大数据时代必备：活用统计学观念,精准预测、果断决策

第一篇：大数据时代必备：活用统计学观念,精准预测、果断决策

大数据时代必备：活用统计学观念，精准预测、果断决策

假如你是一家面包店的老板，你会怎么解决以下这些问题：

   问题1.烤箱的产能有限，该选择生产哪些种类的面包？ 问题2.想在网络上营销面包店，哪一种广告比较有效？ 问题3.怎么从面包判断，面包师傅有没有偷工减料？

用管理的语言来说，以上分别是「预估需求分配产能」「评估营销方案成效」和「产品品管」问题，也是工作场合中经常会遇到的情境。这些问题，乍看之下似乎和统计无关，但是其实每一个问题都可以应用统计的观念和方法，来构思解决之道。如果你具备统计思维的话，这几个问题的思考方向如下： 1.列出最受欢迎的几种面包，优先生产明星商品。

问题1的关键是找出明星商品，这需要统计出面包的总营业额，再算出每种面包占总营业额的相对比例，优先生产能囊括七成营业额的产品组合。这会用到统计的次数分配表和直方图，此种分析法也称为ABC分析法。2.写出两种文案，分别广告一段时间看看成效如何。

问题2要比较广告成效，最好的方法是用统计的随机对照实验，让两种广告随机出现，一段时间后，观察哪种广告的效果比较好，再大范围运用效果比较好的广告。3.抽查几个面包，秤秤看重量差距有没有过大。

要解决问题3，你需要先知道面包的平均重量，再对面包进行抽样，看看面包的重量是否呈现常态分布的钟型曲线？若是偏离曲线，就可能暗示面包品管有问题。培养从数据得到启发的能力，评估决策与行动效益

做为一门搜集、汇整、分析资料的科学，统计也是企业常用的分析工具。电子商务网站亚马逊（Amazon）能在你浏览时，推荐你「买了这本书的人也买了这些书」，用的是相关性分析；美国总统欧巴马（Barack Obama）的竞选团队，知道哪个版面的网站能让选民增加捐款金额，利用的是随机对照实验；市场调查能用少数人的意见推算出整个市场的看法，依据的是抽样调查的原理。

达特茅斯学院教授查尔斯．惠伦（Charles Wheelan）在《聪明学统计的13又1/2堂课》一书中，列举出学统计的目的，其中包括： 1.分析数据，将数据做出摘要； 2.做出更好的决定；

3.辨识出能提升做每一件事效果的模式； 4.评估政策、计划与其他创新事项的效用。

听起来是不是很熟悉？汇整数字做出决定、找出做事更有效的方法、评估计划的效用，这些不就是经理人的工作吗？

《统计学，最强的商业武器》作者西内启更具体指出，统计学可以帮助商业人士思考以下3个问题：

1.哪个因素的变化能提高收益? 2.采取可引发这种变化的行动可行吗? 3.若是可引发该变化的行动可行，其成本会高于所增加的收益吗? 多摩大学经营信息学系副教授丰田裕贵则认为，商务人士学习统计学，不只是培养从数据得到启发的能力，更重要的是利用统计学的技巧评估数据，可以亲自体验「建立假说、检验、解释结果、重新思考」的过程。

丰田解释，在商场上，发现「结果」以及形成结果的「原因」之间的关系非常重要，这种在数字堆里反复验证的过程，就是建立假说，是一项必须不断练习操作才能提升的能力。而一旦纯熟到了某个阶段，擅长统计的人，就算不依靠数据分析，也能想得出好的假说。

大数据时代来临，更需要解读数据的能力

拜网络普及与科技进步之赐，大数据（Big Data）的时代来临。

大数据的意思是，企业能搜集到庞大的资料量，也有能力分析这些资料，统计身为汇整说明资料意义的科学，因而成为当红的趋势。因此，为了善加运用大数据，经理人更需要具备统计的素养。

大数据能够做到什么，可以从一个故事讲起。有一天，百货公司寄了一份婴儿用品型录给你未婚的女儿。你认为这是对你女儿的侮辱，所以怒气冲冲地打电话到百货公司客服部抱怨，请他们以后不要再做这种事了。你抱怨完，却看到女儿兴味盎然地翻着型录，原来她已经怀孕了。

百货公司比爸爸更早知道女儿怀孕的消息，不是黑色幽默，而是塔吉特（Target）百货真实发生的事件。塔吉特怎么知道顾客怀孕了？说穿了并不神奇，因为该公司设有准妈妈礼物登记处，让准妈妈们登记自己想要的婴儿礼物。由于这份清单等于确知已怀孕的顾客名单，塔吉特便依据名单上的消费纪录，建立起怀孕妇女的购物模式（孕期会购买的商品列表），再用此模型比对其他客人的消费纪录，找出消费形态类似的顾客，向她们营销相关商品，达成「未卜先知」的结果。

运用这个方法，塔吉特多找出了30%的营销对象，从降低营销成本和提高营销精准度的角度来看，都相当成功。

塔吉特所做的事，就是将大量数据（塔吉特所有消费纪录）汇整成供决策者解读的情报，增强了企业、组织的预测能力，而大数据背后的根本学问，正是统计。以这个例子来说，塔吉特能找出「怀孕」和「购物清单」关系，靠的是统计上的回归分析。

东京大学先端科学技术研究中心特任教授稻田修一说，企业要活用大数据，需要3种人才：第一是数据的IT专家；其二是分析数据的数据分析人员；其三是活用数据的经理人。

稻田强调，统计并不是分析数据就好了，从分析的结果推测该如何影响顾客的行为，并且将之拟定为具体的商业计划，并据此行动才是关键。

从企业策略的角度来看，依据经营方针而指示研究数据，属于管理工作；将分析的结果化为实际的行动，也属于管理的范畴。经理人要决定该怎么分析资料，也要有能力依据整理好的资料，改变行动。

改变之后，经理人可能会因为行动改变，再次改变数据分析的方式，形成使数据分析愈来愈精确的正向循环，这也正是统计管理的效用所在。

第二篇：大数据时代下的精准营销

2012年以后，大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。哈佛大学社会学教授加里·金说“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”本文总结一下：利用海量数据和先进的数据挖掘技术，研究客户行为特征，进行精准营销。

数据库营销

关于数据库营销，美国全国数据库营销中心是这样定义的：“数据库营销是一个动态的数据库管理系统，该数据库的内容涵盖现有顾客和潜在顾客，并可以随时扩充、更新。就其功能而言，要能实现以下目标：确认最佳目标顾客及潜在顾客，然后与顾客建立起长期的、牢固的、融洽的关系，同时根据数据库建立先期模型，进行针对性营销。”

拉克萨根据数据库营销的产生和演进，把数据库营销的发展过程划分成交易信息、名录管理、数据库分析、接触管理、软件进化、客户关系管理等不同的阶段，所有不同的阶段都可以认为是发展全功能数据库营销策略的一个又一个里程碑。

数据挖掘 通过数据挖掘技术对数据库中的数据进行分析是数据库营销的主要分析技术。数据挖掘的目的就是要在数据庞大的、信息不完全的、有噪声的、表述模糊的、随机的数据中，提取出隐含于其中的、人们不知道的、但又是潜在的、有用的信息和知识。可以说数据挖掘是一个利用现有的各种分析工具，用以在海量数据中发现模型和数据间关系的过程，然后依据这些模型和关系作出预测。数据挖掘能通过预测未来趋势及行为，帮助人们作出前瞻的、基于知识的决策。

CRISP-DM（跨行业数据挖掘标准流程）是世界公认的方法论之一，也较有影响力。在这一流程中DM不再只是数据的组织或者简单的呈现，也不仅仅表现为对数据的分析和统计建模，其强调的则是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。

CRISP-DM将整个挖掘过程分成了以下六个步骤：商业理解，数据理解，数据准备，建立模型，模型评估，模型发布。

通常来说，把模型的结果转化成一段数据库存储过程的代码，并与数据处理代码进行整合，就可以在数据库存储过程中实现模型自动化处理。而数据分析结果的使用则需要开发相应的展示系统或者在各系统中（BOSS系统、经分系统、大客户管理系统、客服系统等）嵌入相应的模块。

精准营销理论

1999年，美国的莱斯特·伟门提出了精准营销的概念。精准营销被定位为一个营销的学科和理论：是以科学管理为基础，以消费者洞察为手段，恰当而贴切地对市场进行细分，并采取精耕细作式的营销操作方式，将市场做深做透，进而获得预期效益。通常可以划分成五个阶段：

1.收集并整理目标客户的相关信息，建立一个客户数据库； 2.对数据进行分析，加深客户理解，整理出细分客户群体的差异化需求； 3.为不同的细分客户群体需求设计差异化的产品和服务； 4.提供满足不同细分客户群体的差异化产品和服务； 5.通过各种营销活动的反馈，进一步深化对客户本质需求以及客户购买和使用习惯的理解。具体的内容包括：

（1）客户信息收集与处理

客户数据管理是一个数据准备的过程，是搞好精准营销的基础。好比指挥官为将来绘制战场地图，把战场上所有的地理信息及变化要素等输入电脑一样，市场人员也必须将分散的数据集中到一个数据库中，这些存在于企业内部各系统中的内部数据和企业外部数据（如市场调查、第三方数据等）分类后，以客户ID为主键进行整理、转换后汇集（ETL）到一个集中的数据库中，就有了准确的客户数据，之后市场人员就可以对客户进行全面的研究和分析。（2）客户细分与定位

客户分群是根据客户的特征相似程度把客户分成若干个群体，群体内部特征非常相似，而在群体之间，特征非常不相似。只有区分出了不同的客户群，企业才有可能对不同客户群展开有效的管理并采取差异化的营销手段，提供满足这个客户群特征要求的产品或服务。在实际操作中，传统的市场细分变量，如人口因素、地理因素、心理因素等由于只能提供较为模糊的客户轮廓，已经难以为精准营销的决策提供可靠的依据。随着公司对信息搜集和分析能力的要求不断提高，许多新的客户分析技术和方法正被运用于各种营销领域，数据挖掘这一统计领域的前沿性技术就被广泛的应用，它能够在海量的、庞杂的、没有规律的客户资料中筛选出对公司有价值的信息。利用数据挖掘的精准细分技术对客户行为模式与客户价值进行准确判断与分析，已经成为今后客户细分领域的主流。（3）营销战略制定

在得到基于现有数据的不同客户群特征后，市场人员需要结合企业战略、企业能力、市场环境等因素，在不同的客户群体中寻找可能的商业机会，最终为每个群制定个性化的营销战略，每个营销战略都有特定的目标。如获取相似的客户、交叉销售或提升销售，或采取措施防止客户流失等。（4）营销方案设计

所有的方案注重的都是目标，营销方案也一样。一个好的营销方案必须聚焦到某个目标客户群，然后将营销方案都往目标客户群聚焦。太阳表面的温度在10000度以上，但却连地球上的一张纸也点不着，如果使用一个放大镜，就可以把纸点燃，区别就在于是否聚焦。同样只有做到聚焦，营销的效率才能够提升到最大。筛选出目标客户群是第一步，企业可以围绕客户战略和当前营销工作重点来确定目标客户群。根据目标客户群营销活动的目标，设计有针对性的营销活动创意（包括产品的组合、渠道的选择等）及定价，并就各方案进行评估，挑选出最佳创意，形成最终营销方案（包括针对性的产品组合方案、产品组合价格方案、渠道方案）。

值得强调的是，客户是不断变化的，亦即客户群是动态的，因此，我们需要灵活动态地观测、定位和理解客户群，才不至于制定一个时过境迁的营销方案。（5）营销结果反馈

营销活动结束后，应对营销活动执行过程中收集到的各种数据进行综合分析，对营销活动的执行、渠道、产品和广告的有效性进行评估，总结经验和教训，寻找需要改进和优化的关键点，为下一阶段的营销活动打下良好的基础。简言之，评估是营销活动的终点，也是下一轮精准营销活动的起点。

精准营销模式

精准营销模式可以概括为5W营销分析框架，在合适的时机（When），将合适的业务（Which），通过合适的渠道（Where），采取合适的行动（What），营销合适的客户（Who）。在整个过程中贯彻“以客户为中心”的理念，实现营销管理的持续改善。

精准营销模式实施框架，可以将精准营销理解成一个PPT框架，即将以客户为本作为核心价值观，从策略、流程、技术三方面着手，实现精准营销。其中策略指营销策略；流程是包括客户获取、客户培育、客户挽留组成的最佳管理实践流程；技术则是基于用户信息之上的数据分析和数据挖掘。

策略、流程与技术是实现精准营销的三大要素。首先要保证精准营销理念在整个组织中有效贯彻，以保证战略决策者、方案制定者和活动执行者必须充分理解和认可精准营销的理念，并能做到融会贯通，可以制定彰显这一理念的相应的营销策略和方案；其次通过流程穿越、流程改造等方式，在不断的创新和探索中建立起有效的与客户互动的行为模式；最后，不断提升技术水平，充分利用技术。坚实的技术后盾是精准营销理论落实的保障，使之具有可操作性，并在很大程度上推动了营销精准化的进程。整体而言，策略、流程和技术组成了电信业精准营销的基本架构，促进了精准营销的驱动者、行动方案和可行性保障三方面的紧密结合。同时坚守以客户为出发点，确保客户在整个精准营销活动中始终处于核心地位。策略、流程、技术三个方面的能力是精准营销能力的有机组成，三者相辅相成，缺一不可。策略对流程有战略性的指导意义，因为策略条线中的营销策略是建立在最佳管理实践的流程之上的；流程必须建立在技术的基础上，因为数据挖掘与分析模型是客户细分与分析的基础，而后者则贯穿最佳管理实践流程始终；数据挖掘与分析所使用的海量数据则来源于业务系统中沉淀的用户信息。精准营销模式的核心是“以客户为中心”，更加注重“目标客户”，在识别出目标消费者后，聚焦目标客户群，分析目标客户群的需求，然后为这一特定群体推出最适合的细分产品，制定适应目标客户群的价格，通过相应的渠道和传播、促销方式进行产品营销。要达到这一目的，就需要对客户的特征进行具体的分析。

目前移动各种增值业务非常繁多，之前的彩铃业务营销通过捆绑、大面积的促销让用户去选择，虽然带来的增值业务普及率的提升，但沉默用户增多，客户投诉增加。江苏移动通过精准营销找准目标客户，发展彩铃业务，激活沉默用户，发展新彩铃用户，取得了良好的效果。

1.整合各大数据源，建立统一的用户增值业务行为分析视图，为精准营销应用打下基础

增长业务的数据虽然有相应规范进行统一，但是因增值业务更新比较快，数据源尚未覆盖全部业务，离当前的应用需求有一定差距；业务子系统，尤其是小业务系统的数据源缺乏梳理，需进一步加强。从数据出发，以用户为中心，从用户特征角度将运营商可能有的数据归类整理，输出用户特征分析表；对照运营商的数据实际具备情况，对数据的可获得性进行标注。

从营销出发，从进行新业务营销的目标出发，推导对支持信息及源数据的需求，确定数据使用方法，输出营销特征分析表；对照运营商的数据实际具备情况，对必要但暂不可获得的数据提出规划需求。《数据源整合需求报告》中，除了对经分系统现有数据源进行梳理外，还对MISC、彩信、彩铃、WAP、小区短信、短信网关、Enumber邮箱、12580、爱贝通、小额支付平台、USSD、手机杂志、LCS等13个业务平台的数据进行了梳理整合。

建立基于用户人性特点的14类人群细分模型，对增值业务的目标客户进行细分，共分为以下几种类型：

基于用户人性特点将客户细分为低潜力型、超前消费型、虚荣跟风型、精明尝鲜型、盲从型、吝啬型、精打细算型、理性跟从型、中潜力型、精明时尚型、传统保守型、感性跟随型、高潜力型、时尚中高端。基于彩铃用户生命周期将客户细分为，彩铃潜在用户、彩铃新开通用户、彩铃普通用户、彩铃活跃用户、彩铃沉默用户、彩铃流失用户、潜在高概率用户、流失高概率用户。在用户细分的基础上，建立彩铃潜在用户预测模型（模型略）。

2.建立用户新业务行为属性标签，动态触发的精准营销策略

基于用户统一视图，结合实际情况进行用户属性标签构建。对彩铃的目标客户，当订购了其他增值业务和拨打了有彩铃客户的电话时，对其进行触发式的短信推荐，对彩铃沉默用户和流失用户，则采取外呼+营业厅的方式进行主动关怀，最终形成针对目标客户的彩铃业务精准营销模式。

3.营销执行

通过精准平台将客户需求及针对性营销方案推送到一线。比如根据用户历史铃音使用记录总结出铃音偏好，帮助一线人员进行针对性的铃音推荐；根据用户历史获取铃音的渠道总结出用户的渠道偏好等。而且流失概率、影响力指数等分析成果也能在清单中罗列出来。

4.应用效果评估 彩铃沉默用户推活跃度提升活动执行效果。对40000户彩铃沉默、半沉默用户开展付费铃音下载用户数提升，营销成功数为22560，成功率为56.4%；月均彩铃下载用户数KPI指标完成率由91.11%提高到104.02%。经验总结：在营销中发现该部分用户主要由于不了解铃音下载的方式或或认为铃音设置麻烦造成，因此，在营销推介上对不了解铃音下载方式的用户应重点推介简单便捷的铃音下载方式，对认为设置较麻烦的用户可以推介音乐盒，让用户感受使用彩铃的便捷与乐趣。彩铃已流失用户挽留活动执行效果。对8000户彩铃已流失用户开展外呼挽留，营销成功2772户，成功率为34.65%；月均彩铃付费用户数完成当月计划的130%，完成指标125.43%；当月付费用户到达数较上月增长3.6万户。

目前人员技能差异比较大，成功率最高达32%，最低只有19%，相差13个百分点；拒绝率最低的只有7%，最高的则有24%，相差17个百分点；考虑使用的用户比例较高，成功率提升空间仍比较大。20世纪最具影响力的创新莫过于人类拥有了能处理大量数字化信息的IT技术，为了从大数据集中提取用户可理解和适用的知识，人们研究并发展了数据挖掘技术，它以崭新的方式来总结原始数据。以此为基础的营销工作面临着着精准与保护客户隐私之间平衡的问题，从技术实现方式上通过改进挖掘算法、关联规则等方面来优化数据库。同时在使用数据的时候，也要保护顾客的隐私。

第三篇：大数据时代汽车的精准营销

大数据时代汽车的精准营销

随着全球汽车技术的飞速发展，汽车行业在未来将发生巨大的变化，中国汽车市场和汽车消费行为也将发生重大的变革。汽车消费观念与路径正在开始发生变化，中国汽车市场需要更高效、更贴近消费者的应对模式。

传统的汽车营销模式，经实践证明，已经不适应经济和社会发展的需要。随之出现的汽车4S营销模式在中国出现，但在各种因素影响下出现了不和谐的局面，也遇到了发展危机。

在以市场导向、消费者为中心的营销新时代，要想获得收益，企业就必须关注客户价值。客户价值的实现才可能带给企业丰厚的利润和回报。长期以来，企业的市场推广无非就是广告、促销、渠道等营销手段。而当企业花费大量的金钱与精力，致力于这种声势浩大的市场推广时，许多营销经理却又有着这样的迷茫与困惑——明知道促销费用浪费掉了很多但不知道浪费在哪里。精准营销正是借助数据库的筛选，寻找到目标客户，实施有效的推广策略，实现精准销售，从而大大降低营销费用的浪费。精准营销的基础是一个庞大的数据库，记录了所能找到的受众的全部信息，包括地址、教育程度、收入情况、购买记录和消费偏好等维度。信息的维度越丰富，营销的精准度就越高，营销的效果就越好。基于数据库的精准营销可以根据消费者的特点为他们制定计划，而且能够和他们互动，为他们提供有用的消费信息，具有“针对性、互动性和及时反馈”等特点。精准营销准确细分市场和定位目标客户群之后，根据不同的目标客户和市场特征，考虑他们不同的产品与服务诉求，包括不同的需求与购买行为，采取有针对性、差异化的产品上市活动与计划。

第四篇：走向数据驱动的精准教学：教学范式3.0时代来了!

走向数据驱动的精准教学：教学范式3.0时代来了！

人类正从 IT（Information Technology）时代走向 DT（Data Technology）时代，大数据作为改变世界的新型科技力量，正在迅速融入各行各业。作为技术最难“攻 克”的传统行业之一，教育在大数据技术与理念的冲击下正在发生着一场“静悄悄的革命”。

随着国家教育信息化战略的持续推进，各级、各类学校的信息化环境得到快速完善，各种学习的平台、移动 APP、数字终端、可穿戴设备等开始在中小学逐步流行。数字技术的常态化应用及数字化学习活动的日常开展为教育大数据的生成提供了得天独厚的条件。伴随着教育数据的持续累积与深度挖掘，大数据在构建新型教学生态、助力教学结构变革、再造教学流程方面的作用日益凸显。一场由经验模仿教学、计算辅助教学转向数据驱动教学的范式变革正在发生。教学范式 3.0 时代：数据驱动教学

教学范式是对教学这一复杂活动的概括性解释，是某个时期或阶段教学综合特征的体现，它既包含教学理论与研究方法，又包含教学模式、学习策略及教学评价方式等。人类社会自诞生以来历经了农业时代、工业时代、信息时代，而教育范式作为社会的子系统也历经了多次重大变革。总的来说，从农业时代开始，教学范式经历了经验模仿教学范式、计算辅助教学范式及数据驱动教学范式三个阶段。随着时代的变革与范式转型，教育的科学性和技术的智能性也逐渐增强（图 1）。

图1 三代教学范式的发展 一经验模仿教学范式

经验模仿教学范式是教学史上最古老的教学范式，它起源于希腊教学理念中的“模仿—再现”思想，盛行于农业和工业时代，其核心是将教学视为知识与经验的传递，该阶段的教学着重强调经验的模仿和知识的授受。世纪捷克教育学家夸美纽斯提出“班级教学”之后，班级授课制得到了教育界的广泛认同，迅速成为当时乃至今日最普遍的教学形态。经验模仿教学也随之快速传播，成为教育界最有影响力的教学范式。夸美纽斯曾在《大学教学论》中提出“教育是把一切事物教给一切人类的普遍技术”，该观点认为就像是印刷器能够将知识复制一样，教育也可以把教学者讲授和书本中的知识当成“墨汁”复制给像白纸一样的儿童。夸美纽斯综合了“教授学”和“印刷术”的元素，把这种教学的技术称作“教刷术”，生动地刻画了经验模仿教学范式在知识传递方面的本来面貌。

在经验模仿教学范式下，教学者在整体的教学结构中占据绝对的主导地位，学习者大多扮演被动接受者的角色，教学内容以书本知识、已有经验和技能为主，教学媒介限于纸笔、书本、黑板、粉笔等传统教学工具（图 2）。图2 经验模仿教学范式教学框架 农业时代，经验模仿教学被视为知识传承的重要方式，人们对经验积累下的现有知识成果进行学习，长者或经验丰富的人扮演“教学者”的角色，将经验与知识授予他人，学习者通过观察和耳濡目染来获取知识。

随着工业社会的到来，为了满足社会生产的现实需求，以知识传递和接受效率见长的经验模仿教学开始在学校教育环境下快速普及。学校培养的人才能够批量、规模化投入到社会生产劳动中，推动了该时期经济社会的发展，提高了社会生产力。但同时这种经验性的、客观存在的知识被过度崇拜，深刻影响了人类的知识观和教育观。人们认为知识都是类似于客观存在的地下矿物，而教学者的职责就是探测并获取这些矿物，学习者则负责接收和存储已经被教学者获取的矿物，这种观念忽视了知识背后的科学发现过程，一定程度上阻碍了科学的发展。

经验模仿教学偏爱行为主义学习理论，在该理论的影响下，教学往往过于注重学习者外显行为的习得而忽视了学习者完满人格养成所必需的实践活动和心理活动。培养的人才缺少基本的探索和创新能力，知“鱼”而不懂如何“渔”。经验模仿教学范式是传统教学中的重要范式，也是教学范式发展的必经阶段。尽管该范式存在明显的弊端，为教育事业的创新发展带来了诸多问题，但其对人类社会的贡献不容忽视。在东亚国家和地区现代化进程中，以经验模仿教学范式为轴心的学校教育在实现高速现代化过程中起到了关键性的作用。在当前的信息时代，经验模仿教学范式依然存在，但其主导地位正在被计算辅助教学和数据驱动教学逐步取代。二计算辅助教学范式

20世纪40年代末50年代初，以信息技术为首的第三次技术革命席卷全球，人类开始以惊人的速度走出工业文明，步入信息时代。多媒体、计算机及网络技术的出现改变了人类的认知及生活方式，教育也开始了技术支持下的变革探索之路。

人们逐渐认识到，仅仅依靠知识的传递已经不能满足社会生产力的发展需求和人类自身的发展需要。社会真正需要的是能够发现未知，掌握知识源头的创造性人才，只有当人们具备了科学意识和能力，才能成为真正意义上的知识拥有者，才能在科学日益发达的现代社会中生存。教育应通过教学活动的设计与实施，培养学习者发现问题、探索问题及解决问题的能力。随着信息技术的发展与人们教育观念的转变，计算辅助教学范式逐渐形成并开始流行起来。该范式出现的初衷是希望借助技术的力量去解决经验模仿教学中 存在的内容来源单

一、呈现方式单调、学习者兴趣不足等弊端，进而提高教育教 学生产力和生产效益。技术的介入是计算辅助教学范式最大的特征，互联网等各种新兴技术与媒体的应用使得知识的产生和传输速度持续飙升。教学内容开始超 越传统的书本教材，延伸至广阔的互联网。教学内容的形态也逐步多样化，音视频、图片、动画等资源开始在教学中广泛应用。教学媒体也变得丰富起来，由传统的教学“老三样”（黑板、粉笔、课本）演变为“新四样”（电脑、网络、白板、多媒体课件）（图 3）。

图3 计算辅助教学范式框架 计算辅助教学是一场由技术引发的教学范式变革。

在这一范式下，尽管以教师与知识为中心的课堂教学结构，以及学习者在整个教学过程中被动接受知识的地位未得到显著性改变，但相比经验模仿教学范式，学习者开始体验和参与知识发现与探究的过程。在技术的支持下，该阶段的教学模式开始从讲授式教学转向 探究式教学和项目式教学，其中代表性教学模式主要包括 WebQuest教学、适时教学（Just-in-Time Teaching，JiTT）、研究性学习、项目式学习、基于问题的学习、基于资源的学习等。

客观来说，这些模式虽然在实践中并未对学校的教育教学产生变革性的影响，但其在培养学习者知识探究能力与问题解决能力、推动基础教育创新发展方面确实发挥了积极作用。一个不容忽视的现象是先进技术层出不穷，其在教学中的应用却是“蜻蜓点水”，斥巨资购置的技术设备“进驻”校园后大多成为“摆设”，教师参加完各种信息技术应用培训后仍是运用以前的教学方式。如何实现技术与教学实践的深度融合，如何提升计算辅助教学的精准性和个性化，是下一步教学范式转型发展的重要方向。三数据驱动教学范式

舍恩伯格与库克耶合著的《大数据时代：生活、工作与思维的大变革》（Big Data：A Revolution That Will Transform How We Live，Work and Think）被认为是大数据研究的开创之作，真正把大数据推向了公众视野。

随着数据密集型科学的快速发展，数据成为了驱动社会创新发展、综合竞争的重要指标，也成为教育研究和利用的主要对象。与此同时，以大数据、云计算、泛在网络、虚拟现实、人工智能等为代表的新技术开始在教育教学领域“崭露头角”。学习空间超越了封闭的物理空间，走向虚实融合的无边界学习场域；学习过程从课堂、家庭、图书馆等断点式的学习活动，走向家校贯通、双线（线上、线下）融合的学习连续体。与此同时，越来越多、越来越细的教与学的行为印记被网络教学平台、移动 APP、可穿戴设备等“真实”地记录下来。教学过程与结果数据的持续采集，逐步形成教学大数据，通过教学大数据的深度挖掘和多元分析，能够将数据背后反映的教学意义与价值清晰地呈现出来，进而辅助教师更精准地“教”、指导学生更精益地“学”。随着数据流在教学各个环节的生成与运行，一条具有正向反馈机制的教学链条开始形成，数据驱动教学范式开始出现。图4 数据驱动教学范式框架

在数据驱动教学范式（图 4）下，教学者和学习者的各种行为数据（如做题、点击视频链接、分享资源、在线提问等）均将以数字化的形式存储下来；教学内容以文字、图片、声音、视频、虚拟场景等形式在多种教学媒介（教育机器人、智能教学平台、VR/AR 设备、3D打印、移动终端等）中呈现，教学者和学习者在使用教学媒介的同时将“教”和“学”的数据存储在媒介终端；教学媒介既是教学内容的呈现载体，又是教学数据的采集终端和传输渠道，为教学大数据的运行提供支撑。

借助教育数据挖掘与学习分析技术，可以将课堂环境与网络环境中生成的教学数据“翻译”成有价值的信息，如学困生的识别、知识缺陷的发现、学科能力的诊断、教学目标的达成度等，进而为教学者的教学决策（调整教学方案、打造精准教学、实现全面评估、施行科学决策等）与学习者的学习决策（制订学习计划、定制学习资源、选择学习路径等）提供更准确、更及时、更全面的支持，推进数据驱动的精准教学和精准学习。

数据驱动教学有望超越计算辅助教学，逐步成为大数据时代主流的教学范式。近年来，随着大数据技术在教育领域应用探索的快速推进，数据驱动教学开始呈现四大特征：科学化、精准化、智能化和个性化。从传统课堂到高效互动课堂 一传统课堂高度“缺钙”

随着信息技术在教育领域的广泛应用，技术与教学的融合更为深入，课堂教学模式也发生了变革。但我国现有的大多数课堂教学仍然存在着模式化、静态化等问题，课堂互动往往是教师“动”，学生“不动”，不能很好地满足学生的个性化发展需求，整个教学活动陷入“课堂效率低—学生掌握差—课后拼命补”的怪圈（图 5）。如何利用大数据技术提高课堂效率并促进学生的个性化发展，是当前学校教育教学面临的现实挑战。

图5 教学课堂恶性循环怪圈 二什么是高效互动课堂 高效互动课堂是指在大数据技术和信息化教学媒体的支持下，以促进师生全向互动为抓手，以“低耗高效、轻负高质”为目标，为每位学生带来最大获得感的课堂形态（图 6）。“高效”是指在有限的课堂教学时间内，最大程度地提高适切教学目标达成率；“互动”则是指课堂教学中师生、生生之间及师生与教学内容和教学媒体之间的全向互动。高效互动课堂的特征主要表现为以下四个方面：

图6 高效互动课堂概念框架 01全向互动

高效互动课堂借助多样的技术手段量化师生的教学行为，帮助教师优化教学计划，增强学生的课堂参与度和积极性。电子书包、交互式电子白板、平板电脑、点阵笔等设备为课堂互动提供了现实环境，方便实现人与人、人与设备、人与资源的多维全向互动，使课堂教学迸发出新的活力。02数据把脉

高效互动课堂利用大数据技术持续分析课堂数据，为教师及时了解学情、调整教学计划提供了数据支持。教师通过传感器和智能终端同步记录学生的学习路径，追踪其学习过程，全面掌握学习者的学习现状，为教学“把脉”，实现对症下药。03精准反馈

高效互动课堂立足教学过程，通过分析教学数据能够掌握学习者的不同需求。不仅能帮助教师实时捕捉有价值的信息，根据学生出现的学习问题进行及时干预、优化教学内容与教学方法，还能帮助学生进一步巩固、深化和运用所学知识。04轻负高质

丰富的媒体支持、高效的互动体验与精准的学情分析，促使教师在最短的时间内尽可能高质量地完成教学任务。教师在有限课堂教学的时间内，既能保证课堂教学有足够的信息量，又能聚焦班级存在的共性问题和学生的个性问题，帮助学生及时查漏补缺，布置少而精的学业任务，真正实现高效教学。中国教育大数据重要事件（2016—2017）本文摘编自杨现民，田雪松等编著《中国基础教育大数据 2016—2017：走向数据驱动的精准教学》第一、二章部分内容及附录，内容略有删减改动。《中国基础教育大数据 2016—2017：走向数据驱动的精准教学》作者：杨现民，田雪松

第五篇：企数据时代 项目数据分析助高管决策企业未来

企数据时代 项目数据分析助高管决策企业未来

过去三十年，许多公司增设新的管理层以应对变幻莫测的商业环境。现在，数据分析的力量正深刻影响着商业格局。抓住数据发展带来的机遇，增加利润，提升生产力甚至打造全新的业务单元，成为了企业的新需求――这不仅需要信息基础设施领域的人才与投资，也需要高管变革思想观念，组织一线培训，提高团队的执行力。经验表明，数据管理团队的需要完成以下学习任务。

一、创新思维，了解数据分析概念

已经着手创新思维，革新观念的高级团队需要获取数据分析基础知识，以此了解大数据的作用。同时，他们也需要接受数据已然成为业务核心这一事实。要对数据分析定义、行业定位与行业发展有着充分的了解，数据分析对企业决策起到哪些作用。只有公司高层

管理人员的思维与观念发生转变后，持久的行为变化才能辐射整个公司。2 ~, f7 h9 c(t9 o

二、制定数据分析策略

与其他新兴商业机遇相同，数据分析潜力仍未得到充分发掘，原因在于缺少清晰的战略、计划与标准。许多公司在该领域受挫，有些是因为没有设置高管明确负责数据分析或者制定相关规划;还有则是因为没有开展充分的讨论或者投入必要时间分清楚大数据分析的轻重缓急。

三、决定建设项目、需要购买或租借的服务

另外一些重要决策，也需要有权威、有经验的高级领导人负责，这些决策涉及数据集成，搭建高级数据分析模型与工具以改善运营状况，由此就提出了巨大的资源需求，创建强大的数据资产也需要高级领导的参与，每一个选择都反映出战略、金融与组织需求的动

态集，这些都应该由高层管理而非中级管理人员决定。

四、确保数据分析技术专业优势

在任何战略方案中，企业总需要分析专家助力实现快速稳定发展。当今时代的数据分析博弈基于开放、云基础设施，因此，所有内部与外部数据能够轻松地以用户友好的方式整合。新环境也要求新的管理技能，调动更多资深数据专家。这些专家能够开发预测或优

化模型，确保发展的可靠性。-i.v9 L6 n$ s2 q2 X% m6 Be0 PR: ^/ c6 n;b0 l!G/ n/ |

目前，在世界最热门的市场中，已经有许多公司争先寻找这些先进的项目数据分析技术人才，争取到这些宝贵的人力并让他们与企业领导人真正互动起来，以此改变公司发展

状况是高层管理人员未来的真正任务，而这通常需要创造性的解决方案。