SCI论文（www.lunwensci.com）:
摘要：随着“大数据时代”的到来，数据将渗透到每个行业，逐渐成为重要的生产要素，同时也对经管专业学生在数据处理方面课程的教学提出了新的挑战。本文以经管专业PowerQuery数据处理课程为例，探讨了开设该类课程的必要性以及分析了相关的课程设计和教学问题。
关键词：数据处理；经管专业；PowerQuery
本文引用格式：李蓬实,等.大数据背景下面向经管类专业的PowerQuery数据处理课程探索[J].教育现代化,2019,6(91):162–163.
2011年5月，世界级领先的全球知名管理咨询公司麦肯锡发布了《大数据：创新、竞争和生产力的下一个前沿领域》[1]报告。麦肯锡在报告中指出，大数据是指数据量级超过传统数据库软件工具获取、储存、管理和分析能力的数据集；同时大数据的数据量级大小标准因行业而异，其标准取决于这些行业中普遍使用的软件工具的不同。麦肯锡在报告中进一步指出，随着“大数据时代”的到来，数据将渗透到每个行业，逐渐成为重要的生产要素。
Dumbill(2012)[2]认为，大数据具有多样性（Variety）、规模性（Volume）和实时性（Velocity）这三个特点，简称为“3V”特点。Schonberger和Cukier(2013)认为大数据包括了复杂的数据类型（Variety），海量的数据规模（Volume），动态的数据体系（Velocity），有效的数据质量（Veracity）以及巨大的产品价值（Value）等五个维度。目前大数据的“5V”特点已经被业界和学界的大多数专家所认同。金陵（2013）[3]认为，大数据立足于对海量数据的深度挖掘与科学分析，同时寻求数据背后的关系与价值，大数据使人们能够从基于小样本的数据进行推测或者从感性的偏好性选择转向基于数据分析处理的理性决策。
一 针对经管类专业的数据处理教学的必要性
郑燕林，柳海民(2015)认为大数据方法的出现推动科学研究进入了新的方向。传统经济与管理专业的研究重点是对经济与管理领域中的问题进行研究，挖掘问题背后的逻辑规律和因果关系。然而，在大数据背景下，传统经济与管理科学所关注的变量之间的因果关系显得不是非常重要。利用大数据技术，人们可以更好地挖掘出事物发展的潜在规律。俞立平（2013）认为大数据给经济管理专业的研究工具和研究手段带来了变化。这主要体现在大数据背景下，经济与管理学科的研究模式发生了很大的改变，研究必须依靠跨学科的团队，甚至需要与政府、云计算服务商、大数据提供商等进行深入的合作。大数据时代也彻底改变了传统的统计调查方法，在大数据时代，研究者将面临越来越多的原始数据、半结构化数据甚至非结构化数据，诸如微博和其它社交网络的数据。此外，大数据还使得研究短时间间隔的高频数据成为可能。王兴宇（2019）认为大数据为科学研究带来了大样本，甚至是全样本，进而对经济与管理专业领域的研究带来了改变。在大数据时代之前，人们主要以抽样数据或者局部数据来推断总体的特征，以获得对社会现象的总体认识。在大数据时代之前的经济与管理研究领域，人们往往通过基于统计检验的方法进行研究。随着大数据时代的到来，人们能够以较低的成本获得海量数据，并对数据进行多样化的数据处理，从而挖掘出研究问题背后的本质规律。
二 经管类数据处理课程中进入PoweryQuery在的优势
（一）PowerQuery简介
Power Query（中文翻译为：查询增强版）是一个Excel插件，也是Power BI的一个组件。Power Query在Excel中通过简化数据查询、访问的操作，从而增强了商业智能自助服务体验。Power Query是一个新的插件，它为BI专业人士以及其他用户，提供了一个无缝的数据发现、数据转换体验。通过PowerQuery，用户可以根据所需要的数据来源提取数据（如关系型数据库、Excel、文本和XML文件，OData提要、web页面、Hadoop的HDFS,等等），并使用搜索功能，从内部和外部发现相关的数据功能，将把不同来源的数据源整合在一起，建立好数据模型，为用Excel、Power Pivot、Power View、Power Map进行进一步的数据分析做好准备。
（二）PwerQuery的数据处理优点
大数据有几个特征，第一个特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。第四个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。在过去，提取和预处理数据是一个技术活儿，对非IT专业的数据分析人员来说很有难度，但随着技术的进步，这类事情正在变得不再艰难，特别对于经常使用Excel的人，当微软Excel提供了Power Query插件后，让普通Excel用户也有机会通过简单的几步操作做到专业IT人员才能做到的事情。Power Query和Power Pivot相互补充。Power Query是发现、连接到，并导入数据的推荐的体验。Power Pivot非常适合建模已导入的数据。使用两个以模具Excel中的数据，以便您可以浏览并可视化它与Power Map、Power View、数据透视表和数据透视图，然后与在SharePoint中，在Power BI网站和Office 365中生成的工作簿进行交互Power BI Microsoft应用商店应用。
三 在PowerQuery数据处理教学中需要注意的问题
首先，通过案例实践提高对PowerQuery的掌握程度。在使用PowerQuery进行数据处理教学的过程中，可以通过设计与课程讲解内容紧密联系的案例，增加学生对PowerQuery功能和M语言的理解。借鉴计算机课程的相关教学经验，在PowerQuery数据处理课程的讲授过程中，教师可以将课程内容有针对性地分成若干部分，每个部分均采用项目案例教学方法。通过实际的案例，将PowerQuery中比较抽象难懂的概念，使得学生更容易接受，加强学生对相关操作的理解。
其次，针对经管专业学生的特点，在PowerQuery数据处理课程的安排方面上不需要追求对有关函数语法的全面性。应该针对经管专业学生的接受能力，尽量缩减语法方面的内容，在课程的组织和设计上做到重实践、轻理论。将案例与数据处理相结合贯穿在整个教学过程中，让学生在进行动手操作的过程中，逐渐熟悉和掌握PowerQuery的相关函数和语法。
最后，鼓励学生将PowerQuery应用大平时的学习和工作中，使学生在使用过程中体验到新的科技所带来的在数据处理方面的便利，同时也增强了学生的学习情绪。不少学生在学习完课程之后反映，在学习powerquery课程之前，几乎只会Exel的基本操作，而通过对powerquery的学习，拓宽了它们对excel强大功能的认知，通过power query，可以快速地整合处理分析数据，从而大大地缩短工作时间，提高工作效率。
参考文献：
[1]Big data:The Next Frontier for Innovation,Competition,and Productivity[EB].https://www.mckinsey.com/~/media/McKinsey/Business%20Functions/McKinsey%20Digital/Our%20Insight s/Big%20data%20The%20next%20frontier%20for%20innovati on/MGI_big_data_exec_summary.ashx,2011.5.
[2]Dumbill E.What Is Big Data[EB].http://strata.oreilly.com/2012/01/what-is-big-data.html,2012.1.
[3]金陵.大数据与信息化教学变革[J].中国电化教育,2013(10):8–13.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/30198.html
