基于勝任力的財經類高校DA課程體系構建與實踐

杜 賓，劉 煒

（江西財經大學 信息管理學院，江西 南昌 330032）

0 引 言

近年來，隨著信息技術和互聯網的爆發式跨越發展，人類進入萬物互聯的大數據時代，數據已成為當今世界的基礎性戰略資源。2012年美國總統奧巴馬宣布啟動“大數據研究與開發計劃”，旨在提高從海量數據中獲取知識和觀點的能力[1]。與此同時，我國高度重視大數據發展，制定《大數據產業發展規劃（2016—2020年）》，全面實施國家大數據戰略，助力中國經濟從高速增長轉向高質量發展[2]。隨著大數據的不斷開發和深入應用，各行各業對大數據方面的人才產生強烈的需求，許多知名企業開設大數據研究中心，與大學開展合作，因而催生了大學大數據專業教育[1]，系統地講授數據分析（Data Analytics，DA）類課程。

數據分析是指運用適當的數學、統計方法和軟件工具剖析數據，揭示數據內在的價值和規律，形成合乎邏輯的解釋和描述，達到對客觀事物的科學認識[3]。同時，數據分析也是對數據的全方位探索和概括提煉，從海量數據中提取有效信息和形成結論的過程[4]，不僅通過對真實數據的分析去發現問題，還能夠運用經濟學、會計學、金融學原理建立數學模型，對投資、期權或其他決策是否具有可行性進行分析并給出解釋，預測未來的收益及風險情況，為科學合理的決策提供參考依據[5]。

由此可見，基于財經類高校的教學實踐構建數據分析課程體系，能夠提升學生的專業能力和社會競爭力，滿足經濟高速發展的金融市場需求，體現財經類高校自身的辦學能力。

1 培養目標對接市場需求

面對大數據時代，市場對數據分析的要求發生“質”與“量”的轉變。從“質”的維度看，數據分析的水平提升很高，要求掌握統計學、數據挖掘和機器學習的知識；從“量”的維度看，不僅數據分析人員的數量增大，而且數據分析的職位細化，層次分明。應基于金融市場上數據分析行業的調查數據，將數據分析職業匹配勝任能力，明確高校培養的目標。高級別的職位需要覆蓋低職位的能力要求。

（1）數據專員。此職位能夠收集數據、整理數據并實現基本的可視化功能，對應的能力要求是篩選、排序、透視表、公式和函數，并且能夠簡單的編程，這就要求熟練掌握Excel +Powerpoint + VBA。

（2）數據分析員。此職位能夠運用專業的數據庫管理數據，對應的能力要求是增、刪、改、查詢、數據的讀入和寫出等操作以及使用、管理大型數據庫，這就要求熟練掌握SQL+RMSDB+領域知識。

（3）數據分析師。此職位能夠熟練駕馭統計學知識，包括多元回歸、假設檢驗、方差分析、蒙特卡羅和貝葉斯方法；同時，熟悉領域背景知識，可以做到了解企業現狀與競爭環境、風險評判與決策支持，能夠充分利用大數據帶來的價值[6]，進行數據挖掘與可視化后，呈現給企業決策者的將是一份清晰、準確且有數據支撐的報告。

（4）數據科學家。此職位能夠完成數據分析師、商務智能等工作，并且精通統計學和計算機科學。熟悉領域背景的同時，掌握機器學習的技巧和方法，不僅可以處理數據、ETL、可視化，還能做到調節參數、選擇模型、優化算法。數據科學家已不是簡單的IT技術人員，而是可以參與到企業決策、制訂發展戰略的核心人物[6]。

2 DA勝任力模型的構建

20世紀70年代，以“智力”測評為主的能力評價思想遭到廣泛的質疑[7]。哈佛大學教授McClelland提出“勝任力”概念，認為成就動機、人際關系、團隊影響力才是真正影響績效的能力特征[8]。針對本科教育，大學的培養目標定位于數據分析師；針對研究生教育，大學的培養目標定位于數據科學家。以本科教育為例，與之匹配的數據分析師應該具有的能力對應的勝任力模型，主要有4個維度，具體有知識結構、人文能力、工具能力、程序設計能力。

2.1 知識結構

數據分析屬于數據科學的分支，需要多學科全方位的知識儲備，并在分析實踐過程中積累經驗值，主要覆蓋以下幾個方面。

（1）數學方面。微積分、概率論、線性代數等課程是大部分數據結構進行矩陣運算和數理分析的基本計算方法。

（2）統計方面。掌握描述性統計、統計推斷的基礎知識以及多元回歸等相關性分析和因果分析，融合結構化、非結構化數據進行數據建模和預測，至少會使用一種統計工具軟件，例如R、SPSS、Stata、SAS以及SciPy包等。

（3）數據庫方面。掌握SQL語言，了解MySQL、SQLServer、Oracle等高性能關系數據庫。

（4）程序設計語言方面。掌握至少一門計算機高級語言，例如C/C++、Java、VBA、Python等，并且具備程序設計思維和方法。

（5）算法方面。主要包括數據挖掘、機器學習等，其中數據挖掘是數據分析的高級階段，機器學習則是數據挖掘的高級部分。具體算法是無監督學習的主成分分析（PCA）和聚類、有監督學習的回歸和分類、半監督的強化學習、深度學習等。

（6）數據可視化。當R、Python、SPSS、Stata等軟件的可視化功能不能滿足數據分析的要求時，可以選擇一些專業性強的可視化工具，如HighCharts、Tableau、Google Visualization API 等。

2.2 人文能力

數據分析是一項全方位融合的技術性工作，離不開人文能力的支撐。人文能力的維度主要包括以下幾方面。

（1）行業領域知識。對行業及其背景的數據屬性、類型、結構非常了解，例如服務業、制造業、政府機關、事業單位等。

（2）創造力。數據分析工作本身就是一項數據挖掘、知識發現和創新為主的活動，因此并不缺乏創造力。

（3）項目管理能力。針對特定項目的數據集，在一定的約束條件下，負責人帶領團隊成員完成數據分析和知識發現任務的綜合管理能力。

（4）溝通能力。團隊負責人及其成員有效地將信息、知識、經驗等進行溝通和共享，是完成DA工作的關鍵[7]。

2.3 工具能力

根據DA知識結構的要求，數據分析離不開計算機硬件、軟件和軟件包，尤其是面向大數據。工欲善其事，必先利其器。因此，數據分析師需要擅長一些工具軟件。數據分析工具眾多，主要有3類：一是統計軟件或軟件包，例如R、SPSS、Stata、SAS以及SciPy包；二是可視化軟件，例如，R有3套可視化系統，由Base、lattice、ggplot2構成；三是數據庫軟件，例如SQLServer、MySQL、Oracle等大型數據庫。

2.4 程序設計能力

以良好的工具軟件或工具包為基礎，數據分析在一般情況下不需要大量的編程工作。但是對于數據分析師或者數據科學家來說，具備高水平的程序設計能力，是職業勝任力不可或缺的一部分，而且，面向計算思維、掌握編程語言或者編寫腳本（script）文件實現算法既是內在能力要求也能夠體現強大的競爭力。當前流行且功能強大的語言或者軟件有Python、R、C/C++、Java、MATLAB、Ruby等；未來可期的還有Julia、Go等。

3 DA課程體系的構建

以財經類高校信息管理與信息系統專業（智能金融方向）為例，構建DA課程體系，主要從3個方面闡述，即培養目標、課程組成及其之間的依賴關系。

3.1 培養目標

面向財經類高校，信息管理與信息系統專業（智能金融方向）的培養目標融合傳統的信息管理與信息系統專業+財經類專業，同時突出金融智能化特色。所以，具體目標是培養具有先進管理理念，掌握金融管理基礎知識、信息管理理論與系統科學方法，熟練掌握互聯網金融數據處理技術以及互聯網金融平臺開發方法，具備較強的金融大數據分析能力，在銀行、證券、保險等各類金融機構和管理部門以及政府機關、事業單位及互聯網金融企業從事信息管理、電子支付、咨詢服務、管理信息系統的實施、維護與評價等方面工作，具有健全人格、富有創新精神，同時具有較強實踐能力的互聯網金融方面的創新創業人才。依據培養目標可以發現，數據分析日益成為專業教育的核心能力，數據分析課程體系服從于培養目標，并為培養目標奠定重要基礎。

3.2 課程組成

依據高校“三三四四”教學育人體系，可將大學本科教育的所有課程劃分為4類：通識課程、基礎課程、專業理論課程、實踐課程。從這4類課程中提取與數據分析相關聯的多層次課程，納入數據分析課程體系，同時，將課程知識與數據分析職位要求相匹配，見圖1，詳細課程構成如下。

（1）通識課程。指專業課程以外的基礎教育課程[9]，旨在拓寬學生的知識廣度和獨立思考判斷力，主要包括：微積分Ⅰ&Ⅱ、辦公軟件高級應用、西方經濟學、會計學等。

（2）基礎課程。指信息管理與信息系統專業的基本理論課程，旨在培養學生的基本能力和基本素質，主要包括線性代數、概率論與數理統計、程序設計語言、管理學原理、學科專業導論等。

圖1 數據分析課程體系

（3）專業課程。指專業的主干課程，旨在講授本專業的核心理論和專門技能，主要有數據庫原理及應用、R語言數據分析導論、金融大數據分析、管理統計學、管理信息系統、貨幣銀行學等。

（4）實踐課程。純粹的或側重于實踐課程有R語言數據分析、程序設計實訓、專業實訓等。一般地，與數據分析有關的實踐環節大部分與理論課程并行，即專業課程既有理論教學也有實踐輔助設計，例如，金融大數據分析、數據庫原理與應用、程序設計語言、辦公軟件高級應用等。

3.3 依賴關系

數據分析體系內每門課程不是孤立的存在，既有為后續課程做“鋪路石”的前導向課程，發揮基礎性支撐作用，如微積分為概率論與數理統計、數據庫原理及應用為數據庫開發技術、R語言數據分析導論為金融大數據分析等；也有學科交叉融合的創新特色課程，如管理統計學融合管理學和統計學、R語言數據分析導論融合計算機科學和統計學等；還有應用融合類課程，如計算機應用技術涵蓋Excel、Powerpoint等軟件。

另一方面，數據分析是面向過程、強實踐性的一類課程，更加注重理論教學與實踐教學的融合和一致性，提高學生解決復雜問題能力和創新創業能力。依據數據分析課程體系的構建理念，可以區別驗證性實驗、綜合性實驗、設計性實驗、創新性實驗的實踐教學項目，分層次遞進式設計實驗目標和實驗內容。主要實踐環節劃分為專業基礎實驗、個性化培養階段、畢業實習、畢業設計、社會調查與學年論文、課外科研創新實踐活動。其中，在第一、二、三學年個性化培養階段（小學期或二階段）分別安排程序設計實訓、專業實訓Ⅰ和專業實訓Ⅱ，強化學生的綜合實踐能力。

4 DA課程體系的實踐

將DA課程體系應用在財經類高校的智能金融方向，將財經類高校的金融市場領域與數據分析技術相結合，可以提升學生的金融大數據分析、建模與計算能力，并進一步強化學生的綜合實踐能力。具體課程設置與學期分布見表1。

課程知識與職位勝任力相匹配，一年一個臺階，形成分階遞進培養模式[10]。①第一學年通過必修課計算機應用技術和選修課辦公軟件高級應用，重點學習Excel、Powerpoint等，達到數據專員水平；②第二學年通過必修課數據庫原理及應用和程序設計語言，重點學習SQL語言和管理數據庫，能夠達到數據分析員水平；③第三學年通過選修課R語言數據分析導論和必修課金融大數據分析課程，重點學習數據分析的基本理論、方法和模型，接近金融行業的數據分析師水平。

5 結 語

目前，我國處于經濟發展轉型的關鍵時期。宏觀上，大數據環境下的社會實體渴求具備數據分析能力的創新人才；微觀上，中國高校打造一流本科教育，著重培養創新創業精神。因此，破解傳統的課程結構體系，重構信息管理與信息系統專業的課程規劃，構建數據分析課程體系，是高等教育不斷探索創新的舉措。數據分析課程體系既包容傳統數據庫類課程，又納入金融大數據分析等新課程，整體處于快速探索階段。有理由相信在未來若干年，數據分析類課程能像數學、英語，進入其他學科課程體系并在眾多領域中綻放光彩。

表1 數據分析課程設置與學期分布