摘要 本文归纳了大数据发展的特点，分析了统计学面临的挑战，就统计学本科教学体系中存在的问题进行了梳理，并提出了教学改革的方向和相应措施。
摘要：本文归纳了大数据发展的特点，分析了统计学面临的挑战，就统计学本科教学体系中存在的问题进行了梳理，并提出了教学改革的方向和相应措施。
关键词：大数据;统计学;教学体系
一、引言
大数据的本质是实体社会的虚拟化，无处不在的海量信息正改变着整个世界和日常生活方式。大数据之所以“大”，首先在于数据采集成本低、数据累积速度快，由于计算机技术的发展和普及，人们记录、采集数据的成本较以前有了极大地降低，而且数据累积速度更加快捷。其次，数据来源多元化，如从产品全生命周期阶段来看，贯穿设计到制造、从使用到维护、直到维修整个阶段都会产生许多结构或非结构数据。大数据不仅体量大，增长速度快，而且数据的多样性，即数据的来源、种类也日益复杂。再次，数据处理速度快，快速的处理是大数据内在要求，大数据的时间价值十分重要，如GPS位置信息，快消品网站、金融交易及用餐时间的外卖网站点击流等，由于用户众多，短时间内产生的数据量十分庞大且具有强时效性就要求处理速度快速化。最后，数据价值密度低，正是由于数据产生量巨大，数据自动采集成本低，数据被记录完整的可能性较以前有了极大提升，但也意味着包含了大量噪音信息。这也使得有用信息的提取及数据规律的探寻面临前所未有的挑战。
推荐期刊：《统计与管理》创刊于1986年，是由河北省统计科学研究所主管和主办的集学术性、知识性、实用性和资料性于一体的综合性刊物，成为广大读者获取社会经济的捷径、了解省情省力的窗口。办刊宗旨：面向读者、立足统计、反映经济、服务社会。读者对象：全国统计系统、经济部门、企事业单位、大专院校。
本质上，大多科学研究活动并非从事先设想好的理论架构或科学原理来演绎、推理科学问题，而是从数据本身出发，运用不同分析方法归纳总结和发现科学规律。大数据环境下问题越来越复杂，使演绎研究变得愈发困难。高维、高频的不同来源、不同结构、不同形式的海量数据可以快速、方便地被整合，使原来处于孤立、分散的数据更加容易地联系起来，为发现数据背后的规律打开了更宽广的视图，更能发现小数据时代不易发现的新现象、新知识和新规律。
在大数据时代，部分传统的统计方法在来源多元性、多重结构的大数据环境下失效，也难以完成复杂的计算和存储。当然，尽管大数据提供了强大的数据分析条件，但也得付出如人力成本、时间成本和计算成本等。大数据并不能提供一个适宜于所有问题的解决方案，仍需要采用适合的统计方法来解决不同的问题，如抽样、相关分析、因果推断仍是可选手段。因此，大数据背景下，如何发展统计学学科?如何开展适应时代要求的统计学教育活动及培养人才?这些命题都需要统计学者思考。
二、本科统计学教学体系存在的问题
大数据为传统统计分析方法提供了可观测足够多的样本，但也提出了如何删选、提取数据，如何整合异质性多元数据、复杂结构数据的难题，同时在实际中，数据并非单纯的越多越好，大数据所负载的信息价值存在边际递减效应，当数据体量越大，信息收集边际成本在增加，而信息价值在递减，如何平衡信息成本和效用同样是一个巨大挑战。因此，如何培养适应大数据时代的统计学人才以满足市场需要是目前高校教学体系改革的重要问题。目前，大多国内本科统计学教学体系存在以下几个问题。
第一，培养目标和大数据契合度不高。传统的本科统计学专业培养体系更多地关注如何培养学生收集、整理和分析数据的能力，而大数据时代数据的获取较为容易且更为全面，与计算机技术的融合愈发紧密，传统意义上的数据分析模式已经不能适宜于大数据的数据结构特征。这就需要统计学专业人才的培养目标从传统的应用型向数学、统计学、计算机科学高度融合的复合型转变。
第二，培养方案中缺乏对数据收集、抽样的训练环节。大多数高校本科统计学培养过程都是基于统计技术开展的，如强调回归分析、协整、预测、时间序列及判别、聚类等分类技术的运用，而忽视了如何开展数据收集、如何抽样的教学训练。另外，大数据的生成与采集在人为的设计框架之下，可能存在系统性偏差，抽样可以与大数据交叉验证。
第三，教学内容与大数据关联性不强。目前大多高校统计学教学都围绕着统计学原理、计量经济学、应用回归分析、时间序列分析等课程开展。但是在大数据环境中，统计学离不开数学和计算机科学的支撑。同时，大数据应用领域包括经济、管理、生物、传播学等多个领域，教学内容的学科交叉是大数据背景下统计学人才培养的重要基础。另外，统计学的培养体系须注重教学内容的模块化，因此，教学内容则要从不同培养的目标出发，设计如经济统计、管理统计、金融统计、生物统计等方向的教学内容模块，并引导学生从多个模块中寻求大数据关联，发现新规律，创造新知识。
第四，实践环节薄弱。由于数据边际成本降低，过去以模型驱动的教学体系已不适应实际应用的需求，以模型出发，收集数据以证明模型或机制的正确与否往往无法逃离人为设计机制的嫌疑，且更多地是“过去式”规律的研究。大数据时代，更多需要从数据出发，以相关分析为基础，以因果关系检验为主要工具，探寻大数据间隐藏的、不被认知的科学规律。因此，尽管大多高校都设计了教学实习、认知实习及毕业实习等环节，但由于应用领域的细分，统计学学生在实习过程中，往往因为没有相关领域的基础知识，实习的效果并不明显。
三、本科统计学教学改革的方向和措施
由以上分析可知，大数据的来临是统计学人的机遇，同样也是挑战，统计学人才的培养不能再在理论到理论的闭环中转圈，只有结合大数据的特点，积极开展教学内容、教学实践的调整和改革，才能在新的时代环境中，培养具有扎实理论的复合型人才。
第一，重构教学体系，重新设计教学内容。大数据的出发点在于体量巨大的数据，更加注重数学基础、统计学理论知识和计算机技术的训练，更加关切数据应用。因此，统计学教学体系的改革要从基础和应用两方面着手，一是加强高等数学、概率论、统计学知识的基础训练，培养学生严谨的逻辑思维和扎实的基础知识;二是增加计算机技术的课程，加强学生对网络技术、网络计算的架构认知，了解计算机并行计算、优化计算的算法设计特点，开设JAVA设计课程，培养学生良好的编程习惯，提高编程能力;三是基于不同的应用，开设多门选修课程，引导学生基于兴趣开展相关领域的专业知识学习。有意识地培养适应与不同行业需要的统计学新型人才。
第二，创新教学模式。教学模式的创新必须遵从以发挥自身优势为原则，以解决实际问题为目的，以市场需求为导向，各培养院所应结合自身特点，设计合理的教学模块，改革教学模式，体现大数据时代统计学专业人才培养的方向。大数据背景下统计学的教学模式须强化案例教学，在讲授基础知识的同时，也应注重以新现象、新问题、新案例为基础，积极开展课堂讨论和交流，引导学生如何将知识转化成能力，提升学生发现问题、分析问题和解决问题的能力。同时，课堂教学中，也可以论坛的形式，老师和同学们一起来厘清问题的结构、边界、层次及面临的解决困境，共同提出解决问题的方法逻辑及工具清单。同样，教学模式的改革也要注重科学研究能力的培养，可设立多导师组制度，以研究问题为主轴，以多个学科组成的导师组为辅助，帮助学生解决学习中的各种实践和理论问题。另外，教学模式的改革需要从个性化的、行业化的角度开展实践，培养单位需从自身的学科特长、遵从学科优势发挥的原则，创新适宜于自身特点的特色教学模式、特色教学内容，以培养个性化的行业大数据分析人才。
第三，加强实践环节。传统的统计学课程体系中经管设计了课程实践、认知实践等内容，但由于较少涉及到实际案例及应用，学生实习效果不佳。大数据背景下，实践环节需要从两个方面加强，一是强化学生计算机技术的实践环节，目前大多统计学学生的计算机基础较为薄弱，不了解云计算的逻辑框架，不了解并行计算的原理，不了解数据库的基本结构就不能很好地利用计算机技术架构数据平台。二是加强以项目式训练的实践环节，大数据具有行业分布广，市场导向性强，专业知识要求高的特点，这就要求以系列不同类型、不同行业的项目开展学术训练，如此不仅能拓展学生的专业视野，提升学生动手参与解决实际问题的能力，也将提前完成学生就业的磨合期，让学生能够更加从容地、专业地参与到实际工作中。
统计学作为一门具有较强应用特征的显性学科，在大数据浪潮中，只有真实面对自身学科局限，探索学科前沿，以充分发挥其基础性作用为基石，才能在新背景、新形势下得到更好地发展。同时，统计学本科培养单位也应结合大数据的特点和自身优势，开展课程体系和课程内容的适时调整，强化统计学基础知识与计算机技术的高度融合，凸显教学模块化的设计理念，注重教学实践环节的训练和导向性，培养适宜于大数据要求的多学科交叉、复合型人才。
参考文献：
[1]李金昌.基于大数据思维的统计学若干理论问题[J].统计研究,2016,33(11).
[2]王燕,李彦.大数据时代下的统计学重构研究[J].中国林业经济,2016,(03).
统计学在石油天然气勘探中的应用
摘要：统计学对石油中天然气的勘探具有极为深远的意义，统计学在勘探过程中是一门比较基础性的统计学科。通过对统计学技术的充分利用，可以大大提高天然气开发技术。完善统计工作，从而可以为天然气开发过程奠定良好的基础，为我国石油天然气的开发提供便利。本篇文章就是以统计学为主线索研究石油天然气的勘探过程。
关键词：统计学;石油天然气;勘探过程;聚类分析法;地质统计
在石油天然气的勘探过程中，统计学是一门较为重要的工作，对于统计工作来说就是要做到准确、精确、无任何偏差的计算方式，通过样本点与空间的融合，实现开采的科学化、现代化。在石油天然气的统计工作中，就需要统计学的科研工作者有极高的分析问题的能力，从根本上实现统计学的实际意义，为勘探工程奠定良好的基础，为我国石油天然气的勘探过程做出自己的贡献。
石油天然气勘探过程中的统计方法主要分为两类：聚类分析法和地质统计。
1聚类分析法在石油天然气开采中的应用
聚类分析法是统计中的一个重要的分类方式，通过石油天然气勘探技术对岩石的应用来分析问题。例如，在岩石的具体分类中，石油天然气一般都会储藏在岩石当中，因此在运用聚类分析法的过程中，应该对具体内容进行合理分析，通过得地震的速度、频率进行合理分析，从而能够间接实现对石油天然气的分析，这样会对聚类分析法提供有利保证，确保数学统计发挥真正的价值。对于不同的地域而言需要得到不同的地域分析，通过聚类分析法得合理使用能够有效地分析出石油天然气的最佳开采方位及其核心性思想。与此同时，通过统计学还能对某个地域的地质问题进行合理分析，在分析过程中发现问题、研究问题、解决问题。在对某些项目进行分析时，我们会根据勘测到的数据进行分析，可以分为以下几步来完成：首先，我们应该先制定具体的指标内容，发现一些相似性的统计量，例如：分析问题时所需要的相关系数、相关参数等。其次就是通过对相关系数及相关参数的计算来发现相似性的一些样品，第三，对所选出的样品进行加权平均的计算，增添它的样品指标，为产品提供有力的保证。在对新的样品进行分析时，应该要找到一个中间桥梁，在对石油天然气的开采过程中就会计算出它的地质性指标。在对样品进行分类时，个别样品的指标会用地震资料来替代，通过对样品进行进一步的验证，然后赋予其基本意义。
2地质统计在石油天然气开采中的应用
地质统计学主要是指在统计学观测中所应用的技术，是一门综合性的分析学科，地质统计学中主要分为三个部分，分别是变异函数、随机模拟以及克里金估计。而其中克里金估计主要是对随机变量函数进行计算，对基本的数据进行分析，并能够将计算结果合理地运用到空间计算中。我们不难发现，在石油天然气公司在进行勘探的过程中，通过对已知条件进行有效整理和分析，然后将已知点和所测到的数据相结合进而能够测出未知数据的值，最后再对所算得的数据做进一步的处理。我们也可以这样想，整个问题的关键在于通过已知量来求得未知量并对其进行处理，在处理问题时影响系数越大，对过程中未知数数据的影响也越大。与此同时，在协同性分析问题时，我们应知道未知点与已知点系数的总和为1，这时可以用不同颜色的记号笔对其进行标记，从而能够更直观地对石油天然气进行合理勘探，这样能够提高勘探效率，为整个工作的正常进行提供有利的保证。在石油天然气勘探过程中，地质环境的复杂性会带来一定的阻碍，这就需要我们应该逐步简化计算过程，但是在这种环境之下相关问题的分析与地质环境还是存在着一定的差异性，所以我们在分析问题的过程中应该充分注重到这一问题的存在，从而能够为数据的处理结果做好充分地准备。为了在勘探过程中能够保证数据处理的合理性与科学性，我们应该建立一个完整的数据处理系统，优化基本的数据处理，为石油天然气的勘探和整个社会经济的发展做出进一步的贡献。
3结语
本文通过对聚类分析法和地质统计进行分析并做了进一步的阐述，并分析了统计学在石油天然气勘探过程中的具体应用，能够为预测工作的建立提供了科学化具体化的依据。在基本的统计过程中应该注意最基本的统计模式以及二者之间的相互联系，通过对多种问题的具体分析，实现数据的优化性处理。克里金算法是针对随机数据的进一步处理，在方差矩阵的计算中使数据得到系统应用，从根本意义上解决算数问题，为石油天然气的有效利用提供合理化的科学依据。科研工作者应该探索出更多的勘探方法，为我国石油天然气的勘探献出自己的一份力量。
参考文献：
[1]刘国明.储层横向预测的多元地质统计方法[J].石油地球物理勘探，1998(5):422-424.
[2]谢学锦.油气化探，何去何从?(代序)[J].地质通报，2009(11).
[3]马永生.普光气田天然气地球化学特征及气源探讨[J].天然气地球科学，2008(01).
[4]张永昌，朱光有，陈建平，梁英波.四川盆地川东北部飞仙关组高含硫化氢大型气田气源探讨[J].科学通报，2007(S1).
转载请注明来自：http://www.lunwenhr.com/hrlwfw/hrtusgli/10627.html