大数据卓越人才培养模式与实践

摘要:基于“新工科”理念和“新财经”视角，针对“数据科学与大数据技术”专业，在学数据通用基础理论和关键技术的基础上，以金融领域大数据应用需求为导向，选取绿色金融大数据典型应用场景案例开展特色人才培养。通过课堂教学为主的教学实践培养学生面向财经应用领域解决复杂问题的能力，提升学生的实践创新素质。

关键词:大数据人才;新工科;新财经;案例教学

随着新一代信息技术的快速发展，各行业的大数据应用时代已经到来［1］。在全球范围内，大数据人才成为稀缺资源［2］。猎聘在2019年度世界人工智能大会上了《猎聘2019年中国AI＆大数据人才就业趋势报告》。报告指出，人工智能与大数据人才在全球范围内呈现严重人才荒，中国大数据人才缺口高达150万［3］。目前，欧、美、日、韩等国家已将大数据上升为事关国家核心竞争力的国家战略，对大数据人才培养相关研究高度重视。我国从2016年开始，教育部批准设立“数据科学与大数据技术”本科新专业。2020年开始有了毕业生［4］。目前我国大数据人才培养还处于起步阶段，急需开展卓越大数据人才培养的教学研究和工程实践，以培养卓越大数据人才为达成目标，有力支撑我国大数据产业的快速发展［5］。

一、研究思路和教学实践路径选择

大数据具有很强的领域特征，大数据挖掘与分析技术已运用到国民经济、社会管理和科学研究等各个领域。利用大数据分析寻找复杂现象下的经济规律，对新经济发展和传统产业提升做出科学决策和预测值至关重要。因此，在开展卓越大数据人才培养教学和工程实践过程中，以大数据产业需求为导向，基于新工科理念［6］，采用“大数据专业基础理论+应用领域基本知识+细分方向工程实践”的思路深入研究基于案例教学［7］的大数据卓越人才培养模式和教学实践路径，面向应用领域重点培养学生解决复杂问题和实践创新能力，是首先需要考虑的问题。目前，现代服务业领域面临着新的挑战，尤其是在疫情常态化精准防控条件下，基于大数据管理和预测的服务业发展模式需要更多的大数据人才，这在金融、旅游、餐饮、教育、娱乐、交通等服务业中表现更为突出。以金融服务业为例，由于网络金融业务和服务方式多样化，使得金融市场数据的整体规模急剧增大，金融行业不断地存储积累着大量动态变化的、时间连续的、多源异构的原始数据。相较于其他行业，大数据对金融领域具有更大的潜在价值。麦肯锡研究显示，金融业在大数据价值潜力指数排行榜中名列前茅。这主要源于大数据决策模式对金融更具针对性，如银行发展模式转型、金融创新等均需充分利用大数据技术的支撑，同时，金融业也具备良好的大数据技术应用的基础条件［8］。为了使大数据卓越人才的培养研究与实践工作既不失一般性又彰显人才的领域特色，本文研究思路是:根据教育部“新工科”人才培养理念，基于“新工科”理念+“新财经”视角，针对“数据科学与大数据技术”专业，在学数据通用共性基础理论和关键技术的基础上，以金融领域大数据应用需求为导向，选取金融大数据典型应用案例，将大数据分析处理技术应用于解决金融服务中出现的问题。强化学生大数据工程实践和应用创新素质的培养。基于案例教学的大数据卓越人才培养模式研究的教学实践路径:通过培养方案和课程设计来规划大数据通用共性基础理论和关键技术的学习，以课堂教学为主要实现形式;通过实验室开展工程实践活动，以精选的金融领域大数据项目为基础设计教学案例，以多样化的教学模式为途径实施实践教学过程，以“新工科”理念为指导，培养学生应用大数据技术，解决金融领域复杂工程问题的创新能力。

二、人才培养目标和特色定位

人才培养的目标为:坚持立德树人、德育为先，按照“宽基础、瞄前沿、重实践、求复合、创模式”的思路，培养德、智、体、美、劳全面发展，具有扎实的专业基础知识、良好的科学素养和创新意识，较强的工程实践能力，具备计算机、数据科学、财经学科如金融学等多学科的基础理论和知识，能够利用大数据的技术与方法解决行业具体应用问题，具有一定创新能力、工程实践能力、协作能力和自我发展能力的高级应用人才。毕业数年后能够成为大数据有关教学、科研、开发和应用领域的技术骨干。具体能力包括:立场坚定、热爱祖国、品德优良、责任感强，能够吃苦耐劳，具有优良的学术素养;具备扎实的大数据分析技术基础，熟悉学科前沿技术，具备金融行业知识，胜任研究和开发工作;具备掌握大数据处理技术和机器学习技术，具有坚实学术基础和良好的职业发展空间;具备外语阅读与交流能力、团队协作与沟通能力、独立学习能力、工程实践与创新能力;具有适应社会与行业发展的社会公德和人文素养。人才培养模式特色定位如下:第一，面向金融应用领域。基于“新工科”理念，面向金融应用领域实际需求，以大数据最新技术为工具，设计开发以学科交叉为特征的大数据卓越人才培养教学案例，培养大数据卓越人才数据获取能力、数据处理能力、数据分析能力和数据展示能力。第二，配置交叉教学团队。打破学科壁垒，促进学科间交叉融合，通过整合多学科教学资源，建设跨学科的大数据专业教学团队，践行工程教育的新理念、丰富学科专业的新内容、构建人才培养的新模式、探索高质量育人的新途径，为培养大数据卓越人才提供教学保障。第三，开发深度融合课程。优化课程体系设置，将计算机与财经学科的相关课程有机结合，满足行业对交叉复合型人才的知识要求和能力要求。第四，“采用典型金融案例”教学。通过实施案例教学，改革现有的培养模式和教学方法。基于“新工科理念”创新形成以解决问题为导向的、多学科交叉的、典型案例实践教学的大数据卓越人才培养途径。第五，构建产教融合模式。与大数据产业发展和财经领域的实际问题相结合，协同育人，通过课题研究、项目开发、岗位实习等方式突出财经领域应用特色的训练，着力培养学生面向财经领域问题的实践创新能力。

三、财经领域大数据卓越人才培养方案

财经领域大数据卓越人才培养方案，体现在大数据相关学科基础理论和大数据通用关键技术学习的基础上，进行金融领域教学案例应用“实战”训练;体现在学科交叉重铸课程体系和教学内容，师资融合和先进的教学实验环境支撑;体现在教学过程中，采用全新教学方式、教学方法和教学模式上。达成的目标是激发学生跨学科、多视角的创新思维，培养学生实践创新能力，为德才兼备的面向财经领域的大数据卓越人才素养养成奠定坚实基础。财经领域大数据卓越人才毕业要求。根据人才培养目标，毕业生应获得以下几个方面的知识、能力和素质:第一，专业知识方面。掌握必备的计算机科学与技术、数学、金融学基本原理与方法;掌握大数据、物联网、区块链、云计算及人工智能等技术的基本原理和初步应用。第二，专业能力方面。具备应用大数据技术进行金融行业数据分析与挖掘、算法设计及建模能力;具备利用大数据、区块链、物联网等技术手段解决行业相关问题的能力。第三，专业素质方面。具备求实创新意识和严谨的科学素养;具有科技意识和创新意识，能够分析解决复杂领域问题。专业素质能力模型见图1。第四，领域知识方面。大数据技术应用具有很强的领域特征，除学科的相关知识，还需要具备此财经应用领域的背景知识，培养学生掌握该领域大数据采集、管理、分析、决策的综合能力。选择“财经类案例”实施教学是图1专业素质能力模型财经领域大数据卓越人才培养的重要方法和途径。

四、财经领域大数据卓越人才培养课程设置

财经领域大数据卓越人才培养应通过课程设置体现出“大数据专业基础理论+应用领域基本知识+细分方向工程实践”的培养思路、达成目标和实施路径。为财经领域德才兼备的大数据卓越人才素养养成奠定坚实基础。课程设置详见图2。专业核心课程主要包括:数据结构、数据库系统概论、操作系统、计算机网络。专业核心课程的学习旨在将计算机网络、操作系统、数据库系统等计算机系统基础知识与方法，用于复杂大数据工程问题的系统认知、设计、开发与应用。将计算机网络、操作系统、数据库系统等计算机系统基础原理，用于复杂大数据工程问题的识别与表达，以获得有效结论;综合运用数据科学和大数据技术的基础知识，进行复杂大数据工程问题的整体研究，就全局的功能或性能问题设计相关的实验方案，对实验结果和数据进行分析，并通过信息综合得到合理有效的结论。专业主干课程主要包括:大数据技术基础、大数据应用开发技术、虚拟化技术、分布式数据库、数据挖掘与机器学习、大数据应用综合实践、经济学、统计学、金融学。专业主干课程的学习旨在将大数据平台技术、大数据分析技术等大数据专业技术知识，用于大数据系统的规划与设计、部署与开发、运行与管理;基于大数据平台技术、虚拟化等技术，就复杂大数据工程系统中涉及的大数据处理平台功能或性能问题进行研究，并设计相关的实验方案，对实验结果与数据进行分析，并对实验数据进行合理的解释;运用大数据平台和大数据智能分析的基本原理，进行复杂大数据工程问题的识别与表达。专业选修课程主要包括:深度学习基础、大数据与R语言、数字电子技术、Spark大数据分析、大数据可视化技术、软件设计模式与体系结构、数据采集与网络爬虫、文本数据分析、机器视觉、投资学、计量经济学、金融风险管理。专业选修课程的学习旨在将数学知识、方法与思想，用于大数据工程过程中所需要的抽象思维和逻辑分析;通过文献与信息资源的收集、研究与分析，以获得解决复杂大数据工程问题的有效结论。基于大数据分析中的数学原理、机器学习算法、金融学等知识，就复杂大数据工程系统中涉及的领域性功能或性能问题进行研究，设计相关的实验方案，并对结果和数据进行分析和总结。

五、财经领域大数据卓越人才培养教学案例开发

秉承科研反哺教学的理念，精选财经领域的科研项目，如教育部“数启科教智见未来”产教联合基金项目“大数据分析处理技术及其在绿色金融领域应用研究”，河北省高等教育教学改革研究与实践项目“基于案例教学的大数据卓越人才培养模式研究与实践”等为基础设计开发教学案例，培养学生解决复杂工程问题能力，强化学生大数据工程实践和应用创新能力，实现大数据卓越人才的培养目标。绿色金融是指金融运行是建立在以保护和完善生态环境为前提，以支持生态环境维护与改善为目标，以经济效益和环境效益相融合为结果的金融资源集聚与分配的过程。真正的绿色金融体系一旦成立起来，应对企业促进生态环境健康发展的行为进行量化和评估，借助自然资本和生态大数据，使企业自己的价值获得提升，也为股东创造价值，同时为金融服务创造价值。绿色金融大数据分析案例包含一系列面向金融行业大数据的分析与处理技术，本案例通过金融行业协会和企业合作获取数据使用权限，培养学生对绿色信贷数据、证券数据、保险数据的分析和管理能力。绿色金融大数据分析案例可划分为如下三个方面。1．金融数据的清洗和融合技术，建立金融数据仓库。将环境、金融、商业、信用等领域的实时监测数据采集和处理，并融入大数据评价系统，实现真正意义上的大数据支撑;通过对海量金融数据的研究，结合绿色金融应用需求，构建金融数据聚融的绿色金融数据仓库。采取绿色金融数据预处理和绿色金融用户数据分析以及绿色金融数据分析方法，设计实现绿色金融数据仓库。金融数据的清洗和融合技术包括绿色金融数据采集、多种类型金融相关数据融合、绿色金融数据处理三部分。2．根据金融行业用户需求进行分析与处理，建立金融企业用户行为模型。得益于互联网、大数据等技术的不断创新与推广应用，基于累计的客户信息资料，利用大数据技术挖掘客户的消费习惯，着力设计出具有定制化的金融产品。根据企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据等构建企业客户画像，通过打通内部和外部数据获得完整的客户拼图，从而详细了解客户的多方面信息。建立金融企业用户行为模型有利于为优质客户提供精准高质量服务。在精准客户识别的基础上，支持优质客户在技术改造升级、研发能力提高、绿色低碳发展等方面的业务需求，促进企业转型与技术升级，有效促进国民经济的绿色可持续发展。3．基于绿色金融指标体系，进行金融企业信用与风险评估。构建绿色金融指标体系可以推动绿色信贷与行业信贷政策的有机融合，促进金融机构有效抓住机遇，提高发展绿色金融的内在动力，加大绿色金融产品的创新力度，为新型的绿色经济融资模式提供数据支撑。基于已有数据仓库，依据或参考成熟先进的评价标准和评价方法，以第三方评估和评级机构视角，培养学生提供公益性和商业性咨询和评价服务的职业能力。在信用管理、风险可控方面，充分利用大数据在客户信用分析方面的技术优势，利用海量数据资料做好融资客户的信用评价与跟踪分析，基于专业化分析技术强化金融风险管理。及时跟踪分析绿色经济发展的趋势与特点，适时研判“绿色金融”发展过程中存在的信贷风险临界点，结合传统金融经验去主动识别借款方的环保风险。

六、结语

本文主要研究面向财经领域的大数据人才培养模式。基于“新工科”理念+“新财经”视角，采用“大数据专业相关基础理论+应用领域基本知识+细分方向工程实践”的思路，深入研究基于案例教学的大数据人才培养模式和教学实践路径。在学数据专业相关理论和关键技术的基础上，面向财经领域，利用绿色金融大数据案例开展教学实践，重点培养学生面向财经领域解决复杂问题的能力，提升学生的实践创新素质。

参考文献:

［1］杜钦生，薛蛟．新工科背景下大数据专业人才培养研究［J］．产业与科技论坛，2020(12):185－186．

［2］王元卓，隋京言．新工科背景下的大数据专业建设与人才培养［J］．中国大学教学，2018(12):35－42．

［3］猎聘2019年中国AI＆大数据人才就业趋势报告［EB/OL］．

［4］王桂平，李韧，刘君，等．大数据课程体系实验教学改革与探索［J］．教育现代化，2020(41):88－90．

［5］谭怡．大数据人才培养模式分析与思考［J］．内蒙古科技与经济，2019(18):30－32．

［6］俞勇．“新工科”视域下高校工程人才培养理念研究［J］．大众标准化，2020(9):45－46．

［7］李红．基于案例教学的计算机课程教学方法研究［J］．计算机产品与流通，2020(9):247．

［8］刘芳，吴炎太．金融大数据复合型人才培养模式研究———以广东金融学院为例［J］．中国管理信息化，2019(19):198－202．

作者:王素贞 忽丽莎 孙洁丽 单位:河北经贸大学信息技术学院