財經高校數據科學與大數據技術建設

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了財經高校數據科學與大數據技術建設范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：文章針對數據科學與大數據技術專業建設面臨的挑戰，基于數字經濟發展對大數據人才的行業產業需求調研，分析大數據人才就業方向與崗位要求，遵循OBE理念的反向設計、正向實施原理，從培養目標、畢業要求、課程體系及實施評價等方面闡述財經高校如何基于OBE理念開展數據科學與大數據技術專業建設。

關鍵詞：OBE；大數據；專業建設；財經高校

當今社會，大數據爆發性增長，正在掀起一場產業革命，對經濟發展、社會治理和人民生活產生著重大影響，成為國家、社會、企業及個人關注和投入的新焦點。在國家大數據戰略和數字經濟發展驅動下，2016-2021年，全國分六批共有670余所高校獲批數據科學與大數據技術本科專業，主要培養具備大數據采集、處理、分析與應用能力的復合型人才，其專業建設對于滿足數字經濟時代行業產業發展對大數據人才的需求具有重要意義。為辦好這一新興本科專業，高校教研人員圍繞培養方案制定、課程體系設計、師資隊伍建設、學生實踐能力訓練等內容進行了探討[1-4]。數據科學與大數據技術專業是一門融合多學科知識的交叉專業，高校如何根據現有辦學基礎和特色，遵循基于成果產出的教育（Outcome-basedEducation，OBE）理念，明確培養目標定位，構建個性化培養方案和課程體系，將專業特色體現為被培養者所具備的知識、能力和素質要求，以適應數字經濟發展對大數據人才的需要，還需進一步深入探討。本文基于OBE理念，從培養目標、畢業要求、課程體系與考核評價等方面，探討財經高校的數據科學與大數據技術專業建設之路。

一、專業建設面臨的挑戰

作為一門融合多學科知識的新興專業，高校往往基于原有專業基礎和條件來建設數據科學與大數據技術專業，規劃不同的辦學方向和特色。雖然原有基礎和條件為新專業建設提供了資源支持和參考借鑒，但新專業建設還面臨以下問題和挑戰：

1.培養目標定位“換湯不換藥”。作為多學科融合交叉專業，高校開設數據科學與大數據技術專業，多基于現有計算機科學與技術、統計學、應用數學或管理學相關專業的辦學基礎和師資隊伍。現有辦學基礎雖然為新專業建設提供了參考借鑒，但也使得新專業的培養目標和特色定位容易出現與原有專業交叉重復和含糊不清的問題，不能與時代發展和社會需求相適應，導致學生培養思路不清晰，出現培養目標定位“換湯不換藥”的現象。

2.課程體系設計“泛而不精”。數據科學與大數據技術專業學生培養，既要求掌握計算機科學與技術基礎，又要學習數學與統計學相關知識，還需具備一定的專業化行業知識，即基礎知識要求高、數據分析能力要求強、行業知識范圍要求廣。高校在設計課程體系時往往會兼顧到不同學科知識，但很難理清不同學科知識之間的相關關系和層次脈絡，導致課程設置存在“泛而不精”的問題，使得學生只是停留在知識學習層面，不能融會貫通，綜合運用能力較差。

3.學生實踐能力“眼高手低”。數據科學與大數據技術專業建設投入要求較高，不僅需要配備高性能硬件環境，而且必須有充足的高質量數據用于數據分析實訓。但多數高校缺少企業項目實戰案例、商業數據以及專業的大數據實訓平臺，使得學生缺少大數據分析實戰實訓，動手實踐能力得不到有效訓練，學生培養存在“眼高手低”的問題，不能滿足學生的發展需求，更不能達到用人單位的綜合能力要求。

二、人才需求調研

為有效應對數據科學與大數據技術專業建設過程中面臨的問題與挑戰，調研了不同行業對大數據人才的最新需求，了解了不同行業對大數據人才的需求狀況，明確了該專業與社會相關行業、職業、崗位的對應關系，深入分析了不同行業崗位對大數據人才的知識、能力、素質要求。調研發現，不同行業對大數據人才的需求主要集中于三大就業方向，分別為大數據應用開發方向、大數據分析方向、大數據架構設計方向，各方向對應的基礎工作崗位和工作任務設置歸納如下：

1.大數據應用開發工程師。典型工作任務包括軟件開發、軟件測試、軟件運維、面向業務的大數據平臺應用開發等。

2.大數據分析師。典型工作任務包括面向業務的大數據采集、預處理、挖掘與機器學習、統計分析、運籌優化、數據可視化等。

3.大數據系統研發工程師。典型工作任務包括海量數據分布式編程、大數據平臺底層架構設計、大數據分布式存儲與計算、云平臺架構設計等。更進一步，各工作崗位和工作任務對畢業生的具體要求歸納如下：

1.大數據應用開發方向。注重計算機科學基礎，要求學生具備較強的C/C++/JAVA編程、Web前端開發及軟件測試等軟件編程開發能力，了解一定的專業化行業知識，熟悉業務需求分析、方案設計、系統設計、編程實現、實施與運維等軟件工程開發全過程。

2.大數據分析方向。注重統計學、優化理論與算法等數學基礎以及計算機編程基礎，要求學生熟練掌握數據挖掘、機器學習、深度學習以及運籌與統計分析理論與算法，具備面向特定業務場景的數據管理與融合應用能力，能夠面向數據采集存儲、分析建模、挖掘學習、管理決策等全流程提供數據管理與融合應用解決方案。

3.大數據架構設計方向。要求學生具備計算機科學基礎和軟件開發能力，熟悉大數據底層架構原理，熟練運用主流大數據平臺和典型深度學習系統，如Hadoop、Spark、TensorFlow，設計、開發面向特定行業的大數據產品和云平臺。

三、基于OBE理念的專業建設實施路徑

OBE理念是一種以學生為中心、基于學習成果產出的教育理念，也稱為能力導向教育或學習產出導向教育，也是一種以學生的預期學習產出為中心來組織、實施和評價教育的結構模式，即采用“成果導向”的認證標準，將學生表現作為教學成果的評價依據，并以促進專業持續改進作為認證的最終目標，保證學生能夠獲得將來工作所需的知識、能力和素質[5-8]。針對數據科學與大數據技術專業建設面臨的挑戰，根據產業行業對大數據人才需求的調研結果，深入分析時代發展和社會需求對畢業生的具體要求，考慮江西財經大學現有辦學基礎、條件和特色，基于OBE理念的培養方案反向設計原理，可將數據科學與大數據技術專業建設思路與實施路徑設計成如圖1所示的校內外雙循環閉環模型。

（一）培養目標

江西財經大學自2014年招收面向財經大數據方向的計算機科學與技術專業本科生后，2018年開始招收數據科學與大數據技術專業本科生。隨著專業建設和學生培養工作的不斷深入，形成了財經管理特色鮮明的數據科學與大數據技術專業建設思路和學生培養模式。數據科學與大數據技術專業是以計算機科學與技術、信息管理與信息系統、管理科學三個專業為基礎建設起來的，教師隊伍和教學資源與三個專業共建、共享。經過行業產業需求調研，結合學校在財經領域的學科優勢，數據科學與大數據技術專業人才培養主要定位于大數據應用開發和大數據分析兩個方向，其中將前者視為人才培養的基本目標，將后者視為人才培養的核心目標，即側重于培養具備財經管理知識背景的數據分析師與數據科學家，專業培養目標歸納為：本專業培養德智體美勞全面發展，秉承“信敏廉毅”校訓精神，適應國家大數據戰略和數字經濟發展需要，具有數學、統計學和計算機科學基本理論，具備數據采集存儲、分析建模、挖掘學習、管理決策能力，能在金融機構、工商企業和政府部門從事數據管理與融合應用工作的復合型人才。學生畢業后經過5年左右的實際工作，達到以下預期成就：

1.應用數據采集存儲、分析建模、挖掘學習、管理決策等專業能力，承擔金融、商務運營、政府政務等多學科背景下的財經數據分析工作。

2．針對財經領域多學科背景下的大數據管理與復雜工程問題，運用數學、統計學、計算機科學、數據科學等知識，經調研、分析、判斷和綜合處理等過程，提出并踐行數據管理與融合應用解決方案。

3.開展財經領域的大數據技術和管理工作，主動提高并展示多學科背景下的溝通交流能力、團隊合作精神以及國際視野。

4.履行并承擔大數據技術與管理人才應盡的社會義務及責任，主動提高并展示自身社會職責、社會公德、人文素養和職業道德。

5.主動錘煉團隊意識和終身學習能力，主動拓展自己的知識和能力，關注本專業與其他學科交叉融合的新理論、新方法和新技術，適應不同職業崗位賦予的工作任務，獲得自身職業生涯的持續發展。

（二）畢業要求

為實現專業培養目標，滿足數字經濟時代行業產業發展對大數據專業人才的需要，將人才社會需求、培養目標和專業特色體現為被培養者所具備的知識、能力和素質要求。

1.知識要求。掌握數學、統計學、計算機科學基礎知識，訓練嚴謹的數學邏輯思維和熟練的編程技能，應用基于統計與優化的數據分析方法對大數據管理與工程實踐復雜問題進行描述、建模和分析，并編程實現，同時掌握財經及其相關領域的金融、商務運營、政府政務等多學科基礎知識，能夠面向財經管理復雜問題進行數據分析實踐。在具體工作中表現為：具備數學、統計學、計算機科學、數據科學基礎知識與專業知識，用于描述和分析財經及其相關領域的大數據管理與工程實踐復雜問題。此外，還要求學生了解國家大數據戰略、數字經濟產業政策及相關法律法規，能夠正確理解和評價大數據管理與工程實踐對經濟、社會、健康、安全、法律、文化和環境的影響。

2.能力要求。具有較強的數據采集存儲、分析建模、挖掘學習、管理決策能力，解決財經領域特定行業的大數據管理與工程實踐復雜問題；面向財經領域的不同需求和多任務要求，具有較強的數據管理與融合應用能力，能夠面向不同業務需求提供個性化的解決方案，實現資源的優化配置。在具體工作中表現為：具有對大數據管理與工程實踐復雜問題進行描述、分析、研究、決策和驗證等的工程實踐能力和創新意識，熟練運用主流大數據平臺、典型深度學習系統，提供面向財經領域及其相關行業的數據管理與融合應用解決方案。

3.素質要求。樹立正確的、積極向上的世界觀、人生觀、價值觀，具備人文社會科學素質，理解個人與社會的關系以及社會主義核心價值觀；理解大數據人才的工程職業道德、社會責任、團隊協作精神和社會適應能力；能夠認識不斷探索和持續學習的必要性，具有自主學習和終身學習的意識，采取合適的方法與途徑，不斷拓展自身的知識與能力；了解本專業及相關領域的前沿發展趨勢，關注本專業與其他學科交叉融合的新理論、新方法和新技術，具有開放意識、全球視野和跨文化溝通交流能力。

（三）課程體系設計

基于對學生的知識、能力和素質畢業要求指標點，有效整合原有專業教學資源優勢，基于OBE課程教學正向實施原理，財經管理特色鮮明的課程體系設計思路如圖2所示，并將課程體系設計準則和特點歸納如下。

1.厚基礎。夯實學生的數學與統計學知識基礎，深化學生的計算機編程和算法設計基礎，為學生學習和熟練運用數據挖掘、機器學習相關算法及編程實現奠定堅實基礎，并使學生未來在就業、升學、出國等不同方向上具備較強可塑性。

2.強能力。加強培養學生基于統計與優化的數據分析建模和數據挖掘學習能力，熟練掌握數據分析全流程所需的理論、方法和工具，能夠面向財經領域不同的業務需求或數據分析需求，通過問題描述、分析和建模等過程，提出個性化的數據應用與管理決策方案，并要求學生能夠基于Hadoop、Spark等主流大數據平臺進行數據分析實戰。

3.寬口徑。突出數學、統計學、計算機科學、數據科學與財經商務管理等不同學科的交叉融合，圍繞金融大數據分析、運營與商務數據分析、運籌分析與管理決策、大數據挖掘與應用開發等四個專業方向，開設不同的專業方向選修課程，為學生提供不同的行業基礎知識和實踐案例，培養學生面向不同行業背景的數據管理與融合應用綜合能力。

4.重實踐。重視學生面向財經領域數據管理與融合應用實際需求的解決方案設計實踐，通過形式多樣的課堂實驗設計和大數據實驗實訓教學平臺建設，開展多樣化案例教學和行業數據分析實戰，大力推行本科生導師制，指導學生參加金融數據分析大賽、企業商務數據分析大賽、計算機作品大賽以及“互聯網+”創新創業大賽等不同形式的實踐比賽競賽，并充分利用校外實習基地，加強校企合作，促進產學研結合。

（四）考核評價

OBE理念強調教學過程以學生為中心，把全體學生的學習成果作為關注的焦點，教學組織、設計和實施的目標是保證學生獲得特定的學習成果。因此，基于OBE理念的考核評價要以學生的學習成果作為唯一標準，從課程目標達成度、畢業要求達成度、培養目標達成度等不同維度對學生的學習成果進行評價，建立“評價-反饋-改進”閉環，形成持續改進機制。

1.課程目標達成度評價。在教學過程中，將課程目標達成度評價的核心從“教師教的如何”向“學生學的如何”轉變，改變以考試和分數為標準的單一評價方式，面向教學實施全過程，以課堂學習、課后練習、答疑講解、實踐評價、期末考試等多種方式全面評價學生的學習成果產出。根據課程目標達成度評價和反饋，形成課程目標、教學內容、教學方式持續改進的課內閉環。

2.畢業要求達成度評價。基于課程目標達成度評價，根據課程目標對畢業要求指標點所起的支撐作用，為對應同一畢業要求指標點的所有課程目標達成度分配相應支撐權重，然后加權得出畢業要求達成度評價結果，并與預先設置的合格標準進行比較。根據各項畢業要求達成度評價和反饋，形成畢業要求、指標點、課程體系、課程大綱持續改進的校內閉環。

3.培養目標達成度評價。基于畢業要求達成度評價，根據畢業要求與培養目標之間的支撐關系，采用畢業生反饋和社會反饋相結合的方法，評價培養目標達成度。畢業生反饋方法充分利用畢業座談、校友回訪、返校聯誼等交流機會，跟蹤畢業生職業發展狀況、培養目標認同度、培養目標達成自我評價。社會反饋方法充分利用校園招聘、校企產學研合作、實習實訓基地、企業走訪等機會，跟蹤了解企業人才需求與培養目標吻合度、畢業生職業發展與培養目標吻合度、企業對培養目標認同度。根據培養目標達成度評價和反饋，形成人才需求、培養目標、畢業要求持續改進的校外閉環。

四、結束語

針對數據科學與大數據技術專業的多學科融合交叉特點，本文重點探討了數字經濟時代財經高校如何基于現有辦學基礎、條件和特色建設這一新興本科專業。本文以江西財經大學數據科學與大數據技術專業建設為例，基于專業建設面臨的挑戰和行業產業發展對大數據人才的需求分析，遵循OBE理念倡導的反向設計、正向實施原理，從培養目標、畢業要求、課程體系及實施評價等方面闡述了財經高校數據科學與大數據技術專業建設思路與實施路徑。在人才培養過程中，既注重培養學生的數學與計算機科學基礎，又注重培養學生的數據采集存儲、分析建模、挖掘學習和管理決策能力，并通過建設數據分析案例庫、打造大數據實驗實訓教學平臺、本科生導師制與產學研相結合等多種方式，加強培養學生的創新實踐能力以及面向財經領域的數據管理與融合應用能力。

作者:韓加林 單位:江西財經大學信息管理學院