数据统计分析学习

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇数据统计分析学习范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

数据统计分析学习范文第1篇

一、激发学生兴趣

美国教育学家布卢姆曾提出：“学习的最大动力，是对学习材料的兴趣。”由于小学生年龄特征和性格爱好的特点，他们会对自己感兴趣的内容拥有极大的研究和学习动力，并且能够在这种动力的驱使下促进自己的能力提升。因此，教师必须抓住小学生的这种特点，充分结合小学生喜闻乐见的生活内容进行课程的导入、设计和教学，使得他们能够在兴趣的激励下实现深入的学习，实现知识的有效掌握。

举例而言，在引入“统计”的课程时，教师可以询问学生：“假期就要到了，电视台打算在这个阶段播一部大家都喜欢看的电视剧，但是因为时间限制，只能从《西游记》《还珠格格》和《武林外传》中选一部播出。大家认为电视台怎样就知道大家喜欢哪部电视剧了呢？”这样的话题可以立即激发小学生的兴趣，并帮助电视台出谋划策。在这个过程中，教师可以适时引入统计的概念，让学生了解统计对于生活的重要性，拥有学习和研究的热情，从而提高学生的学习效率。

二、借助生活经验

由于统计与数据分析的知识在小学数学教学中占据的内容相较于代数、几何而言较少，并且可以利用的素材也不像其他知识那样广泛。因此教师应当积极挖掘相关知识在现实生活中的资源，让学生能够根据自己的生活经验解决问题，实现学习，并发现统计与数据分析在生活中的应用价值。

例如，教师可以引导学生调查平时最喜欢吃的零食和水果，从而确定在新年联欢会之前采购怎样的食物。学生可以根据自己的经验进行调查表的制作，并在调查后进行数据的整理和总结，最终确定采购的食物，这样不仅可以让学生利用统计的结果进行决策的制定，还可以解决身边的现实问题，发现知识的价值，提高学习的热情和效率。

三、创设教学情境

统计与数据分析的知识源于生活，在学习和使用的过程中也要回归生活。然而在学习的过程中，师生不可能将所有的教学活动都放在实际的生活中，这就要求教师创设相应的教学情境。对此，教师可以在应用题和例题的讲解以及知识的传授中充分创设教学情境，让学生在真实的情境中让抽象的知识变得具体、生动，从而降低知识的学习难度，实现学习效率的提升。

比如，在讲解关于“概率”的知识时，教师可以创设这样的情境：购物中心进行有奖活动，买够500元的顾客可以抽奖一次，每天设置一等奖1名、二等奖3名、三等奖6名、纪念奖30名。已知每天满足抽奖条件的顾客为200人，那么每个顾客抽中一等奖的概率是多少，能够中奖的概率是多少。这样的情境让知识变得更加形象、具体，学生在学习的过程中也更容易接受，教师的教学效率能够有效提升。

四、开展多样活动

数据统计分析学习范文第2篇

关键词:大数据;统计学;数据分析;抽样理论;理论

重构随着信息科学技术的高速度发展,当代获取和储存数据信息的能力不断增强而成本不断下降,这为大数据的应用提供了必要的技术环境和可能.应用大数据技术的优势愈来愈明显,它的应用能够帮助人类获取真正有价值的数据信息.近年来,专家学者有关大数据技术问题进行了大量的研究工作[1],很多领域也都受到了大数据分析的影响.这个时代将大数据称为未来的石油,它必将对这个时代和未来的社会经济以及科学技术的发展产生深远的意义和影响.目前对于大数据概念,主要是从数据来源和数据的处理工具与处理难度方面考虑,但国内外专家学者各有各的观点,并没有给出一致的精确定义.麦肯锡全球数据分析研究所指出大数据是数据集的大小超越了典型数据库工具集合、存储、管理和分析能力的数据集,大数据被Gartner定义为极端信息管理和处理一个或多个维度的传统信息技术问题[23].目前得到专家们认可的一种观点,即:“超大规模”是GB级数据,“海量”是TB级数据,而“大数据”是PB及其以上级别数据[2].

一些研究学者把大数据特征进行概括,称其具有数据规模巨大、类型多样、可利用价值密度低和处理速度快等特征,同时特别强调大数据区别于其他概念的最重要特征是快速动态变化的数据和形成流式数据.大数据技术发展所面临的问题是数据存储、数据处理和数据分析、数据显示和数据安全等.大数据的数据量大、多样性、复杂性及实时性等特点,使得数据存储环境有了很大变化[45],而大部分传统的统计方法只适合分析单个计算机存储的数据,这些问题无疑增加了数据处理和整合的困难.数据分析是大数据处理的核心过程,同时它也给传统统计学带来了巨大的挑战[6].产生大数据的数据源通常情况下具有高速度性和实时性,所以要求数据处理和分析系统也要有快速度和实时性特点,而传统统计分析方法通常不具备快速和实时等特点.基于大数据的特点,传统的数据统计理论已经不能适应大数据分析与研究的范畴,传统统计学面临着巨大的机遇与挑战,然而为了适应大数据这一新的研究对象,传统统计学必须进行改进,以继续和更好的服务于人类.目前国内外将大数据和统计学相结合的研究文献并不多.本文对大数据时代这一特定环境背景,统计学的抽样理论和总体理论的存在价值、统计方法的重构及统计结果的评价标准的重建等问题进行分析与研究.

1传统意义下的统计学

广泛的统计学包括三个类型的统计方法:①处理大量随机现象的统计方法,比如概率论与数理统计方法.②处理非随机非概率的描述统计方法,如指数编制、社会调查等方法.③处理和特定学科相关联的特殊方法,如经济统计方法、环境科学统计方法等[7].受收集、处理数据的工具和能力的限制,人们几乎不可能收集到全部的数据信息,因此传统的统计学理论和方法基本上都是在样本上进行的.或者即使能够得到所有数据,但从实际角度出发,因所需成本过大,也会放弃搜集全部数据.然而,选择最佳的抽样方法和统计分析方法,也只能最大程度还原总体一个特定方面或某些方面的特征.事实上我们所察觉到的数据特征也只是总体大量特征中的一小部分,更多的其他特征尚待发掘.总之,传统统计学是建立在抽样理论基础上,以点带面的统计分析方法,强调因果关系的统计分析结果,推断所测对象的总体本质的一门科学,是通过搜集、整理和分析研究数据从而探索数据内部存在规律的一门科学.

2统计学是大数据分析的核心

数的产生基于三个要素,分别是数、量和计量单位.在用数来表示事物的特征并采用了科学的计量单位后,就产生了真正意义上的数据,即有根据的数.科学数据是基于科学设计,通过使用观察和测量获得的数据,认知自然现象和社会现象的变化规律,或者用来检验已经存在的理论假设,由此得到了具有实际意义和理论意义的数据.从数据中获得科学数据的理论,即统计学理论.科学数据是通过统计学理论获得的,而统计学理论是为获得科学数据而产生的一门科学.若说数据是传达事物特征的精确语言,进行科学研究的必备条件,认知世界的重要工具,那么大数据分析就是让数据最大限度地发挥功能,充分表达并有效满足不同需求的基本要求.基于统计学的发展史及在数据分析中的作用,完成将数据转化为知识、挖掘数据内在规律、通过数据发现并解决实际问题、预测可能发生的结果等是研究大数据的任务,而这必然离不开统计学.以大数据为研究对象,通过数据挖掘、提取、分析等手段探索现象内在本质的数据科学必须在继承或改进统计学理论的基础上产生.

统计数据的发展变化经历了一系列过程,从只能收集到少量的数据到尽量多地收集数据,到科学利用样本数据,再到综合利用各类数据,以至于发展到今天的选择使用大数据的过程.而统计分析为了适应数据可观察集的不断增大,也经历了相应的各个不同阶段,产生了统计分组法、大量观察法、归纳推断法、综合指标法、模型方程法和数据挖掘法等分析方法,并且借助计算机以及其他软件的程度也越来越深.300多年来,随着数据量以指数速度的不断增长,统计学围绕如何搜集、整理和分析数据而展开,合理构建了应用方法体系,帮助各个学科解决了许多复杂问题.现在进入了大数据时代,统计学依旧是数据分析的灵魂,大数据分析是数据科学赋予统计学的新任务.对于统计学而言,来自新时代的数据科学挑战有可能促使新思想、新方法和新技术产生,这一挑战也意味着对于统计学理论将面临巨大的机遇.

3统计学在大数据时代下必须改革

传统统计学是通过对总体进行抽样来搜索数据,对样本数据进行整理、分析、描述等,从而推断所测对象的总体本质,甚至预测总体未来的一门综合性学科.从研究对象到统计结果的评判标准都是离不开样本的抽取,完全不能适应大数据的4V特点,所以统计学为适应大数据技术的发展,必须进行改革.从学科发展角度出发,大数据对海量数据进行存储、整合、处理和分析,可以看成是一种新的数据分析方法.数据关系的内在本质决定了大数据和统计学之间必然存在联系,大数据对统计学的发展提出了挑战,体现在大样本标准的调整、样本选取标准和形式的重新确定、统计软件有待升级和开发及实质性统计方法的大数据化.但是也提供了一个机遇,体现在统计质量的提高、统计成本的下降、统计学作用领域的扩大、统计学科体系的延伸以及统计学家地位的提升[7].

3.1大数据时代抽样和总体理论存在价值

传统统计学中的样本数据来自总体,而总体是客观存在的全体,可以通过观测到的或经过抽样而得到的数据来认知总体.但是在大数据时代,不再是随机样本,而是全部的数据,还需要假定一个看不见摸不着的总体吗?如果将大数据看成一个高维度的大样本集合,针对样本大的问题,按照传统统计学的方法,可以采用抽样的方法来减少样本容量,并且可以达到需要的精度;对于维度高的问题,可以采取对变量进行选择、降维、压缩、分解等方法来降低数据的复杂程度.但实际上很难做得到,大数据涵盖多学科领域、多源、混合的数据,各学科之间的数据融合,学科边界模糊,各范畴的数据集互相重叠,合成一体,而且大数据涉及到各种数据类型.因此想要通过抽样而使数据量达到传统统计学的统计分析能力范围是一件相当困难或是一件不可能的事.大量的结构数据和非结构数据交织在一起,系统首先要认清哪个是有价值的信息,哪个是噪声,以及哪些不同类型的数据信息来自于同一个地址的数据源,等等,传统的统计学是无法做到的.在大数据时代下,是否需要打破传统意义的抽样理论、总体及样本等概念和关系,是假设“样本=总体”,还是“样本趋近于总体”,还是不再使用总体和样本这两个概念,而重新定义一个更合适的概念,等等.人们该怎样“安排”抽样、总体及样本等理论,或人们该怎样修正抽样、总体、样本的“公理化”定义,这个问题是大数据时代下,传统统计学面临改进的首要问题.

3.2统计方法在大数据时代下的重构问题

在大数据时代下,传统的高维度表达、结构描述和群体行为分析方法已经不能精确表达大数据在异构性、交互性、时效性、突发性等方面的特点,传统的“假设-模型-检验”的统计方法受到了质疑,而且从“数据”到“数据”的统计模式还没有真正建立,急切需要一个新的理论体系来指引,从而建立新的分析模型.去除数据噪声、筛选有价值的数据、整合不同类型的数据、快速对数据做出分析并得出分析结果等一系列问题都有待于研究.大数据分析涉及到三个维度,即时间维度、空间维度和数据本身的维度,怎样才能全面、深入地分析大数据的复杂性与特性,掌握大数据的不确定性,构建高效的大数据计算模型,变成了大数据分析的突破口.科学数据的演变是一个从简单到复杂的各种形式不断丰富、相互包容的过程,是一个循序渐进的过程,而不是简单的由一种形式取代另一种形式.研究科学数据的统计学理论也是一样,也是由简单到复杂的各种形式相互包容、不断丰富的发展过程,而绝不是完全否定一种理论、由另一种理论形式所代替.大数据时代的到来统计学理论必须要进行不断的完善和发展,以适应呈指数增长的数据量的大数据分析的需要.

3.3如何构建大数据时代下统计结果的评价标准框架

大数据时代下,统计分析评价的标准又该如何变化?传统统计分析的评价标准有两个方面,一是可靠性评价,二是有效性评价,然而这两种评价标准都因抽样而生.可靠性评价是指用样本去推断总体有多大的把握程度,一般用概率来衡量.可靠性评价有时表现为置信水平,有时表现为显著性水平[8].怎么确定显著性水平一直是个存在争议的问题,特别是在模型拟合度评价和假设检验中,因为各自参照的分布类型不一样,其统计量就不一样,显著性评价的临界值也就不一样,可是临界值又与显著性水平的高低直接相关.而大数据在一定程度上是全体数据,因此不存在以样本推断总体的问题,那么在这种情况下,置信水平、可靠性问题怎么确定?依据是什么?有效性评价指的是真实性,即为误差的大小,它与准确性、精确性有关.通常准确性是指观察值与真实值的吻合程度,一般是无法衡量的,而精确性用抽样分布的标准差来衡量.显然,精确性是针对样本数据而言的,也就是说样本数据有精确性问题,同时也有准确性问题.抽样误差和非抽样误差都可能存在于样本数据中,抽样误差可以计算和控制,但是非抽样误差只能通过各种方式加以识别或判断[910].大多数情况下,对于样本量不是太大的样本,非抽样误差可以得到较好的防范,然而对于大数据的全体数据而言,没有抽样误差问题,只有非抽样误差问题,也就是说大数据的真实性只表现为准确性.但是由于大数据特有的种种特性,使得大数据的非抽样误差很难进行防范、控制,也很难对其进行准确性评价.总之,对于大数据分析来说,有些统计分析理论是否还有意义,确切说有哪些统计学中的理论可以适用于大数据分析,而哪些统计学中的理论需要改进,哪些统计学中的理论已不再适用于大数据统计研究,等等,都有待于研究.所以大数据时代的统计学必是在继承中求改进,改进中求发展,重构适应大数据时代的新统计学理论.

4结论

来自于社会各种数据源的数据量呈指数增长,大数据对社会发展的推动力呈指数效应,大数据已是生命活动的主要承载者.一个新事物的出现,必然导致传统观念和传统技术的变革.对传统统计学来说,大数据时代的到来无疑是一个挑战,虽然传统统计学必须做出改变,但是占据主导地位的依然会是统计学,它会引领人类合理分析利用大数据资源.大数据给统计学带来了机遇和挑战,统计学家们应该积极学习新事物,适应新环境,努力为大数据时代创造出新的统计方法,扩大统计学的应用范围.

参考文献:

[1]陈冬玲,曾文.频繁模式挖掘中基于CFP的应用模型[J]沈阳大学学报(自然科学版),2015,27(4):296300.

[3]卞友江.“大数据”概念考辨[J].新闻研究导刊,2013,35(5):2528.

[5]靳小龙,王元卓,程学旗.大数据的研究体系与现状[J].信息通信技术,2013(6):3543.

[6]覃雄派,王会举,杜小勇,等.大数据分析:Rdbms与Mapreduce的竞争与共生[J].软件学报,2012,23(1):32-45.

[7]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(2):165171.

[8]李金昌.大数据与统计新思维[J].统计研究,2014,31(1):1017.

数据统计分析学习范文第3篇

【关键词】数据分析；实践；统计 

中图分类号：G635.5 文献标识码：A 文章编号：1671-0568（2015）36-0122-01 

我国相关教学制度规定，在数学教学中，必须重视对学生空间观念、数据分析观念及推理观念等的培养。数据能够帮助学生正确判断学习及生活中的相关问题，从而做出正确抉择，数据现已充斥着整个社会，因此，现代公民必须重视对数据分析、数据收集及数据整理等能力及观念的培养，从而提升自身决策的合理性与准确性，实现数据的有效传输与表达。 

一、数据分析观念内涵 

数据分析观念主要是指现实生活中人们在解决相应的问题时，需要对与问题相关的数据等进行调查研究，同时，通过对相关数据的分析理解其中的内涵，找到解决问题的方法。在数据分析过程中，同样的数据有多种数据分析方法，这就需要相关人员根据相关问题的具体要求选择合理的分析方法。数据分析是统计的核心要素，因此，数据分析内的相关要素及相关内涵主要包含以下几个方面： 

1. 具有数据相关意识 

数据的应用充斥着人们的现实生活与学习，要合理、准确地解决现实问题需要有数据意识。在解决问题之前，需要对信息及数据进行收集，同时，学生根据数据提炼内部的相关信息及有效数据，帮助学生高效解决相关问题。 

2. 选择合理的数据搜集与分析方法 

分析与整理相同数据具有多种分析方法，这就需要学生对相关问题进行分析从而选择最合理的方法。例如，在对数据统计中的统计图表进行绘制时，往往具有多种图表表现形式，但是学生在进行相关统计图表选择时会选用最佳的统计图表，如在对相关数据中的数量关系进行统计时，则可选用条形统计图，若表现各数据在整体数据中所占比例时，则可选用扇形统计图。 

3. 通过数据分析体验随机特征 

数据的随机性主要是指在解决同一问题时，其收集到的数据可能存在差异性，另一方面是指足够的数据中具有相关规律。例如，探究数学学习中关于学习知识点需要用多长时间时，就可以对数据进行统计。在统计过程中，会发现每天的知识点、学习时间具有差异性，但在多次试验之后便可发现其中的相关规律。数据虽然具有随机性，但在多次试验验证后其数据又具有相对稳定性。 

二、在统计教学中培养学生数据分析观念的途径分析 

1. 引导学生基于现实参与数据收集及分析活动 

在统计学教学中，教师可以积极引导学生参与数据收集及分析活动，促进学生数据分析意识及分析观念的形成。学生数据分析观念的养成首先需要数据分析意识的养成，学生在遇到困难时，可产生利用数据解决问题的意识，因此，教师在具体教学中可依照实际生活设计具有现实意义的数学实际情境，这样可以最大限度地激发学生完全投入到统计活动中，使学生通过实际情景对数据进行收集、整理、分析并做出解决问题的最终决策，通过在活动中的实际体会逐步促进自身数据分析观念与分析思维模式的养成与提升。 

2. 重视情感作用，激发学生的求知欲望 

在统计教学中，学生良好的学习情绪以及强烈的求知欲对其学习进步以及智力开发具有非常重要的影响，在数据分析观念的培养过程中，重视对学生情感的教育与引导可使学生尽快进入学习状态，营造轻松、和谐的教学氛围，将学生带入教学情境中，不仅有利于教学工作的开展与教学任务的实现，同时还有利于良好师生关系的形成。 

在“统计”课程教学之前，教师在课堂中可以进行情境创设。例如，周末组织班级学生外出郊游，要求学生思考郊游的地点及郊游活动应怎样选择。此时，学生因听到有关游玩的话题比较兴奋，便积极地展开讨论，教师再对学生进行统计课程带入教学，这样，不仅使得课堂变得生动、活跃，使学生的积极性增强，为课程的展开创造了良好的环境，使教学内容更易开展。 

3. 引导学生掌握数据收集、整理及分析等方法 

在数学统计学教学中，常用的数据收集方法一般为直接获取数据的方法，包括实验、调查，等等，同时也包括资料翻阅等间接获取方法。收集数据工作结束之后，需要对看似杂乱的数据进行整理、分类，在对数据进行描述时，常用的方式主要有计数、统计图等，因此，需要学生认识条形统计图、扇形统计图及折线统计图等统计方法，并运用以上方法对数据进行有效分类，同时还可运用自身语言知识解释其含义，分析数据主要是指对数据进行简繁分析并达到交流作用。数据分析过程是复杂的思维分析过程，在问题解决的过程中，教师应引导学生根据问题的具体情况选择合理的分析方式，从而使学生在学习中不断完善自身的想法并实现对数据分析方法的有效掌握。 

例如，对班级学生身高进行分析与相关问题探讨：某小学某班级中学生的身高在134～160cm之间，学生根据班级身高记录单对班级中学生的身高进行分析统计，从而得出学生中最低身高为134cm，最高身高为160cm，若要选择参与跳高的运动员时，学生可以通过数据进行探讨，并对学生的身高按照从高到低的顺序进行排列后选出多名身高最高的学生，之后再对整理数据的作用进行相应分析。 

4. 引导学生重视数据随机性，使学生全面认识数据 

教师在对学生进行数据分析观念的培养中，需要选择适当的问题对学生进行数据随机性体验。例如，在对学校校门口一天之内各个时段的人流量统计活动中，教师可引导学生选用合适的方式进行人流量的统计与记录，同时在开展该活动中，学生还应考虑数据的有效性及数据所需时间，等等，引导学生在所监测的不同数据中找寻相应规律，最终顺利解决问题。 

在数学统计教学中，学生数据分析观念的培养，是统计学与概率学教学的开展基础，同时也是数学问题解决的有效观念之一。在对学生进行数据分析观念的培养中，教师应重视对学生具体实践教学的开展及数据统计方法的教授，使学生选用最合理的数据整理、分析等方法，从而促使学生数据分析统计思维的养成，实现数学教学的最终目标。 

参考文献： 

[1] 范明明.中小学生数据分析能力的培养研究[D].武汉：华中师范大学，2014. 

数据统计分析学习范文第4篇

[关键词] 经济运行；数据；统计；分析

由于经济运行缺乏一整套制度化的计划测算、跟踪测量、监管分析、反馈改进工作模式，企业作为经营管理主体的作用没有得到有效体现。主要体现在：

经营计划指标分解测算的过程不透明，缺乏基层单位参与。有时计划目标测算下达不及时，基层单位无法及时作出工作安排，在一定程度上甚至影响到了基层单位主观能动性的发挥。员工工作没有计划，只是被动的服从上级工作安排，盲目性、随机性比较严重，不能调动和发挥全员的主观能动性，创新意识差。

市场一线的真实需求与实际工作脱节。经营计划下达后的督促落实不深入，缺乏自下而上的、全面的对阶段性经济运行数据的分析对比，无法发现数据后深层次的问题；对市场的真实需求缺乏分析研究，甚至出现购进卷烟的牌号长期压库，形成了滞销占用资金等现象。

重复劳动、数据失真影响工作质量和效率。缺乏系统、规范、明确的岗位职责、工作流程说明资料，当员工岗位调整变动或新进人员时，需要很长的时间来适应工作要求，严重影响了工作质量和效率。同时，不同部门整理汇集相同项目的数据时，往往存在数据差异和失真，无法保证正确的的数据分析和领导决策。

因此，建立完善一整套涉及事前、事中、事后的经济数据分析统计管理机制已势在必行，新机制围绕进一步提升统计工作对企业经济运行的参与，涵盖科学测算下达经营管理计划目标、及时整理汇总专销数据、定期开展经济运行分析查找问题、以三级考核促进问题改进提升的PDCA模式循环，管理重点由注重结果向注重过程逐步转变。具体来讲，我们主要采取了以下三点做法：

一、健全机制，规范经营管理计划测算下达流程

滨州市烟草专卖局（公司）编制印发了《经营管理计划编制下发管理办法》，对全市系统经营管理计划目标的测算、编制、下达等工作流程进行规范。在每个经营周期（年度、月度）前完成经营管理目标的测算、编制和下发工作，明确项目部门职责和计划目标的测算方法，采取自下而上的计划提报方式，由主管部门汇总整理，经分管领导审核批准后下发。

二、建立“综合数据资料库”，实现系统内信息资源共享

建立全市系统“综合数据资料库”。市局（公司）各部门根据职责编制“综合数据资料库”对应内容，需要进行社会调查的，向有关政府职能部门等进行广泛的社会调查活动。各单位和部门所负责的数据资料编纂完成后，要报市局（公司）牵头部门汇总、整理和审核。完成审核后统一上传市局（公司）内部网站，内部网站设立专门栏目，专门存放综合数据资料，作为综合数据资料的载体。内容涵盖地方经济发展、人口数据、企业概况、财务管理、卷烟经营、网络建设、专卖管理、客户商圈、信息化建设、安全管理、人力资源、制度建设、检查考核、岗位职责、工作标准及流程等具体内容。为了使综合数据资料的准确性、有效性，规定每季度对数据资料进行更新和调整。

三、丰富统计手段，定期开展经济运行分析

首先，建立健全经济数据统计分析制度，要求各单位、部门定期编报统计分析材料，综合信息科对全市系统的统计分析情况进行汇总整理，定期编印“全市系统经济运行分析报告”。其次，将经济运行统计分析工作纳入对各单位、部门的工作质量考核，对统计数据的准确性、报告报送的及时性等情况进行定期检查考核，并与薪酬分配挂钩。第三，定期召开全市系统经济运行分析会议，对经济运行数据统计分析进行阶段性通报讲评，以及时反馈统计分析中发现的问题，实现各项工作的持续改进。

四、加强分析深度广度、服务企业发展大局

在市局（公司）的经济运行分析会议上，统计部门采取了以幻灯片为影像载体、辅助现场讲解的崭新形式，对企业经营管理工作进行全面、深入、细致的数据分析，通过不断改进经营统计分析的方式和方法，注重在分析的深度和广度上下工夫，不断提高经济运行分析质量，努力做到给企业发展当好参谋，为领导决策提供依据。一是从打造一支企业经营分析人才队伍入手，统计部门注重对各级统计人员的业务技能培训，为做好经济运行分析工作提供人力资源保障。二是积极探索，采用新的数学模型实现统计工作的不断深入，例如我们对各单位的销量、单箱销售收入的测算采用了线性回归分析方法，将各单位卷烟经营指标与当地社会经济发展数据如人均GDP、人均可支配收入挂钩对比，进行认真细致的测算和对比分析，最终得出客观准确的结论。三是扩宽分析思路。不仅与自己对比分析，同时做到跳出滨州看滨州，与全省平均发展水平和先进地市进行对比分析，做到取长补短，对及时调整经营工作思路、指导经营工作发挥了积极作用。

通过采取以上措施，企业工作效率与质量稳步提升，全员执行力大大提高。数据资料库包含近年来的历史经营数据和客户资料。在编制测算经营管理计划目标时，可以直接借鉴和使用相关历史数据，根据一年来实际运行情况看，实际经营结果与测算的计划指标基本相符，实现了计划指标的可行性、合理性、科学性，对基层单位较好地发挥了指导、规范、激励的作用。综合数据资料库建成后，新进员工、岗位调整的员工可以迅速进入工作状态，同时降低了员工培训成本。全面开展经济数据统计分析工作不仅提高了全员特别是一线客户经理的工作能力，而且企业能在最短的时间内针对市场形势变化调整经营策略，提高了企业经济运行质量和水平。

总之，滨州市局（公司）实施的经济运行数据统计分析机制，为滨州烟草经营管理水平、企业效益的持续提升提供了有力支撑，是适合企业发展实际的创新之举，为促进滨州烟草既好又快发展起到了积极的推动作用。

数据统计分析学习范文第5篇

伴随着课程改革的实施，如何提升实际教学效果和学生的学科素养、优化教育流程、有效的传授知识内容、合理的训练学科能力、恰当的传授思想方法成为了一个重要的课题。“教”与“学”之间的相辅相成，对实际学情的理解和分析，因材施教，适时调整策略并进行针对性教学，是实现学科知识、学科能力和学科方法目标的必经之途。把握教育教学的有效性与长效性，促进学生的多元化发展、培养创新意识，塑造高素质人才则是教育教学的必然之由。

关键词：计量数据 历史知识结构 历史学科能力 历史学科素养 教学策略

中图分类号：G630

引言：

对于高三教育教学和备考复习而言，如何有效的讲授知识内容结构、如何合理的训练学科能力、如何恰当的传授思想方法、如何培养和提升学科素养是一个多解的命题。要实现这四个角度的教学目标，切实培养学生的学科素质，促进学生的多元化和全面性发展，优化教育效果，提升教学的有效性，那么实事求是的理解学情、科学规范的训练、及时调整教师“教”与学生“学”之间的差距，是一个不得不面对的技术问题。

在下文中，笔者不揣浅陋，拟就如何有效利用计量统计数据分析学情和调整教学策略的话题略呈管见，希冀能抛砖引玉，敬请方家指正。

维度一：科学规范的命制试题

没有教育科学就没有科学的教育，没有规范的学科训练就没有规范的学科思维。规范的训练可以通过多种途径来实现，比如课堂教学、研究型学习、史料研读及遗址考察等，但是最简单而且教学中使用最多的还是试题测试。科学的试题、科学的测试、科学的训练对学生的历史学科能力训练和历史学科规范及学科素养的提高是非常有帮助的。

命制科学规范的试题可以建构一个计量统计的模型，以分析学情和调整教学策略，能更好的实现教学目标。

如何才能命制一套较为科学和规范的试题？这不仅需要了解测量技术的相关问题，还需较为深厚的历史学科专业知识，除此之外，教育经验和教材的熟悉度也是很重要的一个因素。

一般来讲，一套试题从结构上需要体现以下几个考察的方向：学科基本知识、学科基本能力、学科素养的体现。而学科方法则是沟通上述三个角度的桥梁。

从历史学科基本知识角度讲：内容应该包含高考考察的七个结构模块，即古代中国、近代中国、现代中国、古希腊罗马、近代世界、现代世界及选修模块。从历史学科能力角度讲：文科综合能力“考试大纲”将历史学科的高考考核目标表述为获取和解读信息、调动和运用知识、描述和阐释事物、论证和探讨问题四个能力要求①。具体来讲包括再认再现历史知识、重构历史时序、获取有效历史信息、理解分析历史事物、运用历史方法论证、评价历史问题。历史学科素养则是如何应运历史知识发现新问题、研究新问题、解决新问题的灵活体现，是创新意识培养的必然内核。培养素养“要关注知识的消化，关注它是不是发生了有益于吸收、转化为有益于生命的酶化”。②“把死知识变活，把活知识变灵”③是知识酶化的主要目的。

规范的命制试题后，设计测试的双向细目表，建立一个完整的测评模型后便可指导解决实际教学中有效利用计量统计数据分析学情和调整教策略的问题了。

下文，笔者拟就操作中的实例来讲述具体过程，以期抛砖引玉。在模型样本选取上，将本年级文科班分成程度好和程度一般两类。以较好的为参照系，在程度一般的学生中进行测评和策略检验，找出规律并进行验证。

维度二：利用分数段分布的统计数据分析学情以调整策略

下图为分数段数据，来源于分组中程度一般的学生。测试后将数据做出统计，结合数据分析学情，调整策略，矫正教学。

分数段分布数据可知如下学情：分数段的分布百分比可确定学生的层次、明晰学生是属于基本史实掌握不牢固的“知识型不足”，还是史学能力不到位的“技能型不足”；确定教学中重能力还是抓基础的后续教学重心、调整教学内容的难易度与深浅度。

上图所示，中间分数段的学生人数较多，反映出大多学生对于基础知识和主干知识的记忆和理解比较好，可继续加强和保持效果，确保不出现知识型问题。但非主干知识掌握不牢，如：课本小字部分（即自学内容）、非重点内容。

高分段人数较少，反映出技能型不足的问题。表现为运用历史方法论证、评价历史问题能力不足和逻辑思辨能力、史学理论方面存在欠缺。通过试卷作答细化分析发现语言阅读能力和理解能力不足及规范答题能力欠缺。

根据学生的情况和数据分析采取如下策略：为了能提高高分段人数比重，调整教学难度和深度，通过课本知识的延伸与拓展，扩大学生的知识容量和理论储备，关注史学研究的新成果，以专题讲座的形式讲解技能与方法，以提升学生表现出来的能力欠缺。指导和训练答题技巧，训练其在作答过程中语言简明、清晰、严密、要点化、序号化的能力。

在下阶段训练跟踪并在同一模型与难度下测试，如图所示：

数据统计后，发现效果较明显。中间分数段的学生人数百分比稳中有升，高分段人数明显增多，运用历史方法论证、评价历史问题能力和逻辑思辨能力、史学理论方面存在欠缺等技能型不足的问题得到修正。

维度三：利用能力结构得分统计数据分析学情以调整策略

、针对此问题调整策略，借鉴语文方法，训练学生语言能力，如找准关键词、对有效信息的提炼和概括、历史要素与关键词的关系，题干限定语的查找等。训练学生的逻辑分析能力，提高学生对历史名词内涵与外延的准确理解度，强化学生的逻辑思考习惯，训练其推理、判断、论证的能力。系统讲授历史学科方法与理论，如历史唯物论、辩证法、现代化史观、全球史观、文明史观、社会史观、生态史观；树立学生结合时代特征分析历史的思维、史论结合及生产力标准等论证和评价历史的方法。对学生数据进行统计与分析，进行逐个训练与指导。

在下阶段训练跟踪并在同一模型与难度下测试，数据统计后，发现效果较明显。如上图所示，样本学生中获取有效历史信息和运用历史方法论证、评价历史问题两个方面的不足得到修正，进步明显。

维度四：利用知识结构统计数据分析学情以调整策略

知识结构的统计分析，可知道学生哪些知识掌握的不到位，以便及时查漏补缺。由于知识模块范围太大，在具体分析的时候可以结合双向细目表及各小题得分率仔细分析，准确找到薄弱环节，再结合能力结构统计数据，分析是知识型问题还是能力型问题，以便更好的掌握学情。

上图所示，样本学生在“古代中国史”和“现代中国史”两个方面存在不足。针对此问题，查找薄弱环节，详尽分析，调整应对策略，对相关知识进行补充和加强，如古代经济，古代科技等。理清中国古代史的时代特点及线索和发展脉络，按通史时序梳理知识。现代中国史教学中注重时政与历史的关联，补充中国现代史中文化、教育、科技等相关内容。利用对世界史的知识优势，将中国史与世界史交叉起来，通过中外关联与对比，来加深理解。对基础知识进行再强化，加深知识的理解程度与深刻性。

在下阶段训练跟踪并在同一模型与难度下测试，数据统计后，发现效果较明显。如上图所示，样本学生中“古代中国史”和 “现代中国史”两个方面的不足得到修正，进步明显，超过了参照系的学生。

五：结语：

课程改革实施下如何提升教学效果和学生的学科素养，优化教育流程，有效传授知识、合理训练学科能力、恰当传授思想方法，培养学生的学科规范和学科素养、传授技巧和思维方法、挖掘和熟练教材、夯实主干知识的根基、关注史学研究动态、渗透史学研究的理论和方法、广泛学习和借鉴、科学的训练、多元的思考、重视培养学生能力和史学素质可能是一个必须面对的话题。“教”与“学”之间的相辅相成，对实际学情的理解和分析，因材施教，适时调整策略并进行针对性教学，是实现学科知识、学科能力和学科方法目标的必经之途。把握教育教学的有效性与长效性，促进学生的多元化发展、培养创新意识，塑造高素质人才则是教育教学的必然之由。

引注：

①《2013年文科・课程标准实验版・考试说明（考试大纲）》