基于大数据技术的市场调查与预测课程改革方案探究

韩二东

一 引言

《市场调查与预测》课程是经管类专业的核心课程之一，主要涉及市场调查方案策划、调查工具、调查活动实施、数据整理、数据分析及预测，最终撰写出调查报告，是为企业的市场调查和预测提供方法论支撑的课程，其综合性及实践性较强，与高新技术企业、制造业等类型企业的实际需求联系较为密切，随着时代的发展，多种类型的企业越发强调市场调查与预测技术在实际企业项目运作中所发挥的辅助性作用，对企业中财务部门、调查组织机构的市场分析能力、预测能力都提出了较高的要求，这一要求明显超出传统数据调查手段所能达到的数据准确性的水平尺度。与此同时，近年来，大数据科学与技术迅猛发展，在统计学、数据调查处理分析、人工智能等领域体现出越来越重要的作用，数据量的庞杂、类型多样、层级区分度高等特征为数据处理分析带来了全新的挑战[1]；与此同时，数据信息量的呈爆炸式增长导致对市场调查分析及预测所需样本量不再是过去所谓的“小样本、贫信息”，而是适时更新变化多样的大数据信息，这些都对应用型本科高校《市场调查与预测》课程教学活动的开展提出了全新的要求，涉及到课程教学内容安排、教学组织形式、课程考核方案调整等环节的改革。

二 市场调查与预测课程改革的必要性分析

（一）大数据时代背景对数据处理方式的更新换代

《市场调查与预测》课程本身的实践性与综合性较强，过去多采用传统的教学方式，使用传统统计学的样 本分析方法通过调查方案设计规划、调查问卷设计修改、问卷调查搜集及信息处理分析等环节获取定性数据，再与客观渠道所得定量数据信息相结合，综合分析市场状况得到调查结论并做出具有时效性的后续发展预测；但传统市场调查技术所用的样本信息较为零散，为小样本或者传统统计学认定的所谓大样本信息量，对市场实际状况的分析或评估非常有限，而且对市场发展的预测具有明确的时效性限定，一旦超过时效性规定则预测结论不能作为企业后续经营行为决策的判定依据[2]。与此相反，互联网时代背景下大数据信息实时更新，有效数据信息动态更迭，在对数据信息进行处理时，所面对的样本量远远超过传统数据调查方法所能处理信息的范围。针对新时期《市场调查与预测》课程培养学生职业技能的新要求，有必要及时调整该课程的培养方案，满足有数据分析需求的企业对相关人才的能力水平要求，使得相关专业学生能够跟上时代的发展脉络，提升毕业生适应社会需求的职业能力。

（二）应对大数据处理数据的需求，突显出传统教学手段及方法的弊病

该课程着力培养学生数据处理分析的能力，其中数据处理分析的源头是数据信息的获取及信息量的多寡，而传统的教学组织方式更偏重于在课堂上“教师教，学生听”的理论教学方式，实践教学虽有设置，但是并没有真正起到培养学生实践操作能力的要求，所使用案例较为陈旧已经很难跟上大数据时代对数据信息的要求，而且课堂讨论也流于形式，缺乏针对性和有效性[3]。此外，企业为顺应大数据需求并在市场竞争中占据有利地位，对企业自身数据的统计及处理分析要求越来越高， 对相应的数据处理工具的使用也提出了更精准的要求，对企业在对数据处理分析等领域人才的招聘也提出了更具体的要求，寄希望于所招聘毕业生入职后就能胜任相关工作岗位，而不需要让企业花费更多的时间去培养相关技能，同时避免让企业承担不必要的风险。《市场调查与预测》课程的传统教学手段及方法中的数据搜集方式、经典统计方法难以适应形势需求，很难对海量的大数据信息进行深入精准地整理分析[4]。虽然传统的教学手段及方法作为理论教学依然适用，但是其实践性、应用性难以与企业对市场调查及预测的需求相匹配，很显然，应当将大数据处理分析数据的理念和方法论引入当前该课程的实践教学环节中，以弥补传统教学手段的不足，革除弊病。

三 市场调查与预测课程改革方案

以下从具体改革内容、改革目标、实施方法等方面阐述市场调查与预测课程的改革方案。

（一）具体改革内容

（1）教学内容的调整。采用渐进式的方式逐步调整该课程理论讲授与实践操作环节的比重，尤其注意精心设计实践课程的具体安排，其中的核心任务是对于适用于大数据分析特征的多种数据分析工具的实训锻炼。过去该课程偏重于理论教学，实践环节被忽略或分配的课时非常有限，以应用型本科院校培养学生的数据分析能力为导向，调整理论课时与实践教学课时比重，经过两到三年的调整期逐步使得实践教学课程达到2/3；注重大数据分析处理软件实践操作的熟练掌握，例如SPSS、SAS等统计分析软件[5]都要引入实践上机操作，要求学生至少熟练掌握其中一种统计分析软件，以保证扎实推进学生的数据分类、整理、归纳分析能力。

（2）教学组织形式的调整。以案例式教学和互动式教学为依托，营造氛围促使学生、教师都参与到实践教学环节当中。这就要求该课程的任课教师主动搜集可操作性教学案例，并与当今大数据技术使用较为频繁的企业主动对接，将经过处理后的实践案例应用到理论及实验教学中；由于该课程对实践性要求的逐步提升，学校应当尽量启用“双师双能”型教师[6，7]担任该课程的任课教师，暂时不具备“双师双能”型的教师，学校应当创造条件积极引导专任教师到大数据处理技术较为娴熟的企业进修或兼职，稳步提升专任教师的实践教学水平，如此方能保障调整后的教学组织活动达到预期的教学效果，同时使得学生具备一定的大数据处理分析能力。

（3）课程考核方案的调整。统筹理论环节与实践环节，根据理论课程章节的需要，将实践内容穿插到对应理论课时之后开展，或者在理论课时结束后统筹开展案例分析实训任务。实践环节的加重要求制定更为精细的实践考核方法，可针对数据分析软件操作技能、数据信息采集渠道分析、数据加工处理及评估论证等环节制定考核细则，在课程考核过程中详细统计学生对考核细则的反馈意见，在两到三年内使得课程考核方案达到教学改革目标的需求。针对实践教学环节中的实训内容，依照学兴趣及协作能力将班级学生分成若干小组，由任课教师确定调研选题或经任课教师认可由学生自行拟定，每个调研小组内部确定调查任务分工，任务涉及调研方案设计、调查问卷设计、数据分析工具论证及处理分析过程、调研报告撰写等任务环节，其中设置组长一名以便于协调组织，实训完成后，以小组为单位进行汇报，由任课教师根据选题新颖度、实践价值、完成水平及分工协作等给出考核得分，并根据培养方案要求，将实践分数计入该课程期末考核，经过两到三年的实践，将实践考核的比重逐步增加到70%左右。

（二）改革目标

大数据技术的迅猛发展对传统数据处理分析方式造成颠覆式的冲击，要求企业将大数据技术应用到市场调研的各个环节，为顺应大数据时代对人才所具备数据分析能力的要求，针对与数据处理分析较为密切的《市场调查与预测》课程，对标大数据时代背景下数据分析所需具备的实际操作能力，重新设定该课程的培养目标、各教学环节任务设定及思路方法，以期更好地匹配社会需求，力争培养职业能力突出、适应能力强的合格人才。其中拟解决的关键问题是：（1）教学内容调整细化，理论讲授与实践环节的学时分配及衔接、具体内容的设计、SPSS软件操作等。（2）具备大数据特征的市场调查最新教学案例的搜集、整理。以经管类相关专业培养计划调整为依托，在符合专业培养计划调整主体方向的前提下，更大限度地发挥市场调查与预测课程的数据分析特色。针对经管类高质量应用型人才的稀缺，各层次院校实时调整了经管类专业的培养计划，实施学科大类培养模式，在此背景下，市场调查与预测课程在满足学科调整方向的同时，应当把数据处理分析的能力作为课程培养的核心任务，逐步强化培养学生大数据分类整理、处理分析及总结提炼的能力，以顺应相应数据分析岗位对人才所具备专业能力的要求。

（三）实施方法

（1）访谈调查法。针对开设该课程的相关经管类专业，抽取部分班级深入教学一线，与专任教师及对应授课班级，广泛地听取他们的对于该课程培养方案、教学大纲设置的意见和建议，尤其是当前实践教学环节的开展，要逐渐向实践环节倾斜，分步骤加重比例，也要避免一步到位或一次性调整幅度过大导致难以达到预期的教学效果；注重听取学生的反馈意见，并经总结提炼纳入该课程教学培养计划的论证中，融合专任教师与学生代表的意见详细完善课程培养方案。

（2）走访调研市场调查数据公司及相关技术人员。显然，全国范围内的知名数据调查公司（包括具备大数据处理业务的互联网公司）及其相关技术人员对大数据技术的发展趋势及其在各领域的应用状况最有发言权，要组织专任教师及部分学生走访调研，深入了解企业对相关岗位数据分析能力的要求状况，这样才能明确保证课程培养计划与人才培养目标的充分衔接。尤其注重有别于传统统计学视角下的数据分析手段及工具，注意区分不同数据处理分析工具的适用性及有效性。

（3）教学案例搜集法。当前，能够反映大数据特征的市场调查案例[8]（尤其是近两年以来的案例）较为稀缺，该课程的专任教师或教学组织者应当尽可能挖掘一些真实案例或者经改造处理后不涉及商业机密的分析案例，如有需要可与相关企业对接，协助高校搜集整理出可供实践教学环 节需要的有效案例。此外，通过实践教学案例中数据处理分析软件的不断练习增强师生互动交流，保证达到预期的教学效果。

四 结论

大数据时代带来有别于传统数据统计分析信息处理理念及方法，所分析的数据集不再是传统统计学当中认定的“小样本”或“大样本”，而是适时更新的大数据集合。而传统数据处理工具更倾向于采用经典统计学方法或工具，经样本分析提出论证或预测，显然传统方法难以应对海量、实时更新、多类型的大数据信息。为顺应多类型企业对市场调查与预测相关领域人才的数据处理分析能力要去，有必要对该课程的教学模式、教学内容、实践教学及教学目标等内容进行深入调整，以培养高素质并掌握一定的大数据处理分析技术水平的毕业生为导向，提出改课程的改革方案，寄希望于保障毕业生能够适应社会相关行业的发展需要，为社会培养 掌握大数据信息分析能力且具备较强职业竞争力的合格人才。