经典统计方法仍然是进行统计分析的基石，其核心地位不可动摇。所以，在大数据时代仍然要强化统计学的基本理论和方法，尤其是在长期发展和实践应用中经过验证的、成熟有效的经典和现代统计方法，在大数据时代仍然没有过时，但需要结合大数据分析的需要对经典统计方法进行必要的发展和改进。

大数据科学需要统计学与数学、计算机等学科的结合。亚马逊大数据科学家John Rauser 认为：“数据科学家是统计学家和计算机工程师的结合体”。为了满足大数据时代的要求，统计学专业的课程设置需要进行必要的调整。应根据新时代人才培养的要求，增设与大数据前沿领域发展相关的课程，如计算机网络和大数据相关的软件应用，同时要加大实验课和社会实践课的比重，引导学生理解和掌握大数据概念、理论、技术和方法，培养其运用大数据的相关分析工具解决实际问题的能力。对于理论课程，除基本统计理论外，还应开设一些较为现代和深入的课程，如现代贝叶斯方法、神经网络、数据挖掘、应用随机过程论等。另外，还应开设与大数据分析相关的关联规则、决策树、机器学习、支持向量机等课程。

为了培养与时代适应的统计学人才，统计学专业教师应不断更新自身的知识结构和价值观念，改变认识数据、收集数据和分析数据的思维，主动学习和补充互联网、现代数据分析技术、数据库和数据挖掘技术，使自己的知识体系不断更新和提升，跟上时展的步伐。

在大数据时代，要注意培养学生适应社会的能力。统计专业人才培养模式应以提高本专业学生数据分析方面的能力，开阔他们的视野，培养其适应社会的能力。应积极引导学生进入实训场所动手操作和锻炼，尝试以企事业单位的财政、金融、保险、统计、咨询和信息公司等部门为主构建专业性教育实践基地。鼓励学生到大数据相关的机构部门、产业园区和企业中去调查研究和实践。此外，统计专业应积极同其他专业进行合作，联合培养适应新时代要求的数据分析人才。鉴于大数据对数据分析人员在计算机技术、行业认知、业务知识、数据分析工具和方法的要求提高，统计学科应主动与计算机、经济学、管理学等相关学科合作，培养学生的计算机能力、专业素质和业务修养。

“它山之石可以攻玉”，关于统计学专业的课程设置，可以参考和借鉴美国统计学会公布的统计学本科专业指导性教学纲要。根据该教学纲要，统计专业的课程设置应该涵盖五个模块[7]：（1）统计方法与统计理论。建立统计模型并对模型的输出结果进行评价，熟悉统计推断，能够从数据分析中得出恰当的结论。（2）数据操作和统计计算。熟练使用一款专业统计软件进行探索性数据分析，发现和清洗数据中的错误记录，具有编程能力和算法思维，可以进行各种数据操作，还应掌握统计计算技术，能够进行模拟研究。（3）数学基础。熟练掌握微积分、线性代数、矩阵论、概率论和数理统计的基础知识。（4）实践训练和表达能力。具有良好的表达和交流能力，善于通过图示和动画等听众易于理解的方式展示分析结论，并且具有团队合作精神和项目领导能力。（5）特定领域的知识。掌握特定应用领域的知识，并用统计学特有的思维方法来分析和解决特定领域的实际问题。

大数据时代是以数据为中心的时代，统计学专业的教育改革必须适应这个时代的要求。统计数据分析中软件应用能力至关重要。在众多统计软件中推荐使用R和SAS软件，因为R是免费开源软件，其统计建模、统计计算和可视化功能强大，更新迅速，是最新统计方法的主要平台，非常有利于培养学生的编程能力和知识更新能力，而SAS软件被很多公司用于数据管理和数据分析，在实际应用领域具有长期而深远的影响，是数据分析不可或缺的专业统计软件。当然，教学中也可以尝试使用其他专业统计软件，例如经济统计专业学生也可使用SPSS软件，但最好会使用SAS或R软件。在加强软件使用和编程能力的基础上，应加强学生统计计算和统计模拟能力的培养。在大数据时代，强调统计计算的重要性是大势所趋。统计模拟技术是伴随着高速计算机和信息技术的快速发展而广泛应用的现代技术，可用来解决传统学科领域中无法解决的问题。例如，在计算技术飞速发展的今天，贝叶斯统计方法过去曾经面临的计算瓶颈正在逐渐消失，基于马尔科夫链蒙特卡洛（MCMC）技术的统计模拟方法在数据分析中的强大威力正在日益显现[8]。

参考文献：

[1] 刘春杰，大数据时代对当代统计学教育的挑战，统计与决策，2015年，第8期。

[2] 孟生旺，袁卫，大数据时代的统计教育，统计研究，2015年，第32卷4期。

[3] 葛虹，韩伟，大数据时代统计教育变革的SWOT分析与发展策略，统计与决策，2015年，第4期。

[4] 张海波，黄世祥，统计学专业学生大数据分析能力的培养方式选择，统计与决策，2014年，第24期。

[5] 李卫东，大数据对统计学科发展的影响，统计与决策，2014年，第13.期。

[6] 教育部高等学校统计类专业教学指导委员会.统计学专业教学单位.http：///category/信息公开/教学单位，2013-11-15.

第3篇：大数据时代概述范文

Big Data“大数据”其本质是信息爆炸时代对数据的核心价值再挖掘，被大部分专业人士认为是计算机行业继云计算、物联网之后IT产业又一次颠覆性的技术变革。我们认为这其实不仅仅是技术变革，更实质上的是计算机服务时代的来临，对数据的抽丝剥茧、总结结论更体现了计算机行业正从技术供应转型为服务供应，大数据未来对国家治理模式、对企业的决策、组织和业务流程、对个人生活方式都将产生巨大的影响。

二、大数据的来源

根据IDC 的监测，全球在2010 年正式进入ZB时代，预计2011 年全球数据量将达到1.8ZB，预计到2020 年，全球将总共拥有35ZB 的数据量。如果把35ZB 的数据全部刻录到容量为9GB 的光盘上，其叠加的高度将达到233 万公里，相当于在地球与月球之间往返三次。

日益庞大的数据量使得有效利用成为产业发展关键，从而衍生了大数据概念，就目前正在有效利用的数据来源包括企业内部的经营交易信息，物联网世界中商品、物流信息，互联网世界中人与人交互信息、位置信息等等。

数据换算关系：

1MB=1024KB 1GB=1024MB

1TG=1024GB 1PB=1024TB

1EB=1024PB 1ZB=1024EB

三、大数据的价值体现

云计算的核心是业务模式，本质是数据处理技术。数据是资产，云为数据资产提供了保管、访问的场所和渠道。如何盘活数据资产，使其为国家治理、企业决策乃至个人生活服务，是大数据的核心议题，也是云计算内在的灵魂和必然的升级方向。

根据麦肯锡的研究显示，大数据技术将通过多种方式来为我们这个世界创造价值：首先，大数据技术能够增加企业和价格的透明度，降低社会管理的成本和交易摩擦成本。其次，大数据技术能够提高企业数据的准确性和及时性，使得企业可以更好的控制自己的设备与制造流程。另外，庞大的消费者数据将有利于企业进一步挖掘细分市场机会，提高产品的消费者满意程度。同时，大数据的智能分析还将提高企业的决策水平，进一步降低企业经营的风险，最后大数据分析在研发过程中的应用，还能够缩短产品研发时间，提高企业在商业模式、产品和服务上的创新能力。

大数据技术除了为各个行业带来显著的财务价值以外，在企业内部的应用也将极大提高各个企业的运营效率和营收能力。

研究显示，如果企业数据使用率提升 10%，零售、咨询服务、航空等行业人均产出将分别提升49%、39%和21%。财富1000 强中的中位数企业，数据使用率提高10%能够每年增加约20 亿美元的营收，导致其人均产出提升约14.4%。

而数据质量的提升，将会对企业产生更为显著的影响，根据德州研究提供的数据，如果企业数据质量提升10%，公用事业、航空、电信、石油石化等行业受益最为明显，ROE 提升幅度将会超过200%，财富1000 强企业中ROE 的提升幅度中位数约为76%。

四、国内大数据产业发展中的案例

国外的数据产业目前发展速度较快，而国内才刚刚开始，但已不乏成功案例，为企业创造效益、树立良好形象。

马云成功预测2008年经济危机，并帮助他成千上万的中小制造商准备过冬的粮食。让马云赢得了崇高的声誉。

2008年初,阿里巴巴平台上整个买家询盘数急剧下滑，欧美对中国采购在下滑。海关是卖了货,出去以后再获得数据;而阿里巴巴提前半年时间从询盘上推断出世界贸易发生变化了。

马云对未来的预测，是建立在对用户行文分析的基础上。通常而言，买家在采购商品前，会比较多家供应商的产品，反映到阿里巴巴网站统计数据中，就是查询点击的数量和购买点击的数量会保持一个相对的数值，综合各个维度的数据可建立用户行为模型。因为数据样本巨大，保证用户行为模型的准确性。因此在这个案例中，询盘数据的下降，自然导致买盘的下降。

五、大数据的市场空间

大数据的信息来源繁多，其信息量远远超越了现有企业IT架构和基础设施的承载能力，其实时性要求则大大超越现有的计算能力。如果计划在大数据时代获益，必将引发新一轮的信息化投资和建设热潮。

从麦肯锡的研究报告我们可以看到，仅美国医疗服务业、欧洲公共管理部门和全球定位数据市场三个领域每年就能产生超过7 千亿美元的市场价值。相信未来大数据的产业规模将会至少以万亿美元来进行衡量，大数据将有可能给IT行业开拓一个新的黄金时代。

六、国内大数据概念的投资机会

IBM架构师Stephen Watt曾阐述大数据的生态系统就是贯穿数据的整个生命周期：从产生，到存储，到处理，再到价值提取，最后被应用掉，这整个过程就构成了大数据的生态系统。参考其生态系统，然后以产品为维度，按照硬件、基础软件、应用软件、信息服务四个方面来划分大数据的整个产业链。

大数据技术目前还是一个很新的概念，国内的企业起跑线相当，大数据时代的来临为诸多转型企业提供了一个难得的机会，拥有大数据处理、挖掘技术的公司，拥有数据资产的公司，可持续关注。我们重点建议关注东方国信（300166）、拓尔思（300229）。

东方国信（300166）：1.核心技术：公司拥有电信行业通用数据仓库模型、数据清洗与稽核、元数据管理、分析图表引擎、可视化报表设计、基于语义层的即席查询、数据挖掘算法模型、广义工作流、业务服务规则引擎等核心技术。2.坚实客户基础： 公司主要服务于国内电信领域的运营商。公司是中国联通、中国电信等企业商业智能系统的核心合作厂商之一，也是中国移动全资子公司中国铁通企业商业智能系统的三家核心厂商之一。目前，公司已经成为中国电信行业BI应用软件的领先供应商。3.业绩预告：2011 年公司业绩预告：预计2011 年归属于上市公司股东的净利润为5060.66 万元-5904.10 万元，同比增长20%-40%。

投资大参考点评：作为大数据领域的龙头，公司不仅拥有核心数据分析技术，并且拥有坚实的客户基础，在细分子行业行业地位较高，未来业绩增长稳定，近期的股价强势不仅源于对对大数据概念的炒作，公司拥有较强的高送转预期，可谨慎关注。风险：近期走势较强，面临前高压力有回调可能，公司将于1月20日正式披露年报，如果高送落空可能面临补跌风险。

拓尔思（300229）：1.公司了基于云服务的网络舆情服务平台TRS SMAS，该平台只需要用户登录帐号，即可以从PC 抑或移动终端登录，享受以SaaS服务形式打包提供的舆情内容及管理分析技术。除了舆情，SaaS也是公司推广企业用户垂直搜索市场的主要商业模式。（SaaS：提供商为企业搭建信息化所需要的所有网络基础设施及软件、硬件运作平台，并负责所有前期的实施、后期的维护等一系列服务，企业无需购买软硬件、建设机房、招聘IT人员，即可通过互联网使用信息系统。就像打开自来水龙头就能用水一样，企业根据实际需要，从SaaS提供商租赁软件服务。）2.公司收入具备明显的季节性特征，以2010年为例，四季度收入全年占比32%，利润占比37%。且软件企业增值税退税细则已于10 月13 日公布，预计退税收入将增厚业绩0.10-0.15 元，四季度业绩将明显好转。3.业绩预测：预计公司2011-2013 年EPS分别为0.75 元、1.20 元、1.88 元。

第4篇：大数据时代概述范文

【关键词】大数据时代 电子商务应用 服务模式

大数据作为网络领域未来的“新能源”已经成为各国关注的焦点，但是当前世界各国对大数据的定义却依然没有较为统一的概念和范围，而大数据所包含的内容也已经远远的超越可其自身的术语内涵，有相关研究表明大数据具备四个典型的特征，即：第一、数据含量巨大，能够从原来的TB级别升至PB级别，而且在未来的十年之内，全球的网络业务数据量可能要超越现在的五十倍之多，因此只有发展大数据方可满足未来的时代要求。第二、数据具备多样性，这一特征是指大数据在包含的数据类型上多种多样，不仅有结构化的数据同时也有非结构化的数据，例如：网络文字信息、语音信息、视频信息、图片信息以及人文与地理等。第三、速度快，这一特征的含义是指在大数据时代下，可以在很短的时间内创建新的数据和移动相关数据，这一特征完全符合当前网络时代的发展，很多企业可以在较短的时间内实现对数据的分析和处理，对企业的业务发展有很大的促进作用。第四、易变性，这一特征与大数据的多样性有一定的关联，因为大数据具备多样想，所以对呈现的数据就会有多重形式和类型上的变化。

一、电子商务在大数据时代中服务模式的改变

（一）数据化运营模式

电子商务企业喜欢将所有的业务形式以数据的形态展现出来，尤其是在大数据时代下，电子商务企业无论是前期的采购工作还是中期的销售工作以及后期的财务核算工作，全部采用可视化的数据对其进行管理和分析，这种方式在很大程度上提高了企业也去各个环节的工作效率。例如：国内某商务平台采用数据分析的形式对消费者的产品需求进行预测，使商务平台上的产品类型和数量更加接近市场的实际需要，这种做法不仅可以为平台业务的发展提供帮助，还建立了一批以追求时尚、前沿产品的客户群体。

（二）行业之间的垂直整合

随着大数据时代的到来，电子商务企业也加强了对业务数据的整合能力，与平台上下供应链之间的联系更加紧密直接，并能够在第一时间实现市场信息共享，制定完善的预防机制，提高了商务平台应对市场风险的能力，在电子商务这一条产业链中谁与最终用户联系紧密谁的生存空间和发展空间就越大。有一个典型的事例就是IBM曾经在历史上遭遇了一次最为严重危机，因为当时的市场几乎被微软和英特尔占据和控制了，而IBM总裁却成功的化解了这次企业危机，在事后他说：“IBM最大的价值就在于为用户提供的解决方案完整、科学、合理”，因此发展到今天IBM依然有着强大的生命力，其业务范围已经覆盖了企业的各个方面和层次，无论是建设系统、建立数据库还是研发操作系统等。

（三）数据实现资产化

从当前数据创造的经济效益结合电子商务企业的发展趋势来看，未来电商企业之间的竞争将会延伸为数据之间的竞争，因此国内市场上开始逐渐出现了很多关于数据的业务，例如：企业供应商提供的数据分析服务，通过总结市场和用户的非结构化数据，提供给电商企业标准的数据报告；还有一种数据服务类型是可视化的数据服务，电商企业利用自身在互联网方面的优势将工作以不同的形式分配出去，以发展全新的创意或者解决关键技术问题为目的，帮助用户分析和发现业务中数据模型，然后以图表的形式反馈给电商企业，为企业提供业务发展的方向。

二、大数据时代下电子商务服务模式的分析

建立网络导购服务模式需要电商企业有较大的数据集合体，数据集合体中要包含多种内容，例如：消费者的喜好、消费者的浏览历史和消费者的购买历史等，这种数据集合体可以为电商开展网络导购提供基本的依据，但是网络商务平台有一个明显的缺陷，就是无论什么样的产品消费者只能依靠自己视觉来判断这个商品是否符合自己，因此用户在商务平台上的体验是不完整的。

利用大数据的优势在电子商务平台上可以建立两种个性化的网

导购服务模式，第一个就是设计比较独特的推荐广告，其实我们在日常查看网页的时候偶尔会弹出一个小的广告推荐窗口，这些窗口中包含的商品恰好是自己在最近一段时间想要购买的物品，这一现象的出现就是电商根据用户曾经的浏览历史，对用户在网上的搜索数据进行整理和挖掘，然后追踪用户的浏览去向。第二个就是个性化推荐，因为国内当前的电子商务平台较多，商品的介个更是相差甚远，在反复对比过程中让人难以选择，因此电商可以根据后台用户行为数据进行快速分析，根据消费者在不同阶段的不同喜好推荐最为合适的商品可以极大的提高电子商务平台的营业额度。

三、结束语

综上所述，电子商务的服务模式已经开始向密集化和个性化方向延伸，当前也是电子商务重视数据营销和数据分析的初期阶段，因此只有结合大数据所具备的功能和作用，才能保证电子商务平台的业务有更大的发展空间，而且加之现在大数据技术还在日益发展和进步，等到该技术发展成熟之际，电子商务的服务模式将会出现更大的改变。

参考文献：

[1]马帅，李建欣，胡春明.大数据科学与工程的挑战与思考[J].中国计算机学会通讯，2012，（09）.

第5篇：大数据时代概述范文

关键词：大数据时代；英语专业；翻译课程

一、大数据对英语专业翻译课程教学的影响

（一）教学资源的丰富化

教学资源是指为保证教学活动有序、有效展开而提供的信息、技术和环境的总和，如教师、教材、教室、实训基地、教育政策等。大数据时代前，英语专业翻译课程的教学资源主要是教师、教材、教室等传统的教学资源，且这些资源非常有限。在大数据时代，各类平台资源、信息资源等教学资源不仅门类齐全，而且内容也极其丰富。如Blackboard网络教学应用管理平台、慕课、微博、网络论坛等平台资源；如电子图书、课件、习题库、网络音视频等信息资源。这些教学资源交互性和时效性强，不仅给教师组织教学带来了多样化的选择，也能给学生多种感官刺激，提高其学习兴趣和学习效果，使传统教学和信息传播模式得以改变。而对大数据时代英语专业翻译课程的教学而言，因英语是世界第一官方语言，其教学资源就变得更加丰富化和多样化。

（二）教学方式的在线化

在线教学是指利用计算机技术和互联网技术进行知识传递，使学生与教师即便相隔万里也能突破时空限制而展开的教学活动。因具有形式灵活、成本低廉等特点，在线教学在近些年来的发展速度非常快。有研究表明，目前韩国继续教育的主要模式就是在线教学，其78%的高校都建立了在线教学平台，供学习者使用；另有研究预测，到2018年，美国利用网络进行学习的学生人数将会超过面授人数。以大规模开放在线课程慕课与英语专业翻译课程的结合为例，通过引入英语专业翻译课程慕课平台，将课程参与、反馈、作业、讨论、评价、考试等诸多环节全部呈现在平台上，学生可以运用“在线学习”和“课堂面授”的模式进行混合式学习，能全面提高其学习翻译课程的兴趣、参与程度以及合作意识，进而真正实现课程教学质量与效率的提高。同时，与慕课联系紧密的微课和微课程也能较好地实现英语专业翻译课程教学方式的在线化。

（三）教学评价的互动化

教学评价是遵照教学特点和教学规律，科学设置教学评价指标和评价项目，对课堂教学相关活动进行系统的价值认识、评定和判断的活动和过程。在传统教学中，学生的译作只能由教师批改，评价大多由教师书面给出，这种单向模式下教师所提供信息量不多，学生参考价值有限，同时，学生也因无法与教师直接沟通、互动而对部分知识点依然无法深入理解。而大数据的应用改变了这种单向评价模式，对学生课堂内外的翻译任务的评估不再局限于教师的书面形式。教师可以通过学校的教学平台组织在线讨论，与学生进行广泛深入的交流，也可通过“课后论坛”或者微信、微博等新媒体手段进行师生间、生生间的交流和互动。因而，大数据时代英语专业翻译课程的教学评价完全可以实现全方位的互动化。

二、大数据时代英语专业翻译课程教学面临的挑战

（一）过度依赖网络教育教学资源

目前，大数据技术、云计算技术与高等教育的结合越来越密切，网上教育教学资源的丰富与便捷也让教师和学生爱不释手，但网络资源也正在给高等教育教学带来一些消极影响，如师生过度依赖网上教育教学资源。部分英语专业翻译课程教师用惯了别人的课件、习题，觉得省事，就经常“顺手牵羊”使用一些网络上的现成东西，不去开发一些具有原创性的学习资源；更有部分英语专业翻译课程教师现在基本上不板书，仅仅从网络上下载现成课件，然后东拼西凑地组装到一起；部分学生在完成翻译课程相关练习或作业时也不经思考，直接用手机或电脑通过搜索引擎、在线翻译软件等工具来完成。过度依赖网上教育教学资源会导致教师对教学内容不熟悉，影响教学效果，也会导致学生不去思考和领悟翻译技巧和方法，影响学习效果。

（二）导致学生抵触传统教学方式

经过几十年的厚重沉淀，英语专业翻译课程的传统教学方式积累了很多课堂教学经验，具有诸多不可替代的优势。如教师授课时，通过面部表情、肢体语言和学生进行人性化交流；教师讲授时，会有意地将自己对翻译的独特领悟与学生分享，潜移默化地影响学生。然而大数据时代下，伴随着网络媒体的兴起、移动终端在教育教学领域的广泛应用，越来越多的学生过于依赖便捷的平板电脑、手机等移动终端搜索符合其偏好的视频、音频、文字等网络英语翻译学习资源，久而久之，导致其对传统翻译课程的教学方式产生抵触情绪。特别是当教师用传统的方式在课堂上呈现与网络资源重复的教学资源时，学生会更加抵触传统的英语翻译教学。

（三）网络教育教学资源本身需要鉴别

在大数据时代，每天都有大量的信息充斥于网络，信息的更新、获取、提炼对现代人的日常生活与工作形成了巨大冲击并产生了深远影响。在网络上，除了在线翻译软件外，有许多关于英语翻译的信息资源，如译作、学习笔记等。然而，这些资料中的绝大部分并没有通过专家审阅，可能本身就存在错误之处。如教材改版了，但网络上并没有更新后的课件，而部分教师不加甄别直接下载这类课件讲课，这就使得教材改版失去了应有的意义。部分学生在进行翻译练习时，不假思索直接从网络上抄袭答案，而部分答案本身却存在错误或纰漏。笔者的一次调查发现，35个样本中有24个在完成翻译练习时直接抄袭了网络上的句子或段落，而这些句子或段落有60%存在错误。可见，在大数据时代，虽海量信息蜂拥而至，但这些信息良莠不齐，需要使用者有效鉴别，拒绝错误和垃圾信息。

三、大数据时代英语专业翻译课程教学改革对策

（一）合理利用网络教育教学资源

大数据时代，网络教育教学资源的日益丰富是社会发展的必然。如何合理、有效利用网络教育教学资源是高等教育各参与主体必须面对的问题。从学校角度看，各高校应根据时展趋势，高度重视网络教育教学资源的有效利用，设计出一种基于本校师生需要的网络教育教学资源管理平台，尽量把校内外优秀的教育教学资源存储到学校平台上，供全校师生使用。从教师角度看，各英语专业翻译课程教师要在备课、授课等环节把自身对翻译的理解、多年来积累的经验等融入教学之中。从学生角度看，在完成作业时，首先需要深入思考，不能直接利用网络教育教学资源来完成作业，只有这样才能真正提高翻译技能，形成自己的翻译风格。总之，无论教师还是学生，都不能过度依赖网络教育教学资源。

（二）综合运用现代与传统教学方式

教师是课堂教学的组织者、引导者和合作者。在大数据时代，对于英语专业翻译课程的教学而言，教师要扮演好组织者、引导者和合作者多重角色，灵活运用现代教学方式与传统教学方式至关重要。首先，教师要认识到传统教学方式的价值和优势，对于一些重要的翻译理论、习惯用法等内容，应主要利用板书、设问、提问、分组讨论等传统教学手段，⒎⒀生思维。对于一些个人独特领悟，教师也应尽量使用传统教学方式。其次，对一些涉及文化、政治等内容的翻译实践，教师应尽量利用现代教学方式，将一些翻译作品图文并茂地展示给学生，加深其理解。总之，英语专业翻译课程教师不能一味地追求现代教学手段，应综合利用各种教学方法，消除学生可能的抵触情绪。

第6篇：大数据时代概述范文

关键词：大数据；统计学；教学体系改革

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2015）04-0110-02

一、大数据时代统计学专业发展的新特点

（一）数据化的信息收集

传统的统计研究主要是对已收集的数据进行各种技术分析，包括描述性分析、推断性分析、截面分析、时间序列分析等，侧重点在于技术分析手段的使用上。然而大数据时代，关注的是信息本身。现代信息系统的使用使大数据成为可能，文字、地理方位、沟通等，任何事物都可以量化，一切现象都可以用数据或表格来诠释。因此，大数据背景下世界是由各种信息和数据所构成的。

（二）全数据模式的研究对象

在信息处理能力受限制的过去，人们缺少用来分析所收集数据的工具，因此产生了随机抽样。随机抽样法的目的是用最少的数据获得最多的关于总体的信息，从而使用样本对总体进行推断。然而，在大数据时代，数据处理的方式和技术发生了巨大的改变，人们可以通过互联网、数据库以及各种通讯工具获得海量数据，这时随机抽样就失去了它原来的意义。简单廉价的数据收集方法，足够的数据处理和存储能力，使得全数据模式成为可能。因此，大数据背景下样本即为总体。放弃随机抽样分析的捷径，采用所有数据的方法，可以发现一些隐藏在海量数据下的细节。

（三）混杂性的数据处理思维

传统的统计学处理数据的步骤是首先对数据进行整理和清洗，剔除不完整的或者异常值，然后再利用样本信息，在允许的误差范围内对总体进行推断和分析，即通过调整精确度的大小来对总体进行研究和分析。然而，在大数据背景下，来自各个时间和空间的数据来源纷杂，格式广泛，在萃取或处理数据的时候，很难做到把所有的数据都进行仔细地清洗。这种情况下，必须接受数据的混乱和不确定性，因为数据多比少好，因此更多的数据信息比更加智能、更加精确的算法系统还重要。当拥有大量数据的时候，可以忽略一部分精确性，但并不是说不需要精确性，而是数据规模不断扩大时，确切的数量已经不再那么重要了，可以通过大规模的数据来发现事物背后的规律。

（四）相关关系的基础分析方法

传统的统计中，大部分相关关系分析仅限于寻求线性关系，或是在建立假设的基础上揭示数据相互之间的因果关系，例如Granger检验就是依据时间序列数据对变量之间的因果关系进行的判断，但往往会产生一些虚假的因果关系。这是因为统计关系并没有蕴含多少真实的因果关系。在大数据背景下，数据点以数量级方式增长，用数据驱动的相关关系分析不再需要建立在假设的基础上，所以相关关系分析不容易受偏见的影响而发生错误。大数据时代相关关系通过回答“是什么”的问题，为人们认识世界提供了一种新的视角。因此，相关关系统计分析是大数据预测的基础。

二、统计学专业教学体系中存在的问题

大数据背景下传统的统计学专业教学体系存在的问题凸显，具体体现在以下几个方面。

（一）培养目标无法适应大数据时代的社会需求

传统的统计学专业教学体系的培养目标是通过统计专业核心课程内容的介绍，锻炼学生收集、整理和分析数据的能力，培养“应用型”统计专业人才。然而，大数据的出现，使得通过数据分析获得知识、商机和社会服务的能力，从以往局限于少数的学术精英圈子扩大到了普通的社会机构、企业和政府部门，各行各业对统计数据、统计分析的需要使得统计学专业受到了前所未有的关注。大数据背景下，要求统计学作为一种分析工具，能够与其他专业相互衔接，相互服务，培养“复合型”专业人才。因此，传统的统计学专业教学体系培养目标存在两个方面的挑战：第一，如何协调统计与其他专业之间的关系；第二，如何从“应用型”向“复合型”人才进行转变。

（二）忽视数据的收集和创新

传统的统计学专业教学体系重视数据的分析技术，更多的课程设置是围绕着数据分析方法和技术展开的，例如多元统计分析、时间序列分析、统计预测与决策分析等。基础的数据收集部分只在统计学原理中有一章的内容介绍，而且是作为非重点一带而过的。大数据以海量的数据为分析研究的对象，将一切社会经济现象进行量化，重视的是信息的收集和数据的创新，包括数据的再利用，数据的重组，数据的扩展，数据的折旧以及数据的开放等各个方面。这些内容在原有的教学体系中是没有体现的。

（三）与大数据时代脱节的教学内容

传统的统计学专业教学体系仍然固守着原有的教学内容，在近二十年内变化不大。专业的主干课程有统计学原理、国民经济核算、计量经济学、抽样技术与方法等。而在大数据背景下，教学内容以全数据模式为研究对象，强调对所有的数据进行分析，而不是开展随机抽样；允许不精确的存在，而不是在给定的精确程度下对总体进行推断和分析；关注海量数据之间的相关关系，而不是强调数据之间的因果联系。这些内容都无法在现有的教学体系中体现，因此，传统的专业教学体系与大数据时代是脱节的。

（四）实践教学环节薄弱

随着“应用型”统计专业人才培养目标的提出，学校对实践教学的重视增强，与过去相比，现有的专业教学体系中已经增加了实践教学环节。但是，在大数据背景下，实践教学仍然是统计学专业教学体系中的薄弱环节。主要表现在两个方面：（1）以模型驱动为主的实践教学模式已不适应大数据时代的要求。现有的实践教学内容并不是从数据出发，而是通过寻求一些适合模型的数据来“证明”这个模型的确有意义。这种思维方式与大数据时代的要求是不适应的，因为创造模型的目的是适应现实数据，而不是由模型驱动。（2）以SPSS、Eviews为主的软件教学已无法处理大数据。现有的实践教学中，主要讲授的是传统的统计分析软件SPSS和Eviews，因为这两种软件发展成熟，操作简单，可以处理一般的计量模型和时间序列。但是，大数据时代数据是海量的、复杂的，用简单的软件已无法处理和实施。

三、统计学专业教学体系改革的方向

根据以上分析，时代的发展对统计学专业提出了更高的要求，现有的教学体系中存在的各种问题即为统计学专业教学体系改革的方向。

（一）准确定位统计学专业的人才培养目标，重新设计主干课程的教学内容

大数据时代要求培养“复合型”统计专业人才，因此教学体系的培养目标要从简单的“应用型”向“复合型”转变。“复合型”统计专业人才要求学生除了具备数据收集、处理和分析的能力外，还要对统计学应用领域的背景知识有一定的了解。因此，按这个培养目标，需要对现有教学体系中的主干课程重新进行调整和设计。专业主干课程分为方法和应用两个方面。方法类的课程除了原有的计量经济学、时间序列分析、多元统计分析等外，又增加了机器学习、模拟算法、数据挖掘、R软件分析（或SAS软件分析）等处理复杂大数据的方法的课程。应用类课程在保留原有的国民经济核算，金融统计，证券投资，会计学基础外，增加一些统计学应用领域的基础知识课程，例如商业统计、生物统计、保险与精算统计等。此外，适当调整各专业主干课程的课时，一些课程可以增加课时，如软件分析、数据挖掘等，一些课程可以缩减课时，仅作一些简单的介绍，如抽样技术等。

（二）转变固有的思维方式，在大数据背景下积极推进教学改革

大数据时代，数据更多、更杂，传统统计学思维方式受到了极大的挑战。因此，以大数据为背景，转变固有的思维方式，从以统计技术方法为中心转换到以信息数据为中心，推进统计学专业教学改革十分重要。具体来说，可以弱化传统的推理论证的教学模式，强化数据收集、数据处理和数据分析的能力培养；强调数据本身的价值，让数据说话，用简单的方法了解数据背后所隐藏的信息和规律；使用项目式训练，让学生从项目中真正体验数据化处理的整个过程，达到理论和方法的结合；加强课堂教学与实验教学的统一和贯通，如在传统的教学过程中，将统计学原理、多元统计分析结合SPSS软件介绍，而时间序列分析又采用Eviews进行介绍，造成学生疲于学习各种软件，实际上SAS、R等统计软件可以实现所有的功能，用一种软件与课堂教学融合贯通能帮助学生更好更深地掌握软件的使用。

（三）创新实践教学模式，加强实践教学的开展

从以模型驱动的实践教学模式转变为以数据驱动的教学模式，构造课堂案例教学、实验教学、课后项目式训练、校外实习基地锻炼四位一体的创新型实践教学模式。计算机快速发展的今天使得大数据成为现实，在处理数据的时候，根据数据的特征创造出新的计算方法来满足实际需要，这就是数据驱动模式。在实践教学的过程中，要强调统计数据、计算机编程以及统计分析软件的结合。目前，R软件和SAS软件显示出了强大的数据处理和数据分析功能，实践教学环节中可以把这两种中的一种融入到专业课程中去，将计算机软件与课堂教学结合起来。此外，课后的项目式训练和校外实习可以带动学生了解和掌握整个数据分析实践的流程，激发学生学习的兴趣，在实践教学的过程中要多鼓励、多开展。

参考文献：

[1]曾五一，等.经济管理类统计学专业教学体系的改革与创新[J].统计研究，2010，（2）.

[2]陈倩.大数据背景下对统计学课程教学模式的思考[J].科技资讯，2013，（21）.

第7篇：大数据时代概述范文

关键词：大数据；数据分析；数理统计

基金项目：华北理工大学研究生教育教学改革项目资助（项目编号：K1503）

基金项目：华北理工大学教育教学改革研究与实践重点项目资助（项目编号：Z1514-05；J 1509-09）

G643；O21-4

谷歌公司的经济学家兼加州大学的教授哈尔・范里安先生过去说过统计学家将会成为像电脑工程师一样受欢迎的工作。在未来10年里，人们获得数据、处理数据、分析数据、判断数据、提取信息的能力将变得非常重要，不仅仅在教育领域，各行各业都需要数据专家，“大数据”时代的到来使得数据处理与分析技术日新月异，深刻的影响着各个行业、领域及学科的发展，尤其是与数据关系密切的行业及学科，而作为工科各专业硕士研究生重要的公共基础课数理统计学是天生与数据打交道的学科。

怎样在“大数据”时代背景下培养出适应面向企业自主创新需求的数据分析人员或掌握现代数据处理技术的工程师，如何把当下流行的“大数据”处理技术与相关数理统计学课程教学有机的结合，以激发学生对数据处理与分析技术发展的兴趣，这些都是我们在与数理统计学相关的课程教学中不得不思考的问题。然而，当前高校工科各专业硕士研究生数理统计教学的现状却与其重要程度相去甚远，整个教学过程的诸多环节都存在较大的不足，主要表现为：1.教学内容偏重理论，学生学习兴趣不高；2. 轻统计实验；忽略对统计相关软件的教学；3.没有注重数理统计的学习与研究生专业相结合，实用性强调不够。4. 轻能力培养；轻案例分析等。

这些现象导致的直接后果就是学生动手能力上的缺陷和创新能力的缺乏， 不能够自觉利用数理统计知识解决实际问题， 尤其缺乏对统计数据的分析能力。因此，需要数理统计学随着环境的变化不断创新新的数理统计思维和教学内容。避免教学内容与大数据时代脱节。为此笔者在该课程的教学过程中，有意识地进行了一些教学改革尝试。提出了几点工科研究生数理统计教学的改革措施。

（1）调整教学内容，将与数理统计相关的大数据处理案例引进课堂。有很多有普遍性的应用统计实际案例，可以在本课程的教学过程中有选择的引入介绍给学生，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法。以期解决工科研究生对确定性思维到随机性思维方式的转变的不适应性。

（2）适应大数据时代数理统计学课程的教学环境。实现教学方式的多样性。大数据时代背景下，互联网十分发达，学生根据自己的兴趣去收集、整理和分析数据，既可以改变他们对统计方法的进一步认识，也可以增加他们的学习兴趣。甚至可以以专业QQ群，邮件的方式和同学、老师之间相互交流，交流者处于相互平等的地位，可以畅所欲言，随时随地都可以交流，起到事半功倍的效果。这种交流使得教师不再是知识的权威，而是把教师上课作为一种更好自主学习的引导，这种交流使得他们的思想变得更加成熟。同时参与各种网络论坛，贴吧回答问题等使得他们更能体现自己的价值，这种交流也使得学生的学习热情和学习精神得到更好的激发。

（3）引导工科研究生开展与本专业相结合的课题研究，强调实用性，注重统计思维能力培养。适应大数据时代数理统计学课程教学环境，实现教学方式的多样性。以期弥补学生缺少数据分析实例的训练，解决学以致用的不足。在目前的数理统计教学安排下，受学时所限，如果相当一部分时间用来学习公式、定理的推导及证明，势必没有时间进行实际的数据分析练习。在大数据时代背景下，随着海量数据、复杂形式数据的出现，使得统计方法的发展和以前有了很大的不同，没有实际的数据分析训练，学生们就无法对统计的广泛应用性及重要性有深刻的体会，也不利于保持和提高他们的学习兴趣。这要求具体工作者提出新的统计思想和方法，加深对已有统计思想的理解，以解决实际问题。

（4）改革成绩评定方式。现有的考试模式为通过有限的一到两个小时的期末考试，进行概念的辨析和理论及方法的推导计算，由此来判断研究生关于数理统计课程的学习情况有很大的不足，特别是对可以利用软件进行的某些实际数据分析的考察没有办法实现。因此，有必要通过日常课堂“论文选题―提交―讨论”与期末理论考试相结合的形式对学生数理统计学习进行考核。加大对学生平时考察的力度，相应地减少期末考试成绩的比重。让学生选择一些与自己专业有关的数据进行尝试性的数据分析、一些统计科普著作的读书报告等并写成论文的形式提交，做为对学生成绩的评定方式，更能综合、客观地评价学生的学习情况。

数据分析在现代生活中发挥的作用越来越大，而道硗臣品椒可以与数据分析有机的结合，从而在提高数据分析效率的同时，保持分析结果的有效性，为生产和实践活动提供准确的参考。以上的思考和建议仅是我们在教学研究和教学过程中的一点体会，还有许多工作亟待深入，比如适合工科研究生数理统计课程的大数据案例选取，与课程内容的有效衔接；案例教学法如何实施；教学方式多样化问题；课堂教学与网络交流结合；理论介绍与软件应用训练结合问题等。教学改革与实践是一项艰巨的任务，以培养学生的实际运用能力和正确解释数据分析结果的能力为目的，强调统计思想和方法应用的培养，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法将是一项长期的工作。

参考文献

[1].游士兵，张 佩，姚雪梅.大数据对统计学的挑战和机遇[J].珞珈管理评论， 2013， （ 02）： 165-171.

第8篇：大数据时代概述范文

摘 要大数据时代的到来使社会上各个行业都发生了很大的改变，其中也包括了教育事业。中等职业院校在开展思想政治教育工作时导入大数据能够不断创新教学方法，提升人们的价值观。大数据的运用能够更有效的强化中职院校思想政治教育工作的技术性和时效性，同时还能够有效对资源进行整合，该文重点分析了大数据对中职院校思想政治教育工作的作用，从树立大数据理念、创新管理机制、探索全新工作方式等层面落实中职院校思想政治工作的创新改革。

关键词大数据中等职业院校思想政治工作创新

随着人们生活节奏的加快，大数据在人们的生活中的作用日益凸显出来，我们的生活离不开大数据的支持，与人类社会发展相关的多元化数据就是大数据。大数据带来了人类社会的政治、经济、文化、生活等诸多领域的深刻变革。中等职业院校思想政治工作需要主动跟进，研究这一巨大的变革力量对思想政治工作带来的机遇和挑战。运用大数据创新中等职业院校思想政治工作就是借助大数据实时、适时、全时的能力，实施时间、空间、社交等多维度迭加分析，挖掘学生需求规律，把握最佳时机开展思想政治工作，换言之就是通过全时数据收集、分析，精准做到在什么地方，什么时间点，面对什么样的学生，开展什么样的工作。

一、中等职业院校思想政治工作中运用大数据的必要性

（一）促进资源的有效整合

现如今，大数据已经被广泛运用到教育教学工作中，能够实现教学理念和途径的创新和改革，大数据在中等职业院校思想政治工作中有着必不可少的作用。在经过长时间发展后，目前多数的中职院校都已经创建了适合自己的业务系统，能够对学生相关信息进行全面收集，包括：校园 WIFI、图书馆信息、门禁数据、消费记录、选课记录、成绩数据、毕业就业数据、贫困生数据、奖罚记录等数据。这些数据中包含大量复杂的关联关系，如消费情况、贫困补助、奖学金、成绩之间的关系，读书馆借阅记录、成绩、门禁系统数据之间的关系等。但是在以往的工作中，各个部门的联系性不强，部门间的工作资源整合力度不够，不同部门、不同类别的资源与数据在中等职业院校思想政治工作中的作用没有能够有效发挥。

事实上，中等职业院校思想政治工作通过对社交媒体的数据挖掘，可以了解学生对校园热点事件的观点及情感倾向，全方位把握学生思想动态及行为动态；网络热点事件的归类整合可以为思政教师提供实时教学案例。依托中等职业院校大数据整合、存储和分析一体化平台，实现信息的共享，各个职能部门可以共享学生特征、个体以及群体需求、关注热点等内容，便于统一部署，协同推进工作，对于打造健康和谐稳定的校园文化环境、优化校园服务配置、提升学生学习兴趣、创建具有持续健康发展的学习生态环境具有重大的实际意义。

（二）有效强化工作技术

教育理念和方式的变革与技术的进步密不可分，这必然要求思想政治工作跟上时代步伐和技术发展前沿，发挥新技术的优势，对教育环境的清晰了解、对教育对象的清楚认识、对教育途径的全面把握。随着社会的进步，尤其在高速发展的信息时代，论坛、微博、微信等媒介场所成为大学生自由言论的网络空间，手机、平板电脑等大量移动网络终端设备的使用，学生可以随时随地在网络上查看、使用信息，发表观点，参与网络热点讨论。借助计算机对大规模数据做细致的梳理归纳，将原始数据进行分析，可以从学生网络数据中总结分析学生的观点、看法、情感倾向，获得学生的全面信息，有效地把握学生思想动态。在统计学和决策学的研究基础上，能实现数据的可视化处理，以信息图表等多种模式对数据进行展示，可以揭示学生成长成才过程中一些更深层的现象，进而实现学生成长的精准画像，能够更有效地帮助学生成长成才。

（三）有效提升工作的时效性

在以往的教育阶段，中等职业院校思想政治工作对数据的认识和应用并不充分，应用数据不多，或者只是采用随机抽样的方法对数据进行分析，力图通过部分数据推导思想政治工作领域的因果关系。借助媒体传播是中等职业院校开展思想政治工作的重要方式。网站、微信、微博等成为教育信息传播的新平台，提供了思想政治工作的新手段，自媒体、社交媒体是对传统媒体的一种改造，实现了主动教育、实时教育。大数据的广泛应用，使得中等职业院校思想政治工作的主动教育和实时教育更加充分。思想政治工作者根据所获取的数据信息进行深度分析，可以做到及时发现学生思想、生活以及学习中的困难与问题，根据数据信息的分析结果及时解决问题，并可以结合数据可视化处理后的图形轨迹，预测事件发展趋势。思想政治工作各方资源在大数据的平台得以整合并优化配置，思想政治工作从数字化走向了数据化，从单一化到多元化，从简单型到复合型，从平面化发展为立体化，极大地增强了中等职业院校思想政治工作的时效性。

二、中等职业院校思想政治工作在大数据下的创新思路

（一）树立强有力的大数据理念

在教育教学过程中要树立正确的教学理念才能够保证教学工作质量和水平的提升。基于大数据时代下中等职业院校开展思想政治工作时也应结合实际情况树立大数据理念，这是开展思想政治工作的前提和思想导向。中职院校负责人要具备强大的大数据理念，树立数据思维，对数据之间的相关性积极探索，从而发现其中所蕴含的价值。例如，在中职院校数字化教育平台的开发和建设过程中，从新生入学开始，就不断地获得和存储学生的大量数据。利用数据系统平台为每一位学生创建个性化的学习生活体验。学校依托计算机技术，将学生行为信息数据进行整合，并利用大数据的分析与挖掘技术，将学生成长数据进行可视化处理，形成形象化、可诉性的个人思想以及行为轨迹，当学校掌握了学生大量的完备的数据后，会根据数据分析出每一位学生的具体情况，并给出相应的数据画像。学校不仅可以利用数据系统平台为每一位学生创建个性化的学习生活体验，而且系统掌握学生的问题所在，能够及时作出预警并提示教师和辅导员，从而使中等职业院校更好地因材施教，为每一位学生量体裁衣，提出有效的针对性解决方案，满足学生个性化学习需求。

（二）创新思想政治工作方法

任何工作在发展过程中都要不断创新工作方法，不然人们的工作水平将会停滞不前，在中职院校思想政治工作开展过程中也要不断创新方式方法才能取得理想的成果。中职院校通过创新思想政治工作的方式、方法，运用大数据能够有效提升工作效率，对数据处理技术及分析方法进行有效创新，通过数据可以获取更多有用的信息，使中等职业院校思想政治工作更有针对性和实效性。当下，校园信息化建设、网络存储技术和大数据挖掘技术的进步为中等职业院校教育大数据分析提供了重要条件。大量的网络数据信息为思想政治工作的前置性预警提供了可能，为事件发生的相关性提供了参考。例如，学校通过数据分析校内众多学生的上网搜索记录，利用对热搜词条的检索可以了解学生对近期社会信息的关注度，从而预测出学生对社会事件的价值判断和舆论倾向，据此，对突发事件及时做出应急方案。大数据技术对于数据的收集、整合功能具有实时性强和并发性强的特点。学校要应用大数据技术，搭建教育大数据的云计算平台，为教育管理者提供动态数据与静态数据综合分析处理功能。在对学生思想动态进行把握的同时，进行实时的数据分析处理，实现思想政治工作从离线静态分析到动态分析的突破。

（三）重视工作管理机制的创新

有效的管理是保证工作顺利开展和实施的关键所在，因此，在大数据时代下中等职业院校在开展思想政治工作时要不断创新管理机制，让其更加规范化、科学化、制度化，从而实现教育管理数据的合理整合共享。在中职院校中所包含的能部门众多，各个部门积累的数据在部门分立状况下不能呈现出其复杂的相关关系。中等职业院校应该将这些数据全面融合打通，利用大数据分析技术，挖掘出具有潜在价值的信息，对学生进行全面精准的画像，并以简洁明了的方式呈现给各职能部门，帮助中等职业院校思政工作者全方位认识学生、了解学生，更好地把握学生动态，更好地在思想和学业上引导学生，也能够帮助职能部门更好地管理校园、服务于学生。

工作开展中，中等职业院校要统一部署教育大数据研究规划，进一步完善信息沟通机制，形成各部门教育管理数据协同机制；建立新的数据信息管理机制，整合各个管理部门资源，打破各个职能部门数据割裂的状态，推进教育管理的联动机制。中等职业院校要进一步完善教育数据管理和分析工作制度，及时开展教育数据挖掘和分析工作，真正发挥大数据在加强中等职业院校思想政治工作中的作用。

参考文献：

第9篇：大数据时代概述范文

关键词：大数据时代 计算机信息处理技术 云计算

在21世纪，信息技术迅猛发展，各种数据和信息层出不穷，我们已然进入了"大数据"时代。大数据时代的来临对计算机信息处理技术既带来了机遇，也提出了挑战。本文尝试分析"大数据"时代的计算机信息处理技术，意在起到抛砖引玉之用。

一、"大数据"时代与计算机信息处理技术概述

（一）"大数据"概述

如今，大数据对我们而言已经不再陌生，我们已经被卷入大数据的洪流中。对于何谓"大数据"，仁者见仁智者见智。本文认为，所谓"大数据"即指那些隐含着巨大价值、容量庞大的多样化数据集。

2012年之后，全球范围内的各个国家对大数据予以了高度关注。在2012年1月举办的达沃斯世界经济论坛中，大数据成了主要论题之一，论坛还特意了一则名为《Big Data，Big Impact：New Possibilities for International Development》的报告，该报告全面分析了在新的数据背景下，各国应该如何应用数据来实现最大程度的经济效益和社会效益。可见，合理利用大数据，可以创造巨大的价值。

（二）计算机信息处理技术

众所周知，要处理信息，需要将相关数据集结在一起，然后将数据传播出去，以此发挥数据信息的价值。在这一过程中势必要应用到一些处理技术，这就是计算机信息处理技术。计算机信息处理技术是一个复合型概念，其中涉及到诸多技术类型，包括数据传输技术、信息分析技术等。同时，计算机信息处理技术也是时代的产物，会随着时代的发展而不断发展。

二、"大数据"时代下的计算机信息处理技术

在"大数据"时代中，计算机信息处理技术有以下几种：

（一）信息获取与信息加工技术

处理信息之前，首先要获取信息，然后将信息整合在一起，方便工作者有效存储和传播信息。在获取信息过程中，需要对数据源进行监控，然后采集数据，并将其存储到数据库里，充实信息系统。在加工信息过程中，应该通过信息处理系统对已经获得的信息进行深度加工，为人们检索数据提供方便。在大数据时代，我国的信息获取和信息加工技术已经日渐成熟，包括数据挖掘技术和数据高效索引技术等。

（二）信息存储技术

信息存储技术就是通过网络技术和存储媒介对已加工信息进行存储的技术。应用信息存储技术时，要对数据库建设予以高度重视，提升数据库直接调用信息的能力。在大数据时代，数据信息呈现出含量大、更新快的基本特点。合理利用信息存储技术至关重要，可以改善信息存储复杂化的情况，还能提升信息数据存储效率，减轻工作人员的负担。目前，分布式数据存储技术是最常用的信息存储技术。

（三）信息安全技术

大数据时代的来临使得信息系统之间的联系不断加强，为了防范风险，必须对信息进行安全检测和控制，这样才能促进计算机网络技术的不断发展。目前，信息安全技术已经日渐成熟，包括各种杀毒软件，防火墙，数据加密技术等，另外，还要实时监测重c信息，防止不法分子侵入，保障信息安全。

（四）信息安全技术

在大数据时代中，信息传输不断加快和频繁，人们越来越喜欢将个人信息上传到网上与人共享。这就需要信息传输技术的介入。人们对信息传输技术的质量提出了越来越高的要求。在大数据视域下，信息传输技术必须实现高效上传和下载，这样才能得到人们的认可，节约他们的时间。

三、"大数据"时代下计算机信息处理技术的发展趋势

毋庸置疑，大数据时代来势凶猛，计算机信息处理技术也要与时俱进。为了更好地进行数据处理，计算机信息处理技术要不断创新。不难预测，在大数据时代中，计算机处理技术将沿着以下趋势不断发展。

（一）沿着云计算网络方向发展

目前，云计算已经成了大数据时代中最关键的技术之一，将其与计算机网络有机结合在一起，可以进一步改善计算机信息处理能力。在大数据时代来临之前，计算机硬件勉强能应付数据处理工作，但是大数据时代来临之后，计算机硬件必须不断更新。相关部门要加强网络中心建设，提升计算机网络传输质量，使其能顺应大数据网络的发展要求。网络软件如果以云计算为基础，那么编程性和回应性都将提升。不难发现，与传统存储方式相比，云计算网络存储能力更胜一筹，计算机信息处理技术也更加优化，还能解决信息处理慢、效率低的问题。总之，在云计算网络的引导下，计算机信息处理能力将更加强大。

（二）计算机安全信息技术更加健全

网络环境具有极强的开放性，任何人都可以在网上下载信息，这容易给网络侵入、网络犯罪提供土壤。一些不法分子利用一些技术就能窃取他人信息，导致计算机信息安全面临威胁。在这种情况下，计算机安全信息技术的健全性成了大数据时代要重点解决的问题。在未来，计算机工作人员将会在健全计算机安全技术方面做更多的探索，以此保障信息安全。

四、结束语

"大数据"时代已经来临，大数据自身就要具有规模大、结构复杂的特点，所以给计算机信息处理技术提出了严峻的挑战。在大数据时代下，信息获取与信息加工技术、信息存储技术、信息安全技术、信息安全技术等技术都要与时俱进，不断创新，要紧跟时展的步伐，保障计算机网络能最大程度的满足用户的需求，提升他们的生活、学习和工作质量。

参考文献：

[1]杨总."大数据"时代的计算机信息处理技术分析[J].信息与电脑：理论版，2015（12）：133-134.

[2]孙乃弘.探究大数据时代的计算机信息处理技术[J].通讯世界，2015（10）：52.

[3]万莹."大数据"时代的计算机信息处理技术探析[J].电子技术与软件工程，2015（13）：259.

[4]李晓龙."大数据"时代的计算机信息处理技术[J].企业导报，2015（24）：74-85.