基于三螺旋理論的經濟管理類研究生數據分析能力培養模式研究

劉晉霞,邸朝帆,郭艷麗,張永云,郭凌云

(太原科技大學 經濟與管理學院,山西 太原 030027)

0 引言

隨著科技飛速發展,人工智能已深刻融入并影響到生活、工作和教育等方面。人工智能推動社會進入大數據時代,而高質量數據分析人才是人工智能行業實現發展的關鍵。大數據時代為人工智能提供了海量的數據,使得人工智能技術有了長足發展,也催生了對數據分析人才的迫切需求。各行業深刻認識到數據分析已成為一項必不可少的能力,但具備數據分析能力的人才緊缺。因此,如何培養高素質數據分析人才成為人工智能行業發展的重要課題。

人工智能的高速發展對人才提出了新要求,但人工智能方面人才建設薄弱,其中研究生作為人工智能行業人才的主要群體,其數據分析能力培養值得關注。2017年7月,國務院印發《新一代人工智能發展規劃》提出,要把高端人才隊伍建設作為人工智能發展的重中之重,堅持培養和引進相結合,完善人工智能教育體系,加強人才儲備與梯隊建設。規劃明確指出,支持和培養具有發展潛力的人工智能領軍人才,重視復合型人才培養,鼓勵高校拓寬人工智能教育內容,重視人工智能與其他學科的交叉融合,鼓勵高校與企業合作開展人工智能人才培養。2022年7月,科技部、教育部等聯合印發《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》指出,開展人才培養,鼓勵高校在人工智能學科專業教學中設置創新類課程,提升學生素養與能力,通過開設研修班、開展實踐交流、組織專題培訓等形式培養人才。

國內關于創新型培養模式的研究成果較多,根據培養過程中參與的機構主體可歸納為以下3個方面。

一是以學校為主體的培養模式,這種培養模式側重于以學校教育為主,對學校的教學方式和課程體系進行改革。如李爽[1]提出培養模式中強調學校的教育改革,從制定明確的人才培養目標、完善和優化課程體系、加強師資隊伍建設和通過實踐教學提升綜合素質4個方面來搭建人才培養模式。夏立等[2]提出“321”個性化人才培養模式,深入分析了培養方案、課程體系及保障機制。

二是以學校和企業為主體的培養模式,這種培養模式側重于以學校和企業聯合培養為主,進行校企聯合,使理論轉化為實踐。如張磊等[3]提出以項目為中心的培養模式,強調校企深度合作,展開項目式教學,完成“知識-能力-素質”同步培養,通過校企合作解決經驗不足的問題并建設項目式實踐教學平臺。程永波等[4]提出培養模式中強調學院與行業、企業深度合作,強化雙元融合,一方面雙元培養、雙師授課和產學結合;另一方面打造雙師教學團隊和強化平臺與基地建設。

三是以學校、企業、政府為主體培養模式,這種培養模式側重于學校、企業、政府共同作用。如張建衛等[5]強調人才培養要多元協同,政府多部門協同指導,保障教育經費投入,“產-研”融合參與,提升教育內容和實踐素養。彭小寶等[6]提出DCM培養模式,頂層設計(Design)、教育內容(Content)、培養機制(Mechanism)三位一體,相輔相成,強調協同聯動,政府、學校、業界合作,政府出臺政策,高校積極與產業界合作,轉化科研成果,構建政產學研合作的互動橋梁。

但針對數據分析能力培養模式相關研究比較少。張海波等[7]從數據分析人才應具備的能力出發,探索統計專業學生數據分析能力培養方式,對數據分析能力培養方案進行探討并提出具體課程設置方案。候錫林等[8]提出了數據分析能力復合培養模式,包括技術與管理復合、理論與實踐復合、本科教育與研究生教育復合、大學與企業復合、教學與科研復合。

綜上所述,在已有數據分析能力培養模式中,已經提出對學生的數據分析課程體系進行改進,但由于學校偏向于理論知識且資源有限,缺乏面向實踐的學習平臺,導致難以學習致用。而企業從實際考慮,也并不深度參與培養過程,使得學生數據分析思維和自我實踐能力難以提升,因此校企聯合落實需要政府推進并監督。針對經濟管理類研究生數據分析能力培養存在的問題,本文提出運用三螺旋培養模式,即高校-企業-政府三方相互協調,在互相作用的動態循環過程中提升數據分析能力。通過高校、企業、政府三方的良性互動,對傳統培養方式進行改進,以解決理論知識不足、實踐能力缺乏和監督欠缺的問題。

1 經管類研究生數據分析能力的要求

數據分析能力要能用適合的分析方法對收集來的大量數據進行分析,提取有用信息進行匯總整合,加以詳細研究,最終概括總結、形成結論。經濟管理類專業研究生應具備數據分析能力,做到掌握理論知識、運用分析方法和使用分析工具,進而得到有價值的結論。首先掌握數據分析基礎知識,如基礎數學和計算機知識,同時結合經管類專業知識,為理解分析方法和應用分析工具打下良好的理論基礎。其次需要了解并運用分析方法,在掌握其理論基礎上對分析方法嫻熟運用,能靈活地運用并解決存在的問題,為使用工具分析數據并可視化做準備。最后學會使用常見的分析工具,結合所學理論知識與分析方法,針對不同的問題,使用不同的工具進行數據可視化,形成結論。

1.1 掌握基礎理論知識

掌握基礎理論知識是數據分析能力的基本要求。經濟管理類研究生需要進行數據分析相關課程的學習,掌握數學與計算機方面的理論知識,才能理解數據分析過程中的計算、模型和算法。統計學與數學方面的理論知識是理解數據分析方法的重要前提,數據庫、算法和編程語言等知識則是進行數據分析和可視化的理論支撐。因此,經管類研究生課程中除本專業統計理論課程外,還應包含數學基礎課程、計算機課程,其中數學基礎課程可包括矩陣理論、概率論與數理統計和應用隨機過程;計算機課程可包括數據庫基礎、數據結構與算法、Python編程語言等基礎知識[9],如表1所示。

表1 數據分析基礎知識內容概括

1.2 運用基本分析方法

掌握數據分析能力要求能運用基本的數據分析方法。對于經管類研究生來說,無論是市場營銷、運營管理,還是商務智能,都需要運用相應的分析方法挖掘數據規律、探索數據間的關系。根據基礎理論知識,經濟管理類專業數據分析方法大致分為數學分析方法、統計分析方法和人工智能分析方法。數學分析方法主要運用數學知識對收集來的數據進行計算、分析和建模,如線性規劃、平均分析法、矩陣分析法等,為其他兩種分析方法搭建基礎。統計分析方法主要對收集數據進行統計和比較并分析數據的變化趨勢,在數學分析基礎上進行統計和預測,如比較分析法、相關分析法、回歸分析法。人工智能分析方法主要通過編程語言和工具對海量數據進行分析,分類、挖掘其隱含關系并給出分析結果,如聚類分析、關聯分析、分類分析和預測分析等。

1.3 使用分析工具

學會使用數據分析工具,是掌握數據分析能力的關鍵環節。作為經濟管理類研究生,學會使用基本的分析工具至關重要,這樣才能在數據分析過程中選擇合適的工具進行分析并可視化,最終得到有價值的結果。在眾多分析工具的功能層面,按其主要功能的不同分為以下3類。

統計類工具:包括SPSS、SAS、Stata等。SPSS是一款數據統計分析軟件,包括數據錄入、整理、編輯和統計分析等功能,可以讀取并輸出各種格式文件,側重解決統計學問題。SAS也是一款統計分析軟件,功能比SPSS更強大一些,數據處理更快一些,統計分析方法齊全且先進。Stata除了傳統的統計分析方法外,還包含很多方法,如貝葉斯模型、負二項模型和隨機效應模型等,運行速度也非常快。

編程語言工具:包括Python、Matlab等,Python是近年來受歡迎的一種高級編程語言,能簡單有效地面向對象編程。其中函數、字符串和模塊等都可以是Python的對象,利用Python可以完成運行維護、完成Web前段開發、完成自動化測試和數據分析等工作。并且Python數據庫種類繁多且強大,如Pandas、Numpy、和Scikit-learn等。其中Pandas是數據分析和探索工具,有高級數據結構,支持時間序列功能,可靈活處理缺失數據;Numpy是對數據進行快速處理的函數,提供強大的數組功能;Scikit-learn提供完善的機器學習工具箱,包括數據預處理、分類、回歸和聚類等功能。Matlab是一種高級計算機語言和交互式環境,常用于科學計算、工程計算、數據分析、可視化和數值計算等領域。它具有簡單易學、強大靈活、運算速度快、繪圖功能強大、可擴展性好等優點,被廣泛應用于科學研究、工程設計和教學等。

可視化工具:包括Excel、Tableau、Smartbi等,Excel是最基礎的一款數據分析軟件,可以進行各類數據的處理、統計、分析等操作,然后制作圖表,尤其是數據透視圖,可以解決數據分析問題。Tableau是可以進行圖表美化的工具,可以快速形成圖表與報告,將數據進行可視化,能美觀直接地呈現數據的趨勢,適用于客戶、產品的數據分析。Smartbi是可以進行查詢、報表、智能分析和數據可視化分析的綜合全面的BI工具,廣泛應用于各個領域。

針對經管類不同專業數據類型和分析需求,選擇合適分析工具,才能在實踐中獲得最佳分析結果與價值。如統計學專業對數據進行統計、分析和預測時,一般選用統計類工具;經濟和金融方面需要對大量數據進行分析,應選用合適編程語言等工具;商務智能和會計專業需對數據的變化趨勢進行清晰分析,則更多的選用可視化工具。

2 經管類研究生數據分析能力培養存在的問題

隨著人工智能和大數據的廣泛運用,數據分析的影響及重要性越來越凸顯,因此對于研究生數據分析能力的培養迫在眉睫。但是目前數據分析能力的培養模式存在一些問題:高校方面,課程體系不夠完整,導致研究生理論知識不足;企業方面,未提供足夠的實習崗位,無法提高實踐能力;政府方面,監督力度不夠,使得校企聯合未能落實,導致所學理論無法與實踐進行結合。因此本文從高校、企業和政府三方進行分析。

2.1 高校課程體系不夠完善

研究生數據分析能力培養依舊遵循傳統的培養模式,但傳統模式培養過程中,存在跨學科課程不足、課程體系不完善的問題,導致研究生理論知識框架并不完整[10]。經管類研究生課程多數都只注重傳授本專業的基礎知識,計算機學科課程開設較少,對于計算機知識還停留在制作圖表、統計少量數據等內容上,并未深入學習數據庫、算法、編程等數據分析相關知識,導致掌握計算機方面理論知識還不夠,缺乏系統性與全面性。并且經管類知識與計算機類知識融合缺失,缺乏利用數據分析知識解決經管類問題的思維,沒有完整數據分析理論框架。因此,學校應通過系統規劃,從跨學科結合的角度,設計全面課程體系,確保研究生掌握完整理論知識。數據分析知識體系框架應涉及數學、統計學和計算機等學科,因此具備數據分析能力不僅精通專業知識,還要掌握概率論、統計理論、數據庫、算法、編程等相關知識。

2.2 企業參與程度不夠高

人工智能行業亟需具備較強實踐能力的數據分析人才,然而企業未能深度參與數據分析能力培養過程,沒有提供必要的數據分析實踐培訓,導致研究生數據分析實踐能力不足[11]。企業作為高校合作單位,其提供實踐機會和資源能幫助研究生更好地理解與掌握數據分析知識。在實踐中,一些企業并不重視人才培養,對學生實習和項目合作缺乏積極性,甚至因為缺乏完善的實習制度,企業未能提供合適的實踐學習崗位和指導培訓。研究生沒有動手操作的機會,就無法得到實踐能力培養與鍛煉,缺乏將理論知識融入到實踐中的經驗,在遇到實際問題時難以通過自己的能力解決。因此,為了增強企業的參與度,學校可加強與企業的溝通,根據企業需求改進和優化培養目標,同時為企業提供詳細、全面的學生情況介紹,增強企業對學生能力的認識。企業也要提供更為完善的實習制度,為學生提供合理的實踐崗位和指導,提高學生的實踐能力和解決問題的能力。

2.3 政府監督力度不夠

政府制定相關政策和推動校企合作發展,但由于政府監督力度不夠,校企聯合并未得到有效推進和實行。在人才培養相關政策中多次提到校企聯合培養重要性,但沒有及時監督落實。因此,政府要加大政策落實監督力度,以確保高校和企業能夠充分發揮各自優勢,有效實現人才培養與企業發展的良性互動。

3 數據分析能力的三螺旋培養模式

針對傳統的數據分析能力培養模式中存在的問題,提出應用三螺旋培養模式提高研究生的數據分析能力。三螺旋概念起源于生物學領域,指基因、組織、環境之間的關系,在20世紀90年代被亨利·埃茨科瓦茨 (Henry Etzkowitz)和羅伊特·雷德斯多夫(Loet Leydesdorff) 用以解釋大學、企業和政府三者間在知識經濟時代的新關系,大學、企業和政府形成交叉影響、共同上升的螺旋關系[12]。三螺旋培養模式是將大學、企業和政府三者緊密結合起來,使它們相互作用和影響,從而實現共同發展的培養模式。在培養數據分析能力過程中,大學、企業和政府三者協調合作,學生可以在真實的工作場景中應用所學理論知識,并掌握與數據分析相關的實踐技能。這種培養模式可以提高學生的數據分析能力,能更好地適應人工智能行業和企業崗位的需求。

3.1 高校、企業、政府各司其職

高校、企業、政府是三螺旋的主體,三方之間相互獨立,三者都有各自的基本功能和根本目標。高校基本功能是傳授數據分析理論知識,提高研究生學業水平,根本目標是培養具備深厚理論知識基礎和實踐能力的人才,使之滿足人工智能行業發展所需人才的要求。在數據分析能力培養過程中,高校要為研究生提供豐富理論知識,通過調整培養方案和課程體系,幫助研究生掌握完整的數據分析理論知識框架。企業基本功能是提供培訓平臺或實踐崗位,培養經濟管理類研究生數據分析的實踐能力,根本目標是引進數據分析人才,使企業利益最大化。在數據分析能力培養過程中,企業要為研究生提供合適的實踐崗位,讓學生有動手實操的機會,提高其實踐能力。政府基本功能是發揮政策支持和監督職能,解決人工智能行業快速發展和人才短缺的不平衡問題,根本目標是培養數據分析人才,以解決人工智能行業人才緊缺的問題。在數據分析能力培養過程中,政府要起到監督的作用,落實高校和企業合作,完善并推動人才培養體系。在三螺旋培養模式中,三方發揮各自功能和優勢,促進研究生培養。

3.2 政府發揮監督職能,使學校企業達成合作

政府作為政策的制定者和實施者,確保高校和企業能夠各司其職,實現合作共贏。政府政策頒布、實施和資金投入都會影響高校和企業發展,因此政府要制定相關政策,推進并監督校企合作,打破壁壘,共同完善數據分析能力的培養體系,推動建立互利共贏的培養模式。此外,政府可提供資金支持,促進高校和企業自我完善,提高合作質量,培養高質量人才。

三螺旋培養模式中,首先,數據分析基礎能力的培養階段,對于高校,政府應出臺完善的相關政策和措施,明確培養目標和培養方向,以便高校完善課程體系、開展培養計劃;對于企業,政府應投入資金,支持企業搭建實踐培訓基地,創造良好的培養數據分析實踐能力環境。其次,數據分析實踐能力的培養階段,對于高校,政府應分擔高校置辦相關設備、開展數據分析培訓和舉辦相關專家講座等資金壓力;對于企業,政府要發揮監督職能,確保企業真正參與到實踐能力的培養過程中,統籌校企合作的實施,避免校企聯合培養成為形式。第三,在形成數據分析能力的階段,政府可牽頭制定考核機制,對研究生的數據分析能力進行考評,通過后便可畢業進入工作崗位。

3.3 學校完善課程體系,夯實基礎理論知識

高校是理論知識的主要發源地,因此高校要建立完善的數據分析課程體系,夯實理論知識基礎,以適應社會對數據分析人才不同要求和不斷變化的需求。

數據分析基礎能力的培養階段,高校要開設數據分析相關課程,從經管類課程、數學類課程和計算機類課程三方面來搭建數據分析的知識框架,構建完整的課程體系,將數據分析知識與經管類問題相結合,培養研究生數據分析基礎能力。

數據分析實踐能力的培養階段,研究生進行實踐鍛煉、積累經驗,并將實踐中的思考與不足帶回到課堂,請相關教師或技術人員進行交流并答疑,提高學生思維水平與實踐能力。另外,學校也可請專家與企業家來學校舉辦講座,與學生分享實踐經驗與行業動態,幫助研究生更好地適應行業需求與發展方向。

在形成數據分析能力階段,學校將具備數據分析能力的研究生輸送到企業和政府,為企業和政府提供人才支撐。在培養過程中,高校構建完整數據分析課程體系,完善并鞏固研究生數據分析理論知識,使研究生了解理論前沿與行業動態,彌補理論知識不足的缺陷。

3.4 企業提供實踐平臺,拓展實踐能力培養

企業搭建實踐平臺,為研究生提供實踐機會,加強實踐能力學習。同時,企業可根據人工智能行業需求或崗位要求,提供實踐培訓。

數據分析基礎能力的培養階段。將從學校掌握數據分析理論知識的研究生輸送到企業提供的培訓基地或實踐平臺,研究生可接觸到真實的數據,能在真實環境中分析實際案例,進行實踐技能的培訓和鍛煉,培養數據分析的思維與實踐能力。

數據分析實踐能力的培養階段。研究生接受系統的學習后,在實習崗位上進行更復雜更專業的實踐操作,提高自己的理論水平和實踐能力,最終可以靈活并熟練地使用數據分析方法和工具。同時,在實踐過程中還能了解企業的運營模式和管理方式,培養團隊協作能力和溝通能力。在形成數據分析能力的階段,企業可對具備數據分析能力研究生進行考核,考核通過后,企業即可引入人才。該類人才與崗位無縫銜接,減少企業培養時間,解決行業人才緊缺的問題,加快推動人工智能行業發展。

3.5 政府、學校、企業協作,培養高質量數據分析人才

三螺旋培養模式中,高校、企業、政府是培養數據分析能力的關鍵主體,在共同目標的作用下,三方聯動即充分發揮各自功能,同時交叉合作[13],保障數據分析能力培養的推進,如圖1所示。其中高校根據出臺政策和企業要求進一步完善數據分析相關課程體系,同時通過與企業和政府的合作舉辦活動,學生可以與教師或工程人員面對面交流,深入了解行業動態與前沿知識,完善數據分析的理論知識框架,培養數據分析基礎能力。在政府監督下,企業積極參與校企合作,搭建實踐平臺,為高校研究生提供實踐機會,解決理論與實踐脫節的問題,促進數據分析實踐能力的培養。政府通過資金支持、監督校企聯合落實,使校企合作開展培訓項目,研究生數據分析基礎能力和實踐能力在不斷交匯培養中提升,促進其掌握數據分析能力。通過三方聯合,構建“政校企協同”的三螺旋培養模式,經管類研究生實現“理論-實踐-反思-提升”的循環學習過程,不斷深入地掌握數據分析理論知識和實踐技能,從而成為具備數據分析能力的高質量人才,彌補了數據分析人才缺口,推動人工智能行業發展。

圖1 三螺旋培養模式示意圖

4 結語

數據分析人才成為人工智能行業發展的重要力量,如何培養具備數據分析能力的高質量人才成為研究的重要課題。傳統培養模式存在的問題主要體現在理論知識不足、實踐能力缺乏和監督欠缺三方面,針對問題提出運用三螺旋培養模式,通過高校、企業和政府的合作,彌補傳統模式不足。在三螺旋培養模式中,三方形成政府引導調節、校企深入聯合的螺旋式互動關系,促進研究生具備完善的數據分析能力,打造高質量數據分析人才,為人工智能行業發展提供人才支撐。同時,也要意識到人工智能市場需求不斷變化以及數據分析技術不斷發展,因此要及時調整培養方案,以滿足高質量數據分析人才新要求。本文以經濟管理類研究生為例,分析了數據分析能力培養的模式,可為其他專業培養數據分析能力人才提供借鑒。