大数据时代的概念与特征范文
时间：2024-01-04 17:40:55
导语：如何才能写好一篇大数据时代的概念与特征，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
1大数据时代概念的提出
当前，大数据这一词汇在各行各业中出现的频率越来越高，各种媒体中也经常对这大数据这一概念进行推广，大数据时代逐渐成为了一个社会热词，昭示着大数据时代的来临。
在学界中，大数据的理论思考与实践探索一直在如火如荼的济宁这，并与经济市场，政府机关形成了良好的合作与互相支持的模式。大数据时代的来临与当前互联网时代的建设基础和发展迅速的信息技术具有重要联系，早在上个世纪末就有了关于大数据时代的理论雏形，对整合所有数据并对数据进行加工，分析，处理提出设想。这一设想的提出与同一时期的“商业智能”的具有密切的联系，所谓商业智能也是指建立数据仓库的基础上挖掘数据的深度含义，分析数据从而挖掘出数据之间的内部联系性，从而获取文化公司所需要的信息，为文化公司的发展提供决策思路和数据支持。
直到世纪，信息技术的发展导致各种数据统计工作的便捷与高效性，人们逐渐发现了进行大规模数据分析和研究对文化公司在发展过程中所能起到的作用，互联网的覆盖范围越来越广，在各行业各的应用程度愈来愈高，智能手机的普及都为大数据时代的来临打下了坚实的基础，随后大数据的概念在信息技术行业中越来越得到认可与重视，大数据的相关理论基础研究与前景展望也越来越多，为大数据时代构建了理论结构与应用前景。
2012年的达沃斯世界经济论坛中将大数据作为主题之一进行讨论，可以说变相确定了大数据在未来社会发展进程中的地位，探究了以信息技术为依托的大数据处理分析如何对人类社会的发展作为贡献。国内对大数据在未来发展中将占据的地位和起到的作用也做出了充分的认可，各大企业与高校对大数据的概念与应用已经开始进行研究与实践。
2大数据一词的概念与理解
对大数据时代的理解离不开对大数据的概念的理解。什么是大数据？就当下而言，虽然大数据一词的出现的频率极高，许多媒体，部门，论坛都在使用这一词语，但是对大数据一词的核心含义的理解却并不一定充分。当前学界内对数据一词的定义尚且没有一个统一的较为得到广泛认可的定义。对大数据一词的定义可以分为几种，例如维基百科上说大数据就是指数量、规模庞大的数据资料，无法利用常见的软件工具对其进行高效率收集，处理与分析。还有的的说法认为大数据就是单纯指数据量足够大，远超常规水平的数据集合。还有的说法主要是认为大数据进行处理的方式才是大数据一词的实质，即大数据是通过特殊处理模式能提高企业对市场形势的掌控程度，为决策提供指导的数据分析处理方法。
因此来看，大数据的特征应该包含着两方面，一是大数据处理在技术层面具有先进性，二是大数据在社会性方面具有广泛性。如上文所述，大数据一词的出现是信息技术进步的结果。大数据最先出现其是存在与IT界的术语，大数据是一个多项技术合并在一起的概念，是一个具有系统性的体系，包括对数据依托信息技术实现大规模储存与联网分享的云技术，对数据进行分析处理的分布式处理技术，指纹识别，虹膜识别等对数据进行保密管理的感知技术等等，都应该包括与大数据体系之中。与此同时，大数据还具有社会性。大数据这一概念的出现离不开信息爆炸化的时代特征，大量的信息充斥于社会的每一个角落并呈现着井喷式的增长，每一个人都是数据的创造者与传递着，国际化进程的加快使人类社会前所未有的紧密联系在一起，在这种时代背景下酝酿出来的大数据概念无法避免的具有人类社会发展的特征。
在大数据时代，人们的思维模式必须向大数据化的方向靠拢，传统的思维模式已经不适合时代的发展。信息技术的进步使我们的思维模式也可以在依托大数据提供的信息作出更准确的决策和判断。在大数据模式下，高效率的数据收集与处理是我们可以脱离传统的抽样调查得出结论的办法，不用再考虑数据模型是否具有科学性和代表性，也不用考虑抽样结果是否具有偶然性，因为我们已经可以立足于全面性的数据来对问题进行思考与判断，同时，对数据的判断要提高效率，应为判断的本身也是一个大数据的过程，提高判断的效率再借以数据统计来提高其准确性。在大数据时代，人们面对数据不需要刨根问底的研究数据出现的原因，而是应该要考虑数据之间的关联性，研究数据之间的联系，思考关联出现的原因而不是单纯研究因果关系。
大数据时代对于社会的改变在于，它变革的是人们处理数据的方式与模式，改变的是人认知世界，认知事物的方法，在数据化的信息处理中提供发现问题，解决问题，创造价值的方法。大数据作为一个新生事物能开创出一个新的时代，不得不说大数据在我们当下的社会发展进程中是极有价值的。虽然大数据的定义及体系，实践应用方面还存在许多不足，缺少经验方面的积累，但是笔者相信随着时间的推移大数据体系的形成必将越来越完备。我们当下所需要做的就是把握住大数据时代的时代脉搏，必须明确大数据时代的要求：首先，大数据时代必须充分利用信息技术来提高数据的收集与储存，利用新的数据处理模式发现数据之间的关联新，为决策提高科学性的指导与数据支持。然后，大数据是技术属性与社会属性的有机统一，所以在大数据时代中两方面工作都要双管齐下，提高技术水平的同时还要注重社会实践应用，达到改变市场运作模式，各组织的结构的目的。最后，大数据不是一个高高在上的概念性名词，而是应该作为一种新的思维方式适用于社会的各个方面，包括政府行政，企业运营和人民生活等等，是新的时代智慧与时代气息，而不是单纯的一种技术或处理数据的手段。
必须要明确大数据时代真正的思想内涵，才能是我国在新时代的发展过程中不落人后，占据着有力地位，提高国家的信息化程度与综合实力，对本论文的命题“大数据时代”对企业人力资源管理工作的影响能做出正确的分析探究。
参考文献：
篇2
阐述了大数据的概念、特征、相关技术和面临的挑战，大数据时代实验室管理提升带来的新方向，包括实验室大数据的采集、存储与处理、分析决策系统等的建立，更加注重保密和法律问题，对实验室管理新特点也做了分析。
关键词：
大数据；实验室；管理
海量数据已经使我们进入了大数据时代，数据信息的来源、传播速度和传播数量正在影响、改变着人们的思维方式和生活、工作习惯。近年来，基于“大数据”的实验室管理系统的开发以及互联网的实验室管理技术正在兴起[1，2]，那么“大数据”究竟是什么，“大数据”的发展将会给实验室的日常管理带来何种影响或进步，实验室工作者又将如何面对直至驾驭这种进步，是本文主要讨论的问题。
一、“大数据”的概念，特征，相关技术和面临的挑战
（一）“大数据”的概念
一般比较公认的“大数据”概念是：数据量大；数据处理迅速；数据类型多样；数据价值高，密度低。美国互联网数据中心（IDC）将大数据定义为：为更经济地从高频率的、大容量的、不同结构和类型的数据中获取价值而设计的新一代架构和技术[3]。另一个对大数据较为抽象的概念是，一种在数据量增长迅速、信息来源繁多庞杂中，实现管理智能的思维形态[4，5]。
（二）“大数据”特征
简称4V特征。为Volume（数据量大）、Variety（种类多）、Value（价值低）、Velocity（高速处理和响应）[6-9]。（1）Volume。指的是由网络应用、科学研究产生的数据量，及从这些数据衍生出来的数据非常庞大。（2）Va-riety。数据有多种数据源，数据类型多样，结构复杂。（3）Value。在大量数据中，有价值的不多，即价值密度较低。（4）Velocity。大量的数据要求对数据快速处理，实时分析，从分析结果中解释并预测事物的发展。
（三）“大数据”面临的挑战
（1）如何将复杂的数据整合成有机合理的结构成为面临的问题。（2）时效性即对数据处理系统的高速、低耗要求是一个挑战。（3）涉及隐私保护等安全问题，是数据处理和分析的重要方面。（4）高能耗是大数据发展的制约瓶颈。（5）大数据分析结果差异化。复杂的分析过程导致差异的分析结果，差异结果在现实生活中不同程度地影响着人们，反而可能制约了获取知识的能力[10，11]。
二、大数据时代实验室管理的框架[12-15]
高校实验室是高校教学、科研和实训的综合体。科学，规范，高效，安全的现代化管理方式，是实验室管理的发展方向与目标。大数据技术可将先进的网络技术与数据库结合，引入到实验室管理的理念中，提高实验室的信息化管理技术。通过对大量数据的有效分析，为管理者提供决策功能。通过各个信息平善建立，有力保障高校教学和科研有序进行。大数据时代，利用大数据技术实现实验室高效管理要建立和完善以下系统。
（一）建立实验室大数据的采集系统
主要分为实验室管理信息系统，按角色划分分为学生，实验室管理员和系统管理员，数据包含各种预约信息，成绩查询和登记等系统，实验室仪器设备的基本信息，购买、使用、维护、保养、维修、报废等数据，实验试剂和耗材的信息，实验室人员的管理信息，实验室管理文件信息。采集的数据要尽量使数据全面，完整，从各个方面反映事物的真实性。因此在数据采集阶段要合理设计数据的结构和内容。
（二）建立实验室大数据的存储和处理系统
在采集数据中要做到采集数据完整性和实效性。完整性指信息的统计不仅有简单的数据，还可以采用图片、视频等数据。实效性是指对采集的数据及时更新，如实验室易耗品的使用情况、仪器设备的使用状态、仪器的预约状态等。
（三）实验室管理中通过对大数据进行分析进而形成决策
以往对实验室的管理和决策很大程度上依赖于经验。大数据下管理的决策、预警主要依靠数据的分析。对出现的问题提出后，带着问题对相关的数据分析，提供给管理者解决的方案。
（四）大数据使用过程中的保密和法律问题
大数据一个巨大的优点是数据资源共享，但实验室内很多数据是只能在有限范围内分享的，比如最新的科研数据、客户的送检结果等。因此实验室管理中，在充分发挥大数据优势的同时也要注意信息保密和法律方面的管理。
三、大数据时代实验室管理的特点
（一）实验室安全管理职能化
实验室安全是实现实验室功能的基础保证。门禁系统取代门锁，刷卡出入，视频监控系统可对实验室进出人员控制和监督，并促进实验人员责任心的建立。远程实验室仪器控制和报警系统，可帮助技术人员远程控制实验仪器的操作和电源开关，及时监控实验室仪器和周围环境的安全动态。
（二）实验室试剂耗材的管理更加动态、实时
通过数据库对试剂耗材的使用情况数据分析，在最短的时间内对试剂耗材进行预定和补充，对未来的实验所需加以预测分析。同时对试剂耗材的供货方式，供货速度，供货厂家等分析，可对供货商进行有效控制和监督，保证试剂耗材的质量和安全使用。
（三）实验仪器标准化网络管理
实验仪器的唯一条形码识别管理系统，可保证实验仪器从入库，使用，维护的全网络公开、开放。实验室仪器的预约系统可保证大型仪器管理共享，保证仪器的高效使用。使用全程电子记录和监控，可有效统计和分析仪器的使用率，对今后仪器购买提供有效数据。实验室准入制度的网络化学习、考试、准入，不仅保证实验室仪器者的基本素质，而且对仪器的正常高效运转提供必要保障。另外，反馈的数据提供进一步的网络支持。
（四）实验规章制度和课程多样化学习
写实、生动的动画模拟，可以将刻板文字化的规章制度转化更易接受和领会的方式，加深制度的学习和认识，避免实际中因制度不严格执行导致的失误。很多在现实中危险的事故和实验，可结合大数据的分析和模拟，建立新型的实验教学课程，让学生了解不同实验操作过程可能发生的危害，让学生感受和探索，以避免真正危险事故的发生。
（五）实验室人员管理升级与升级管理
人员管理可在数据系统中划分不同角色，分配不同权限，承担相应义务。实验室人员的管理是为更好保证实验室安全高效运转，实验技术人员可根据现象分析、统计分析，积极协助科研人员的技术开发、仪器升级等工作，并通过数据系统及时了解实验中亟待解决的问题。
四、结语
我国要建设创新型国家，必须全面实施科教兴国与人才强国战略。人才培养是人才强国的重要基础。实验室是人才培养与人才施展才华的基础条件，提升实验室管理水平，更好的服务于人才培养与人才发挥聪明才智，是实验室管理工作持之以恒的追求。大数据时代无疑为这种追求提供了方向和目标。
作者：张艳艳 韩涛 高秀芝 黄漫青 丁轲 单位：北京农学院食品科学与工程学院
参考文献：
[1]崔德凤，张永红，沈红.浅谈高校重点实验室信息化平台建设[J].北京教育，2013，（2）：48-49
[2]李密生，忻圣婷，肖欣.基于校园网的实验教学管理系统的设计[J].实验室科学，2014，（4）：61-66
[3]张意轩，于洋.大数据时代的大媒体[N].人民日报，2013-01-17.
[4]刘智慧，张泉灵.大数据技术研究综述[J].浙江大学学报，2014，48（6）：957-972.
[5]马建光，姜巍.大数据的概念、特征及其应用[J].国防科技，2013，（4）：10-16.
[6]霍梦兰.大数据时代的问题挑战与应对策略[J].科技视界，2014，（34）：206，311.
[7]王萍丽，吴政，吴英昊.大数据时代军队现代远程教育发展问题研究[J].继续教育，2014，（12）：47-49.
[8]吴梅.大数据及其对地矿分析测试工作的启示———以贵州地质矿产中心实验室为例[J].价值工程，2014，（17）：234-235.
[9]方巍，郑玉，徐江.大数据：概念、技术及应用研究综述[J].南京信息工程大学学报，自然科学版，2014，6（5）：405-419.
[10]李勇辉.大数据概念辨析及应对措施[J].互联网天地，2014，（1）：11-13.
[11]王书伟.大数据时代政府部门间信息资源共享策略研究[D].长春：吉林大学，2013.
[12]陈昌兴.高校实验室信息化的云计算策略与方法[J].实验技术与管理，2014，（1）：221-224.
[13]程琳琳，王旭，程延俊等.实验室信息管理系统（LIMS）在实验室科学管理中的应用[J].热带农业工程，2014，（1）：16-20.
篇3
实际上，大数据的应用远远不止于此，各行各业都能见到它的影子。在其起步阶段，互联网和电商等与IT技术关联度较大的领域最先了解和使用了大数据，随着大数据逐渐被社会各界认知，越来越多的行业包括大量传统行业在内，都开始了解和应用大数据。大数据对人们的生活究竟产生了怎样的影响？为此，《经济》记者专访了中国商业联合会数据分析专业委员会会长邹东生，与他就大数据的相关问题进行了深入探讨。
从1.0向2.0时代过渡
邹东生认为，当前中国正处于大数据1.1时代，是以认知为特征的大数据1.0时代向以应用为特征的大数据2.0时代的过渡阶段。“尽管大数据的概念在21世纪初就传入中国，但是在2010年前后才开始被中国的社会各界广泛认知。”邹东生向记者解释，“过去的四五年是大数据在中国的普及阶段，政府、企业，特别是一些原本做数据建设和信息技术的公司，开始主动认为大数据是一个趋势。国家前后出台了很多大数据领域的相关规划和推动大数据发展的政策，一些大数据交易平台和交易所陆续成立，越来越多的大数据相关会议也在中国举办”。总结和展望大数据概念在我国的普及和发展过程，邹东生认为主要可以分为3个阶段，“第一阶段是2010年前后大数据的1.0认知阶段，这是社会各界对大数据概念产生初步认知的时期，政府部门和企业界对大数据的理解千差万别，各不相同；第二阶段就是当前，是大数据1.1阶段，是认知大数据向应用大数据的过渡时期；第三阶段是不远的将来大数据2.0应用阶段，未来几年，大数据的相关项目将陆续落地，产生实用性价值，大数据将进入应用和产生价值的阶段。”
在划分大数据时代的不同阶段和阐释相应特征的基础上，邹东生向《经济》记者概括了当前我国大数据发展的主要特征，他认为主要可以从大数据的认知、应用和人才培养角度出发，分为3个方面。第一，从认知大数据的角度出发，企业开始探索大数据能为自己带来什么。“最初，人们对大数据的求知欲仅仅停留在‘我希望了解什么是大数据’，而现在，越来越多的企业希望了解大数据能给自己带来什么和大数据项目如何落地。”第二，从应用大数据的角度出发，企业对大数据的关注不仅仅停留在技术层面，更多向分析数据和研究数据发展。“前几年大数据相关会议和活动的主角是技术公司，只要一说大数据，他们就必提一些技术的新名词，从而导致很多人误认为大数据就是一种技术。这其实是大数据1.0时代的一种特殊认知。因为在那一阶段，很多企业还没有构建自己的数据平台，缺乏数据基础，企业开始接触和应用大数据分析的第一步就是数据化，离不开对于技术的接触。但是技术仅仅是大数据的底层，不是大数据的核心。未来，随着技术的逐渐开源，越来越多先进技术门槛的降低，越来越多的人会明白大数据最具价值的部分不是通过数据搭建的技术平台，不是数据本身的储存，而是它的分析过程，是通过对数据进行的深层次应用，帮助企业提高决策决心，降低运营风险。”第三，从人才培养的角度，企业越来越重视大数据人才的价值。大数据人才即将迎来井喷阶段，“以各企业对数据分析人才的需求为例，前两年相关的人才需求比较零散，而现在的需求十分旺盛，甚至一天之内就可能出现几万个岗位空缺，有些职位也对应着高额的薪水，目前大数据人才仍处于井喷的前期，并未迎来真正的繁荣。未来，越来越多的企业会认识到自己的核心竞争力应该是人才储备，而不是技术储备，越来越多的企业会将数据分析人才当成自己的标配人才，因为不论是营销还是企业管理岗位，都需要数据分析能力。那时才是大数据人才需求和供给的大繁荣阶段，大数据人才才能变为最有价值的人才。”
核心价值
进入21世纪以来，互联网对人们的生产生活产生了巨大影响，在极大程度上推动了各行各业的创新和进步，互联网自身也在不断的发展中改变和获得突破。时至今日，传统互联网技术在融合了云计算和云存储等新概念的基础上，已进入了大数据时代。对于传统互联网和大数据间的差异，邹东生认为：“传统的互联网是一种服务于各行各业的工具，致力于为人们带来直接的便捷，企业在前期需要进行充分的互联网相关技术搭建，但这一过程并不一定能带来快速和直接的盈利。所以对于互联网企业而言，‘走得早，不一定走得好’。而大数据则不同，在大数据领域，越早使用大数据和相关技术、理念分析处理问题，就能越早获益。”
为什么大数据企业“走得早”，就能“走得好”？邹东生告诉记者，这是由大数据的核心价值决定的。“大数据能够帮助企业进行精准分析，从而提高企业的决策效率，帮助企业获取更多的收益，降低成本。换言之，大数据能够给企业带来看得见、摸得着的收益。”除了帮助企业精准决策，在解决“数据孤岛”问题上，大数据也将发挥巨大作用。他认为大数据的出现是解决“数据破碎化问题”的钥匙，“大数据能够通过构建数据沟通平台将‘数据孤岛’打通，最大程度地使得原本不关联的东西相互关联”。邹东生同时强调如果使用不当，大数据技术非但不能解决，甚至可能加剧数据的破碎化，他说：“如果缺乏对大数据分析过程的深度理解和正确认知，搭建平台前没有充分的研究，大数据的使用将无法打通数据间的‘孤岛’，甚至可能会产生越来越多的数据碎片和信息流失”。
那么，如何挖掘大数据的核心价值？邹东生为有意向应用大数据的企业提出了“三步走”的建议。第一步，从企业自身角度出发，“企业越早信息化，未来数据分析的‘弹药’就越充足。企业首先需要将自己的数据保存起来，在此基础上，有目的、有计划地收集外部数据，通过外部数据和内部数据的整合，形成足够大的数据体量”。第二步，从企业和大数据平台间的合作角度出发，“利用数据平台帮忙整合数据”。第三步，从对大数据分析的角度出发，“在结合行业和数据特征的基础上，设计算法，提供科学的量化、引导和分析，使大数据成为帮助企业更好提高决策效率和降低风险的分析工具”。
篇4
关键词：大数据时代；教师德育胜任力；转向；培养路径
随着教育信息化、“互联网+”行动的不断推进和数字校园建设、“三通两平台”工程的精准实施，教育也正式迈入了以网络为平台、数据爆炸式增长为标志、云计算为支撑的大数据时代［1］。大数据时代的来临，对整个教育系统产生了颠覆性的影响，也必将对教师的教育教学与个人发展带来新的挑战［2］，对教师的德育胜任力提出新的要求。在大数据时代，海量信息和优质教育资源的开放共享削弱了教师传统意义上的道德权威；网络化生存中的人机互动更加凸显出了师生间面对面交流和沟通的重要性；多维多变的价值观念和学生复杂的价值诉求使得教师的价值引领作用在当下显得更为沉重［3］；慕课和翻转课堂虽然减轻了教师的教学压力，但却对教师在学生的思想引领、价值型塑、人格感化和情感陶冶等方面提出了更高要求……总之，在新形势下，教师完成立德树人根本使命的重要性、紧迫性和艰巨性更加突出。教育作为镶嵌在社会系统中的子系统，其发展必须与时代潮流相适应。这种适应虽然表现在调整课程内容和结构、革新教学模式和方法、应用新兴设备和技术等多个方面，但最关键的还是在于教师要与时俱进地更新教育观念，优化知识结构，提升专业水平。教师若想在大数据这股浪潮中游刃有余，就必须以自信的姿态、主动的精神和切实的行动提升自身的德育能力。那么，在大数据时代，教师德育胜任力的内涵应如何界定？它有哪些特征？教师德育胜任力又需实现哪些转向？我们该采取哪些措施来培养教师的德育胜任力？这些问题都是当前德育研究亟需解决的重要课题。
一、大数据时代的教师德育胜任力
胜任力研究虽有将近百年历史，但真正进入教育领域却始于20世纪70年代末。研究主题聚焦在教育管理者的胜任力培养上，如美国中学校长协会构建了校长胜任力指标体系，以此来指导校长选聘和职业发展工作［4］。在我国，关于教师胜任力研究的最早文献是2003年的《未来教师胜任力测评：原理和技术》一文，该文认为，“教师胜任力指教师个体所具备的、与实施成功教学有关的一种专业知识、专业技能和专业价值观”［5］。迄今为止，我国教师胜任力研究已走过15个年头，并取得了不少有价值的研究成果，学者们从概念界定、模型构建、研究方法、胜任力测评及具体应用等方面进行了较为深入的探讨。在整个教师胜任力研究中，虽然有部分学者对教师德育能力、教师德育素养（素质）、教师德育专业化展开了相关研究，如檀传宝教授认为，教师的德育素养结构由道德与文化素养、学科专业素养和教育专业素养三部分构成［6］。但目前尚未有人提出“教师德育胜任力”这一概念并对其进行研究，更没有人结合具体的时代背景来阐述教师的德育胜任力。进入大数据时代，传统的德育环境不复存在，教育对象在不断发生变化，教师德育胜任力的概念也需重新定义。在批判借鉴国内外学界关于胜任力、教师胜任力及教师德育能力（素养、素质）等概念的基础上，并结合当前时展和社会环境对教师德育能力提出的特殊要求，我们认为：大数据时代的教师德育胜任力是指大数据时代下每个教师能够成功实施德育工作需要具备的一系列显著的个体特征；这些特征主要包括高尚的道德修养、先进的德育理念、丰富的专业知识、高超的德育能力和良好的数据素养。上述概念具有五个主要特征：一是全员性。由于“没有离开教育的教学，也没有离开教学的教育”［7］，所以“教师即人师”，每位教师都应承担起教书育人的使命。二是相对独立性。虽然教师胜任力、教学胜任力、德育胜任力三者有重叠和交叉，但德育胜任力应该有其自身的独特性。三是综合性。教师德育胜任力是由知识、态度、能力和价值观等多种因素构成的整体。四是时代性。教师德育胜任力是一个随时展的动态概念，不仅传统的德育素养不可或缺，而且教师还要“加强对时展的了解，与时俱进地进行道德学习，从媒介素养到国际理解，不断增强自身的价值敏感性和价值选择力”［3］。五是个性化。教师除了要具备通用的德育胜任力之外，还应彰显出卡里斯玛特质，表现出与众不同的人格魅力。
二、大数据时代教师德育胜任力的转向
整体而言，大数据进入教育领域，既是一场革命，也是一种挑战；既是一次十分难得的机遇，也是一种无法回避的负担。大数据在给学校德育的改革创新与转型发展带来福音的同时，也对教师德育胜任力提出了全新挑战，需要所有教师的主动适应与积极作为，但在付诸行动之前，我们有必要弄清楚大数据时代下的教师德育胜任力究竟面临着何种挑战，需要从哪些方面进行转向。1.德育思维由经验式思维转向数据式思维大数据不仅是一种信息资源和技术工具，更重要的是“一种思维方式，即让数据开口说话，让数据成为人类思考问题、做出行为决策的基本出发点”［8］。思维方式上的变革是置身于大数据时代的教师遭遇到的最大挑战。这是因为，在教育领域，教师长期以来已经习惯于依靠自身的常识、直觉、经验或有限理性进行思考和决策，而很少去倾听身边数字所发出的声音［9］。然而，大数据时代的来临使得这种经验式的德育思维难以为继，教师的德育决策需要基于数据分析而制定。大数据具有的相关性、开放性、个性化和前瞻性思维可以帮助教师采集到有关学生品德发展的海量数据，通过数据挖掘和关联分析，就能够比较全面而准确地掌握学生的兴趣爱好、个性特征、思想动态、价值取向和行为趋势等重要信息，教师就可以在此基础上为学生提供符合其需求的个性化教育服务。显然，这种数据式的德育思维具有无可比拟的优势，不仅可以为教师的德育工作打开新的思路，而且还能增强学校德育的实效性，因而也对传统的德育思维造成了巨大冲击。如今，当教师在德育实践中遇到棘手的德育难题时，优先考虑的应该是尝试着从数据视角去寻求解决方案，而不是沿袭传统思维。2.德育重心由集体式教育转向个性化服务由于师资力量、技术手段和思维习惯等因素的共同影响，当前的学校德育基本上是根据学生的平均水平和总体特征而实施的同质化教育，这使得我国古已有之的因材施教的教育理想始终难以落到实处。然而，有了大数据的支持，教师就能够观察和收集到每个学生的品德发展数据。这些数据为教师读懂千差万别的学生打开了一扇窗户，也将促使德育重心从宏观的群体教育转向以学生为中心的个性化服务。在大数据时代，学生道德需求的多元化和个性化趋势日渐凸显，教师就应该根据学生不同的品德发展水平和独特的学习风格，选择合适的德育资源组织德育教学及相关活动，其工作重心“从知识传授逐渐演变为开展教学评估，根据学生学习节奏、进度和效果，为学生设计个性化的学习计划和方案，与学生就学习效果、学习方法和学习计划等进行有效沟通”［10］。此外，学生每一种品德的形成，其知、情、意、行四个要素的发展方向和水平也不尽一致，这就要求教师能够根据相关数据识别出学生品德发展结构中的短板或不足，从而有的放矢地进行教育补救。当然，大数据只是为个性化德育服务提供了条件支持和技术可能，若要真正实现，还需要教师付出果敢的努力和行动，不断提升自身的德育素养。3.专业能力由传统素养转向数据素养大数据虽然为教师能够胜任德育工作创造了有利条件，但同时也对教师的专业能力提出了新的要求，即从传统素养向数据素养转变。首先，教师要具有强烈的数据意识，能够敏锐地察觉到海量数据中真正有价值的信息，并能快速而准确地捕捉到这些信息。其次，教师要具备筛选和清洗数据的能力。大数据的海量性和复杂性特征导致了数据的价值密度离散、容错率增大，如何通过强大的机器算法实现数据的去冗降噪和价值提纯，是教师面临的一大难题。再次，教师要拥有较强的数据解读和分析能力，能够挖掘出数据背后的隐藏价值，赋予数据特定背景，使其成为信息，再对信息进行归纳总结，使其升华为教育智慧。譬如，在一次百以内加减运算的数学考试中，甲、乙二人的成绩分别为100分和98分，如何看待这一微弱差距，不同的教师会表现出不一样的行为。数据解读能力强的教师会结合二人的知识基础、学习习惯、性格特征等相关数据，客观而准确地分析其中原因，进而在接下来的教育教学中为乙同学提供精准的个性化服务，如巩固已学知识或克服粗心毛病。反之，数据解读能力弱的教师可能会将这一差距仅仅看成是数字间的不同，出现解读不够或解读过度的现象。前者认为二者间没有本质差别而不问不顾，后者夸大二者间的差距而引发晕轮效应，这两种做法都会为乙同学的发展埋下祸根。最后，教师还要具备对大数据德育应用进行伦理审视的能力，谨防大数据在德育应用中出现侵犯学生隐私、践踏教育伦理、限制学生自由和阻碍学生发展等伦理风险。
三、大数据时代教师德育胜任力的培养路径
篇5
关键词：大数据；BI；发展
中图分类号：TP311.13 文献标识码：A 文章编号：1674-7712 （2014） 12-0000-01
近些年大数据（big data）一词被提及的频率越来越高。原本只是用来形容海量信息的含义，在信息时代又赋予了它新的含义-新信息时代的风向标。
如今是信息爆炸的时代，数据正在迅速膨胀变大，原本传统电信金融行业是信息产生的大户，随着互联网行业的异军突起，立刻成为了大数据军团中的绝对主力。互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大，以至于不能用G或T来衡量。
随着越来越多的行业对数据越来越重视，带来了BI的巨大市场商机和快速发展。随着大数据的兴起，IBM、Oracle、SAP、微软等厂商像是寻到了新的金矿，开始极力推崇大数据理念。于是众厂商蜂拥而至，抢夺大数据市场，以SAP的HANA和ORACLE的Exalytitcs为代表。也有部分推BI的厂商还达不到大数据的层次，固守在报表分析的阵地上。
大数据具有4个特征（4V）：
（一）数据量大（Volume）
第一个特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。
（二）类型繁多（Variety）
第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。
（三）价值密度低（Value）
第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。
（四）速度快时效高（Velocity）
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。
基于大数据以上特性，对于传统BI来说是一个重大的挑战和冲击。
以RTB（实时竞价广告）模式为例，这种面向网民的广告实时推送方式需呀以毫秒级的速度分析海量数据，进而实现互联网广告的精准推送。RTB模式主要需解决“人的认知”和“价值几何”，前者需要对每个用户实施消费行为进行分析，意味着需要解读万亿量级的数据；后者则需依托复杂算法计算ROI（投资回报率），告诉决策并显现交易结果，而每笔竞价只有50毫秒乃至更少的决策时间。收纳并瞬间解构如此庞大的数据，也只有大数据工具才能做到。
传统BI采集的数据主要来自于ERP、CRM等，具有格式化的数据，而大数据采集的数据种类则多种多样，既有结构化的数据，更多的是非结构化的数据。这就要求数据处理技术在分析、算法上相对传统BI来说有极大的改变，已经无法依赖传统的BI工具。类似RTB这类新兴商业模式不断涌现，对于营销反应速度提出极高的要求，传统BI能支持小时级的决策已经很了不起了，无法应对如此几乎是实时决策分析的要求，处理如此海量的数据分析及计算。数量和速度就是大数据带给传统BI的挑战。
大数据和BI都需要构建数据仓库、分析系统，再进行数据挖掘、实现数据呈现，运用机理和技术结构其实是一致的。与BI不同，大数据处理的数据是杂乱的、非结构化的数据，因此大数据有它独特的数据分析工具，其建模也要比BI复杂得多，数据呈现方式也不仅仅是报表方式。从这方面来看大数据能力要比传统BI强大得多。几年前还只有大型网络公司应用大数据技术，而如今，零售业、银行业、公共事业、智能社区等领域，几乎所有拥有海量数据的企业都在使用或开始尝试使用大数据技术，这些技术在部分项目中也起到了关键的作用，这些将挤压传统BI工具的生存空间。
大数据的出现对BI行业来说是一个挑战也是巨大的商机。也正是大数据的出现促进了BI加速发展，不断升级。
大数据分析缺乏成熟的实践经验，其方式方法与传统的数据仓库与BI系统有着一定的区别。在实施大数据分析项目之前，企业不仅应该知道使用何种技术，还应该知道在什么时候、什么地方使用。各数据之间有哪些关联性？哪个数据是可信的？如何从海量的数据中挖掘出有价值的、易用的客户信息？
要回答这些问题，企业需要一个单一、完整、可信的客户数据视图，而创建一个单一、完整、可信的客户数据视图，数据集成是关键。没有集成的数据，其商业价值为零。数据集成让组织机构能够将传统的交易数据与全新的交互数据组合起来，从而获得在其他情况下无法达成的洞察力和价值。
在大数据概念面世之前，商业智能（BI）几乎是我们进入‘智慧世界’的不二选择，然而，价格不菲的数据库、数据仓库、ETL等工具共同构筑的高门槛挡住了很多企业一探究竟的脚步，而数据规模爆炸式的增长更是加高了这个门槛，让很多企业对于获取‘智慧’的投入成本望而怯步。
尽管随着技术不断进步，商业智能日益平民化，如今基于EXCL表也能在一定程度上实现传统商业智能的部分功能。但是商业智能最经典的架构还是基于数据仓库为基础，利用ETL工具进行数据抽取、转化、建模，然后通过报表等形式展现结果。整个过程每个环节都投资不菲且耗时，因此很长时间以来，商业智能被认为大企业的专有。相对而言，大数据主要用于互联网企业，采用通用硬件设备加上开源软件实现，成本相对低廉得多。入门门槛低，也是大数据能够迅速兴起的重要原因。
随着互联网技术的发展，未来的大数据时代，一定是各种信息呈现规模快速增长的状态，如何更快获取有用的信息是关键，智能分析工具会变得越来越重要，可以凌驾于多个管理系统、数据库之上，如何通过更灵活、可控的BI工具，真正挖掘出大数据时代的价值，是大数据和BI面临的共同挑战。
参考文献：
篇6
关键词：大数据时代；大数据；统计学；数据分析
引言：
目前阶段，在计算机处理技术不断发展的背景下，在对规模较大并且较为复杂的数据进行处理过程中，人们已经逐渐掌握了方法与技能，并且能够在大规模的数据中找出具有一定价值的信息，所以，大数据时代已经来临。在数据时代中，在人文社科与人类自然科学技术等方面都会有较大的发展，同时也会一定程度上改变人们的生活与工作方式。除此之外，大数据时代也同样为统计学提供了良好的发展机会，但也存在一定的挑战。
一、大数据时代的概念
大数据时代的提出者是麦肯锡，他认为数据已经逐渐进入到各个行业与各业务职能的领域中，并且逐渐成为了主要的生产因素[1]。因此，人们在对大规模数据进行挖掘与应用的过程，也就意味着新的生产率增长的来临。虽然“大数据”在众多行业被广泛应用，但是，特别是在信息与互联网的领域中应用突出。
二、怎样理解大数据
（一）大数据概念界定与构成
大数据，即由于日常产生的数据量快速增长，使得数据库无法利用相应的管理工具对其进行管理与收集，最终导致在进行搜索、分析、存取、共享数据时具有较大的困难。
大数据的构成包括四部分，并将其总结为4V，即Volume，Variety，Value，Velocity[2]。第一部分是价值密度低，将视频作为具体实例来说，实现连续并且不间断的监控，其中有价值的数据信息只有一两秒。第二部分是数据体量极大，已经从TB实现了PB的跃升。第三部分是数据类型众多，主要包括视频、图片、网络日志以及地理信息等。第四部分是处理的速度超快，可以用一秒定律来解释。
（二）海量数据带来哪些挑战
第一，数据存储。由于大数据的数据规模是PB级别，所以，存储的系统也需要进行等级的拓展，并且可以通过磁盘柜或者是增加模块实现容量的增加。然而，目前阶段，数据的增长速度惊人，所以系统资源的消耗也不断增加，导致系统的运行效率有所下降[3]。因为对海量数据始终停留在分布式的存储阶段，所以，对于爆炸式的数据增长，原有的存储方案已经无法满足现有的数据变化需求。
第二，处理技术。由于海量数据的分布性与数据量与以往存在较大的差异，所以，原有的数据管理技术已经处于落后状态。
第三，数据安全。在互联网规模逐渐扩大的情况下，数据的应用已经出现指数级别的增长，所以，对于数据安全的保护与监控来说具有一定的难度。
（三）大数据相关应用与实践
第一，体育赛事应用。以2014年的世界杯为例，在充分发挥记者与编辑敏锐度的基础上，腾讯也利用对大数据的分析以及云计算等方式来为为其提供移动与社交的数据。与此同时，腾讯与IBM进行合作，并通过文化、赛事与球迷三方面来对世界杯球迷的关注重点进行信息的挖掘，进而实现新栏目的创作，并且在短时间内赢得了广大球迷的认可与关注。
第二，产品推荐应用。产品推荐的应用比较广泛，可以对客户信息、交易历史、购买过程等数据进行全面的分析，并进行有价值信息的挖掘。同时，针对同一产品的不同客户访问信息也可以进行挖掘。最终，通过对客户行为的分析，来确定消费者的共，这样就可以更好的为客户推荐产品。
除此之外，在产品推荐中，可以在对客户社交行为进行信息挖掘与分析的基础上来进行社区的营销。对客户微信微博以及社区活动中的偏好数据进行分析，并为其提供符合客户兴趣爱好的产品。
图一
三、如何分析大数据
（一）如何挖掘数据中价值
以匹配广告为具体事例进行分析，主要有两种数据。第一种是广告库，其中包括广告库以及广告的客户信息[4]。但是这种数据信息比较适合在传统数据库中应用。第二种是用户在观看广告后的行为。可以把以上两种数据进行有效的结合，并通过相应的算法来体现价值。在实践应用过程中，可以充分体会到第二种信息的重要作用。可以为用户提供其所需的信息，并通过群体智能以及群体行为对之前用户使用的效果进行分析，最终通过具体的反馈机制，将最优质的信息提供给用户，还可以进行搜索或者是查询信息。
（二）如何做处理与分析
第一，更新抽样调查的工作理念。由于大数据时代的数据样本是以往资料综合，所以，可以对相关事务的数据信息进行分析，进一步对总体进行了解，还可以更好的了解局部。同时需要解决以下问题：抽样框架不稳定，调查目的设定不合理、样本量受限[5]。第二，积极改变对于数据精确度的标准。在大数据时代的背景下，数据的来源比较广泛，并且对数据进行处理的技术也有所提高，所以，可以允许数据存在不准确的情况。大数据时代需要吸收多种数据，但并需要一味的要求数据精准。第三，合理转变数据关系的分析重点。由于大数据时代的数据规模比较大，而且结构也十分复杂，变量的关系也比较繁杂。所以，在对数据进行分析的过程中，不应该对因果关系进行仔细的分析，而重要的是对事物相关的关系进行分析。需要转换思路，对事物关系的形式与目的进行详细的分析。
四、 大数据对统计学科和统计研究工作的影响
（一） 拓展统计学研究领域
因为大数据时代的到来，所以会对各个领域产生一定的影响，同样给统计学带来影响。在统计学中，其主要的研究对象就是其所要认识的客体，是客观存在事物自身的数量特征与关系。其中，统计学研究对象最主要的特点就是数量性。然而，在传统的统计学当中，数据主要是试验与调查的数值。在大数据时代中，统计研究的对象不仅包括以结构数据度量的数量，此外，还可以包括一些无法用数量关系进行衡量的半结构与非结构数据，其中可以包括动画、图片、声音、文本等等[6]。所以，可以说，在大数据时代背景下，统计学的研究对象领域有所扩大。
（二） 对统计计算规范产生影响
在传统的统计学当中，一般是使用方差、平均数以及相对数等数据计算规范来真实反映事物量特征的，同时还可以反映事物量的关系与界限，能够通过数据计算规范来计算出具体的数值。但是，半结构与非结构的数据是无法通过传统数据计算规范进行计算的[7]。所以，在大数据时代的背景下，传统的数据计算规范也同样遇到了难题。
（三） 对统计研究工作的过程产生影响
1. 数据整理和分析
第一，数据审核。原有的数据审核主要的目的就是对数据准确性和完整性进行严格的检查。但是，在大数据的时代中，对数据的审核就必须要确保数据处理的速度以及预测的准确程度，同时还需要对数处理的规模进行准确的确定，也就是数据量级别的确定。除此之外，因为大数据自身具有不稳定性，并且十分混乱。但是，即使是这样，大数据也能够挖掘出信息内部存在的隐蔽关系以及有价值的知识。所以，大数据所反映的研究对象存在准确与不准确两种，但是，任何一种的数据都具有一定的价值，通常情况下是不需要进行替换或者是删除的[8]。
第二，数据存储。在以往的数据存储中，审核、汇总以及编制的图表等资料是重点资料，并且需要进行保存起来的。然而，大数据保存最主要的目的就是对存储的成本进行有效的控制，同时需要根据相应的法规计划来确定数据存储的规模。
2. 数据积累、开发与应用
第一，数据积累。传统统计工作主要是根据所制定的研究目的来对数据进行汇总与分类，并进行保存，这样可以更好的为后期数据的分析与查询提供有利的条件。但是，在大数据的积累中，具有价值的信息需要对大数据进行处理后才可以发现。不容置疑，大数据具有一定的复杂性，所以，在积累的过程中，不可以进行简单的处理。因为大数据的规模大，结构也比较复杂，无法实现简单的分类，而且，在对大数据进行简单整理时非常容易使其混乱，对其真实性产生影响，可能会丢失具有价值的信息。
第二，数据开发。大数据时代下的数据流动性极强，所以，其自身的价值有再生性。因此，大数据时代的数据不会贬值，反而会增值。为了能够对所研究的对象进行更深入的了解，就需要对其整合。
第三，数据应用。对数据的传统应用主要是为了对现象进行解释与预测。但是，在大数据时代，数据应用的核心就是在相关关系前提下的预测。
结语
综上所述，现阶段我国社会正处于大数据时代，并且对于社会未来的发展具有重要的意义。文章对大数据时代的概念与定义以及构成进行了阐述与分析，同时，对大数据的实际应用与实践进行了探讨。针对大数据价值的挖掘与分析处理进行了研究，最后列举了大数据对统计学科以及统计研究工作的影响，进而对今后大数据的数据分析工作提供了有价值的理论依据，并积极的推动了大数据时代的发展，进一步促进了社会的进步。（作者单位：中国人民大学）
参考文献：
[1]朱建平，章贵军，刘晓葳等.大数据时代下数据分析理念的辨析[J].统计研究，2014，31（2）：10-19.
[2]张学敏.大数据时代的数据分析[J].电子世界，2014（16）：5-5，6.
[3]李祥歌，王奇奇，郭轶博等.基于大数据时代的数据挖掘及分析[J].电子制作，2015（3）：81-81.
[4]刘江娜.大数据时代：为什么数据分析能让你的企业脱颖而出[J].环球市场信息导报，2014（36）：92-93.
[5]郭华庚，向礼花.大数据时代网络信息归档的元数据分析[J].贵州师范学院学报，2015，31（3）：24-28.
[6]高书国.大数据时代的数据困惑――教育研究的数据困境[J].教育科学研究，2015（1）：24-30.
篇7
在高校基础工作中，高校档案管理工作是高校工作的其中一项基本工作，做好高校档案管理工作是对高校的未来发展非常重要。随着社会的发展，高校也在不断地深化改革中，高校管理工作也必须与时俱进，优化改革，充分应用大数据的优势，来优化档案管理工作，提高高校档案管理工作效率，怎么去适应社会和高校的深化改革，是现在目前高校所面临的一大课题。综上所述，大数据对于高校档案管理工作的创新和改革是十分有必要的。
1.相关基础理论概述
1.1 大数据的定义
到目前为止，大数据的概念众说纷纭，至今没有统一的概念定义，因为大数据对于我们来说是一个非常抽象的概念，在定义问题上，很难有一个统一的答案。在百度上可以查询到大数据的一个定义即巨量资料，它是指依据目前主流的软件，规模巨大的资料在有效时间里，无法做到撷取、管理、处理，并且整理出为大规模企业获取利益的资讯。然而在维基百科中对于大数据的定义就相对简单一些，大数据是指借助常用软件工具来获取、管理、处理数据，所消耗的时间超出了规定时间的数据集。著名研究机构Gartner公司对大数据有个全新的定义，是指利用全新的处理模式来处理、洞察、优化数据，从而达到高增长率、多样化的信息资讯。这样就避免了随机抽样的捷径，而是处理所有数据，准确率更大，从而替代了以往传统的随机抽样的思维模式。该书中有三个思维方式的改变，整体分析替代随机抽样，精确而又混杂，相关关系替代因果关系，使数据分析更加可信。
1.2 大数据的特征
大数据有四大特征：一是数据量巨大；二是数据类型多；三是价值密度低；四是数据处理快速。以上四种特征是传统数据处理所不具备的。对大数据快速处理分析是大数据所特有的价值。目前现代社会是一个信息社会，数据是当今社会是否进步的标志，促进互联网高速发展。
2.大数据时代高校档案管理创新的必要性
档案管理是现在高校管理中一项非常重要的基础工作，它可以加强高校内部管理和促进高校健康发展。在现当今信息化时代，档案管理工作方式方法就必须借助大数据，提升工作效率。相比传统档案管理，高校档案管理具有工作量大、数据量大的特征。现如今，高校在档案管理工作上有很多挑战：数据的多样化类型和存储方式的多样化被统一起来就相对比较困难，所以，以往我国提倡运用“直接鉴定法”面对大的电子格式的文件，在现如今将受到很大的挑战，文件管理者对每一份电子文件都认真阅读恐怕不太现实。后来档案管理直接运用宏观鉴定的方法来鉴定电子文件，首先从总体上把握该文件是否有价值，从而提升工作效率。运用这种方法，先确定该机构是电子文件管理的对象，然后从这个机构中搜寻所需的电子文件，?热∮屑壑档牡缱游募?只是?子文件管理的第一步，在信息化大环境下，收集电子文件应该是很简单的事情，但是在大量的电子文件中如何快速筛选出对自己有价值的电子文件，却是一个大的困难。怎么分类这些电子文件？怎么归档保存这些电子文件？从哪些电子文件中能够筛选出油价会的数据？科学地运用大数据技术就可以解决点以上所面临的问题。大数据转化器的安装，可以加快系统数据收集的速度，节省了大量的时间，大数据软件可以为搜寻过的数据建立独自的索引，然后生成可以搜索的链接，这样就可以为档案工作者提升工作效率。大数据技术还可以进行数据类型的分类、新数据的搜索，进而提高档案工作人员应对更加复杂的数据处理能力。由上面可知，传统的高校档案管理已经跟不上大数据发展的速度，做好高校档案管理，为高校档案管理提供更好的服务，是当下大数据时代高校档案管理工作的重要课题。
3.大数据时代下档案管理的创新对策
创新档案管理可以体现许多知识和技能，可以完善管理机制和开发档案新资源，更好地满足当今社会对知识的需求，很好体现了大数据时代对档案信息管理的新要求。只有适应高校不同发展时期的要求、大数据观、大档案观，这样才能更好地创新和优化传统档案管理方式。档案管理的不断创新，才能加强高校档案资源的管理，更好地保护好巨大的档案数据，而且还能够挖掘出更具有价值的档案信息，更好地服务好高校档案管理工作。
3.1 大数据观
大数据时代预言家维克托对大数据的定义是对所有数据进行分析而不是随机抽样数据分析，更具代表性，更具说服力。大数据应用了所有数据，每个数据都是有价值的。大数据作为一个新的概念，大多数人对它还是完全了解，在理解和认识上还是有些偏差，大数据并不是从字面上所说的大，分析的数据也不一定非常多，有时候数百个GB的数据也可以称为大数据，还是要看它的第三维度即速度或时间维度，这个第三维度具有科学性，优化和整合了数据。在当今大数据时代下，数据就是档案，单个数据没有什么意义，但是单个数据在集体数据中都有各自特定的价值和作用。档案部门应该慢慢培养档案大数据的观念。
3.2 大档案观
对于大档案观理念的理解，可以从以下两个方面来理解。第一，所有数据都有可以入档，档案的大门更加宽广。档案归档的内容更加丰富，涵盖一切具有保存和利用的价值的信息，特别是互联网信息更加快速，及时抓取一切可以抓取的信息。不要忽略一些零碎的信息。第三，档案普遍。人们传统的观念是只有存放在档案管里的物件才是档案，但是目前网络每时每刻都在更新数据，它们涵盖各个方面，好多都没有收藏到馆里，我们应该改变观念。充分认识到只要是可以检索到的信息，都有它存在的价值，遍布在我们日常生活的每一个角落里。
3.3 大服务观
在大数据时代下，档案服务越来越受到重视。“为民服务”逐渐成为档案管理的核心。档案部门要转变以为“守财奴”的角色，时刻坚守国家赋予的责任和党的利益。在大数据时代大背景下，档案管理部门的职责不仅仅是从海量数据中挖取核心数据，还可以量化分析出用户的习惯和兴趣爱好，把档案服务放在核心位置，进而可以向广大用户提供更加精准的档案定制和更优质的服务，所以，用户希望得到的档案服务是精细化地优质数据，随时就可以享受到“问题――数据――解决方案”全方位服务。全面提升档案使用者的满意度。
3.4 大平台
篇8
关键词：大数据；图书馆；信息服务；数据分析；数据挖掘
中图分类号：G25 文献标志码：A 文章编号：1674-9324（2015）32-0210-02
一、引言
目前，大数据已经获得各行各业的青睐，各界人士已开始研究并应用大数据技术，而与大数据密切相关的图书馆的发展也受到越来越多人的关注。同时，大数据的崛起也驱动着图书馆采取措施进行积极应对。图书馆作为储存知识、传播信息和提供服务的资源库，如何采集各种载体的数据资源，并从中分析、挖掘出读者行为中隐含的结构化、非结构化数据信息，找出读者的隐性需求，继而改善图书馆的服务质量，已成为大数据时代下图书馆提高信息服务质量和改进制度建设的机遇。本文在对大数据的概念和特点认识的基础上，重点分析了大数据对图书馆的影响、机遇和挑战。
二、大数据
1.大数据的概念。大数据的概念并没有一个统一定义，只要是具备数据量庞大和数据形式多样，并且是非结构化的数据，即为大数据。大数据通常具有以下几个特点：数据量大（Volume）、种类多（Variety）、速度快（Velocity）的特点。
2.大数据的特点及技术。对于大数据的特点，业界通常用4个“V”来概括，即Volume、Variety、Value、Velocity。Volume：数据量巨大。经济的发展使各种活动及设备产生了越来越大的数据量，已从TB级别跃升到PB级别。Variety：种类繁多。数据的种类不止是结构化的，现已出现了非结构化的数据，如图书馆中读者的行为信息数据等。Value：价值密度低。价值密度与数据量密切相关，密度的大小与数据量的多少成反比。如何从海量的数据中提取出有价值的数据是数据挖掘的研究重点。Velocity：处理速度快。这是大数据与传统数据挖掘不同的最显著的特征。大数据技术主要包括数据分析、数据处理、数据挖掘、数据服务等。
3.图书馆的大数据。图书馆的业务通常包括图书的搜集、整理、管理和书刊的利用，具体包括采购、归类编目、数据安全保障、网络建设、信息咨询、图书和数字化资料借阅、多媒体服务等方面。因此图书馆每天都会产生大量的数据。现今，随着图书资源中类的多样化及图书馆新服务的开展，图书馆的大数据不只局限于结构化的数据，还包含大量的非结构化数据，例如图书馆与读者的交互信息、图书馆工作人员的工作动态以及读者对图书馆的各种信息行为都会被记录，因此就形成了图书馆大数据。
三、大数据对图书馆的影响
1.大数据将对图书馆的建设产生影响。为了满足用户需求，顺应时代的发展，数字图书馆应运而生，增加了图书资源的来源，使图书信息数据量越来越大，原始的图书馆数据管理机制已不能适应海量数据的管理需求，为此，图书馆需要重建良好的数据库体系和高质量的索引，从而可以提高读者检索数据资料的效率，并根据读者需求，利用大数据技术中的数据分析技术从海量数据中提取出有用数据。因此，图书馆应增加数据分析、数据挖掘等数据分析技术功能，从海量数据中挖掘出有用数据，提高读者的检索效率。
2.大数据对图书馆的数据存取能力提出挑战。“大”是大数据的一个重要特征，此外，大数据具有海量的数据规模、快速的数据流转和动态的数据体系、多样的数据类型、巨大的数据价值等特征。因此，如何在多样的或者大量的数据中，迅速获取信息，并对这些数据进行存储和管理成为图书馆急需解决的问题。
3.数据挖掘将成为图书馆的重要服务目标。图书馆应该面向各种学科和研究方向中不同层次的用户，应该为来自各种层面的社会群体提供服务。这也就要求图书馆可以提供更加全面而且个性化的服务，因此，图书馆应该包含各个领域的数据，并从各类数据中分析并挖掘出对读者有用的、感兴趣的数据信息，并且不断地更新服务类型，以满足用户多样化的需求。数据的搜集、存储和分析处理将成为图书馆资源建设的重要内容。
四、大数据时代图书馆面临的机遇和挑战
1.大数据对图书馆的机遇。大数据具有在多样的或者大量的数据中，迅速获取信息的能力。图书馆大数据除了馆藏资源，还包括用户的行为信息，如读者借取的书目类型、范畴、方向等。图书馆可以利用大数据的相关技术，如数据分析、数据挖掘等技术手段，分析并整合出读者近期关注的热点研究方向，为图书部门决策者提供更加有用的信息，使他们能够更快、更准确地掌握相关研究领域其他科研人员的研究进展。同时，利用数据分析和数据挖掘技术，对读者平时的检索访问历史进行搜集、分析和处理，并挖掘出有用信息，从而预测出读者的各种需求，使图书馆能够更好地为读者提供服务。
2.大数据对图书馆的挑战。大数据给图书馆带来的挑战表现在以下几个方面：（1）图书馆面临着如何应对大数据的挑战。大数据具有多样性，包括非结构化和结构化的数据，其中绝大多数数据是大小、内容、格式、用途完全不同的难以处理的非结构化的数据。图书馆面对大数据的到来，首先应该具有大数据的思维和意识，其次才能判断图书馆的发展趋势和选择应对策略，最后才谈得上技术实现的问题。大数据既不等于数据挖掘也不等于统计分析，但是这些技术和算法都需要大数据的支持。图书馆应正确认识大数据，才能对大数据的到来做好准备。（2）大数据对图书馆的数据整合、处理能力及图书馆的各种技术开发、服务提出了挑战。随着海量数据的出现，为了顺应时展，图书馆的改进不能仅仅停留在硬件改进的层面上，还要提出一套具体数据的分析、处理和挖掘的方法和体系，以提高全面把握和综合深入的能力。（3）数据安全、知识产权、商业利益、公共安全受损的威胁增大。大数据的发展，信息开放度加大，新的信息采集、数据分析、数据挖掘技术以及海量数据存储技术和设备将不断涌现，云计算将更加普及，这将对数据的安全构成很大的风险。
五、大数据时代图书馆的应对策略
大数据不仅仅是一项技术，更是思维方式、发展战略和商业模式。以海量的非结构化数据为代表的大量数据的产生是大数据时代的一个重要特点。对海量的、非结构化的数据进行处理，一方面需要大量的计算资源，另一方面需要专门的数据处理技能，它的到来使图书馆面临着前所未有的机遇和挑战，为此，图书馆不仅要具有大数据的思维和意识，认真分析自身现状及发展需求，还要正确认识大数据的来源和发展方向，以提高图书馆未来的发展方向，并在大数据的支撑下为读者提供更好的、人性化的服务。本文将图书馆的应对策略总结如下：大数据的获取。数据资源的获取来源包括数字数据、传统图书馆的馆藏资源和读者行为数据。现今，数字图书馆已经实现了资源的数字化和对数字资源的获取，图书馆加强了对读者行为数据的获取策略，从而分析出读者的喜好和需求，提高信息服务质量。（1）大数据的存储和分析。数据量的急剧增加，对图书馆资源的存储空间和计算能力提出了巨大的挑战，图书馆需要一些低廉而又高效的存储和计算设备，而云计算为海量数据存储和计算带来了希望，图书馆可利用云计算技术解决这一问题。（2）加强大数据的建设。为了积极应对大数据的到来，图书馆应该提高大数据建设水平，规划好一个完整的大数据处理流程。同时，图书馆应该以读者需求为导向，不断推出新服务模式，提高图书馆的个性化服务。（3）技术和管理人员培养。高技术人员和管理团队能够提高大数据的处理水平，以便更好得为读者提供服务。因此，图书馆应该为管理人员提供定期的培训，提高管理人员的专业水平。
六、结语
大数据时代的到来深刻影响着图书馆的发展，使传统图书馆面临变革，同时也是对图书馆的机遇和挑战。大数据为图书馆提供了新的视角，不仅能更细致、准确地洞察用户，而且能更深入地剖析业务工作，引导图书馆向更人性化、专业化的层面发展。即使目前还无法预测大数据在实际工作中将会产生何种具体的效用，但其独特的魅力和理念将吸引研究者进行更多的探索。
参考文献：
[1]郝志刚.大数据、云计算与图书馆[J].新世纪图书馆，2014，（6）：36-39.
[2]韩翠峰.大数据带给图书馆的影响与挑战[J].图书与情报，2012，（5）：37-40.
[3]李恬.大数据理念与图书馆大数据[J].新世纪图书馆，2014，（6）：24-27.
[4]周加艺.大数据与图书馆服务创新[J].情报探索，2014，（6）：114-116.
篇9
关键词：大数据时代；高职计算机；专业教育
一、大数据的概念与特点
所谓“大数据”顾名思义也就是指庞大的数据信息量。由于网络、计算机的信息量较为庞大，同时结构复杂，类型众多，因此只能用“大”字来对其容量进行形容。对于大数据的特点而言，其数据的增长具备动态性、持续性的特征。在互联网下数据随时可能会产生，随时可能被存储，这也导致数据的增长具有动态性。尤其是在网络环境下，海量数据瞬时产生，同时还会随着时间的延长而不断增长。另外，大数据存在着数据类型多样的特点，这也决定着大数据的数据类型不存在固定的形式。随着经济的发展，社会的进步，社会中产生了很多数据信息，这些信息的类型并不固定，既具备结构化的特征也具备多样性、丰富性的特征，在这里也能看出大数据的重要作用。
二、大数据时代下高职计算机专业教学创新的必要性
由于在大数据时代下计算机的技术得到了不断的更新，因此高职计算机专业教学的具体理念也就必须要随之而更新，只有如此才能在不断发展的过程中提升学生的计算机专业能力。高职院校教师应该充分发挥教育的引导理念，此外，大数据时代对我国的整体环境进行了改变，这也要求学生必须要在实际情况中具备创新精神，所以，计算机教师必须要提高服务创新意识，在业余时间内加强对大数据的了解，提升自身的业务能力，不断对传统计算机的教学模式与具体的内容进行更新，如此才能够真正培养出能力过硬的计算机专业人才。由此可见，在大数据时代高职计算机专业教学创新势在必行。
三、基于大数据时代下的高职计算机专业教育改革策略
（一）提升教师专业能力
想要对高职计算机专业教育进行改革，就必须要对教师的专业能力进行提升，如果教师自身的专业能力都无法满足教学的需求，那么学生也就很难在学习过程中获得进步。从高职学校的角度来看，其应该多多开展培训，同时聘请经验较为丰富的教师对其他教师进行带动，进而提升教师的团队素养。另外，在大数据时代，高职院校计算机专业课程教学还需要对大数据进行充分的融入，对大数据的教学内容进行增加，对大数据的潜在价值进行挖掘，提升学生学习计算机知识的主动性。具体的说，高职计算机教师应该立足于实际，对大数据的特色进行掌握，并运用大数据创新教学过程，提升对大数据的实践能力。
（二）运用多元化的教学模式
高职计算机专业教师应该对多元化的教学模式进行运用，改革计算机专业教育，因为单一的教学模式可能很难满足学生的学习需求，在开展教学的过程中，教师首先应该运用案例教学。计算机的教学内容不仅仅包括计算机基础知识，同时还包含着很多与现实生活联系密切的网络技术，如果能够多运用案例教学，就可以以学生为教学主体，促进学生计算思维能力的提升。其次，教师应该运用讨论法，让学生在学习计算机知识的过程中互相讨论，如此就可以提升学生的思维能力。最后，教师可以适当运用驱动教学法，对大数据的理念在课程中进行引入，使学生可以真正的理解抽象思维的具体价值。
（三）构建大数据网络教学平台
对于大数据来说，其在实际情况下具有极为鲜明的时代特征，可以对人类的工作方式进行创新与改革，通过对庞大的数据信息进行处理，无论是在各个领域中的人都能够因此而受益。此外，大数据的价值具备较大挖掘潜力。从教育角度来看，在教育数据进行挖掘可以完善教学内容，更新教学理念，提升教学效率，因此，高职院校完全可以利用大数据的这一特性，对大数据网络教学平台进行构建，以云计算技术为基础，构建能够让学生与教师进行互动、教学的平台。在所构建的网络平台中，无论是教师还是学生都能够更加自如的运用数据技术，以此来辅助教学，可提升学生的学习效率。由于大数据网络教学以大数据为核心，因此学生学习的兴趣也可以得到激发，另外，平台的存在还能够评估学生具体的学习效果，对于教师来说，其可以通过平台搜集相关的资源，进而分析自身的教学行为，不断更新教学理念。
篇10
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.
