電子商務專業數據挖掘課程教學思考

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了電子商務專業數據挖掘課程教學思考范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：在大數據背景下，為適應行業發展需求，國內外很多高校開始在電子商務專業本科生中開設數據挖掘的課程。針對電子商務專業對數據分析與挖掘人才培養需求和數據挖掘學科交叉性強的特點，結合實際教學經驗，從教學組織、教學方式以及教學內容等方面進行了研究與探索，為培養大數據時代兼具商務管理和數據挖掘與分析的復合型人才奠定理論基礎。

關鍵詞：大數據；數據挖掘；電子商務；教學設計

0引言

近幾年，隨著互聯網技術的發展和對人們工作生活的不斷滲透，隨著移動互聯、物聯網、云計算、智慧工程等新興信息技術的出現和普及，數據在人們的生活中呈爆炸式增長，人們開始進入大數據時代。由于海量數據中記錄了企業的發展、運營以及人們生活和行為的點點滴滴，所以，挖掘海量數據背后存在的模式、規律和趨勢，并結合各行各業進行創新應用，已經成為這個時代的重要課題。我國電子商務經過近20年的發展和數據累積，已經從用戶為王、銷售為王進入到數據為王的階段，如何針對用戶消費行為的分析，提升電子商務的運營效率，促進精準營銷的開展，增加客戶黏性，從而實現電子商務的智能化發展，是當前電子商務發展的重中之重。因此，在大數據背景下，為適應行業發展需求，國內外很多高校，尤其是應用型本科院校，在電子商務專業本科生中陸續開設大數據分析與挖掘系列的課程，其中作為大數據研究與應用的重要支撐技術的數據挖掘，是其中一門重要課程。

1電子商務專業開設數據挖掘課程的必要性

1．1行業發展的必然要求

進入大數據時代，“互聯網＋”技術與傳統行業深度融合，電子商務數據已覆蓋了從用戶、商家、第三方、物流等一系列商務環節。因此，充分利用大數據，有效分析和挖掘大數據的價值和規律，已成為推動電子商務深化發展的重要引擎。首先，數據挖掘技術是電子商務智能化的基礎。由于電子商務的活動從開始就具備了信息電子化的先天優勢，所以，用戶在電子商務網站上發生的所有行為信息都被日志記錄，包括用戶對產品的搜索、瀏覽、在購物車加入或取出商品、收藏產品、對商品的討論、評價、分享等。對這些用戶行為信息進行收集和分析，可以挖掘用戶的興趣特征和潛在需求，實現對用戶的個性化推薦。其次，數據挖掘技術支撐電子商務的精細化營銷的實現。通過網絡爬蟲收集用戶在消費過程種對商品的興趣、偏好、評價等數據，并進行分析挖掘，可以更好地對用戶進行細分，針對性地制定營銷策略，更準確地把握用戶態度和對產品的情感傾向，及時控制營銷中的不良影響，從而提升用戶體驗和用戶黏性。第三，數據挖掘技術推動電商物流的優化。通過對電商物流數據的分析和挖掘，可以預測市場需求變化的規律，幫助企業合理地進行庫存管理和控制，優化配送路線，進行物流中心選址策略分析等。可見，對于電子商務專業大學生開設數據挖掘課程是行業發展的必然需求。

1．2專業人才培養的迫切需求

電子商務是利用信息和通信技術，通過Internet在個人、組織和企業之間進行商務活動和處理商務關系的一種活動。隨著云計算、物聯網及移動互聯等新興信息技術的迅速發展，大量傳感器和監控設備不間斷的數據采集和行業數據的持續積累，使大數據成為時代的鮮明特點。教育部電子商務專業教學指導委員會王偉軍教授等人對138個電子商務專業本科人才的市場招聘需求進行研究發現，網絡營銷與數據分析是當前電子商務專業的主要能力需求，而目前我國開設電子商務專業的高校中開設數據挖掘及其相關課程的只有14所。因此，該類別人才缺口目前較為嚴重，市場需求量較大。為了適應時展需求，高校在人才培養時既要注重電子商務運營管理能力的培養，同時更要注意商務數據分析與挖掘能力培養。培養同時具備這兩種能力，并且可以將兩種能力有效結合起來的應用型人才，是當前高校電子商務專業發展的趨勢和方向。總之，在當前的電子商務活動中，商務管理是核心，數據分析與挖掘是手段。在大數據背景下，要提升電子商務的管理效率，實現電子商務的智能化發展，必須應用好數據挖掘這把利器。因此，在電子商務專業開設數據挖掘課程，是行業發展的必然要求，也是專業發展的迫切要求。

2電子商務專業數據挖掘課程教學思路設計

數據挖掘是一門交叉學科，涉及統計學、數據庫、機器學習、高性能計算等多門學科相關內容，要求學生具有較為扎實的基礎知識。由于課程難度較大，早期高校都把該課程作為研究生的專業課程。為適應市場需求和行業發展，近年來，也有些高校將此課作為本科生高年級選修課開設。從該課程的傳統教學上來看，由于學生理論基礎不夠扎實，課程教學又多側重算法的分析與實現，導致該課程存在教學難度大、理論教學過多、學習興趣難以提高等問題。考慮到傳統教學的問題以及電子商務專業培養應用型本科人才的實際情況，筆者認為該課程在教學過程中應“輕算法，重應用”，以啟發學生數據思維為主，以理解算法思路為主（忽略細節實現），以合理構建數據挖掘模型、正確解讀數據挖掘結果為主。在組織教學時，采用基于場景的啟發式教學方式。該課程在講授每個數據挖掘方法時，都通過一個電子商務問題進行導入；通過本節所授方法，形成解決問題的思路；最后通過專門數據挖掘軟件進行方法的應用，通過對挖掘結果的解讀分析，為導入問題的決策分析提供依據。通過這種由淺入深，由易到難的方式，引起學生學習興趣，激發學生主動思考，真正成為課堂的主體。實踐環節是學生理論聯系實際的關鍵步驟，選用合適的數據挖掘軟件工具非常重要，對于電子商務專業的學生，數據挖掘重在問題的建模和方法的應用，所以，該課程選擇的數據挖掘工具是IBM公司的SPSSModeler。SPSSModeler擁有豐富的數據挖掘算法，本課程涉及到的分類、聚類、關聯分析、時序分析、社會網絡分析挖掘等主要數據挖掘功能均可實現，而且其操作簡單易用，分析結果直觀易懂，可以使用戶方便快捷地實現數據挖掘。學生通過對算法基本思路的了解，針對實驗問題設計數據挖掘方案，并通過數據挖掘軟件進行算法的應用和結果的分析，理論和時間的順利銜接，進一步加深學生對數據挖掘方法的認識和理解。

3電子商務專業數據挖掘課程教學內容設計

數據挖掘課程主要講解數據挖掘的基本概念、主要方法和技術、應用情況及發展趨勢，目的在于啟發學生的數據思維，提升學生數據分析與挖掘的能力，深入理解電子商務數據在電子商務中的重要地位和作用，實現商務管理和數據挖掘的有機結合。由于數據挖掘課程理論性和應用性均較強，反映在教學要求上，既要重視理論學習，又要重視實踐環節。具體來說，就是一方面通過理論教學使學生對理論內容有較深入的理解和領悟；另一方面結合實踐教學，鼓勵學生多動手，多思考，綜合運用所學知識分析和解決實際問題。

3．1理論教學設計

針對大數據時代的數據特點和應用特點，在數據挖掘課程的理論教學設計時，其內容不僅包括傳統的基礎性的分類、聚類、關聯分析、時序分析等數據挖掘方法，還注重根據電子商務行業特點進行知識的拓展介紹，比如在將關聯分析的時候，除了傳統的購物籃分析，還增加了序列模式分析內容；比如在結合社會化電子商務的發展，對社會網絡分析、文本挖掘等前沿數據挖掘知識也進行了一定的拓展介紹。這些拓展內容，不但豐富了學生的知識體系，也為部分學生的課下深度擴展指明了方向。我校電子商務專業的數據挖掘課程總學時為48學時，其中理論教學32學時，主要內容及其學時分配如表1所示。表1數據挖掘課程理論教學安排序號章節標題內容提要學時1數據挖掘概述數據挖掘基本概念與功能；基本流程與步驟；基本方法與應用；拓展：數據庫，數據倉庫與數據挖掘的關系22數據預處理數據清洗；數據的集成與轉換23分類分析決策樹分類；貝葉斯分類；分類特點及結果分析64聚類分析K－means聚類；兩步聚類；聚類特點與結果分析65關聯分析頻繁項集；關聯規則挖掘；關聯分析效果評價；拓展：序列模式分析86時序分析移動平均模型；指數平滑模型；拓展：ARIMA模型67數據挖掘發展趨勢社會網絡分析；文本挖掘；Web挖掘2理論教學在組織時，基本上以“課堂引例－問題分析－算法思路講解－課后練習”的方式展開。通過實例分析，給學生介紹各種算法的基本思想和相關概念，引起學生學習興趣。在講授算法時，通過具體的簡單數據演算實例來分析數據挖掘的過程和結果，使學生在實際案例中明白數據挖掘算法在處理數據過程中的作用和意義。雖然該課程開設在電子商務專業的第六學期，但是，由于數據挖掘課程本身需要多個學科的基礎知識，在目前的大學課程體系內，難以在有限的時間內開設全部先修課程。因此，在理論講解時，對涉及到學生比較生疏的知識點，應根據學生的知識水平，予以補充說明。例如，在講決策樹分類時，對于信息論中信息熵基本概念和計算方法，可以結合實際數據集合，進行講解和計算。

3．2實驗教學設計

數據挖掘是一門緊密結合實際應用的課程，具有較強的實踐性。實踐教學環節中，首先教師講解實驗步驟，然后安排學生進行實驗，并對實驗結果做詳細分析與評價。每個實驗要求學生完成以下幾方面的內容：（1）根據實驗問題設計數據挖掘方案和實施流程；（2）進行數據預處理，并構建數據挖掘模型；（3）解讀數據挖掘結果，并聯系實驗問題進行具體分析；（4）實驗拓展與總結。在實驗拓展和總結部分，可以設計一些開放性的題目，比如在進行關聯分析時，可以設計這樣的問題“如果支持度閾值設置時降低十個百分點，頻繁項集會有哪些變化？關聯規則的準確性和適用性會有哪些方面的變化？”。在實驗環境下，學生可以通過對比實驗，比較容易得到結果，而在總結這些變化規律時，又可以強化和鞏固對關聯規則、頻繁項集、支持度、置信度等這些概念和指標意義的理解，從而更好的應用在以后的工作實踐中。結合電子商務活動特點以及數據挖掘在電子商務中的應用，該課程的實驗是16學時。在實驗設計時，共設計了五個單人實驗和一個綜合性多人實驗.由于使用數據挖掘技術處理實際問題時，很多時候需要綜合運用一些數據挖掘方法，其設計方案不止一種，分析結果也不一定完全一致。為激發學生的主觀能動性，本課程在最后需要每個小組共同完成一個綜合性的數據挖掘作業。研究表明，對于本科生來說，指導教師給出一些具體的題目，如大學生消費狀況預測、校園共享單車滿意度分析等，這些熱點問題更容易激發學生的學習興趣。綜合作業從數據挖掘方案的設計、數據采集、數據預處理、數據建模、結果分析以及報告撰寫全部由小組成員協作完成，通過這樣一個完整的分析問題、解決問題的過程，不但可以鍛煉學生綜合應用知識的能力，也可以鍛煉學生的溝通寫作能力。在綜合性作業完成的過程中，教師需要給予一定的指導，例如教師可以介紹問卷星等網絡調查平臺或網絡爬蟲等工具幫助學生進行原始數據的采集；通過對數據挖掘方案的點評，幫助學生更合理的選取數據分析指標，設計數據挖掘方案；通過報告撰寫指導，幫助學生規范化的總結實驗分析結果。

4結論

大數據時代的電子商務活動中，對電子商務人才的數據挖掘和分析能力非常迫切，在電子商務專業中開設數據挖掘課程是行業發展和專業發展的必然要求。在電子商務專業開設數據挖掘課程既有別于研究生也有別于計算機等理工科專業，“輕算法，重應用”，以提升學生主動學習興趣為導向，采用基于場景的啟發式教學方法更合適。本文從教學思路、教學方法、教學內容等方面進行了思考和探索，經課程開設兩年來的教學實踐證明，學生在學習上的主觀能動性得到了一定的體現，理論和實踐相結合的能力得到了鍛煉。激發學生學習興趣，培養學生的主動性思維，是當前教學中的重要課題，在電商行業不斷發展的過程中，如何更好的將最新行業問題融入教學過程，實現理論和實踐的有機結合，需要我們進一步深入思考和探索。

參考文獻

［1］馮然，陳欣．論數據分析類課程在電子商務專業設置中的重要性［J］．河南教育，2015，（2）．

［2］黃嵐．數據挖掘課程實踐教學資源庫建設［J］．計算機教育，2014，（12）．

［3］薛薇．基于SPSSModeler的數據挖掘（2版）［M］．中國人民大學出版社，2014．

［4］李海林．大數據環境下的數據挖掘課程教學探索［J］．計算機時代，2014，（2）．

［5］韋艷艷，張超群．“數據倉庫與數據挖掘”課程教學實踐與探索［J］．高教論壇，2011，（1）．

［6］張蕾，魏立斐．大數據時代下“數據分析”課程的探索［J］．教育教學論壇，2015，（25）．

作者:王洪艷 單位:武漢商學院商貿物流學院