數據分析設計范文10篇

1深基坑支護的類型分析

（1）鋼板樁支護分析。鋼板樁支護是一種廣泛應用于建筑工程的支護類型，這種支護形式指的是通過熱軋型的鋼材進行鉗口和鎖口，從而使鋼板樁之間進行緊密的連接，進而組成完整的鋼板墻結構。鋼板樁支護形式既可以起到很好的擋土作用，還有良好的擋水功能。現階段應用最多的鋼板樁支護結構形式主要有三種：第一種，Z形結構形式；第二種，U形結構形式；第三種，直腹板結構形式。鋼板樁支護類型的特點是，具有相對簡單的鋼板加工工藝，以及來源眾多的施工材料。（2）深層攪拌水泥樁。在深基坑支付中，水泥攪拌的作用是對軟土地及進行加固和飽和。水泥可以發揮固化劑的作用，通過軟土結合，發生一系列的物理反應或者化學反應，從而形成一種具有高強度的水泥加固體，從而有效提升軟土地基的承載能力以及變形模量。根據多年的經驗，如果水泥摻入8%以上，20%以下，水泥土重度比就可以提高3%--5%。如果水泥土的含水量降低10%，抗滲性能就可以達到10-7cm/ces——10-8cm/ces。也就是說，水泥土可以有效對土質進行改良。另外，水泥土的無側限抗壓強度大多數都大于0.3MPa，要遠優于未經處理的軟土地基的抗壓強度。抗壓強度的提升也就代表著抗拉強度的提升[1]。

2深基坑支護設計的改進

（1）引進新技術和新理念。在進行深基坑支護設計的時候，一定要結合建筑工程的特點以及實際情況，切忌生搬硬套，延用陳舊的設計理念。尤其是現階段，深基坑支護結構的設計還處于發展階段，缺乏公認的、權威的計算公式，一切都需要設計人員在實際工作中摸索。所以在設計過程中，可以將施工監測反饋動態信息作為基礎，以此來進行深基坑的支護設計。（2）加強試驗研究。所謂實踐出真知。一切正確的理論都是經過大量的實踐、大量的研究總結出來的。而我國現階段的深基坑支護結構，與發達國家有著不小的差距，很多地方都有待提升。但是我國的城市建立力度不斷地加大，我國地下建筑與高層建筑越來越多，這就為我國深基坑設計人員開展研究工作提供了一手施工數據。所以，設計人員一定要重視深基坑支護設計的實踐性，通過大量的數據分析，不斷地總結，最終獲得正確的理論和觀點，形成一套完整的體系[2]。

3深基坑支護監測數據的分析方法

（1）有限元分析法。有限元分析法屬于確定函數法的一種，指的是針對研究對象按照某種規則搭建分析模型，然后再將分析模型劃分成若干計算單元，因為每一種材料都有一定的物理力學性質，所以要按照所選材料相對應的物理力學性質，搭建荷載與變形之間的函數關系。然后再根據現有的條件對函數方程進行求解，從而得出變形值。但是，有限元分析法存在一定的缺陷。首先，分析模型劃分的單元、所選材料的參數設置、選擇的函數關系都是假設的。其次，計算變形值的時候并沒有考慮施工現場的環境因素的影響。所以也就容易導致計算結果存在一定的偶然性，可采納度較低。所以在使用有限元分析法的時候，可以和反演分析法一起使用。（2）小波分析法。小波分析法是在多種分析法的基礎之上研究出來的一種分析處理方法，又稱為信號分析中的數學顯微鏡。小波分析法在時域方面以及頻域方面的局部化特征較為明顯，可以將局部信號中的有效信息進行提取。另外，小波變化還可以針對周期性的變形特征進行探測和分析。例如，通過離散小波變換可以分解實際的監測數據并進行重構，進而分離數據中與噪聲相關的信息，找出對自己有用的數據和信息。

1商務平臺商品數據分析

商務平臺商品數據分析系統集數據獲取、數據統計和分析，系統設計有如下考慮：

1)商品ID號：根據上線商品的ID號直接獲取商品的評論，并對評論進行等級評定；

2)評論平均分：計算評論平均分，據此可判斷商品是否合格；

3)評論分分布：計算評論的合格數及其比例。等級評定時是多個操作人員同時對同一商品數據進行評論操作，評論評分定級是人工進行的，操作人員的主觀對商品評論操作有一定影響。因此需要將所有操作人員的評論評分數據進行統計對比分析，以控制整個評定的有效性。

2系統設計

摘要：目的：研究產品包裝設計創新趨勢。方法：以大數據時代為背景，從同類產品、產品目標客戶等方面進行分析，研究大數據時代產品包裝設計特征，探討和傳統包裝設計的差異。結論：大數據時代產品包裝設計思維已發生轉變，不再僅僅依靠設計師的個人經驗，而更注重大數據的實時收集、整理、分析和應用；大數據分析有助于設計師了解消費者的心理動態，設計出更符合消費者需求的包裝產品，這種設計趨勢將會成為未來包裝設計的發展方向。

關鍵詞：大數據；包裝；設計；分析

隨著經濟迅猛的發展，大量的網絡交易平臺和手機APP不斷涌現，網上銷售與網上購物已成為人們生活中的重要一部分。根據艾瑞咨詢的2016中國電商報告數據，2016年中國網絡購物市場規模近5億，較2015年增長23.9%，在社會消費品零售總額中占比超14%。消費者的網絡購物行為不斷的產生并記錄了數據，這些數據隨著網購的發展呈爆炸式增長態勢[1]。在互聯網蓬勃發展的中國，生產企業要想搭上數字經濟的發展快車，就必須將互聯網、大數據與產品生產設計進行深度融合。包裝作為產品的“臉面”，企業通過大數據分析對產品包裝設計進行優化，其意義不言而喻[2]。

1大數據分析

如今，大部分的電子商務公司（如：京東、淘寶等）都在實時采集數據，獲得有價值的信息，并以此驅動具有盈利能力和更智能的商業決策制定[3]。產品制造企業可以通過與電子商務公司合作，從多個數據源中搜集、整理和分析數據，從而對產品的包裝進行設計、修改和完善，從而提高產品的銷量。1.1大數據的概念與特征。一般學者認為大數據是指無法在有限時間內用傳統IT技術和軟硬件工具對其進行感知、獲取、管理、處理和服務的數據集合[4]。大數據具有四個基本特征：數據規模大（Volume）、數據種類多（Variety）、數據處理速度快（Velocity）、數據價值密度低（Value）[5]。1.2大數據分析與產品包裝設計。產品制造企業可以對電商企業提供的大數據進行整理分析，改進產品的包裝設計，從而加強企業的業績（如圖1所示）。制造商可根據諸如其他競爭性產品包裝成本等變量，通過使用統計分析和分布式處理，運用運籌學算法和實時功能，能夠有效的制定基于大數據的產品包裝成本價格[6]。另外，可以通過追蹤用戶的行為軌跡，發現用戶的消費習慣與偏好，從而設計出適合特定用戶需求的產品包裝。

2基于大數據的產品包裝設計分析

摘要：文章針對當前定量分析類課程教學存在的問題，提出“追本溯源式學習”理念，在教學過程中將知識點轉化為項目，引導學生參與整個數據分析過程，激發學生尋根究底、探究公式推導過程的興趣。文章以數據分析類課程教學中最為基本的“一元線性回歸檢驗問題”為例，設計了新的“追本溯源式”的教學流程，以期為提高該類課程的教學質量提供借鑒。

關鍵詞：追求應用；追本溯源；溯源式學習；教學設計

1問題的提出

隨著軟件技術的發展和各類教學軟件更新換代速度的加快，目前高校的定量分析類課程教學中，越來越多地傾向于使用各種教學軟件來輔助。然而，由于課時不足、學生數學基礎差等客觀原因，很多課程在使用教學軟件時，追求軟件教學的速成效果，不再關注軟件操作結果中變量的原始來源，不再進行必要的公式推導，逐漸形成“重軟件操作輕公式推導”、推崇“無數學基礎也能進行數據分析”的教學和學習方式。但教學實踐中發現，這種“知其然不知其所以然”的教學思路存在諸多問題。學生確實在短時間內學會了在分析問題時使用軟件，但對學生學習效果的調查發現，很多學生不明白定量分析類課程數據分析中各變量之間的關系，不了解分析方法基于何種邏輯，不懂得各種分析方法之間對于某個問題的分析是相輔相成的還是承前啟后的。這樣的教學理念存在一個偏離最終培養目標的、亟需關注的誤區，即注重速度和短期效果，卻忽略了知識的延續性。這樣的教學模式，短期看是有效的，但長期會發現存在很大隱患。基礎不穩將導致各門課程之間相互割裂，前序課程無法對后續課程產生必然的、持續性的正向影響。學生在學習后續課程時極易出現無法關聯已有知識、無法構建完備知識體系的情況，也就無法提升其自主學習能力。目前，不少這類課程的教學過程，正從最初的“無實踐操作的純理論教學”這一極端逐漸走向“重操作輕理論”“重實用輕基礎”的另一個極端。到底是放棄公式推導來追求軟件的快速掌握，還是追本溯源、分析變量的原始含義從而深入了解分析內容，是教學實踐中必須要解決的問題。為了更好地達成“學會學習”這一教育的本質目標，這種無法形成持續性、長久性學習效果的教學思路亟需得到糾正。本文傾向于選擇在教學過程中夯實基礎，對各個變量“追本溯源、回歸本質”，并將這種教學和學習方式定義為“溯源式學習（source-basedlearning）”。基于這種教學理念，本文以定量分析類課程中一元線性回歸教學過程為例，試圖重新優化設計教學流程，將部分教學內容延伸至課外的自主學習中，以便在有限的課時內合理兼顧“實用與理論”“軟件操作與基礎知識”，激發學生的學習興趣，教授科學的學習思路和方法，以期達成持續性知識傳遞的教學目標。

2教學設計思路

本文選擇“一元線性回歸中的檢驗問題”這一內容來進行教學設計，原因有兩個。一是自從弗朗西斯·高爾頓于1875年根據豌豆尺寸的遺傳規律提出“回歸效應”以來，回歸分析方法被廣泛應用于對社會、經濟、管理、醫學、體育、教育等各種相關問題的定量研究過程[1]。在這些研究中，一元線性回歸分析又是所有回歸分析的基礎，因子分析、方差分析、logit回歸分析、聚類分析、神經網絡、蒙特卡洛模擬等諸多方法，都是以此為基石的。二是對這一問題的研究涉及各種檢驗之間的隱藏關系，新的課程流程設計旨在引導學生對這些檢驗之間的關系進行深入分析，自主發現問題，尋求答案。首先，課前教師要針對該問題及其所需的基本知識和軟件儲備進行說明；其次，要求學生進行分組，通過小組“自主—合作學習”方式查找所需的、符合本問題研究的案例數據；然后，在課堂上由教師講解不同軟件（EViews、SPSS等）的使用，讓學生利用各自查找到的數據來進行軟件操作實踐，引導學生查看軟件操作結果，發現問題中隱藏的關系；最后，引導學生“追本溯源”，分析隱藏關系的原因，并通過公式推導來加深對知識點的記憶。這種教學設計的創新在于，對每一個知識點都采用項目式學習法，使學生的學習從課內延伸至課外，從而了解完整的數據分析流程，而不只是學會如何操作軟件[2-7]。具體的課程設計思路如圖1所示。

摘要：當前我國已經通過互聯網技術進行智慧倉儲運行支撐平臺的設計和構建，以提升倉儲系統的管理效率和效果。基于對智慧倉儲運營支撐平臺的深入了解，結合對大數據分析技術核心技術要點的剖析，文章提出了基于大數據分析的智慧倉儲運行支撐平臺的設計，為從業人員提供合理指導。

關鍵詞：大數據分析技術；智慧倉儲運營支撐平臺；平臺設計

在運營支撐平臺設計中，應用大數據分析技術能夠提升平臺的運行效率和科學性，提升倉儲系統的管理水平，另外大數據分析技術有強大的運算能力，可以對供應鏈中的數據進行有效整合和分析，讓供應鏈系統能夠更好運行。

1智慧倉儲運行支撐平臺構成和設計

1.1平臺感知層

感知層是智慧倉儲運行支撐平臺的核心部分，感知層通常用于信息采集，在當前的倉儲平臺發展中，會在倉儲物品包裝上設置二維碼、條形碼等身份識別工具，這就要求感知層建設中，需要設置攝像頭、二維碼識別器、條形碼識別器等硬件設施，通過掃描的方式進行“感知”。另外在倉儲平臺運行中，為了保證倉儲系統的安全，還需要建設相應的安防系統，所以感知層中攝像頭的應用不但要對庫內環境進行監控，還要通過攝像頭對庫區外部環境進行調查，從而保證智慧倉儲運行支撐平臺的穩定安全運行。

摘要：由于傳統的網絡教育數據分析平臺在計算機中內存所占比重過大，導致無法捕獲變量網絡教育數據，因此內存占用率高，無法對網絡教育數據進行精準分析。針對這一問題，進行基于云計算的網絡教育數據分析平臺研究。捕獲變量網絡教育數據，建立數據中心，通過數據中心日志來記錄捕獲變更序列；建立網絡教育數據分析平臺總體技術架構，以變量網絡教育數據表的形式進行綜合分析；基于云計算建立數據庫，完成網絡教育數據分析平臺設計。實驗結果表明，設計分析平臺的內存占用率最低可達19.93，對照組為60.01，設計分析平臺可以高效捕獲變量網絡教育數據，實現對網絡教育數據進行精準分析。

關鍵詞：云計算；網絡教育；數據分析平臺

云計算技術作為新時代下的數據處理與存儲技術，能夠實現對數據的快速處理與移動應用[1]。要解決形式上的網絡教育數據分析問題并不困難，最簡單直接的辦法就是為各種基本數據格式兩兩之間開發一個轉換器，因為流行的數據格式數量不多，并且轉換規則明確，這是一個只要投入一定人力就能解決的問題[2]。但語義上的網絡教育數據分析比較復雜，尤其是針對變量的網絡教育數據。因此，本文進行基于云計算的網絡教育數據分析平臺研究。

一、基于云計算的網絡教育數據分析平臺研究

（一）捕獲變量網絡教育數據。運用數據捕獲層，捕獲變量網絡教育數據，數據捕獲不僅針對標題，還對數據內容進行語義識別，分析其中的內容是否為教育數據資源，且是否含有敏感關鍵詞等不適于教育傳播的內容。分析識別捕獲的運算量巨大，因此設計了采用云平臺，利用強大的云計算能力解決語義識別和關鍵字檢索的功能需求。網絡教育數據分析平臺的數據整合層建立一個數據中心，用來存儲變量網絡教育數據[3]。設計數據中心最大優勢在于具有數據中心日志，可以通過數據中心日志來記錄捕獲變更序列，完成變量網絡教育數據精準捕獲。在捕獲數據后，需要對數據的完整性進行驗證，保證是完整有效的數據段。（二）建立網絡教育數據分析平臺總體技術架構。本文基于云計算進行校園網拓撲結構組建以及網絡教育數據安全設置，對網絡教育數據進行集成與管理。網絡教育數據分析平臺總體技術架構中，數據中心是處于核心地位的單元，數據的分析整理與分類標識全部在數據中心完成，終端用戶通過與數據中心的信息交互，提出希望獲取的信息關鍵詞，完成在數據庫中的搜索，數據中心將終端用戶感興趣的數據信息以及通過智能分析后與本次搜索相關度高的信息以列表的形式推送給終端用戶，再根據用戶的選擇鏈接到指定網絡教育數據信息地址。數據中心字段設置具體信息，指向教育數據的種類與類型，并以關鍵字的形式加以區分。對控制字段的分析管理可以基于云計算技術在數據中心建立一個變量網絡教育數據表，用來存儲捕獲變量網絡教育數據。便于數據庫日志的記錄以及數據分析終端對網絡教育數據的綜合分析。（三）完成網絡教育數據分析平臺設計。為保證網絡教育數據資源的更新性與實用性，數據中心的數據需要實時更新，并對其內容的正確性加以校正。分析過程中引入使用者評分規則，由最終用戶對網絡教育數據資源的實用性、完整性、有效性和精美度進行評價，通過用戶的視角對網絡上紛繁復雜、良莠不齊的數據資源加以遴選，剔除糟粕，保留精華，實現教育資源的優化與改進，為學習者提供純凈、優質的網絡教育數據資源。在網絡教育資源不斷優化的背景下，根據用戶使用體驗的評分，完成對同類教育數據資源的排序，以及用戶使用中的周邊功能推送，為用戶提供選擇方向和選擇推薦。至此，完成基于云計算的網絡教育數據分析平臺設計。

二、實驗

摘要：大數據時代，數據分析各環節的變化對統計學專業人才培養模式的變革起到了催化作用.數據挖掘作為拓展和提升大數據分析方法與思路的應用型課程，被廣泛納入統計學本科專業人才培養方案.本文對大數據時代數據分析師的職業需求進行了調研，在此基礎上提出了基于R語言的項目式數據挖掘實驗教學模式.教學實踐結果表明，通過項目式學習，可以讓學生在掌握理論知識的基礎上，進一步提升分析問題和解決實際問題的能力，進一步適應大數據時代數據分析師的職業要求.

關鍵詞：統計學；數據挖掘；實驗教學；數據分析師；項目式學習

1引言

2016年美國統計協會(AmericanStatisticalAsociation)對統計學的內涵給出一個較為簡潔的說明，將統計學定義為：“thescienceoflearningfromdata”，即從數據中學習的科學[1].該定義實際上與數據科學（DataScience）的內涵如出一轍.筆者以為ASA之所以對統計學做出這樣的內涵解釋，實際上表明在大數據浪潮中，統計學正走在變革的道路上.大數據時代，數據的產生、收集、分析與應用等環節都發生著深刻的變化.互聯網技術的高速發展使每個人成為數據的生產者，數據生產已經突破了時間、地點的限制，數據量也由抽樣數據向大數據轉化；數據的存儲類型由紙和筆記載的關系型結構化數據向半結構、非結構和異構的網絡數據類型轉化；數據的采集由根據統計分析目的的調查式收集向基于大數據技術的自動化采集方法轉化；數據的分析由傳統的驗證型分析方法向探索型分析方法轉化；數據的應用由輔助管理決策向引導變革轉化.以上變化正在重塑數據分析流程，而數據分析模式的變革必然引起教育模式的改革.事實上，在大數據洪流的沖擊下，統計學專業的人才培養模式已經悄然發生變化.當前，統計學專業融合大數據、計算機、人工智能等相關學科知識，引導學生認識和掌握數據處理的新技術，推動交叉學科應用型人才的培養，已經成為共識.其中，在統計學專業課程體系中引入數據挖掘課程就是典型的代表.數據挖掘技術在一定程度上彌補了傳統統計分析方法的不足，可以進一步增強學生探索性數據分析的能力，更加適應大數據時代的需求.與統計學強調推斷理論和方法不同，數據挖掘強調經驗，著重于從數據中挖掘有用的模式和價值，只要能夠有效地解決問題，方法和模型本身并不重要.因而，筆者認為數據挖掘課程能夠拓展統計學專業學生數據分析的思路和方法，進一步加深對數據分析內涵的理解.由此，本文致力于探索大數據背景下統計學專業數據挖掘實驗課程教學模式，以提升統計學人才實踐應用能力，使其不斷適應大數據分析的需求.

2大數據時代市場對應用型統計人才的新需求

數據分析師是統計學專業大學生畢業后的主要職業選擇之一.數據分析師是指在不同行業中，專門從事數據搜集、整理、分析，并依據數據做出行業或市場研究、評估和預測的專業人員；是以實際數據為依據，對項目現狀及遠期進行統計、分析、預測并轉化為決策信息的專業人才[2].為了客觀分析大數據時代應用型統計人才需具備的知識、能力和技術，本文通過智聯招聘網對企業公布的數據分析師職位招聘信息進行了調研，這些招聘信息都是面向應屆本科畢業生的，具有較強的針對性，調研時間為2018年8月3日.本文調研了七家上市公司[3]，有國企事業單位、互聯網公司、金融公司、網絡游戲公司、網絡媒體公司等，各公司對數據分析師的崗位職責、知識要求、能力要求和技術要求見表1所示.從數據分析師的崗位職責來看，不同類型的企業雖然具體要求不同，但是核心職責是相同的，主要有三個方面：負責業務部門的數據需求分析，也就是通過調研了解業務部門的需求，確定數據分析對象和目的；構建業務數據分析指標體系，即如何開展數據分析工作，確定數據采集、處理和分析及結果解讀等環節的指標、方法、模型及數據分析工具等；為業務部門提供數據決策支持，包括撰寫調研報告、數據分析報告及設計數據產品和開發數據分析工具等等.從崗位職責的核心要素來看，數據分析師是非常契合統計學專業的人才培養目標的，從調研到設計到分析到結果解讀，是數據分析的一個完整流程.但是，也可以看出很多企業在數據分析中特別強調了數據挖掘方法，如北京計算機技術及應用研究所強調用戶行為挖掘和個性化推薦、金融界強調用戶行為數據和網絡日志數據挖掘，而這些都不是傳統統計學分析方法的范疇.從知識要求來看，大部分企業都要求數據分析師具有統計學專業背景，但互聯網公司特別強調統計學、數學和計算機的交叉和融合.實際上，數據分析師作為復合型人才，除了掌握必要的統計分析理論和方法外，數學建模和編程能力都是必不可少的.從能力要求來看，較強的數據敏感度和清晰的邏輯思維能力是核心要素.其次，從業務來看，數據分析師需要同不同的部門打交道，溝通協調能力和團隊協作能力也是必不可少的.從技術要求來看，大部分企業都要求數據分析師至少要掌握一種統計分析軟件，如SPSS或MATLAB；至少要熟悉一種編程語言，如Python或R；至少要掌握一種數據庫技術，如MySql/Oracle/SQLServer等，最簡單的是excel.在高校及商業統計分析領域，R語言是當前最受歡迎的統計編程語言之一.綜合以上分析可以得出，統計學專業的學生要想成為出色的數據分析師，除了具備堅實的統計學理論和方法外，還需要具備良好的計算機能力，如數據庫技術和編程能力.更重要的是，數據挖掘方法與技術作為大數據技術的基礎已經成為數據分析師必備的技能，也是企業招聘時重點關注的技術.

摘要：本文基于新聞傳播人才數據分析能力培養實踐，提出面向問題解決的數據分析能力培養路徑。在此基礎上系統化構建指向培養路徑實現的數據分析能力培養體系，該體系包含課程、實訓、師資三個子體系。

關鍵詞：大數據時代；新聞傳播；數據分析；培養路徑；培養體系

大數據時代高校人才培養面臨新挑戰，受技術發展影響深刻的新聞傳播專業更是如此。新聞傳播教育融入大數據內容迫在眉睫，然而現實培養效果不盡如人意。分析其原因是當前培養方式主要停留在課程層面，通過直接在傳統課程體系中加入一門或幾門數據類課程實現，課程設置缺乏理論依據，課程之間缺乏邏輯關聯。數據分析能力獨立于新聞傳播傳統核心能力培養之外，需在專業內生需求驅動下，系統化設計培養路徑與培養體系，設計過程需充分考慮專業特點。

新聞傳播人才數據分析能力培養路徑

大數據時代新聞傳播生態面臨重大調整的同時也深度參與時代形態塑造，因此數據分析能力培養目標指向：深刻理解大數據內涵，既能利用數據分析方法支持新聞傳播領域需求，也能清楚認識新聞大數據在解決其他領域問題上的潛能。培養路徑設計亦圍繞該目標實現，主要內容包括：（一）強化數據分析思維培養，弱化技術細節傳授。數據分析能力分為兩個層面：數據分析思維能力與數據分析技術能力。前者包括：理解分析方法背后數學邏輯，明晰方法適用問題類型，能正確解釋分析結果；后者包括：根據數據分析方法特點能利用可視化軟件或編寫程序實現數據分析過程。因此，數據分析能力培養方式細化為三種：數據分析思維與技術并重培養；重技術實現，弱分析思維培養；重分析思維，弱技術細節培養。毋庸置疑，思維與技術并重培養最為全面，但在加重學習負擔的同時不可避免地會壓縮其他能力培養空間。正如哥倫比亞大學教授James?W.Carey所言“新聞學的學術來源應該根植于人文科學和人文類的社會科學中，新聞應該與政治、文學、哲學、藝術、歷史聯系”[1]，并重式培養不免舍本逐末，影響人才整體培養目標實現。得益于集成軟件的可視化操作以及新一代編程語言豐富的可調用程序“包”，數據分析技術實現難度降低，為“重技術實現”培養方式創造條件。但集成操作在封裝數據分析過程的同時也導致學生對方法內涵及其背后邏輯理解不透，缺乏舉一反三的能力，更無法融合知識背景對分析結果進行深度解讀。另一方面，計算機性能提升促進數據分析方法快速迭代，從技術角度培養學生，容易導致教學內容滯后或在該能力培養上投入過多時間。因此，筆者傾向“重分析思維，弱技術細節”?培養模式。該模式重點講授數據分析方法原理，適用問題場景以及對分析結果進行有效解釋。在原理講授上可根據內容難易程度采用不同方式，例如對于基于單一數學公式的可直接補充數學知識；對于涉及復雜數學原理的，可采用通俗的符合現實邏輯的語言來講述。無論采用何種講授方式，其目的就是讓學生真正理解數據分析方法內涵，切實具備將方法應用到現實問題解決的能力。（二）開展信息素養教育，提高信息檢索與連接學習能力。采用“重思維，弱技術”培養方式必然存在兩個弊端：一是學生技術實現能力不足；二是無法及時跟進技術前沿。總結教學實踐，筆者認為開展信息素養教育是解決這兩個問題的關鍵。“信息素養”概念由美國信息產業協會提出，根據Doyle在《信息素養全美論壇的終結報告》中下的定義可知：理解信息在問題解決上的重要性，描述面向信息需求的問題，利用工具獲取目標信息，選擇有效信息并將其準確運用到問題解決上是開展信息素養教育的目的[2]，也正是克服“重思維，弱技術”培養方式下人才技術短板的關鍵。首先，針對技術實現能力不足問題，可通過與有技術優勢的專業人員合作來彌補。識別合作對象是開展合作的前提，當前數據分析方法種類繁多，在解決現實問題時需要與有不同技術專長的對象合作。因此僅依靠人際網絡很難全面識別，需運用信息檢索技術，多渠道獲取信息才能更全面定位潛在合作對象并與之建立關聯。另外，不同專業人員的思維習慣以及對問題的理解存在差異，這種差異將影響合作效果。為提高溝通效率，除加強本專業學生溝通技巧外，關鍵在于提高學生對信息處理需求進行準確的、符合專業邏輯的描述的能力，而這正是信息素養教育內容之一。其次，針對無法及時跟進技術前沿問題，除了需要授課教師及時更新授課內容，保證課程緊跟技術前沿，更為重要的是培養學生連接學習能力。連接主義學習理論認為數字時代的學習可以看作在特定時間訪問與使用所需信息的過程，與之對應，連接學習能力就是在學習需求驅動下獲取與利用分布廣泛的信息的能力[3]?[4]。信息素養教育正是該能力的養成途徑之一。（三）深化人文社會學科教育，促進深厚人文素養養成，提高數據分析結果的深度解讀能力。上述兩條路徑培養學生適應大數據時代發展的能力，但在發揮新聞傳播專業優勢方面效果有限。本節將探討新聞傳播專業在數據分析流程中的優勢以及如何強化這種優勢。面向問題解決的新聞傳播人才數據分析流程可劃分為：問題解析、數據分析結果獲取、數據分析結果解讀三個階段。問題解析階段任務包括：判斷問題是否可采用數據分析方式解決，如可行需要采集那些數據、選擇那些數據分析方法，該階段考驗學生的數據分析思維。數據分析結果獲取階段任務包括：確定數據獲取渠道并明確采集需求；定位專業人員并與之建立關聯；通過與專業人員合作獲取數據分析結果，該階段需要學生具備堅實的信息素養。數據分析結果解讀階段任務包括：準確理解數據分析結果，融合背景知識對結果進行深度解讀，形成可供閱讀的分析報告，該階段需要學生具備深厚的人文素養。近年來，數據分析結果解讀在分析流程中的重要性日益凸顯，深厚的人文素養是開展深度解讀的前提，而這正是新聞傳播專業學生的優勢所在。一方面，新聞傳播專業重視人文主義教育，與文學、歷史學、哲學等不斷交融，培養學生人文情懷、獨立思考能力與批判精神[5]。更有學者呼吁在當前環境下更要加強文史哲教育，夯實新聞傳播人才的人文基礎[6]。另一方面，新聞傳播學科內在基因強調與法學、經濟學、政治學等社會學科交叉，培養學生跨界能力[7]。由此可知，數據分析過程中凸顯新聞傳播專業優勢的關鍵在于深化人文社會學科教育，促進學生深厚人文素養養成，提高數據分析結果深度解讀及對解讀結果準確描述的能力。

新聞傳播人才數據分析能力培養體系

摘要：時代的不斷發展，大數據技術的應用更為成熟與普遍，作為新的概念和思維方式大數據分析在品牌營銷中發揮重要作用，市場營銷、品牌營銷的大數據時代真正到來。基于這樣的時代背景，探討大數據分析在品牌營銷管理中的價值及具體的實施策略具有現實必要性。借助大數據分分析技術，實現消費需求的精準捕捉，實現消費群體的精準刻畫，實現品牌營銷的高品質化。

關鍵詞：大數據分析；市場營銷；品牌營銷；應用價值

大數據分析技術是網絡技術發展的產物，也在一定程度上扮演市場營銷的風向標角色。大數據分析是對海量的，處理復雜的數據信息借助技術進行的特定分析，進一步明確分析目標，進行有效信息的挖掘與提取，作為市場營銷的一大參考。在大數據分析技術的支持下，市場營銷戰略規劃更契合消費者的消費訴求，更精準地捕捉市場發展的趨勢與動向。在市場營銷、品牌營銷中我們必須加強大數據分析技術的應用。

一、大數據分析帶來品牌營銷的變革

（一）大數據分析突出消費者的中心性。大數據分析技術帶來傳統品牌營銷的變革，消費者獲得市場營銷的主導權，消費者在消費時往往會根據搜索關鍵詞搜索并綜合對比分析，傳統營銷模式下的消費者關注的是商品價值，而大數據分析帶來的是消費者對商品價值、消費體驗價值的綜合關注。對于企業來說，借助大數據分析技術可以有效了解消費者的消費特點、消費需求等，指導自身根據消費者的消費特性標簽制定正確的消費策略，更好地滿足其消費需求。社會的不斷發展，消費者的消費訴求表達更為便捷，社交媒體、服務平臺、網絡投訴等，消費者借助這些渠道準確地表達個人訴求，而這些數據的匯總分析可以幫助企業明確消費者的聚焦點，制定有效的營銷策略。或者基于大數據分析成果進行產品的設計研發、性能改進。大數據分析應用于品牌營銷突出的是消費者的中心性。（二）市場細致劃分提升營銷的精準度。品牌營銷是否有效，很大程度上取決于品牌營銷對市場及消費者需求把握的精準度。大數據時代，數據分析的最大優勢就是將非結構化的數據進行處理，提取分析結果。特別是針對消費者消費行為的分析，能精準獲得每位消費者的消費需求，了解其大致的消費趨向和心理，指導進行品牌營銷方案的調整，指導企業將個性化的產品服務精準地反饋到每位消費者身上，提實現市場的細分，帶來精準化的營銷。不同消費者消費需求、心理、能力、定位等都有著顯著差別，而每位消費者對自身也有著清晰的消費認知和消費定位，企業品牌營銷必須關注到消費者的差異性，追求服務的個性化，才能帶來品牌營銷的精準化。（三）營銷思路從單向到雙向進行調整。大數據時代，數據分析技術對品牌營銷的沖擊也體現為營銷思路、營銷走向的變革。從單向營銷到雙向營銷轉變。傳統的品牌營銷以企業為主導，調查需求，分析市場，進行產品設計與生產推廣，而消費者消費需求與企業產品輸出之間往往有信息的不平衡性，產品不受消費者歡迎，消費者的真實消費需求還沒有得到有效滿足。根源是單向消費營銷。而大數據分析技術的出現于應用使得原本單向的品牌營銷實現了實時反饋，帶來跟進雙向的營銷。數據可以實時更新，通過對數據的分析可以看到各時間段、各消費群體對產品的態度反應。及時調整市場營銷戰略，而這種不受時間與空間限制的營銷模式促進消費者與企業的雙向互動，有效地解決兩者間信息輸出不對等的問題。（四）維護客戶關系提升營銷的口碑效應。品牌營銷最關鍵的是客戶關系的處理與維護。客戶對于企業來說，更多的是消費者，消費者的消費體驗、消費認知、對品牌的忠誠度等都是需要重點關注的，而這些信息繁雜，傳統品牌營銷中關注不夠，這些消費反饋信息被忽略。而大數據分析技術讓這些繁雜數據的處理更高效，也能得出具體的消費結論，為客戶關系的處理與維護提供有效的幫助。在消費者中挖掘核心的消費群體，根據核心群體的消費反饋，明確產品服務、品牌營銷中的不足，也吸納聽取他們的消費意見等，從而減少客訴，提升客戶的滿意度和品牌忠誠度。大數據分析技術指導下的客戶關系處理與維護帶來較好的口碑效應，有助于品牌的塑造與深化，也指導企業進行更廣范圍內的市場營銷、品牌營銷。

二、大數據分析技術在品牌營銷中的實施策略

摘要：在提質培優背景下，課程思政“大有可為”也“大有作為”。文章以專業基礎課程——數據分析基礎課程為例，研究如何貼合課程特色，對課程思政進行一體化設計，并在實踐中檢驗課程思政成效，從而充分發揮專業基礎課程的育人價值，落實立德樹人的根本任務。

關鍵詞：課程思政；總體設計；實踐成效

2015年10月，黨的十八屆五中全會正式提出“實施國家大數據戰略，推進數據資源開放共享”。[1]2021年《政府工作報告》也提出“加快數字化發展，打造數字經濟新優勢，培養數智化人才”。[2]隨著大數據行業的發展，企業的數據能力、構建意識不斷增強，更多的企業在不斷引進專業數據人才。2020年，教育部出臺的《職業教育提質培優行動計劃（2020—2023年）》提出，職業教育要強化工學結合、知行合一，健全德技并修育人機制，落實立德樹人根本任務，完善多元共治的質量保證機制，推進高質量發展。一方面是數據人才的稀缺，一方面是職教改革的迫切需要，因此，數據分析基礎課程的課程思政建設“大有可為”也“大有作為”。本文按照提質培優的要求，遵循“一體化設計、結構化課程、顆粒化資源”的建構邏輯，對數據分析基礎課程的課程思政進行實踐探討。

1數據分析基礎課程的課程目標

數據分析基礎是江蘇信息職業技術學院（以下簡稱我校）面向所有專業開設的一門專業基礎課。課程根據行業需求和“00后”學生特點，依據各專業人才培養目標進行設置，按照崗位能力分析應該掌握的知識點和技能點，形成課程教學目標，并細化為具體的知識點和能力點。以數據分析在各行業的應用為主線，對金融大數據、電商大數據等進行分析，培養學生的數據思維，使學生掌握數據分析的實用技能，最終達到知行合一、學以致用的目的。在專業教育的同時，以新時代中國特色社會主義思想為指導，堅持知識傳授與價值引領相結合，注重課程思政教育教學改革建設工作，深入挖掘數據分析基礎課程蘊含的思想政治教育資源，充分發揮專業基礎課的育人價值，將價值塑造、知識傳授和能力培養三者融為一體，培養“德、智、技”全面發展的高素質應用型人才。

1.1培育和踐行社會主義核心價值觀（德）