摘要：随着财务数智化的快速发展，Python 数据分析能力成为工商管理硕士专业学生应该具备的重要素质，同样也给普通高校工商管理专业授课教师提出了更高要求。本文分析了面对工商管理硕士专业学生，讲授《Python 数据分析》课程中存在的问题，并提出了教学方法方面的创新与探索建议，为授课教师提高该课程授课水平和授课效果提供建议。关键词：OBE 教学理念；工商管理硕士专业；《Python 数据分析》；教学改革

企业数字化转型的压力以及数据驱动的社会快速发展对管理类学生面临的择业与能力要求提出了新的挑战，针对工商管理专业学生开设数据分析课程是当前高校工商管理类专业人才培养的改革方向和必然选择。

一、传统授课模式的不足

《Python 数据分析》课程强调理论与实践相结合，对学生实践操作能力要求较高，传统的课程教学模式已无法满足本课程的授课需要。首先，本课程授课内容需要学生跟随老师讲述的同时完成计算机程序操作以掌握老师讲授的算法以及展现数据分析结果。因此，传统的课堂授课模式无法满足学生的操作需求。同时，由于课堂时间有限，采用传统课堂教学模式无法实现实践操作需求。

二、课程授课要求

《Python 数据分析》课程授课过程中，应该基于 OBE 教学理念，采用混合教学模式，以需求为导向、学生为中心确定教学目标，以信息技术为依托，将多种方法有效融合，从教学内容、教学组织、教学资源、教学评价等方面进行课程改革。

1.课堂教学与实验教学相结合

本课程的教学形式需要采用课堂教学与实验教学相结合的方式。首先，课堂教学将重点讲授每种数据分析方法的区别、适用条件以及如何依据数据结果进行分析以挖掘数据之间的关系。由于普通高校工商管理硕士生数据处理能力相对较弱，为了提高学生对本课程的理解程度，因此教学设计上将采用从案例开始到案例结束、中间过程用基本原理串联的讲授模式；其次，实验教学让学生在课堂随着教师讲授自己将案例逐步实现。在熟悉编程工具使用方法的同时，需要进一步依据数据分析与挖掘的结果，解决存在的企业管理问题。实验的全程由教师与课程助教指导和解惑。

2.翻转课堂与传统课程相结合

课堂教学采用翻转课堂与传统课程相结合的形式，以提高学生的课堂参与度，激发学生的学习自觉性。课程教学主要包括以下几个环节：首先，通过小测验、提问等形式检查学生的预习情况并有针对性地查漏补缺，提出本节课的学习要求；其次，由于授课对象为工商管理专业硕士生，教师结合高级别期刊发表论文中对课程拟讲授方法的运用，引导学生思考该方法如何解决相关问题，明确不同数据分析方法之间的区别；最后，教师提出问题，请学生运用已学过的代码知识进行编程练习，帮助学生掌握算法原理，并将理论应用于实践。在督促学生完成课堂练习的同时，教师应准确评估学生的课堂学习效果，以便布置课后任务时能有的放矢。

3.激发学生的学习主动性

每次授课结束后，教师要在本次课设定的问题情境基础上，根据教学目标向学生提出进一步的学习要求，为后续课程教学作铺垫。学生可以采用合作探究的形式完成课后任务，引导学生在独立思考问题并设计算法的同时，学会如何与他人合作，具备团队意识，以实现思想的碰撞与融合。

三、教学方法创新与探索

1.增加管理实战项目

本课程主要针对工商管理专业学生开设，主要目标在于培养具有数据素养和数据分析能力的管理复合型人才。所以在课程学习上，增加了工商管理实战项目，如批量下载上市公司的 PDF 文件公告；结合 pandas 数据结构讲解如何将获取到的经济数据进行数据清洗和数据处理；如何应用神经网络模型选取物流仓储中心；如何应用决策树模型构建企业财务风险预警模型等。授课内容可以将数据分析模型与工商管理中的企业决策问题相结合，也与本校工商管理硕士授权点的会计、物流管理方向相匹配。

在教学方法上，注重将大数据挖掘、社会热点与课堂内容结合起来，按教学内容建立学习小组，构建交互式的强化学习模式。从线上课前导读材料、教堂内容、案例选择、文献导读、课后反思环节出发，注重实景嵌入性，强化知识的渐进性、挑战性和反思性，在小组内的交流和启发中，潜移默化实现数据分析与价值观培育的融合

2.结合高级别期刊发表学术论文进行案例教学

在教学材料运用上，老师结合《管理世界》、《经济研究》等专业高级别期刊最新发表的论文，分析论文所采用数据分析方法以及所构建的模型，以引导学生明确数据分析方法和模型在科学研究中如何应用，提高学生的科研能力。由于授课对象为工商管理学术型硕士，对学生科研能力有一定要求。为了帮助学生更好地完成科研论文以及毕业论文的撰写，在授课过程中，老师结合《管理世界》、《经济研究》等专业高级别期刊最新发表的论文，分析论文所采用数据分析方法以及所构建的模型，以引导学生明确数据分析方法和模型在科学研究中如何应用，提高学生的科研能力。

3.考核机制多样化

采用多元化考核评价方式，课程总评成绩包括过程性考核和期末考核两部分。过程性考核包括随堂测试、分组 Python 项目实践作业、分组讨论与课堂表现成绩等；期末考核采用提交论文的形式完成。授课过程中，教师提供多个主题的数据集，如行业的个股数据，或者宏观基本面数据等，学生利用课程所学知识，完成数据导入导出、数据预处理、数据分析、数据可视化等操作，结合当前的经济金融数据，运用 Python 技术方法，培养学生数据处理和分析能力的同时，提高工商管理专业学生对于企业行为决策的研判分析能力。

4.将思政元素融入课程教学中

本课程应以立德树人为使命，按照新商科应用型人才培育要求为基准，以“厚德笃学、求实创新”的文化精神为内核，在课程教学设计中融入思政元素，融通技能素养与德育教育，筑牢育人阵地。根据工商管理专业的特点及 Python 数据分析课程内涵，探索 Python 数据分析课程中所蕴含的思政元素，按照爱国主义情怀、社会主义核心价值观、民族精神和时代精神、职业发展规划等多个方面搭建专业课程思政资源库，凝练诚实守信、职业道德和创新意识作为课程的思政主线。

本文属于河北地质大学研究生教改学术学位示范课程《Python 数据分析》的阶段性成果（项目编号：10203250039）