摘要：文章首先分析了健康服务与管理专业数据分析类课程现状，然后从知识维度、应用维度、能力维度三个维度入手，论述了健康服务与管理专业数据分析类课程体系构建。

　　关键词:数据分析类课程体系,健康服务与管理专业,数据分析

　　健康管理是对健康人群、亚健康人群、疾病人群的全方位健康危险因素进行全周期健康信息连续动态采集、监测、分析、评估和风险预测，有针对性地提供健康咨询和指导及进行健康危险因素干预的全过程[1]。习近平总书记在党的二十大报告中指出，“推进健康中国建设，把保障人民健康放在优先发展的战略位置”，“坚持预防为主，加强重大慢性病健康管理，提高基层防病治病和健康管理能力”[2]。当前，在我国人口老龄化加速、大众健康意识提升的情况下，以维护、促进个体和群体健康为中心的健康管理产业发展迅速。

　　随着互联网、云计算、物联网、5G等新技术的兴起，可穿戴设备逐步普及，健康数据为健康服务与管理提供了数据支持。基于健康数据的全人群、全方位、全周期、全流程的健康监测及健康风险预测与评估是信息化手段助力下的健康服务与管理新模式[3]。而健康服务与管理专业的学生作为未来健康服务与管理的从业者，需要具备数据分析素养，才能适应新时代健康服务与管理新模式不断变化的要求[4]。数据分析类课程涵盖了数据分析所需的理论知识和实践技能，但由于数据分析相关课程较多，有较多的理论知识，且注重应用实践，因此要构建相应课程体系，以便强化课程关联、划分知识模块，将理论与技能贯穿实际，这样才能更有效地培育学生的数据分析素养，进而达成人才培养目标。基于此，本文拟在分析健康服务与管理专业数据分析类课程现状的基础上，对健康服务与管理专业数据分析类课程体系构建加以论述。

　　一、健康服务与管理专业数据分析类课程现状

　　健康服务与管理是一门新兴的跨学科、跨专业的综合性、应用性学科，集生命科学、管理科学和信息科学为一体，综合运用了现代医学科学技术、科学管理方法和信息化手段以促进和维护人类健康[5-7]。当前，健康服务与管理专业数据分析类课程存在课程设置不系统、教材不完善、素养培育缺失等问题，具体如下。

　　（一）课程设置缺乏系统性

　　健康服务与管理专业现有数据分析类课程是相对独立、界限清晰的课程单元，课程之间缺少关联，知识点零散，不成体系，故学生的学习往往是“只见大树、不见森林”，导致学生在学习基础理论课程如“高等数学”“统计学”时，不能正确认识课程的重要性，也不明白该课程与后续课程的承接关系，学习效果达不到预期目标。随着人工智能技术的发展，除了统计分析、数据可视化等传统的数据分析，机器学习、深度学习等数据挖掘技术也成为数据分析方向的热点[8-9]，这就对学生的数学、统计学、算法理论知识和编程技能等提出了更高的要求。数据分析综合性较强，涉及多学科的相关知识，既需要较完整的理论基础，也要有较强的操作实践能力，还需要具备从具体业务场景出发，确定分析任务，制定分析策略，评估分析结果的实践能力。因此，针对课程设置缺乏系统性的问题，需要建立课程关联，整合课程内容，重新梳理知识脉络，并利用理论知识支撑数据分析应用，借助技能实现数据分析实践。

　　（二）相关教材比较匮乏

　　目前，虽然数据分析方面的教材众多，但是适合健康服务与管理专业数据分析类课程的相关教材比较匮乏。主要原因如下：①理论性教材，如《高等数学》《统计学基础》《数据挖掘算法》，着重阐述晦涩难懂的原理和公式推导，不符合数据分析类课程的定位要求，且对于学生来说难度较大，导致学生的学习效果不理想；②技能工具类教材内容不够全面，如数据分析工具需要涵盖编程语法基础、数据计算、数据处理、数据可视化、机器学习、深度学习等众多第三方库的内容，但现阶段很难找到一本能够全面涵盖这些知识的教材；③教材中数据分析案例场景多数以商业背景为主，基于健康管理业务场景的案例较少。尽管教材滞后于数据分析类课程的发展，但由于数据分析网络资源丰富，笔者认为其可成为教材的重要补充。这种线上线下学习资源互补的方式充分考虑了每个学生的个体差异，可利用时间和资源弹性化的方式来满足学生的个性化需求，不仅充实了课程教学内容，同时也培养了学生自主学习能力，进而能有效达成预期的学习成果。

　　（三）数据分析思维素养培育缺失

　　数据分析是从业务情境出发，将实际问题抽象成能够利用计算机解决的问题，以合适的数据结构存储数据、处理数据，并选择合适的算法进行计算。随着大数据时代的到来和技术的快速发展，数据处理能力大大增强的同时，也促进了数据分析思维的产生[10]。思维是在不断思考的过程中形成的，教师要善于引导学生思考，这有利于学生深刻理解知识，进而有所创新。而在当前健康服务与管理专业数据分析类课程教学过程中，教师更偏重对理论知识的传授和操作技能的训练，忽视了对学生数据分析思维的引导和强化，虽然学生能熟练操作软件或编写程序，但由于缺乏数据思维的引领，其在面对真实的健康管理问题时常常难以进行抽象转化，并难以借助技术手段进行健康监测、评估等。因此，培育数据分析思维素养是数据分析类课程人才培育的重要方向。

　　二、健康服务与管理专业数据分析类课程体系构建

　　健康服务与管理专业数据分析类课程目标可细分为知识目标、能力目标、素养目标三个层次。知识目标：使学生能够通过学习计算机基础知识理解计算机中数据的表示、组织和存储，能够借助数学和统计学理论理解和掌握数据分析算法，能够运用工具软件或编程技能进行数据处理、数据可视化分析展示、数据挖掘预测等；能力目标：提高学生应用数据分析技术和手段进行健康监测、健康风险预测、评估的能力；素养目标：培养学生数据分析时应具备的数据思维、编程思维、算法思维，提升学生的健康管理职业业务素养。即笔者认为，要构建健康服务与管理专业数据分析类课程体系，需针对上述问题，结合层次目标，从以下三个维度着手。

　　（一）知识维度：搭建数据分析知识框架，确立素养目标

　　健康服务与管理专业的数据分析流程如下：首先根据健康管理业务确立数据采集需求，并从计算机角度理解数据，然后对数据进行清洗、去噪、标准化等预处理，并对数据进行可视化的描述性分析，进而根据业务需要选择合适的算法进行数据挖掘和预测，最后根据分析结果从专业角度对分析结果进行解读，以便为健康风险评估、预警和干预提供依据[11]。同时，数据分析不仅需要数据处理和管理技术的计算机基础、数据分析的编程基础，还需要有数学、统计学、挖掘算法等理论支撑，故健康服务与管理专业涉及的相关课程有“高等数学”“大学计算机”“数据库应用”“医学统计学”“Python程序设计”“医学数据挖掘”“智能医学”等，统称为数据分析类课程。其中，“高等数学”“大学计算机”“数据库应用”属于通识课程，其他的课程为专业课程，这两类课程间相互支撑并具有很高的关联度。因此，将通识课程和专业课程的知识点进行全面梳理和整合，并根据知识间的关联强度划分知识模块，搭建数据分析知识框架，进而确立素养目标，能够为构建健康服务与管理专业数据分析类课程体系夯实基础，如表1所示。

　　根据数据分析在基础知识、编程工具、算法手段、业务四个方面的需求，将数据分析类课程整体划分为八大知识模块，确立了四大素养目标，其中数据思维是全面认识、理解数据分析对象应具备的思维；编程思维是利用编程工具进行数据分析应具备的思维；算法思维是使用算法进行数据分析应具备的思维；业务能力是将数据分析结果编辑排版成专业的分析报告时应具备的能力。其中，数据思维的培养依托“大学计算机”和“数据库应用”两门通识课程，其中“大学计算机”课程中的数据表示、数据处理等知识模块，“数据库应用”课程中的数据定义、数据查询、数据操纵等数据管理技术，是数据分析的基础理论。通过这两门课程的学习，学生能够全面认识、理解计算机中的数据，并在数据思维的指导下理解数据分析的对象。编程思维的培养依托“Python语言程序设计”这门专业课程，该课程属于数据分析编程工具知识模块，其中程序设计基础部分包含数据类型、程序控制结构、函数及文件等知识点，可以使学生学会利用Python第三方库Numpy、Pandas、Matplotlib编写程序进行数据分析。算法思维的培养依托“高等数学”这门通识课程及“医学统计学”“医学数据挖掘”“智能医学”三门专业课程，其中“高等数学”“医学统计学”课程中的数据计算理论、“医学数据挖掘”与“智能医学”课程中的算法理论为学生进行数据分析提供了方法和手段，能够使学生学会针对不同的数据分析任务构建计算模型。这些知识模块虽然分布在不同的课程中，但彼此间具有较强的关联性和承接关系，知识体系关联结构如图1所示。

　　此外，“大学计算机”“数据库应用”两门通识课程为“Python语言程序设计”这门专业课程提供了必需的计算机基础知识，其中数据存储与管理、Excel数据处理与图表、Python程序设计等知识模块为描述性数据分析提供了手段和工具。同时，“大学计算机”这门通识课程中的文档排版和演示文稿设计也为呈现专业的数据分析报告提供了必需的技能和技巧。“高等数学”这门通识课程和“医学统计学”这门专业课程的微积分、线性代数、概率论、回归分析、相关分析等相关理论是“医学数据挖掘”“智能医学”两门专业课程算法的计算理论基础，且利用Python语言的Sklean库，借助数据挖掘算法能够进行探索性数据分析等。另外，以“医学统计学”这门专业课程的知识为基础进行描述性数据分析，并利用“Python语言程序设计”这门专业课程中的第三方库Numpy、Pandas、Matplotlib，能够实现数据预处理、数据分析结果的可视化展示。

　　（二）应用维度：建设知识与技能深度融合的教学体系，促进思维素养形成

　　健康服务与管理专业数据分析类课程的目标是培养学生学会应用数据分析技术和手段进行健康监测、健康风险预测和评估，故数据分析类课程应以健康管理业务的数据分析应用为落脚点，基于此，教师在“高等数学”“医学数据挖掘”等课程中教授理论性较强的知识时，可通过具体案例进行讲解，这不仅有利于学生理解深奥的计算理论，明确理论指导实践的意义，而且通过案例将数据分析技能应用于数据分析实战，可实现知识与技能在教学体系中的深度融合，能够促进学生数据分析思维素养的形成[12]。

　　健康服务与管理专业数据分析类课程要结合健康管理业务，将数据分析应用在健康管理业务流程各个环节中，如数据获取、健康监测评估、健康风险预测、分析报告展示等，这些环节与数据分析过程相对应，可让数据分析知识和技能更好地应用于专业实践。如图2所示，在健康管理业务流程中，数据获取是对健康管理数据进行采集、存储和管理，是数据分析的数据准备过程；健康监测评估是经过统计计算，将健康数据以可视化图、表等方式呈现，实现健康监测，是数据处理和可视化的描述性数据分析过程；健康风险预测是针对具体健康管理业务需求，构建数据挖掘算法模型进行数据挖掘探索性分析，对健康风险因素进行预测；分析报告展示是通过编辑排版形成专业的健康评估和风险报告，该报告给数据分析结果配以专业的文字解读和图形展示，从而实现健康评估和预警。

　　由于应用于健康管理业务的数据分析是根据业务需求进行具体实践，因此在整个数据分析类课程教学中要将健康管理业务的相关案例贯穿其中，使知识与技能融合在课程教学体系中，这样学生掌握的知识才能够指导其将所习得的技能更好地应用，学生习得的技能也有助于其对所掌握知识的理解，进而促进学生数据分析思维素养的形成。具体来说，在“大学计算机”“数据库应用”“Python语言程序设计”课程中，教师可以健康管理业务数据为例，要求学生掌握数据管理、数据处理与可视化的知识和技能等；在“高等数学”“医学统计学”课程中，教师要结合健康管理业务数据进行数据计算和统计理论讲授；在“医学数据挖掘”“智能医学”课程中，教师可以引导学生利用前续课程中处理好的数据，进行描述性分析和探索性分析。概言之，数据分析类课程教师应围绕健康管理业务的案例，结合课程内容进行学习任务划分，让学生将抽象的、晦涩难懂的知识应用于具体的业务，这样知识通过技能完成了功能的实现，能够使学生加深对知识与技能的理解，进而强化素养目标。

　　（三）能力维度：建立成果导向的能力评价指标，实现人才培养目标

　　OBE（Outcomes-Based Education，成果导向教育）理念是一种以成果为目标导向，以学生为本，采用逆向思维的方式进行教育的理念。健康服务与管理专业数据分析类课程借助OBE理念，以利用数据分析实现健康监测评估、风险预测的成果为导向进行教学，符合社会对健康管理人才培养的需求[13]。在OBE理念指导下，健康服务与管理专业构建以成果为导向的能力评价体系，是实现人才培养目标的重要手段[14]。

　　健康服务与管理专业的数据分析首先要求从专业角度理解健康管理业务，然后根据需求完成数据准备、数据建模、数据可视化、结果评估、报告撰写等任务，因此健康服务与管理专业培养的数据分析人才应具备的能力包括：业务理解能力、数据准备能力、数据建模能力、数据可视化能力、结果评估能力、报告撰写能力等。为实现能力目标而制定的能力评价指标如表2所示，该能力评价指标与课程体系存在映射关系，因为能力评价中的每一种能力都有相关课程来支撑，是学生在完成相应课程学习后必须达到的能力目标。另外，应根据能力评价指标针对每门课程相关知识模块确定学习成果目标，并将能力评价聚焦在学习成果上，这样不同学习能力的学生就可以通过不同的途径和方式，达成同一学习成果目标。

　　OBE理念指导下的健康服务与管理专业数据分析类课程应以成果为导向，注重锻炼学生学习的自主性，调动学生的积极性，激发学生的科学探索精神，以便培养学生能够根据数据分析任务需求自主获得知识与技能的能力，进而锻炼数据分析思维，提升数据分析能力，最终实现人才培养目标。

　　三、结语

　　健康服务与管理专业数据分析类课程借鉴OBE理念，将应用数据分析技术和手段进行健康监测、健康风险预测等能力作为学生学习的目标成果，并以此学习成果为起点，反向构建课程体系，搭建知识框架、融合技能应用、建立能力评价指标。该课程体系强调知识的整合，每门课程的学习都与能力评价指标相呼应，让课程体系支撑学习目标，最终使学生达成学习成果，且实现了从知识课堂向能力课堂转变、从重学轻思向学思结合转变、从教师为中心向学生为中心转变、从封闭课堂向开放课堂转变。对于相关高校而言，大力培养与行业发展特征相符的健康服务与管理人才已成为一项重要的任务。数据分析类课程作为健康服务与管理专业的重要课程，构建起完善的课程体系才能为培养健康服务与管理人才提供有力的支撑。鉴于此，高校要聚焦社会对人才的实际需求，抓住健康服务与管理专业特点，从知识维度、应用维度及能力维度入手，精心设计，构建数据分析类课程体系，以便为有志从事健康事业的学生传授丰富的专业知识和技能。

参考文献：

　　[1]陈大方.疾病防控新理念:精准健康管理[J].中国慢性病预防与控制,2020,28(2):81-84.

　　[2]习近平.高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗:在中国共产党第二十次全国代表大会上的报告[N].人民日报,2022-10-26(1).

　　[3]郭清.5G+“三早”健康管理系统的构建及应用前景探析[J].健康研究,2021,41(4):361-364,386.

　　[4]吴凡,夏依章,李燃,等.两类院校健康服务与管理专业毕业生就业信心及其影响因素分析[J].中华医学教育杂志,2022(5):409-412.

　　[5]钱国强,吴卫榆,李卫东,等.健康服务与管理专业创新人才培养模式的研究[J].教育教学论坛,2020(49):127-129.

　　[6]谭萍芬,万晓文,姚东明,等.中医药院校健康服务与管理专业人才培养模式研究:基于全国11所中医药院校培养方案比较研究[J].中国卫生事业管理,2020,37(9):696-699.

　　[7]陈江芸,欧阳天翔.我国健康服务与管理专业本科生培养目标探析[J].中华医学教育杂志,2021,41(6):494-498.

　　[8]刘军,柳福祥,崔盛.新工科背景下数据分析能力导向的概率论与数理统计课程教学体系改革探究[J].教育教学论坛,2020(18):200-202.

　　[9]史秀宏.基于商务数据分析能力培养的新商科课程体系的构建[J].武汉船舶职业技术学院学报,2021,20(3):37-40.

　　[10]李卫强,王继强,马先珍.基于OBE的大数据课程体系建设[J].计算机教育,2021(7):139-142,147.

　　[11]吴凡,夏依章,李燃,等.两类院校健康服务和管理专业本科人才培养比较及提升策略[J].中华医学教育杂志,2021,41(2):113-116.

　　[12]赵卫东,蒲实.数据分析类课程的技能培养方法探讨[J].计算机教育,2019(6):139-142.

　　[13]张男星,张炼,王新凤,等.理解OBE:起源、核心与实践边界——兼议专业教育的范式转变[J].高等工程教育研究,2020(3):109-115.

　　[14]杨雪云,金文龙.基于OBE理念的线上线下混合式教学课程设计:以数据分析类课程为例[J].教育教学论坛,2023(18):141-144.