統計學與計算機科學結合的趨勢
縱觀統計數據處理手段發展歷史，經歷了手工、機械、機電、電子等數個階段，數據處理手段的每一次飛躍，都給統計實踐帶來革命性的發展。上個世紀40年代第一臺電子計算機的誕生，給統計學方法的廣泛應用創造了條件。20年代發展起來的多元統計方法雖然對于處理多變量的種類數據問題具有很大的優越性，但由于計算工作量大，使得這些有效的統計分析方法一開始并沒有能夠在實踐中很好推廣開來。
而電子計算機技術的誕生與發展，使得復雜的數據處理工作變得非常容易，那些計算繁雜的統計方法的推廣與應用，由于相應統計軟件的開發與商品化而變得更加方便與迅速，非統計專業的理論工作者可以直接憑借商品化統計分析軟件來處理各類現實問題的多變量數據分析，而無需對有關統計方法的復雜理論背景進行研究。計算機運行能力的提高，使得大規模統計調查數據的處理更加準確、充分與快捷。
目前企業經營管理中建立的決策支持系統（DSS）更加離不開統計模型。最近國外興起的數據挖掘（Datamining,又譯"數據掏金"）技術更是計算機專家與統計學家共同關注的領域。隨著計算機應用的越來越廣泛，每年都要積累大量的數據，大量信息在給人們帶來方便的同時也帶來了一系列問題：信息過量，難以消化；信息真假，難以辨識；信息安全，難以保證；信息形式不一致，難以統一處理；于是人們開始提出一個新的'口號"要學會拋棄信息"。人們考慮"如何才能不被信息淹沒，而是從中及時發現有用的知識，提高信息利用率？"面對這一挑戰，數據挖掘和知識發現（DMKD）技術應運而生，并顯示出強大的生命力。
數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘是一門交叉學科，它把人們對數據的應用從低層的簡單查詢，提升到從數據中挖掘知識，提供決策支持。在這種需求牽引下，匯聚了不同領域的研究者，尤其是數據庫技術、人工智能技術、統計、可視化技術、并行計算等方面的學者和工程技術人員，投身到數據挖掘這一新興的研究領域，形成新的技術熱點。雖然統計學家與計算機專家關心Datamining的視角不完全相同，但可以說，Datamining與DSS一樣，使得統計方法與計算機技術的結合達到了一個更高的層次。
因此，統計學越來越離不開計算機技術，而計算機技術應用的深入，也同樣離不開統計方法的發展與完善。這個趨勢說明：充分利用現代計算技術，通過計算機軟件將統計方法中復雜難懂的計算過程屏障起來，讓用戶直接看到統計輸出結果與有關解釋，從而使統計方法的普及變得非常容易。所以，對于財經類統計專業的學生來說，一方面要學好統計方法，但另一方面更加要學會利用商品化統計軟件包解決實踐中的統計數量分析問題，學好計算機信息系統開發的基本思想與基本程序設計，能夠將具體單位的統計模型通過編程來實現，以建立起統計決策支持系統。
所以統計與實質性學科相結合，與計算機、與信息相結合，這是發展的趨勢。了解這一點，再來看我們目前教育中的問題就更加明顯了，所以一些課程要改革，教學方式也要改革。以下談一談統計教育需要改革的幾個方面。
【統計學與計算機科學結合的趨勢】相關文章：