（可包括如下容，也可自行添加其他容）
1.概念、理论意义、实际意义
2.国外相关研究综述
3.本报告主要研究容与研究目标
4.创新点和不足之处
（一）大数据的概念
麦肯锡对大数据概念的解释是：大数据是指大小超过传统数据库软件工具抓取、
存储、管理和分析能力的数据群。
维基百科的表述是：大数据是难以用现有数据库管理工具处理的兼具海量和复
杂性特征的数据集成。
国专家涂子沛将大数据定义为那些大小已经超出传统意义上的尺度，一般的软
件工具难以捕捉、存储、管理和分析的数据。
对于“大数据”（Big data）研究机构 Gartner 给出了这样的定义：“大数据”是需要
新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高
增长率和多样化的信息资产
（二）理论意义
管理统计学课程是近年来经济管理类专业新开的专业基础课程，目的是培养经
管类学生能够把统计学知识运用到经济管理中来解决实际问题。随着社会的发展，
企业对经济管理类学生的数据处理能力有更高的需求，因此管理统计学的开设满
足经管类学生与企业的需求。随着云时代的到来和互联网技术的发展，大数据即
大数据技术出现了。
1.数据收集方式和容变化
以往的数据收集方法主要有统计调查和试验方法。根据实际研究需要，收集
社会经济现象的统计数据和自然科学领域的数据。这些数据是数字、文字等结构
化的数据。大数据时代，统计数据的产生方式呈现多样化，如有浏览痕迹、监控
视频、GPS 系统等产生方式，产生的数据多为非结构化数据很难用二维表格表示，
如所有格式的办公文档、文本、图片、HTML、各类图像和音频、视频信息等。结
构化数据出现，统计数据的收集方式和容将会改变。
2.数据处理的对象和方法放发生变化
管理统计学中推断统计学的参数估计方法和假设检验方法，主要采用抽样调
查法，利用样本数据的信息来估计或者计算总体参数情况。大数据不用随机分析
法（抽样调查）这样的捷径，而采用所有数据的方法。在大数据下，样本集总体，
处理数据不再仅仅依赖样本进行数据的推断统计。另外依靠小概率事件不可能发
生的参数估计和假设检验方法就失去了处理大数据的意义。但一些传统的数据分
析方法，如聚类分析、相关分析、回归分析等方法，仍然是可以使用的。虽然这
些传统的分析方法已经被应用于大数据领域，但是他们在处理规模较大的数据集
合时，效率无法达到用户预期，且难以处理复杂的数据。
3.大数据时代下传统统计学的变革
大数据时代的到来，给统计学的发展带来了前所未有的机遇，但同时，也对统计
学提出了更多的挑战。在此，本文将从以下 7 个方面阐述大数据时代下传统统计
学的变革。
（1） 样本概念的深化
除普查以外，传统统计学离不开样本，样本是研究中实际观测或调查的一部分个
体，一个可用的样本必须能够正确地反映总体情况。大数据时代，样本的概念不
再这么简单，由于此时数据大部分为网络数据，因此可以将其分为两种类型:
评论0