传统统计学范文10篇

摘要：传统的统计学是因数据而生的，也是以研究数据为根本目的，传统统计学有其独特的数据收集、整理与分析的方法体系，也确实为我们研究数据带来了便利，但是不得不思考的是在数据爆炸的信息时代，尤其是“大数据”概念产生以后，传统的统计学如果不改变，又将如何应对大数据分析带来的挑战，该文将从零售行业的角度分析大数据为传统统计学带来的诸多挑战。

关键词：总体数据;相关性;个性化营销;定制服务

随着科技的发展，大数据已经成为信息时代的一场技术革命。大数据是指传统数据库管理工具难以处理的大量的、多样化的数据。当前普遍认为大数据有3个特点：第一，数据量非常大；第二，数据增长速度非常快；第三，数据类型越来越多样化[1]。零售业作为传统的线下实体经营行业，积累了大量的消费者以及管理层的数据，如果依靠传统的统计学模型对这些数据进行分析，很难得出可以用于企业经营管理的有效信息，加上年轻一代消费者越来越追求个性化，所以传统统计学所采用的根据部分样本推断总体的分析方法已经无法满足市场的个性化需求，因此，传统统计学要想跟上时展的步伐，就必须做出与之相适应的改变。

1零售行业里大数据与传统统计学的区别

维克多•迈克尔在《大数据时代》一书中提出了大数据思维的3个最显著的变化:一是样本等于总体。这与过去基于样本进行统计分析的思维截然不同；二是不再追求精确性。在大数据中往往存在“噪音”和罕见事件，这样的数据影响了结果的精确性；三是相关分析比因果分析更重要，在大数据时代我们将注意力更多地放在“是什么”而不是“为什么”[2]。大数据的以上特性在零售行业同样适用，零售行业的大数据与传统统计学的区别有以下3点。第一，大数据收集总体数据，而传统统计学多采用抽样的方式收集部分数据。传统统计学在做统计分析时首先针对某一个问题提出假设，然后确定需要调查对象的总体，由于数据采集存在一定的难度，所以统计分析采取从总体中随机抽样选取一部分数据作为分析的对象，如此的话对随机抽样的方法与数据采集的准确性要求是非常高的。而大数据收集的是数据“总体”，在进行分析的时候不会人为进行假设，排除了人的干扰因素，仅仅从数据本身出发进行数据分析。在零售行业如果能运用大数据思维分析数据，从产生数据的顾客行为本身出发，针对不同顾客做出个性化营销，而不是人为假设的话，管理层就可以根据数据进行预测，避免了主观的经验与直觉的判断。沃尔玛作为零售行业的巨头，运用大数据分析得出的著名的啤酒与尿布理论可以证明这一点。第二，大数据注重个体行为的研究，统计学用样本数据推断总体行为。传统的统计学采用抽样调查的方式对样本数据进行分析，用样本推断总体，那些在图表上反映出来的异常数据被排除在外。大数据包容一切数据，其中包括各种结构化、半结构化、非结构化甚至是异构数据。对于零售行业而言，顾客的总体行为表现是没有意义的，因为每个顾客的需求不同，在不同的时间和地点需要的商品都不同，只有根据每位顾客的不同行为进行个性化服务才能让线下的零售行业有优势可言。美国高档连锁百货Nordstorm最近开始采用线下实体店客流分析服务供应商EuclidAnalytics公司的客流监测解决方案EuclidZero，基于用户连接Wifi行为来获取店内顾客手机的Mac物理地址并进行线下追踪，由此可以通过单个顾客在百货店里的行动路线和滞留时间，从而用于改善商品罗列与室内动线以及顾客个性化偏好与推荐服务[3]。第三，大数据注重数据之间的相关性，而传统统计学更加关注数据分析的结果。从社会发展的角度来看，大数据对数据的关联性分析更有助于零售行业管理层做出决策。对于传统零售行业而言，线下的用户体验是非常重要的，如果能根据用户行为数据分析出哪些商品放在一起能促进购买力，那么零售行业将会有更大的利润空间，相比之下，统计学进行的结果分析显得没有那么重要。

2大数据在零售行业的优势

摘要：作为与数据紧密相关的统计学学科，在大数据的时代背景下，当今数据的获取和规模发生了根本的变化，统计学面临着新的机遇和挑战，需要在方法论上有所突破，研究统计学在大数据时代的发展趋势有着十分重要的时代意义。

关键词:大数据；统计学；样本；机遇；挑战

21世纪爆发的信息技术革命，改变了社会发展过程中的方方面面。在云技术、物联网技术等高科技信息技术的大规模革新背景下，网络数据增长速率十分惊人，海量庞大的数据标志着大数据时代的来临。作为与数据紧密相关的统计学学科，在大数据的时代背景下，将会面临一系列的机遇和挑战，研究统计学在大数据时代的发展趋势有着十分重要的时代意义。

1.大数据时代统计学面临的挑战

统计学是一门传统的学科，发展至今已经有几千年历史，无论是学科理论领域内还是生产实践过程中，统计学的发展已经十分成熟，存在着许多成熟的研究成果。统计学的不断发展为人类的社会生产带来了极大的影响，随着大数据时代数据呈现海量、分散式的分布状态，其对统计学的影响也是较为明显的。一方面，大数据时代数据之“大”已经超出人们的想象，数据之“全”让人们对于事情的认知更加全面，大数据的多样性、大体量改变了数据样本与总体之间的关系，另一方面，大数据的数据多样性的特点改变了传统统计对数据统计分析的主观诉求，过去人们通过统计分析更偏向于追求“为什么”，而现在的统计分析更趋同与追求“是什么”。这一系列的影响对于统计学的进一步发展提出了新的发展挑战：

1.1样本选取以及标准的确定难度加大

一、“大数据”背景下统计学的现状

在“大数据”时代之前，人们主要使用统计的方式对大量社会数量现象进行研究。而随着社会技术的进步，以数据为中心的“大数据”时代悄然而至，并且随着“大数据”时代的来临，统计人员的工作形式发生了巨大的变化，同时他们在思考问题时必须学会使用数据来进行分析解决。而在“大数据”背景的冲击之下，统计学面临着一些急需进行解决的问题，比如说现代的统计学如何更好的适应“大数据”时代的发展，或者是在“大数据”时代的背景之下如何对统计学进行改革等等……那么是什么原因使得统计学在“大数据”背景下存在大量问题呢?其实，若是我们仔细研究传统统计学的特点就会发现，传统统计学存在一个极大的缺陷，那就是许多传统统计学的方法建立起来的数据都是基于小样本数据，而这些小样本数据在“大数据”时代中的运用则不是那么适合。

二、“大数据”时代对统计工作的影响

随着“大数据”时代的到来，其对于统计工作的影响是方方面面的，其中影响最多的就是对于经济统计以及政府统计的影响。首先我们先来说一下“大数据”时代对于经济统计有着哪些影响。在“大数据”时代来临之后，改变的不仅仅是数据的收集方式、数据的分析模式，并且还淡化了数据之间的因果关系。在“大数据”时代之前，对于数据的收集一般都采用普查、问卷调查等的形式，但是在现如今社会中存在着无穷无尽的数据，那么在海量数据的面前这些传统的数据收集方式就很难满足客户的需求。在这种现象的前提之下，就使得传统数据收集方式被时代所淘汰，而新的数据收集方式得到发展。而数据分析模式变化的原因则是由于传统的数据分析模式仅仅是对数据进行收集之后进行随机抽样分析，这种模糊的分析模式在面对少量的数据之时，会存在一定的合理性。但是注意一点就是，这种分析模式仅仅适用于少量数据之时，那么在现在这个数据大爆发的社会，如若依然使用这种粗糙的分析模式，对于数据分析的准确性就会产生极大的不利影响。因此，为了提高“大数据”时代下数据分析的准确性问题，在对海量数据进行分析时形成了一种全数据的分析模式。对于数据之间因果关系的淡化问题，这主要也是因为在“大数据”时代之前，出现的数据也仅仅是一小部分，那么在这些小部分的数据之中，就会极易出现因果关系的现象。但是，在“大数据”时代之后，社会中存在着海量的数据，那么想要在这些海量数据之间寻找一定的因果关系就不是那么容易。而数据之间不再仅仅存在纯粹的因果关系，使得客户若是想要提高数据的价值，需要做的就比之前要麻烦一些。接下来我们开始说一下“大数据”时代对于政府统计又有哪些明显的影响。“大数据”时代对于政府统计的影响首先体现在对于居民消费价格调查统计范围的扩大上面。“大数据”之前，我国政府如若想要对居民的消费价格进行记录调查的话，那么仅仅只能从一些实体店中获得数据。但是，由于近些年来网络技术的发展与进步，使得居民的消费渠道日益丰富起来，那么在这种情况之下，传统的数据统计方式就会出现极大的误差，使得政府不能得到准确的数据信息。并且，传统的居民消费价格的统计不仅仅存在数据分析不准确这一点缺陷，还包括统计模式存在一定的滞后性，这两点缺陷的存在就使得对于居民消费价格调查统计的方式必须进行变革，保障其数据的时效性极其质量。其次，“大数据”时代还使得政府对传统的人口统计模式进行变革。众所周知，我们是一个人口大国，对于人口统计调查这一工作方面一直存在极大的困难，尤其是近些年来随着交通的日益便利，造成人口流动速度的加快，在一定程度上面造成人口统计的困难性增加。而在“大数据”背景下产生的新型的统计模式就很好的解决了这一方面的问题。

三、“大数据”背景下的统计发展的对策

针对“大数据”背景之下传统统计学存在的诸多问题，我们要是想要使得其完美的进行改革，首先我们所要做的就是建立大数据统计科学的机构体系，其次就是需要建立统计信息资源的分享平台。对于建立大数据统计科学的机构体系的优点就是可以建立大数据多样结构化的信息积累，将数据之间关联性与匹配性进行很好的整合与分析。而在之前的互联网平台上面虽然会有海量的数据进行分享，但是这些分享的数据并不是包含所有的方面，例如，对于企业与政府之间的数据信息在平台上是寻找不到的。而建立统计信息资源的分享平台就是为了解决这一问题，增加大数据时代的数据价值。

摘要：大数据时代，数据分析各环节的变化对统计学专业人才培养模式的变革起到了催化作用.数据挖掘作为拓展和提升大数据分析方法与思路的应用型课程，被广泛纳入统计学本科专业人才培养方案.本文对大数据时代数据分析师的职业需求进行了调研，在此基础上提出了基于R语言的项目式数据挖掘实验教学模式.教学实践结果表明，通过项目式学习，可以让学生在掌握理论知识的基础上，进一步提升分析问题和解决实际问题的能力，进一步适应大数据时代数据分析师的职业要求.

关键词：统计学；数据挖掘；实验教学；数据分析师；项目式学习

1引言

2016年美国统计协会(AmericanStatisticalAsociation)对统计学的内涵给出一个较为简洁的说明，将统计学定义为：“thescienceoflearningfromdata”，即从数据中学习的科学[1].该定义实际上与数据科学（DataScience）的内涵如出一辙.笔者以为ASA之所以对统计学做出这样的内涵解释，实际上表明在大数据浪潮中，统计学正走在变革的道路上.大数据时代，数据的产生、收集、分析与应用等环节都发生着深刻的变化.互联网技术的高速发展使每个人成为数据的生产者，数据生产已经突破了时间、地点的限制，数据量也由抽样数据向大数据转化；数据的存储类型由纸和笔记载的关系型结构化数据向半结构、非结构和异构的网络数据类型转化；数据的采集由根据统计分析目的的调查式收集向基于大数据技术的自动化采集方法转化；数据的分析由传统的验证型分析方法向探索型分析方法转化；数据的应用由辅助管理决策向引导变革转化.以上变化正在重塑数据分析流程，而数据分析模式的变革必然引起教育模式的改革.事实上，在大数据洪流的冲击下，统计学专业的人才培养模式已经悄然发生变化.当前，统计学专业融合大数据、计算机、人工智能等相关学科知识，引导学生认识和掌握数据处理的新技术，推动交叉学科应用型人才的培养，已经成为共识.其中，在统计学专业课程体系中引入数据挖掘课程就是典型的代表.数据挖掘技术在一定程度上弥补了传统统计分析方法的不足，可以进一步增强学生探索性数据分析的能力，更加适应大数据时代的需求.与统计学强调推断理论和方法不同，数据挖掘强调经验，着重于从数据中挖掘有用的模式和价值，只要能够有效地解决问题，方法和模型本身并不重要.因而，笔者认为数据挖掘课程能够拓展统计学专业学生数据分析的思路和方法，进一步加深对数据分析内涵的理解.由此，本文致力于探索大数据背景下统计学专业数据挖掘实验课程教学模式，以提升统计学人才实践应用能力，使其不断适应大数据分析的需求.

2大数据时代市场对应用型统计人才的新需求

数据分析师是统计学专业大学生毕业后的主要职业选择之一.数据分析师是指在不同行业中，专门从事数据搜集、整理、分析，并依据数据做出行业或市场研究、评估和预测的专业人员；是以实际数据为依据，对项目现状及远期进行统计、分析、预测并转化为决策信息的专业人才[2].为了客观分析大数据时代应用型统计人才需具备的知识、能力和技术，本文通过智联招聘网对企业公布的数据分析师职位招聘信息进行了调研，这些招聘信息都是面向应届本科毕业生的，具有较强的针对性，调研时间为2018年8月3日.本文调研了七家上市公司[3]，有国企事业单位、互联网公司、金融公司、网络游戏公司、网络媒体公司等，各公司对数据分析师的岗位职责、知识要求、能力要求和技术要求见表1所示.从数据分析师的岗位职责来看，不同类型的企业虽然具体要求不同，但是核心职责是相同的，主要有三个方面：负责业务部门的数据需求分析，也就是通过调研了解业务部门的需求，确定数据分析对象和目的；构建业务数据分析指标体系，即如何开展数据分析工作，确定数据采集、处理和分析及结果解读等环节的指标、方法、模型及数据分析工具等；为业务部门提供数据决策支持，包括撰写调研报告、数据分析报告及设计数据产品和开发数据分析工具等等.从岗位职责的核心要素来看，数据分析师是非常契合统计学专业的人才培养目标的，从调研到设计到分析到结果解读，是数据分析的一个完整流程.但是，也可以看出很多企业在数据分析中特别强调了数据挖掘方法，如北京计算机技术及应用研究所强调用户行为挖掘和个性化推荐、金融界强调用户行为数据和网络日志数据挖掘，而这些都不是传统统计学分析方法的范畴.从知识要求来看，大部分企业都要求数据分析师具有统计学专业背景，但互联网公司特别强调统计学、数学和计算机的交叉和融合.实际上，数据分析师作为复合型人才，除了掌握必要的统计分析理论和方法外，数学建模和编程能力都是必不可少的.从能力要求来看，较强的数据敏感度和清晰的逻辑思维能力是核心要素.其次，从业务来看，数据分析师需要同不同的部门打交道，沟通协调能力和团队协作能力也是必不可少的.从技术要求来看，大部分企业都要求数据分析师至少要掌握一种统计分析软件，如SPSS或MATLAB；至少要熟悉一种编程语言，如Python或R；至少要掌握一种数据库技术，如MySql/Oracle/SQLServer等，最简单的是excel.在高校及商业统计分析领域，R语言是当前最受欢迎的统计编程语言之一.综合以上分析可以得出，统计学专业的学生要想成为出色的数据分析师，除了具备坚实的统计学理论和方法外，还需要具备良好的计算机能力，如数据库技术和编程能力.更重要的是，数据挖掘方法与技术作为大数据技术的基础已经成为数据分析师必备的技能，也是企业招聘时重点关注的技术.

摘要：大数据时代的到来在拓宽统计研究范畴，丰富统计研究内容的同时也为传统统计研究工作带来了巨大的挑战；为顺应大数据时代的发展，统计研究工作应适时调整抽样调查的工作思想、深入理解数据信息、转换数据对接与处理方式、抓住数据关系分析重点、转换统计工作重心以及强化分析思维，使大数据与统计学有机结合，更好的为统计学服务，为统计研究工作的发展注入旺盛的生命力。

关键词：统计研究；大数据；统计学；数据分析

自二十世纪六十年代以来,计算机技术的快速发展,人类的生活方式发生了巨大的变化,计算机互联网、移动互联网、物联网、汽车网络越来越流行,博客,论坛,微信网络通信已经演变成人们的日常生活中,数据的积累变得越来越方便,数据共享和交流变得越来越方便,自动采集、传输的信息和计算已经出生成为现实,大数据的天然产品是高科技时代,毫无疑问,随着计算机处理技术的快速发展,能够处理大规模复杂数据增加,从大规模的数据中提取有价值的信息的能力是一天天增加,人类迅速进入大数据的时代,有大数据促进人民生活的变化,工作和的思想奠定了基础。在大数据时代,引领人们的生活中的数据,指导业务转型和科技创新中发挥着越来越重要的作用,人们几乎可以从任何获得的数据可以转化为促进人类生活方式的改变有价值的知识,以及大数据时代的战略意义不仅是掌握庞大的数据信息,并在于如何处理数据。如何从纷繁的知识中提取有价值的数据,如何利用这些数据来创建伟大的价值是我们面临的一个重要问题,大数据时代的到来,使分析数据的研究变得尤为重要,不仅带来了统计研究的发展机遇,但也给统计研究带来了前所未有的挑战。毫无疑问，随着大数据的出现，统计研究已经进入了一个新的发展阶段。

一、大数据给统计研究带来的机遇

大数据时代扩大了统计研究的范围，丰富了统计研究的内容，扩大了统计研究的活力。传统的统计研究是根据要研究的问题收集相关数据，然后组织、分析和总结。传统的统计研究一方面，无法保证数据的效率，另一方面，由于大量的数据收集非常困难，导致研究人员增加工作量。在大数据时代，统计研究工作可以分析更多的数据，甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样，数据的限制等因素。传统的统计研究工作与大数据相结合，（1）保证了统计信息的适应性，提高了统计调查的时效性，增加了统计研究的准确性，在整体上提高了统计研究的质量；（2）丰富了传统统计研究数据的收集方法，例如网络信息、移动通信等，同时这些数据范围广泛，可用于多个研究目标，重复利用率高，这样大大降低了统计研究工作的成本。（3）丰富了统计学的内涵，更大的发挥了统计学的作用，扩大了统计研究工作的范围。

二、统计研究工作所面临的转变

摘要：大数据时代的到来给经管类专业统计学课程提出了挑战。传统统计学课程面临教师缺乏大数据思维、新教学模式优势没有得到充分发挥，以及实践教学缺少大数据内容等问题。授课教师需要将大数据思维融入教学过程中，充分利用和创新教学模式，加强大数据统计实践教学，以提高经管专业学生的大数据统计素养。

关键词：统计学；大数据思维；教学改革

目前全球已经进入到大数据时代，在大数据的冲击下，新一轮的科技革命和产业革命引领着各行各业发生着重大变革。教育在我国特色社会主义中具有基础性、先导性、全局性的地位和作用，大数据时代的到来给教育带来了巨大的挑战和机遇。2019年2月中共中央、国务院印发的《中国教育现代化2035》中强调了要加快信息化时代教育变革，利用现代技术加快推动人才培养模式改革。统计学作为数据的分析工具，成为经管领域应对大数据挑战的最基础学科。基于大数据思维推进统计学课程的教学改革，已经成为应对大数据挑战的必然趋势。

1大数据思维与统计学教学改革

统计学与大数据有天然的不可分割的联系。统计学的研究对象是数据，如果离开统计学方法，大数据就是一堆没有加工的原材料，人们无法发现其规律性。同时，大数据也对统计学产生着重大影响，主要包括以下两个方面：一方面，统计学研究对象将以大数据为主。传统数据是以某种抽样方式抽取的有限样本、数据类型以结构化数据为主、样本数据的精确度很高，而大数据则是强调搜集全体数据、数据类型包括结构化与非结构化数据、全体数据种类复杂且噪音较多。在互联网与云计算时代，大量、高速、多变化的终端数据的存储与计算等问题都在被逐一化解，未来的数据将以大数据形式展现，所以统计学的研究对象将由传统数据逐渐转变为大数据。另一方面，统计方法将以大数据分析方法为主要统计方法。为探索大数据的规律性，统计学需要将统计分析方法拓展到大数据统计分析方法，使得其能够广泛应用于各个领域产生的大数据。就经管领域而言，无论是经济增长的宏观经济，还是企业发展的微观经济，都会产生无数的受到众多因素干扰的大数据，通过传统统计分析方法得到的数量规律会与实际情况偏差较大，精度降低，因此有必要将大数据的分析方法纳入统计学课程体系中来。

2大数据时代下统计学课程面临的困境

摘要：本文探讨了传统统计学原理课程在教学中存在的问题，提出了统计学原理这门课程作为应用型课程的课程建设、课程改革的方向。

关键词：统计学原理；高职；课程改革

随着时代变迁，来到了经济飞速发展的新时代。统计学理论知识的发展也面临着重要的机遇和挑战。在这过程中，计算机科学技术与信息科学技术的发展也极大地推动与促进了统计学的发展。越来越多的统计学知识被应用到各个不同领域不同学科的发展中。统计学的工具、各种统计应用软件使用频率越来越高、应用场合越来越多。这些工具可以帮助我们发掘实际问题中统计数量的规律性。与此同时，我们作为高职院校，开设的统计学原理课程也要跟上时展的步伐，做出相应的课程建设设计与改革措施。

一、传统的统计学原理教学中存在的问题

统计学原理是经济管理类专业的一门专业基础课，主要从量的方面着手研究客观事物的方法和理论，内容丰富、形式多样。首先，现在的课堂教学方式大多沿用传统的“教师教，学生学”的模式，教学方式单一、缺乏创新，不能很好地激发学生的学习热情，限制了学生的统计思维锻炼和发展，不利于学生创新、分析以及综合能力的提高。其次，传统的统计学教学还存在过分强调各种公式、概念、定理的介绍。忽略了说明这些统计学理论、方法的实际应用背景、条件和思想。我们的统计数据就是来源于实际生活中、来源于我们遇到的现实问题中，从这些角度出发来介绍统计方法、统计知识更有利于学生对理论知识的接收。在实际教学过程中，培养学生的动手能力训练较少，这也不能很好地体现出统计的使用价值。

二、关于统计学课程的教学改革

摘要：学生运用统计学方法分析问题能力的培养已经逐渐引起人们的重视。本研究以湖南文理学院经济与管理学院为研究对象，列举统计学课程教学中存在的一些问题，基于社会实践与毕业设计导向，提出统计学实训课程改革的一些方案，并将改革运用于实践教学，追踪调查了解其方案实施的效果，以此为今后统计学教学改革提供参考借鉴。

关键词：统计学;课程改革;社会实践;毕业论文

一、前言

自2014年教育部提出“加强高校实践环节的教育，进一步将教学与实际相结合”以来，高校教学的人才培养模式就一直在不断完善，越来越多的大学课程已增设实训环节。大学生实践与分析能力的提升通常作为人才筛选的评判标准，是培养创新思维的基础，也是判断当下实训课程改革是否成功的依据，在大学生综合素质培养中起着十分重要的作用。然而，从现有大学生社会实践报告和毕业论文中来看，大学生真正运用统计方法分析现实问题的能力还有待提升。学生普遍反映开设的《统计学》课程更多是以案例的形式进行讲解，缺少针对实际问题的解决方法。本文以湖南文理学院经济与管理学院为研究对象，对统计学课程进行创新设计，在传统统计学课程基础上，引入实践与分析环节，培养学生的动手操作能力和解决问题的分析能力，并将统计学课程中所学知识应用到毕业论文设计和社会实践报告中，以此提升学生的综合素质能力。

二、统计学课程中存在的主要问题

1.教材缺乏数据包，打消学生实际操作的积极性。传统的统计学教材中多以理论教学为主，案例实训操作也多以例题的形式展示，书本中课后习题往往缺乏相应的配套资源。统计学课程中的习题往往针对的是大样本（样本数量超过30个为标准），如果按照书中的例题进行操作，往往需要学生自行将样本数据手动录入软件，耗费大量的时间精力，既违背了以分析问题为宗旨的教学目的，也极大地打消了学生进行实际操作的积极性。2.教材案例脱离现实，无法激发学生的兴趣。统计学教材中所用案例较多偏离现实。纵观近年来统计学教材中所使用的案例，编者较多偏向于以管理者的视角对灯泡、机床零件、产品质量等生产环节进行分析。然而，多数学生在现实生活中是消费者的角色，从管理者的角度进行案例分析，对于学生而言不仅很难激发其学习的兴趣，而且容易于让学生形成“读书无用”的想法。3.统计图表的规范性要求不能引起学生的重视。对近三年的毕业论文进行随机抽查，在随机抽样的36篇经管类毕业论文中，仅有7篇毕业论文使用了统计图表，使用比例不足20%，若进一步考查其使用的规范性，则几乎全部不合格。对于这一现象，在学生的社会实践报告中也得出了相似的看法，调查结果几乎全篇都是以文字性叙述为主，通过数据分析得出结论的调查报告寥寥无几。4.考核方式较为单一，缺乏综合测评。目前，统计学考核方式仍以期末闭卷考试为主，学生出勤记录、课堂表现和平时作业为辅，偏重于对概念、公式的记忆，而缺乏学生实际操作和分析问题能力的考查。这种考核方式容易使学生不注重平时积累，在临考前通过死记硬背的方式进行学习，无法体现出统计学课程开设的初衷，不利于培养学生独立思考解决问题的能力，对于学生今后在实际中遇到的统计学问题也无法有效做到学以致用。

摘要：进年来，随着科学技术的不断创新，信息技术的不断发展，人类文明已经迎来了大数据时代，随之而来的必将是经济的不断攀升，企业运行模式的不断转型，人们生活方式的不断改变，社会整体经济以及人们生活方式也将朝着多元化、便捷化、科技化、舒适化方向发展，所以，这将是一个极具潜力的新型产业，而与之对应的统计学也将顺势而行，迎来新的改革，基于在大数据环境下统计学理论及方法改革探究，笔者进行简单阐述与研究。

关键词：大数据：统计学理论：创新应用

顾名思义，统计学几乎是对所有领域的数据进行统计与研究、分析筛选，因而统计学在如今的大数据时代几乎涉及到各行各业，其表现方式为，统计出来的数据进行科学的研究与分析，可以有效的帮着企业获取有效信息，探索其中数量规律行，进而企业可以更高效、更精准的进行工作。而如今随着现代信息技术以及数字科学技术的不断发展，统计学也得到了更多的应用，也被人们更加重视，应用最多的为企业管理系统中，统计学中的理论及其分析方式帮助企业进行对数据数量规律性的探以及定性分析，为企业寻找自身的管理经营的基础进行有效地夯实，奠定企业向更加稳定方向进行发展。而如今计算机软件的不断发展与更新，大数据时代的到来，统计学的应用也会得到更为广泛的发展，其中有政府和企业利用计算机对相关数据的采集、整理、统计进行综合的分析。统计学相关的软件开发商也将软件设计的更为简易化、便捷化，使得非统计学专业的人员也可以使用。当今社会经济高速发展，统计学的应用及其发展趋势将会迎合时代的到来进行改革改变，促进社会经济的快速提高。

一、大数据时代的内涵及其意义

（一）大数据时代的内涵

大数据是指在一定时间内对信息的捕捉、管理、处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力、流程优化能力的海量、高增长率和多样化的信息资产。针对这些信息资产，利用统计学原理对其进行数据分析、提炼、分解。也可以从另一个方面理解大数据，它涉及各行各业，是多个领域数据的集中区域，涉及到的有自然科学、人文科学、社会经济学等等相关的混合数据，它们之间相互参杂，互相融合，形成非常庞大的数据系统。目前传统统计学中的统计方法是分析单个计算机系统的数据储备，无法分析多台计算机的数据，在数据统计中产生了局限性、单一性、不稳定性和客观性等，但是目前大数据时代的到来，改变了如今这一现象，改变了大数据环境下数据流、磁盘存储、分布存储、多线条等环境。大数据环境主要起到的作用为，将庞大而复杂的数据进行转换，转换成为简单易懂、显而易见的内容，进而使工作人员对数据进行源头和机制的追述，从而研究出适合自身并有效的应对策略。因将数据转换成需要的知识需要相对缓慢的时间，所以工作人员将当前庞大复杂的数据分别存放在不同的储备空间里，有些工作人员将目前无法分析的或是不需要的数据进行整体精准的记录储存，记录成一整套的数据发展史，已供日后应用，以备不时之需，为今后科研做出充分准备。

一、统计学教学的发展趋势

随着教育改革和统计学在企业发展中作用的体现。高校传统统计学教学的弊端逐渐体现出来。未来，统计学改革将朝着现代化的教学方向发展。具体体现在以下几个方面。首先：实现统计学与计算机技术的结合。计算机是推进统计技术发展的关键，因此在高校统计学教学中应用计算机技术，有助于统计技术的更新，也满足企业的快速发展需求。其次：模拟实验及以实践为基础的教学实习将出现在高校统计学教学中。目前，探究式教学、并且多媒体发展为这一系列的教学方式提供了技术支持。在教学中，教师将更注重教学实践，在教学考察上将更重视对学生统计能力的考察。而在教学过程中，应强调学生的独立操作，以从真正意义上提高其专业统计能力。

二、高校统计学教学现状分析

（一）课程内容不规范,教学手段单一

目前，统计学教材不规范，教材内容缺乏针对性。教师根据教材，进行单纯的概念传授教学方式，导致学生积极性不高，教学效率低下。在课堂教学中，教师教学目标不明确，无法确立学生的主体地位，教师与学生之间缺乏必要的交流，无法及时发现学生存在的问题。另外在对学生进行考察时，强调理论而忽视统计学实践，教学中案例分析较少且不具备实时性，因此急需进行改革。

（二）统计分析方法无法与相关专业知识进行结合