一、引言

在信息化时代，数据分析已经成为投资决策的重要工具。掌握数据分析技能对于高等教育中课程的学习而言，有着愈发重要的价值。在金融投资类课程中，数据分析技能不仅有助于提升学生的专业素养，还能够为未来的职业发展奠定坚实基础。随着技术的进步与经济社会的发展，金融投资类课程面向的专业背景如量化交易、创新产品的推进层出不穷，大数据背景的影响日益深化，对经济管理类学科相应课程的教学目标和教学手段都提出了更新的要求[1]。因此，金融类课程的专业学习更需要学生培育合理的学习方式，掌握数据分析的思路、方法，将数据化形成专业素养的重要部分。此时，如何在金融类课程中针对数据分析进行系统的教学设计，将数据分析在教学过程中实现可视化，成为此类课程教学亟待解决的问题。

二、数据分析在金融类课程中的技能培养方向

（一）数据可视化融入课程教学的背景

在金融投资类课程中，数据分析的价值主要体现在两个方向：一是对宏观货币数据揭示的外部背景；二是来自金融市场的微观数据揭示的基本原理。两者在以投资学为代表的课程相应模块均显示了重要的实用价值。微观层面上看，投资收益的波动特征在均值—标准差分析、CAPM分析、市场有效性分析等模块的学习中有直观体现，此时数据视图的教学效果非常直观；而在宏观层面上，货币背景数据在债券投资领域的原理介绍、深度分析等部分的教学效果呈现上也发挥重要作用。在传统教学设计中，上述模块的教学偏向于理论内涵的讲述，而现实数据因技术手段的限制和现实的复杂性而难以直观展示在学生面前，这在很大程度上影响了教学效果。但随着统计分析软件的升级和智慧教学技术的发展，数据分析在教学中的展示日渐具备可操作性，其在金融类课程教学中的价值也逐渐显现。

首先，数据分析能够帮助学生深入理解投资市场的运作规律。通过对历史数据的分析，学生可以掌握市场趋势，预测未来走势，为投资决策提供有力支持。其次，数据分析能够提升学生的投资分析能力。通过学习和掌握数据分析方法，学生能够更加准确地评估投资项目，降低投资风险，提高投资效益。最后，数据分析能够培养学生的实践操作能力。通过实际操作和分析，学生可以积累实践经验，提高解决问题的能力，为未来的职业发展打下坚实基础[2]。

从课程内容看，在金融投资类课程中，涵盖理论核心与对金融市场的实际功能，在金融、财会及其他商科专业学生的人才培养中呈现出两种需求：一是数据分析方法涵盖课程关于投资收益与风险之间关联的理论内涵；二是获得投资市场较为完整的相关数据，在此基础上对学生应用数据分析技术的目标、方向和方法制定比较清晰的方案。

（二）数据可视化融入金融投资类课程的设计方向

数据的可视化在金融投资类课程的教学中存在广泛的需求。在课程自身的学术逻辑基础上，满足不同教学背景的需求，决定了不同应用场景下使用数据分析和授课的思路方向。因此，厘清数据分析在不同教学背景中的目标，是课程设计需要解决的首要问题。从金融投资类课程的应用场景看，主要包括以下几个方向。

1. 基于专业背景的思路方向

除了金融类相关专业，金融投资类课程在经济学类、管理学类专业中有广泛应用，由于不同专业在素养培养上的差异，数据可视化教学的数据来源、分析方向等要素也有一定的差异。对于经济学类专业如国际贸易、经济统计等，数据可视化的设计方向需要注重经济学素养；对于财务会计类专业的课程设计，需要更多地融入企业会计准则的应用和财务管理实践活动的研究思路，以提升专业素养的培育方向。

2. 基于课程教学目标的思路方向

金融学、投资学、投资风险管理、公司金融等金融投资类课程在人才培养方案中的分工不同，因而实际教学方向存在一定的差异。其共同特点是通过对金融市场数据的大量采集和适当处理，并在此基础上引入数据分析活动，以诠释不同的课程逻辑。此时，数据可视化教学思路的差异在教学目标上有一定的体现。对于基础性较强的金融学课程，数据分析的目标在于展示分析的着眼点和理论基础，因此数据可视化的使用思路体现在对基本原理的展现，对于理论基础与实务逻辑结合较为紧密的投资学等课程，数据的可视化更多体现的是实务中的分析逻辑。

3. 基于专业能力培养的思路方向

根据专业与课程两个层面上的分析，数据的可视化在经管类专业中的能力培养功能涵盖以下方向。

增强理解力方面，数据可视化通过图形和图像的方式，将原本复杂、抽象的数据转化为直观、易懂的视觉形式，从而极大地简化了数据的解释过程，通过数据的分布、关联性、异常值等方面透露的信息，帮助学生更快地理解数据背后的含义和趋势；决策支持方面，数据可视化为学生提供了一种直观的方法，能够更清晰地看到数据之间的关系和趋势，从而快速地通过可视化数据找到关键点，形成决策支持能力上的培养功能；在市场分析、风险管理能力的培养上，数据可视化策略发挥的功能更为直接，市场趋势的展现和分析，能够帮助学生更好地把握市场动态，风险管理方面能够帮助学生更直观地识别潜在的风险点，评估风险的大小和可能性，从而制定更有效的风险管理策略。

此外，通过分析和评估可视化数据，学生可以培养清晰地传达数据涵盖的信息的能力，识别潜在的数据误读或误导性表示；激发学生的创造性思维，鼓励探索数据中的新模式和关联，推动商业创新。进一步看，随着大数据和人工智能技术的发展，学生通过数据可视化工具对金融投资学科的数据分析能力进行培养，有助于提高自己在职业中的技术适应性和未来职业的竞争力，为团队合作、终身学习和自我提升打下基础。

综上所述，数据可视化在教学设计中的应用和成熟教学模式的实现，需要从专业背景、课程背景、能力培养等多个层面上加以分析。通过多层次的背景分析，使用多维度数据作为挖掘来源，包括数据、文本、图像等多种资源，形成多源数据融合[3]。在此基础上制定合理的设计思路，以进一步展开课程设计的后续步骤。

三、基于数据分析的投资学课程教学设计

（一）教学设计步骤

在以投资学为代表的金融类课程中，数据分析及其可视化在教学过程中的系统融入，首先需要在确定教学目标的基础上进行系统化设计，从投资学的课程育人目标结构来看，由于对教学过程中的学习引入机制、内容设计、案例遴选和教学考核要实现整体性的提升和变革，数据分析可视化方法在教学设计中需要考虑嵌入教学过程各个环节的思路和方法。具体而言包含以下方面。

1. 确立基于数据分析的投资学课程教学目标。

如前所述，投资学课程中涉及数据分析的内容众多，但是仍然存在总体上的一般规律。投资学或金融学的基本原理与理论要点，学生进行数据分析过程中应当秉承的基本思路；能够运用数据分析方法和工具解决投资实际问题；在课程基本原理与数据分析思路相结合的基础上，培养学生的批判性思维和创新精神。

2. 选择教学内容。

从数据分析的一般流程看，数据收集与整理、数据分析方法、投资决策应用构成了一般框架。但是在投资学课程教学中，数据分析的可视化不仅要求教学内容上包含上述内容，更需要的是课程主干内容与实际应用、数据分析方法进行适当的整合，从而实现课程教学的核心目标[4]。因此，以实际案例和模拟操作为导向构建数据分析教学内容，是提升课程教学效果的主要思路,例如以Python编程、SQL数据库和数据分析、挖掘技术实现对投资学中“金融+科技”动向的体现[5]。而数据分析的融入点则需要在对课程基本思路、内容结构整体分析的基础上确定，以实现数据分析与课程内容的一体化。

3. 设计教学方法。

教学内容整合的思路决定了教学方法的多样化，包括案例教学、小组讨论、项目驱动等。在案例分析过程中，应当注重让学生通过适当的方式回顾数据分析的基本原理，从而深入掌握数据分析在投资决策中的实际应用思路；进而在小组讨论和项目驱动，激发学生的学习兴趣和主动性，提高他们的合作能力和解决问题的能力。

4. 在制定教学评估方案的过程中，应当注重数据分析思路融入过程评估和结果评估两个方面，使之最终与教学目标、教学内容和教学方法完成闭环，形成数据分析的全过程可视化。

其中，过程评估主要关注学生在学习过程中的表现，如课堂参与度、作业完成情况等；结果评估则主要考察学生的学习成果，如考试成绩、案例分析报告等。在上述两个部分组成的综合评估中，学生在数据分析的过程中可以通过数据共享平台，采用互改、探讨的方式进行互动，教师则可以采用动态或者比较静态的方式向学生展示自己输入后的反馈，从而加深学生的参与度和对方法的思考；对于教师而言，也可以全面了解学生的学习情况，为教学改进提供依据。

（二）教学设计策略

基于金融投资类课程的教学背景，数据分析的可视化在教学设计中的核心目标是通过数据分析基本技能与技巧，充分反映课程的各项主题与逻辑。因此，在教学实施过程中，需要从以下几个方向的思路上展开教学设计。

1. 强化理论与实践的结合

理论与实践的结合主要体现在时间资源的分配和过程设计上。在理论教学中，应注重基础知识和关键方法的讲解。具体而言，设计项目式学习任务，要求学生运用所学的金融理论知识，解决实际金融问题。例如，学生可以分组进行投资组合的构建和分析，或者进行风险评估和管理等。这样的项目式学习能够帮助学生将理论知识转化为实际操作技能。

在实践教学中，应提供丰富的案例和模拟操作，让学生在实践中掌握数据分析技能，利用金融实验室或模拟交易平台，让学生在模拟的市场环境中进行交易和投资决策。通过这种方式，学生可以在没有实际金钱损失的情况下，体验真实的金融市场波动和风险，从而更深刻地理解金融市场的动态。

2. 教学过程中金融数据的处理与可视化

随着技术的不断发展，新的数据分析工具和方法不断涌现。在教学过程中，应关注前沿技术的动态，及时引入新的教学内容和工具，使学生能够跟上时代的步伐。在教学活动中，通过Python、Excel和SQL等工具对金融数据展开分析，使学生能够从数据应用的角度提升学习能力。在引入工具的过程中，需要关注教学时间的管理，以平衡主干课程理论教学目标与实际的分析思路结合，并通过合理的图表予以呈现[6]。

具体而言，在数据的可视化路径上，根据选定的数据集和教学目标，选择合适的可视化工具和技术。通过Excel、Tableau、Power BI等工具提供的可视化选项，如折线图、柱状图、散点图、饼图等，或者利用编程语言（如Python、R等）结合专门的可视化库（如Matplotlib、Seaborn等）进行更高级的可视化操作。根据学生的兴趣与实现小组讨论的模式，在不同教学环节中选择最适宜的可视化方式来实现教学目标。

利用选定的可视化工具和技术，根据数据的特征和教学目标创建相应的可视化图表。例如，可以利用折线图展示股票价格的历史走势，利用柱状图对比不同金融产品的销售额，利用散点图分析两个金融指标之间的相关性等。在创建图表时，需要注意图表的清晰度、易读性和美观性，以便学生能够更好地理解图表信息。

在创建了可视化图表后，教师需要引导学生对图表进行解读和讨论。这包括分析图表中呈现的趋势、模式或关联关系，以及这些发现如何与金融市场或金融理论相联系。通过解读和讨论，学生可以更深入地理解金融数据背后的含义和影响因素。最后，教师需要对本次数据处理可视化的教学过程进行总结，并收集学生的反馈意见。总结可以帮助学生回顾和巩固所学知识，而反馈意见则有助于教师改进教学方法和策略，以提高教学效果。

3. 培养学生的自主学习能力

在使用金融数据进行分析和可视化教学过程中，需要考虑对学生自主学习能力的培养。由于数据分析是一个不断学习和进步的过程。在方法设计、操作步骤中，对学生的自主学习能力的培养，需要鼓励他们通过自学和实践不断提升自己的数据分析水平。为此，教学过程应在理论学习的基础上有针对性地安排案例分析、小组讨论与汇报等环节与方式。同时在小组设置、汇报时间的安排上，注重学生在学习组织上的互助与自主分析能力的提升，从而全方位提升学生的自主学习能力。

四、课程实施效果评估

在以数据可视化为主题的教学中，为了评估教学设计的实施效果，采用了问卷调查、成绩分析和实践操作考核等多种方式。在以往教学中，问卷调查结果显示，大部分学生对基于数据分析的教学设计表示满意，认为该设计有助于提升他们的数据分析能力和投资决策水平。成绩分析显示，学生在数据分析相关课程的成绩普遍提高，说明该教学设计在提升学生理论知识掌握程度方面取得了良好效果。实践操作考核则表明，学生在实际操作中能够熟练运用数据分析工具和方法解决投资问题，体现了该教学设计在培养学生实践能力方面的有效性[7]。在此基础上，课程实施效果评估可在以下几个方向上深化。

（一）目标达成度评估

首先，要明确数据可视化课程的教学目标，例如学生是否能够独立完成数据可视化的设计、制作和解读等。通过对比学生学习前后的作品、作业或项目，观察他们是否达到了预设的教学目标。同时，由于金融投资类课程的理论性与操作性各有不同，因此在目标达成度的评估上需要留有一定的宽裕度，数据分析过程对考核结果的显示可以保留多元化的标准。

（二）学生反馈

通过问卷调查、面对面访谈或小组讨论等方式，收集学生对课程的反馈意见。在数据分析方法的表现上，问卷设计应当包含学生对课程内容、教学方法、教师表现等方面的看法，问题应包括选择题和开放性问题，以便全面获取学生意见，进一步改进教学；在面对面访谈或小组讨论的过程中，应当选择有代表性的学生进行访谈，提前准备好开放性问题，并适当考虑学生的分组意愿，以实现更好的访谈效果。

（三）作品质量评估

对学生提交的数据可视化作品进行评分，评估其质量、创意、实用性等方面。在作品质量评估中设立明确的评分标准，如可读性、美观性、信息传达的准确性等。基于金融投资课程的特征，可读性标准应考虑布局的清晰、有序，以及交互友好功能；在适当兼顾美观性的同时，着重考察数据的准确性、信息的完整性和数据的关键信息和趋势是否传递到位。

（四）知识掌握程度测试

设计测试题或进行实际操作考核，检验学生对数据可视化相关知识和技能的掌握程度。因此在作业与测试内容设计上，应当注重体现针对不同知识部分和层次的结构性特征，应当涵盖数据导入与清洗过程、图表制作、交互设计和报告撰写等方面，并对数据处理的准确性、图表制作的规范性、交互式可视化设计的创新性，以及报告撰写的清晰性等方面形成完整的反馈。由此帮助教师了解学生在哪些方面还存在不足，以便进行针对性的辅导。

（五）教师自评与反思

教师在完成一轮教学后，应进行自我评估和反思，总结教学过程中的经验教训，以便教师思考课程内容是否充实、教学方法是否得当、学生互动是否充分等问题。其中，在内容的充实性上，主要考虑教学计划的大纲的完整性、关键教学内容是否具有完备的数据分析思路与相关案例等；在教学方法的得当性上，主要考虑数据分析方法、软件选择在学生中的接受度，以及运用教学方法的多样性和权变性；在评估学生互动是否充分上，主要反思课堂上的师生互动、生生互动的频率和有效性。根据自我评估和反思的结果，识别影响教学效果的关键因素，从而在课程内容、教学方法和提问方式上做出调整，以便不断优化课程。

（六）同行评审与专家评价

邀请同行或专家观摩教学过程，并对课程实施效果进行评价。通过专家从专业角度提供的宝贵意见和建议，帮助教师提升教学质量。其中，在邀请专家的专业方向上，应注重专业方向的多样化，既包括金融投资类学科，也包括数理统计类学科，以及交叉应用学科的专家。通过多样化的专家意见，可以在课程内容设计、作品质量评估、学生反馈分析、知识掌握度测试等方面获得综合性的改进方向，从而较好地实现对学科的融合，提升课程的整体质量。

五、结论与展望

从数据分析可视化嵌入投资学课程教学过程中的特征可以看出，基于数据分析的课程教学模式需要从教学目标、数据使用背景、教学设计等多角度进行系统设计，才能最大程度上提升教学效果。在金融投资类课程教学目标、数据分析实现的核心效果的基础上，通过全面的设计步骤和策略，并通过案例分析和实施效果评估验证了该教学设计的有效性。研究结果表明，利用数据分析进行投资学课程教学设计，能够显著提高学生的投资分析能力和实践操作能力，为培养高素质的投资学人才提供了有力支持。

从发展的眼光看，随着未来AI技术的进一步发展，将进一步提升金融类课程教学对数据可视化实践方式的要求，并且需要因地制宜地辅助不同专业背景下的专业素养和职业能力的培养。此时，在以投资学为代表的金融投资类课程中，需要以专业、课程与能力培养为设计的基本出发点，在教学目标、数据处理软件、数据分析方向与嵌入教学过程的方式进行长期的动态调整。因此，后续的教学研究可以进一步探讨如何将更多先进的数据分析技术和方法引入到投资学课程教学中，以更好地适应金融市场的快速发展和变化。

参考文献:

[1]陈明红,韩静,杨欣雨,等.大数据驱动下教学改革研究的可视化分析:基于2013—2022年CSSCI期刊论文[J].资源信息与工程,2023,38(10):115-121.

[2]陈丽华,曾德生.基于大数据的金融数据分析课程教学实践[J].电子技术,2021,50(9):234-235.

[3]郑芳超.大数据时代的高校实践教学改革:多源数据的整合与利用[J].中国管理信息化,2023,26(17):229-232.

[4]刘璟.学科融合视域下的投资学专业课程改革路径初探[J].创新与创业教育,2023,14(5):156-159.

[5]宋晓玲,张海英.“金融+科技”深度融合型投资学课程教学改革研究[J].江西电力职业技术学院学报,2023,36(9):58-60.

[6]杨政安.大数据可视化分析技术运用探析[J].科技创新与应用,2023(32):46-49.

[7]王婧娟,那丽春,方玉玲.数据分析与可视化课程教学研究与实践[J].电脑知识与技术,2023,19(7):148-150.

文章来源:罗云峰.数据分析的可视化在金融投资类课程教学中的应用[J].对外经贸,2024,(10):132-136.