教学理念的数据与管理建模.doc

教学理念的数据与管理建模 ; 以相对评价技术“数据包络分析方法”的讲授过程为例.首先与学生讨论近两年来由美国金融次贷危机而引发的全球经济危机,以及这次经济危机对我国经济发展带来的冲击,比如:沿海出口企业所遇到的困难、2009年双负的CPI和PPI等.当然,这次金融危机有多方面的原因,但其中的一个主要原因就是在西方尤其是美国主导的自由资本市场下,无论是国家层面还是企业内部均缺乏对金融机构的有效监管和制度制约,这也是美国总统奥巴马在医疗体制改革的法案通过后,致力于金融机构体制改革的主要原因.解决问题的关键就是如何对金融机构进行有效地监管,显然除了各种必要的制度制约以外,对各家金融机构进行评级并及时预警也是一个重要的手段.接下来与学生讨论对商业银行的评级方法,比如前几章所学过的综合评价法,这些方法有可能产生的问题,引导学生分析利用投入产出指标体系评价商业银行效率的可能性,由此自然引出数据包络分析技术.主要介绍的内容包括:该方法的基本原理、各种效率指标的经济与管理意义、测量技术效率、纯技术效率以及规模效率的数据包络分析模型、Excel插件DEA-Solver的实现过程等.由于引导过程与当前国际经济形势密切相关,且学生有比较切身的体验,因此,他们对这种分析技术以及使用方式都会产生比较深刻的印象.; 二元式授课模式; 教学内容主要集中在一些经典的统计方法和典型评价技术,其中包括:聚类分析、判别分析、主成分分析、因子分析、典型相关分析、常规综合评价方法以及当代相对评价技术———数据包络分析.考虑到一般管理学院的学生在学习数据分析方法上的困难,为了使他们在学习初期不至于“知难而退”,有必要遵循“师傅领进门”的原则.与此同时,更要帮助学生了解为什么信息管理与信息系统专业的学生要学习数据分析方法?管理建模的实践意义何在?数据分析与企业管理和企业绩效之间的关系是什么?现在学习的数据分析技术与以往学过的基础数学类课程“高等数学”、“线性代数”、“应用统计”、“运筹学”之间的关系是什么?统计分析技术与数据挖掘之间的关系、数据挖掘与专业课数据库和数据仓库之间的关系、各种数据分析技术之间的关系等等.通过从不同角度的阐述,使学生明确学习的目的和学习的目标,将大学阶段学习过的各种专业基础知识拼接成一个有机的整体,实现一个完整的从薄到厚、再从厚到薄的知识积累过程.授人以“渔”是以学生为主导的学习范式,这是研究型教学所倡导的平等参与教学组织形式,而课程的组织形式为能力导向型[3].比如,当在教师指导下掌握了常规的评价技术之后,学生很快会发现进行综合评价的关键是首先应该建立有效的与评价目的密切相关的指标体系.于是,在完成“常规综合评价方法”的讲授之后,安排一次讨论课,论题就是“评价指标体系的建立与选择问题”.学生按照下列要求去准备讨论资料:(i)选取评价指标的一些原则;(ii)定量指标的筛选方法;(iii)给出5—6个评价指标体系;(iv)给出2—3个评价体系建立的依据;(ⅴ)按其中一个评价体系收集数据并给出评价结果.资料可以来自教材、网络,还可以来自发表的学术论文.对收集的资料进行整理并形成PPT课件,在讨论课上向全体学生和教师汇报,听众可以随时提问并参加讨论.这种学习范式基本具备了研究型教学的基本特征,比如问题性、过程性、参与性、开放性、能动性、独立性等[2-3].又如,在进行“聚类分析”与“判别分析”时,通常要求指标是数量型的.当含有定性指标或全部是定性指标时,又如何进行分类呢?通过这个现实问题引导学生寻找新的数据挖掘技术———决策树,并将其作为讨论课论题.学生按照下列要求去准备资料和PPT课件:(i)决策树的概念和基本原理;(ii)举3—4个例子说明决策树的应用;(iii)利用一个简单的数据集,说明决策树的建立过程;(iv)利用实例和一种统计软件建立决策树.其他讨论课论题还有:“数据挖掘方法———神经网络”、“层次分析法”、“各种统计软件与数据挖掘软件”、“各行业投入产出指标的选择问题”,总计六个论题.讨论课的顺序也进行了精心安排.由“常规综合评价方法”引出讨论题“评价指标体系的建立与选择问题”;由“聚类分析、判别分析”引导的讨论题是具有同种功能的非统计类数据挖掘技术“决策树”和“神经网络”.在介绍统计分析方法“聚类分析、判别分析、主成分分析、因子分析、典型相关分析”时,所使用的课堂演示以及上机实验软件是比较常用的社会统计学软件SPSS,为了使学生对统计软件和数据挖掘软件有个更加宽泛的认识,设计了讨论课“各种统计软件与数据挖掘软件”.与“常规综合评价方法”类似,在采用“数据包络分析”进行相对评价时也会遇到投入产出指标体系的确定问题,而且不同行业投入产出指标体系的建立方式也不尽相同,因此,“数据包络分析”之后的讨论题就是“各行业投入产出指标的选择问题”