“金融大數據”人才培養模式及實現路徑研究

劉偉

[摘 要] 在市場化、信息化的大數據時代，統計學科迎來了前所未有的發展機遇。面對經濟社會對統計人才提出的更高要求，如何建立合理有效的“金融大數據”人才培養模式，是專業教育者亟須解決的問題。本文基于財經類院校的“金融大數據”人才培養目標，以經濟統計學專業為例，從專業核心能力培養出發，從課程設計、教學方法、教學資源、師資隊伍等方面對“金融大數據”人才培養模式及實現路徑展開積極探索。

[關鍵詞] 金融大數據;經濟統計學;人才培養模式

[中圖分類號]G642? ?[文獻標志碼] A [文章編號] 1008-2549（2020） 12-0025-03

一 引言

我國“十三五”規劃（2016-2020年）提出“實施國家大數據戰略，推進數據資源開放共享”，標志我國大數據建設拉開了新的序幕。大數據時代建設為金融行業帶來了前所未有的機遇和挑戰。為加強金融人才建設和儲備、進一步落實人才強國戰略、緊跟《國家中長期人才發展規劃綱要（2010-2020年）》的部署，人民銀行聯合證監會、銀監會和保監會印發了《金融人才發展中長期規劃（2010-2020年）》，進一步明確了金融人才培養的主要目標和戰略任務，力爭建設一支高技能人才隊伍以適應金融業務集約化、信息化發展趨勢。

作為上海高水平應用型財經類大學，需主動應對、大力開展大數據時代的金融教育和人才培養，為上海國際金融中心建設做好充足的人才儲備，探索“金融大數據”人才培養之路有其必要性和現實意義。

二 文獻綜述

縱觀國內已有研究，從不同角度對大數據人才培養展開論述，對大數據人才培養給予充分重視。

第一類成果基于高校的不同專業探索教學改革方法。如劉芳等（2019）針對目前“金融大數據”人才培養挑戰和存在問題，基于“金融大數據”人才需求進行探索，從培養課程體系、培養模式、培養模式運行機制以及培養模式評價體系四個方面進行人才培養改革。陳躍輝等（2019）闡述大數據時代計算機專業人才培養面臨的問題，并在此基礎上分析人才培養模式的轉變策略。王國胤等（2019）闡述了在大數據與智能化領域的人才培養模式改革實踐，探討了地方高校面向經濟社會發展需求培養新工科創新人才的方法與路徑。郭棟等（2018）探索利用第二課堂構建統計學復合型人才培養創新平臺，通過“三個結合”的創新點實現“五種素質”的培養，并通過思想、組織和制度三方面保障第二課堂在專業人才培養中發揮積極作用。

第二類成果基于不同行業背景探索大數據人才培養。如王麗媛等（2019）闡述了大數據與互聯網金融的關系，對大數據時代背景下互聯網金融創新成果進行概述，對大數據時代互聯網金融人才培養提出建議。王玲（2019）從“互聯網+”背景下金融人才的培養目標出發，分析了互聯網金融發展對金融人才培養的啟示，并在此基礎上提出了改進金融人才培養的建議。張曉露等（2019）基于大數據的發展，深入探討其在金融行業中的應用范圍、應用模式、應用場景，建議加強人才培養，完善大數據產業環境以保障大數據持續、穩定發展，更高效、安全地為金融行業提供服務。

第三類成果從社會需求視角出發提供人才培養建議。如沈丹璇等（2019）通過對蘇浙滬高校及企業的調查走訪，對金融人才的供需端進行分析，并在此基礎上提出完善我國拔尖金融人才培養的建議。饒緒黎等（2019）基于互聯網公開數據，針對大數據領域的企業、崗位和人才要求三方面數據進行分析，結合大數據人才市場需求特征提出高校培養大數據人才的思路。尹勤等（2019）探討了新時代對統計從業者和應用統計專業人才的新需求，全面分析江蘇省高校應用統計專業學位研究生培養現狀，為培養適應大數據時代發展需求的應用統計專業人才提供參考與借鑒。

三 “金融大數據”人才培養模式

“金融大數據”人才培養的目標定位是：適應大數據國家戰略、金融人才發展中長期規劃和上海國際金融中心建設需要，基礎扎實、知識復合、實踐力強、素質全面的金融大數據人才。其中，“基礎扎實”，要求具有扎實的統計基礎知識，能夠熟練地運用基本統計軟件、具備良好的數據分析和處理能力，對數據具有較高的敏銳度;“知識復合”要求進一步拓寬相關專業領域的知識以及研究方向的輻射范圍，尤其是對金融和商務領域的學科知識進行積累;“實踐力強”要求能夠充分挖掘金融大數據的價值，發揮數據作用，解決實際金融問題并獲得有意義的研究成果;“素質全面”要求綜合素質的全面發展，學會“用數據說話”，恰當地將數據結果轉化成生動的語言，讓數據能夠真正地成為工作實踐中的利器。金融大數據人才培養目標的設定是整個培養模式的關鍵，為探索未來的培養路徑指明了方向。

基于以上定位，經濟統計學專業的人才培養模式重點體現在以下兩個方面。

第一，加強行業合作，推行“雙元制”人才培養。加快培養掌握大數據統計技術和大數據統計實施方法論的專業人才;與市場主體、行業協會、科研機構互聯互通，通過編寫教材、聯合培養、宣傳培訓等多種形式，研究探討市場化的大數據統計從業人員能力培養和評價方法;圍繞上海金融中心建設需要，及時更新調整培養計劃，建立與金融實踐相結合的實踐教學體系。

第二，開展專業認證，擴大專業影響。做好“兜住底線、保障合格、追求卓越”的三級認證體系建設，對標認證標準，扎實開展專業自評工作。同時，全面梳理數學基礎、統計方法、大數據技術在經濟金融與國際貿易領域應用等知識鏈條里的環節，突出學科專業交叉，發揮專業優勢，開發“統計綜合評價”“指數理論與方法”等全校公選課程，對其他經濟、金融學科專業建設起到支撐與輻射作用。

四 “金融大數據”人才培養實現路徑探索

在信息技術和金融創新層出不窮的大背景下，“金融大數據”人才培養與市場需求存在明顯差距，主要體現在課程設計、教學方法、師資隊伍、教學資源等多個方面。基于此，本文在以下幾方面開展了有益探索和改革。

（一）課程體系建設

規劃課程模塊，優化課程建設。經濟統計學專業應基于高水平應用型人才培養的需要，按照“基礎課程+專業基礎課程+專業方向課程”架構方式，在專業課程中充分融入金融大數據分析特色，將“厚基礎、強應用、重創新”與“大數據特色實踐”有機結合。縱觀國外知名高校的大數據分析類專業課程體系，本文將特色課程歸納為以下五個模塊。

第一，“理論基礎”類課程模塊，主要講解大數據分析的術語、理念、理論、方法、技術、工具和最佳實踐應用，包括統計學、統計試驗設計、數據挖掘、Python語言（或R語言）、線性和邏輯回歸、模型評估以及機器學習算法等。

第二，“領域應用”類課程模塊，主要講解大數據分析對金融、國際商務領域的影響及其應用方法論或最佳實踐。例如，基于大數據的商務智能、基于大數據分析的金融量化投資等。

第三，“數據呈現和溝通”類課程模塊，主要講解數據呈現與溝通能力在統計學科中重要地位以及可視化表示與故事化描述方法，例如數據可視化與溝通、數據邏輯、可視化表達與故事化描述課程。

第四，“數據分析”類課程模塊，主要講解數據分析，尤其是大數據分析的方法和技術，探索性數據分析將成為應用型人才培養的重點課程之一。例如，根據Gartner數據分析價值扶梯模型（Gartnersanalytic value escalator），因果分析是大數據分析中的重要組成部分，該模塊將設置因果推理課程，重點講解因果分析在大數據分析中的應用。

第五，“人文”類課程模塊，主要講解數據大數據研究與實踐中的非技術和工程類問題，包括與大數據和數據分析相關的道德、隱私、法律、經濟和社會影響等，將“立德樹人”的教育理念貫穿于高水平應用型人才培養的始終。設置完善統計學職業基本知識和技能、基礎職業教育、通識課等基礎性課程，為滿足未來的大數據技術人才需要打下基礎。例如，以“行業專家進課堂”的形式，開設數據道德與隱私、算法偏倚、法律框架和知識產權保護、數據溯源和再現、數據管理與長久保存、大數據用戶體驗和可用性測試、大規模協同中的道德問題、數據溝通以及數據科學的社會影響等專題課程。

（二）教學方法改進

以上特色課程作為經濟統計學專業基礎課，對學生持續性學習能力培養、科創、深造或就業均具有關鍵性作用。為了保證學習效果、提高學習效率，授課教師應充分利用各種現代化信息手段，運用案例教學法、啟發式和互動式教學等各種方法與手段，以培養學生的創造性思維能力。

第一，強化網絡教學，凝練課程特色。不斷完善和強化課程資源建設，適時開展特色課程的Mooc建設，建立以合格課程為基礎、主干課程為重點、精品課程為示范的課程建設體系，爭取建成從教學內容到教學方法、從教材建設到學生能力培養都具有較高水平。深入推進“探究式、小班化”教學改革，加大教學改革投入，通過云教室、云課堂建設，探索以能力培養為主的教學模式。

第二，重視課程輻射，助力學生科創。經濟統計學專業眾多專業課程與金融市場分析關系緊密，學生通過學習專業課程，可對金融市場的眾多問題開展探索研究。專業課程所開展的課內實踐，可為畢業生論文選題或者學生參與科創活動的選題提供豐富的背景資料。

第三，加強數據庫和案例庫建設。優質的金融數據庫為豐富教學內容、改進教學方法提供了可能。一方面，海量的金融數據信息資料為本科教學提供了豐富而生動的教學素材，可以提高教學內容的可學性，激發學生的學習興趣;另一方面，大量新穎案例的引入有利于進一步豐富案例教學，生動且多樣化的呈現方式能夠激發學生的形象思維和思考過程，可以提高教學效果。

（三）教學資源優化

有效的人才培養離不開豐富的教學資源，對于“金融大數據”人才培養而言，教材教輔、教學資料建設還有大量的發展空間。經濟統計學專業應結合國家質量標準、學校特色、學生特點積極開發適合自身特點的教學資源。

第一，聚集資源優勢，編寫案例教材。出臺專項政策，組織優秀教師積極編寫金融大數據分析系列案例教材，同時籌備專項資金，聯合相關企事業單位，聘請部分長期從事實踐工作、具有豐富實踐經驗的技術人員，共同編寫實驗實訓課程講義。

第二，強化網絡平臺建設，開辟第二、第三課堂。開放式教學是現代教育發展的趨勢，將課堂單向講授與網絡平臺教學、在線微信教學等相結合，對有限的教學課時進行橫向拓寬與縱向加深，通過云平臺發布大量的優質教學資料、及時回收學生的學習反饋，為不同水平的學生提供不同層次的內容，增強學生自主學習能力。此外，還應開通網站互動交流功能，及時掌握學生學習動態，提高教學效率。

（四）實踐教學強化

金融大數據時代對學生的實踐能力提出了更高要求，“金融大數據”人才的培養必須以提升實踐能力作為主要目標。在實踐教學中，專業課程應借助案例教學和課內實驗，將證券投資策略、股市技術分析、期貨高頻交易等金融市場問題投射于實踐環節，確保實踐教學計劃的科學性、可操作性和實效性，基于具體行業中的真實數據來解決實際問題、數據產品開發和綜合動手能力。具體實現路徑有以下兩條。

第一，構建實踐環節，設置綜合訓練。緊緊圍繞服務大數據國家戰略人才培養目標，以課程為載體進行組織、實施和管理，以市場必需、夠用為衡量尺度，以傳授方法、強化應用為工作重點，增強實踐教學形式的多樣性和內容的豐富性，做好學生實踐教學環節的考評、控制、反饋工作。建設和鞏固與金融大數據相關校企合作基地，為學生實踐活動提供長期有效的支持和保障;構建校企實踐教學模式，邀請行業專家進課堂，實現教學過程與真實應用場景相對接。

第二，明確實踐標準，強化教學管理。應著力建設與實踐能力、基本技能聯系緊密的課程。完善學生校內實驗實訓、企業實訓實習和假期實習制度。對專業實踐教學進行全流程管理，制定一系列關于實訓、實習等方面的管理辦法和措施，結合金融大數據統計人才培養方案編制標準，編寫實踐教學指導書，規范實踐教學考核辦法。

（五）師資隊伍建設

“金融大數據”人才培養，離不開高質量的教師隊伍。專業教師應主動提升大數據分析能力，迎接金融大數據時代高校課程變化對自身專業發展提出的嚴峻挑戰。“金融大數據”人才培養的師資隊伍建設應堅持“走出去+引進來”的方針，強化專業教師的專業知識、實踐能力、實驗軟件操作能力以及大數據時代必備的知識與技能。

經濟統計學專業應實施青年教師能力提升計劃，推動課程建設和教學方法的更新改造;鼓勵教師參加國內外學術交流及教學技能培訓班;鼓勵教師前往相關金融機構、政府統計部門或大數據創業企業掛職鍛煉;鼓勵教師參與統計類職業資格評聘，增大“雙師型”教師占比。同時，還應選聘地方行業、企業專家來校兼職，指導專業建設、培養方案制定和實踐平臺建設等工作，有效深化校企地之間的緊密合作。

五 總結與展望

《上海國際金融中心建設行動計劃（2018-2020年）》明確提出，2020年上海要形成一支結構優化的金融人才隊伍，建成金融人才高地。作為上海地方高水平應用型建設高校，對“金融大數據”人才的培養責無旁貸，經濟統計學專業將以此為使命，為高水平應用型財經類人才培養貢獻力量，為上海“五個中心”建設添磚加瓦。

參考文獻：

[1]劉芳，吳炎太.金融大數據復合型人才培養模式研究——以廣東金融學院為例[J].中國管理信息化，2019（19）.

[2]陳躍輝，陳皓.淺談大數據時代計算機專業的人才培養[J].百科論壇電子雜志，2019（3）.

[3]王國胤，劉群，夏英.大數據與智能化領域新工科創新人才培養模式探索[J].中國大學教學，2019（4）：28-33.

[4]郭棟，成瑤.統計學復合型人才培養創新平臺研究——以中國人民大學為例[J].統計與信息論壇，2018，33（11）：126-129.

[5]王麗媛，張若望，劉燕.大數據與互聯網金融人才培養[J].現代營銷（經營版），2019（8）.

[6]王玲.“互聯網+”時代的金融人才培養初探[J].時代金融，2019（21）.

[7]張曉露，馬先仙.大數據在金融行業中的應用研究[J].時代金融，2019（25）.

[8]沈丹璇，曹玉鴿，劉佳慧.基于社會需求視角下拔尖金融人才培養的調查分析[J].教育教學論壇，2019（34）：1-5.

[9]饒緒黎，趙佳旭，陳志德.基于互聯網數據的大數據人才需求調研及培養思考[J].工業技術與職業教育，2019（2）.

[10]尹勤，黃寶鳳.大數據時代應用統計人才能力需求與教改探索[J].大學教育，2019（6）：157-159.

（責任編輯： 姜海晶）