财经高校数据科学与大数据技术建设
前言：想要写出一篇引人入胜的文章？我们特意为您整理了财经高校数据科学与大数据技术建设范文，希望能给你带来灵感和参考，敬请阅读。
摘要：文章针对数据科学与大数据技术专业建设面临的挑战，基于数字经济发展对大数据人才的行业产业需求调研，分析大数据人才就业方向与岗位要求，遵循OBE理念的反向设计、正向实施原理，从培养目标、毕业要求、课程体系及实施评价等方面阐述财经高校如何基于OBE理念开展数据科学与大数据技术专业建设。
关键词：OBE；大数据；专业建设；财经高校
当今社会，大数据爆发性增长，正在掀起一场产业革命，对经济发展、社会治理和人民生活产生着重大影响，成为国家、社会、企业及个人关注和投入的新焦点。在国家大数据战略和数字经济发展驱动下，2016-2021年，全国分六批共有670余所高校获批数据科学与大数据技术本科专业，主要培养具备大数据采集、处理、分析与应用能力的复合型人才，其专业建设对于满足数字经济时代行业产业发展对大数据人才的需求具有重要意义。为办好这一新兴本科专业，高校教研人员围绕培养方案制定、课程体系设计、师资队伍建设、学生实践能力训练等内容进行了探讨[1-4]。数据科学与大数据技术专业是一门融合多学科知识的交叉专业，高校如何根据现有办学基础和特色，遵循基于成果产出的教育（Outcome-basedEducation，OBE）理念，明确培养目标定位，构建个性化培养方案和课程体系，将专业特色体现为被培养者所具备的知识、能力和素质要求，以适应数字经济发展对大数据人才的需要，还需进一步深入探讨。本文基于OBE理念，从培养目标、毕业要求、课程体系与考核评价等方面，探讨财经高校的数据科学与大数据技术专业建设之路。
一、专业建设面临的挑战
作为一门融合多学科知识的新兴专业，高校往往基于原有专业基础和条件来建设数据科学与大数据技术专业，规划不同的办学方向和特色。虽然原有基础和条件为新专业建设提供了资源支持和参考借鉴，但新专业建设还面临以下问题和挑战：
1.培养目标定位“换汤不换药”。作为多学科融合交叉专业，高校开设数据科学与大数据技术专业，多基于现有计算机科学与技术、统计学、应用数学或管理学相关专业的办学基础和师资队伍。现有办学基础虽然为新专业建设提供了参考借鉴，但也使得新专业的培养目标和特色定位容易出现与原有专业交叉重复和含糊不清的问题，不能与时代发展和社会需求相适应，导致学生培养思路不清晰，出现培养目标定位“换汤不换药”的现象。
2.课程体系设计“泛而不精”。数据科学与大数据技术专业学生培养，既要求掌握计算机科学与技术基础，又要学习数学与统计学相关知识，还需具备一定的专业化行业知识，即基础知识要求高、数据分析能力要求强、行业知识范围要求广。高校在设计课程体系时往往会兼顾到不同学科知识，但很难理清不同学科知识之间的相关关系和层次脉络，导致课程设置存在“泛而不精”的问题，使得学生只是停留在知识学习层面，不能融会贯通，综合运用能力较差。
3.学生实践能力“眼高手低”。数据科学与大数据技术专业建设投入要求较高，不仅需要配备高性能硬件环境，而且必须有充足的高质量数据用于数据分析实训。但多数高校缺少企业项目实战案例、商业数据以及专业的大数据实训平台，使得学生缺少大数据分析实战实训，动手实践能力得不到有效训练，学生培养存在“眼高手低”的问题，不能满足学生的发展需求，更不能达到用人单位的综合能力要求。
二、人才需求调研
为有效应对数据科学与大数据技术专业建设过程中面临的问题与挑战，调研了不同行业对大数据人才的最新需求，了解了不同行业对大数据人才的需求状况，明确了该专业与社会相关行业、职业、岗位的对应关系，深入分析了不同行业岗位对大数据人才的知识、能力、素质要求。调研发现，不同行业对大数据人才的需求主要集中于三大就业方向，分别为大数据应用开发方向、大数据分析方向、大数据架构设计方向，各方向对应的基础工作岗位和工作任务设置归纳如下：
1.大数据应用开发工程师。典型工作任务包括软件开发、软件测试、软件运维、面向业务的大数据平台应用开发等。
2.大数据分析师。典型工作任务包括面向业务的大数据采集、预处理、挖掘与机器学习、统计分析、运筹优化、数据可视化等。
3.大数据系统研发工程师。典型工作任务包括海量数据分布式编程、大数据平台底层架构设计、大数据分布式存储与计算、云平台架构设计等。更进一步，各工作岗位和工作任务对毕业生的具体要求归纳如下：
1.大数据应用开发方向。注重计算机科学基础，要求学生具备较强的C/C++/JAVA编程、Web前端开发及软件测试等软件编程开发能力，了解一定的专业化行业知识，熟悉业务需求分析、方案设计、系统设计、编程实现、实施与运维等软件工程开发全过程。
2.大数据分析方向。注重统计学、优化理论与算法等数学基础以及计算机编程基础，要求学生熟练掌握数据挖掘、机器学习、深度学习以及运筹与统计分析理论与算法，具备面向特定业务场景的数据管理与融合应用能力，能够面向数据采集存储、分析建模、挖掘学习、管理决策等全流程提供数据管理与融合应用解决方案。
3.大数据架构设计方向。要求学生具备计算机科学基础和软件开发能力，熟悉大数据底层架构原理，熟练运用主流大数据平台和典型深度学习系统，如Hadoop、Spark、TensorFlow，设计、开发面向特定行业的大数据产品和云平台。
三、基于OBE理念的专业建设实施路径
OBE理念是一种以学生为中心、基于学习成果产出的教育理念，也称为能力导向教育或学习产出导向教育，也是一种以学生的预期学习产出为中心来组织、实施和评价教育的结构模式，即采用“成果导向”的认证标准，将学生表现作为教学成果的评价依据，并以促进专业持续改进作为认证的最终目标，保证学生能够获得将来工作所需的知识、能力和素质[5-8]。针对数据科学与大数据技术专业建设面临的挑战，根据产业行业对大数据人才需求的调研结果，深入分析时代发展和社会需求对毕业生的具体要求，考虑江西财经大学现有办学基础、条件和特色，基于OBE理念的培养方案反向设计原理，可将数据科学与大数据技术专业建设思路与实施路径设计成如图1所示的校内外双循环闭环模型。
（一）培养目标
江西财经大学自2014年招收面向财经大数据方向的计算机科学与技术专业本科生后，2018年开始招收数据科学与大数据技术专业本科生。随着专业建设和学生培养工作的不断深入，形成了财经管理特色鲜明的数据科学与大数据技术专业建设思路和学生培养模式。数据科学与大数据技术专业是以计算机科学与技术、信息管理与信息系统、管理科学三个专业为基础建设起来的，教师队伍和教学资源与三个专业共建、共享。经过行业产业需求调研，结合学校在财经领域的学科优势，数据科学与大数据技术专业人才培养主要定位于大数据应用开发和大数据分析两个方向，其中将前者视为人才培养的基本目标，将后者视为人才培养的核心目标，即侧重于培养具备财经管理知识背景的数据分析师与数据科学家，专业培养目标归纳为：本专业培养德智体美劳全面发展，秉承“信敏廉毅”校训精神，适应国家大数据战略和数字经济发展需要，具有数学、统计学和计算机科学基本理论，具备数据采集存储、分析建模、挖掘学习、管理决策能力，能在金融机构、工商企业和政府部门从事数据管理与融合应用工作的复合型人才。学生毕业后经过5年左右的实际工作，达到以下预期成就：
1.应用数据采集存储、分析建模、挖掘学习、管理决策等专业能力，承担金融、商务运营、政府政务等多学科背景下的财经数据分析工作。
2．针对财经领域多学科背景下的大数据管理与复杂工程问题，运用数学、统计学、计算机科学、数据科学等知识，经调研、分析、判断和综合处理等过程，提出并践行数据管理与融合应用解决方案。
3.开展财经领域的大数据技术和管理工作，主动提高并展示多学科背景下的沟通交流能力、团队合作精神以及国际视野。
4.履行并承担大数据技术与管理人才应尽的社会义务及责任，主动提高并展示自身社会职责、社会公德、人文素养和职业道德。
5.主动锤炼团队意识和终身学习能力，主动拓展自己的知识和能力，关注本专业与其他学科交叉融合的新理论、新方法和新技术，适应不同职业岗位赋予的工作任务，获得自身职业生涯的持续发展。
（二）毕业要求
为实现专业培养目标，满足数字经济时代行业产业发展对大数据专业人才的需要，将人才社会需求、培养目标和专业特色体现为被培养者所具备的知识、能力和素质要求。
1.知识要求。掌握数学、统计学、计算机科学基础知识，训练严谨的数学逻辑思维和熟练的编程技能，应用基于统计与优化的数据分析方法对大数据管理与工程实践复杂问题进行描述、建模和分析，并编程实现，同时掌握财经及其相关领域的金融、商务运营、政府政务等多学科基础知识，能够面向财经管理复杂问题进行数据分析实践。在具体工作中表现为：具备数学、统计学、计算机科学、数据科学基础知识与专业知识，用于描述和分析财经及其相关领域的大数据管理与工程实践复杂问题。此外，还要求学生了解国家大数据战略、数字经济产业政策及相关法律法规，能够正确理解和评价大数据管理与工程实践对经济、社会、健康、安全、法律、文化和环境的影响。
2.能力要求。具有较强的数据采集存储、分析建模、挖掘学习、管理决策能力，解决财经领域特定行业的大数据管理与工程实践复杂问题；面向财经领域的不同需求和多任务要求，具有较强的数据管理与融合应用能力，能够面向不同业务需求提供个性化的解决方案，实现资源的优化配置。在具体工作中表现为：具有对大数据管理与工程实践复杂问题进行描述、分析、研究、决策和验证等的工程实践能力和创新意识，熟练运用主流大数据平台、典型深度学习系统，提供面向财经领域及其相关行业的数据管理与融合应用解决方案。
3.素质要求。树立正确的、积极向上的世界观、人生观、价值观，具备人文社会科学素质，理解个人与社会的关系以及社会主义核心价值观；理解大数据人才的工程职业道德、社会责任、团队协作精神和社会适应能力；能够认识不断探索和持续学习的必要性，具有自主学习和终身学习的意识，采取合适的方法与途径，不断拓展自身的知识与能力；了解本专业及相关领域的前沿发展趋势，关注本专业与其他学科交叉融合的新理论、新方法和新技术，具有开放意识、全球视野和跨文化沟通交流能力。
（三）课程体系设计
基于对学生的知识、能力和素质毕业要求指标点，有效整合原有专业教学资源优势，基于OBE课程教学正向实施原理，财经管理特色鲜明的课程体系设计思路如图2所示，并将课程体系设计准则和特点归纳如下。
1.厚基础。夯实学生的数学与统计学知识基础，深化学生的计算机编程和算法设计基础，为学生学习和熟练运用数据挖掘、机器学习相关算法及编程实现奠定坚实基础，并使学生未来在就业、升学、出国等不同方向上具备较强可塑性。
2.强能力。加强培养学生基于统计与优化的数据分析建模和数据挖掘学习能力，熟练掌握数据分析全流程所需的理论、方法和工具，能够面向财经领域不同的业务需求或数据分析需求，通过问题描述、分析和建模等过程，提出个性化的数据应用与管理决策方案，并要求学生能够基于Hadoop、Spark等主流大数据平台进行数据分析实战。
3.宽口径。突出数学、统计学、计算机科学、数据科学与财经商务管理等不同学科的交叉融合，围绕金融大数据分析、运营与商务数据分析、运筹分析与管理决策、大数据挖掘与应用开发等四个专业方向，开设不同的专业方向选修课程，为学生提供不同的行业基础知识和实践案例，培养学生面向不同行业背景的数据管理与融合应用综合能力。
4.重实践。重视学生面向财经领域数据管理与融合应用实际需求的解决方案设计实践，通过形式多样的课堂实验设计和大数据实验实训教学平台建设，开展多样化案例教学和行业数据分析实战，大力推行本科生导师制，指导学生参加金融数据分析大赛、企业商务数据分析大赛、计算机作品大赛以及“互联网+”创新创业大赛等不同形式的实践比赛竞赛，并充分利用校外实习基地，加强校企合作，促进产学研结合。
（四）考核评价
OBE理念强调教学过程以学生为中心，把全体学生的学习成果作为关注的焦点，教学组织、设计和实施的目标是保证学生获得特定的学习成果。因此，基于OBE理念的考核评价要以学生的学习成果作为唯一标准，从课程目标达成度、毕业要求达成度、培养目标达成度等不同维度对学生的学习成果进行评价，建立“评价-反馈-改进”闭环，形成持续改进机制。
1.课程目标达成度评价。在教学过程中，将课程目标达成度评价的核心从“教师教的如何”向“学生学的如何”转变，改变以考试和分数为标准的单一评价方式，面向教学实施全过程，以课堂学习、课后练习、答疑讲解、实践评价、期末考试等多种方式全面评价学生的学习成果产出。根据课程目标达成度评价和反馈，形成课程目标、教学内容、教学方式持续改进的课内闭环。
2.毕业要求达成度评价。基于课程目标达成度评价，根据课程目标对毕业要求指标点所起的支撑作用，为对应同一毕业要求指标点的所有课程目标达成度分配相应支撑权重，然后加权得出毕业要求达成度评价结果，并与预先设置的合格标准进行比较。根据各项毕业要求达成度评价和反馈，形成毕业要求、指标点、课程体系、课程大纲持续改进的校内闭环。
3.培养目标达成度评价。基于毕业要求达成度评价，根据毕业要求与培养目标之间的支撑关系，采用毕业生反馈和社会反馈相结合的方法，评价培养目标达成度。毕业生反馈方法充分利用毕业座谈、校友回访、返校联谊等交流机会，跟踪毕业生职业发展状况、培养目标认同度、培养目标达成自我评价。社会反馈方法充分利用校园招聘、校企产学研合作、实习实训基地、企业走访等机会，跟踪了解企业人才需求与培养目标吻合度、毕业生职业发展与培养目标吻合度、企业对培养目标认同度。根据培养目标达成度评价和反馈，形成人才需求、培养目标、毕业要求持续改进的校外闭环。
四、结束语
针对数据科学与大数据技术专业的多学科融合交叉特点，本文重点探讨了数字经济时代财经高校如何基于现有办学基础、条件和特色建设这一新兴本科专业。本文以江西财经大学数据科学与大数据技术专业建设为例，基于专业建设面临的挑战和行业产业发展对大数据人才的需求分析，遵循OBE理念倡导的反向设计、正向实施原理，从培养目标、毕业要求、课程体系及实施评价等方面阐述了财经高校数据科学与大数据技术专业建设思路与实施路径。在人才培养过程中，既注重培养学生的数学与计算机科学基础，又注重培养学生的数据采集存储、分析建模、挖掘学习和管理决策能力，并通过建设数据分析案例库、打造大数据实验实训教学平台、本科生导师制与产学研相结合等多种方式，加强培养学生的创新实践能力以及面向财经领域的数据管理与融合应用能力。
作者:韩加林 单位:江西财经大学信息管理学院
