大数据时代下的“商务智能与数据挖掘”课程教学改革研究.docVIP

大数据时代下的“商务智能与数据挖掘”课程教学改革研究 　　摘 要：文章介绍在“商务智能与数据挖掘”课程教学内容中如何反映大数据时代的基本特征，在教学过程中如何引导学生对具有大数据特征的课程项目进行实践并开发相应智能教学工具，同时还讨论如何将数据挖掘与数据库和法律课程在大数据背景下进行联动教学。 　　关键词：大数据；数据挖掘；商务智能；智能科学；课程改革 　　0 引 言 　　随着近年来信息系统互联和接入技术的广泛发展，工作和生活中的许多数据被汇聚起来，使得我们进入大数据处理的时代。然而，数据如果只是“大”并没有太大意义，关键是如何最佳地挖掘高价值的数据和使用这些数据，使这些数据成为“智能数据”。在未来，智能数据可以告诉我们一个系统正在发生什么、为什么会发生、接下来会发生什么，以及我们应该如何应对[1]。智能数据将很大程度改变企业的商业模式和人们的生活方式。 　　由于巨大的社会需求和国家的政策宣传，对大数据处理相关的学习已经成为高等院校计算机类学习的一种新时尚。笔者所在院系，只要与大数据相关的毕业设计选题都有众多学生报名，竞争激烈，只要与大数据相关的课程学生都非常感兴趣。兴趣驱使对于教师的教学有很大的帮助，但也给教师在新形势下的课程提出更多的挑战。 　　数据挖掘是指从海量数据中自动识别具有某种特殊联系信息的过程，它包含数据收集、数据创建、数据管理、数据分析、产生价值信息等多个方面[2]。商务智能是指利用包括数据挖掘在内的信息技术对商务过程和决策进行优化而实现商业价值的一种技术。“商务智能与数据挖掘”课程就是讲授数据挖掘的基本理论和方法，并将其运用到商务智能方面的一门课程。随着当今信息量不断增长和商务智能需求的不断提高，该课程所涉及的内容已经成为当前信息技术领域研究和应用的热点。在新形势下，该课程具有以下几个特点：①新颖性。随着大数据浪潮的到来，商务智能和数据挖掘技术受到研究领域和工业领域的空前重视，许多研究课题不断涌现，并且其关注热度还在提高。②复杂性。数据挖掘的任务包括分类规则挖掘、聚类规则挖掘、关联规则挖掘、时序规则挖掘、特征规则挖掘等多个内容。每项内容都有专门的挖掘技术和众多的算法。在教学上必须对内容有所选择和侧重，保证适度的广度和深度。③交叉性。与多个学科与广泛的技术交叉，包括数据库技术、机器学习、统计分析、模式识别、信息检索、智能计算以及法律、经济等[3]。该课程的讲授需要和各个学科进行配合，统筹发展。 　　1 教学内容的变化 　　“商务智能与数据挖掘”课程教学内容应该反映大数据时代的基本特征，尤其应该在数据体量和数据多样性上与大数据处理紧密关联，同时可以采用目前流行的大数据典型应用作为课程例子讲授相关内容，方便在之后的大数据处理上进行扩展。 　　首先，在教学内容中应该体现数据体量的大小。在传统的数据挖掘课程中，对数据的处理并没有强调数据量的大小，更没有考虑到当今数据量极大膨胀和快速增长的情况，而且例子和习题的数据量也是小规模的，这与当前的大数据处理要求不符，因此有必要将数据挖掘的处理目标进行扩展。 教师可以使用典型应用来强调数据挖掘在大数据时代下新的处理目标，如讨论搜索引擎（谷歌、百度等的设计）和谷歌的流感趋势分析（Flu Trends），搜索引擎需要对大规模的数据进行爬取、关联、聚类、分类、存储等各种操作，并在数据的体量和运算速度上有较高的需求；谷歌的流感趋势分析则创新性的将人们在互联网上的操作与现实生活联系在一起，这两个例子涵盖了数据挖掘的主要方面，且内容新颖，易于激起学生的兴趣。 　　其次，在教学内容中应该体现数据多样性对处理复杂度的影响。在对“数据认识”这一内容的教学中，可以扩展到大数据处理需要的各种数据类型。只有对数据有基本的认识和分类，才能更好地挖掘数据。传统的数据挖掘?n程对数据类型进行逐类分析，包括标称属性、二元属性、序数属性、数值属性等。这些都与大数据处理中数据类型的多样性相关，在讲授该部分内容时候应该予以强调，同时还应该将大数据处理中的重要概率如结构化数据与非结构化数据、静态数据与流式数据的概念对学生进行讲解，为他们以后的数据处理打下基础。 　　最后，在教学过程中的案例应该挑选具有大数据处理特征的典型应用。理论知识的教学只能算是教学的一部分内容，要想让这些理论知识变得生动有趣，需要在整个教学过程中适当加入一些结合大数据时代热点、有意思的实战案例。在实践中可以采用学生在日常生活中遇到的一些项目作为案例，如电子商务网站的物品排列与推荐、支付宝信用分计算、ofo小黄车的位置计算等。 　　2 教学方法的变化 　　在教学过程中，教师应该引导学生对具有大数据特征的课程项目进行实践，提高其对现实中各种限制条件的理解和处理能力，同时应该制作具有大数据特征的教学工具，让大数据技术为本课程的