新動能環境下經管類專業應用數據科學教學課程探索

呂洪渠

【摘 要】新舊動能轉換帶來了新的經濟增長方式，催生了許多新科技、新業態，未來的就業市場也將發生巨大變化。大數據、人工智能產業是目前全國多個地區重點發展新動能產業。為適應未來的社會競爭和就業市場需求，經管類專業的大學生應當適當提高數據科學知識和數據分析技能。這需要對經管類專業課程結構進行改革，適度引進數據科學類課程。

【關鍵詞】大數據；就業環境；數據科學；課程設置

一、引言

2015年10月李克強總理首次做出了“我國經濟正處在新舊動能轉換的艱難進程中”的初步判斷。所謂“新動能”是有別于高耗能、高污染以及缺乏活力的傳統產業的新技術、新產業、新業態、新模式。目前許多省份均從自身實際出發著手制定、實施新舊動能轉換的方案與規劃。新動能、新經濟重在創新。2016年美國陸軍智庫公布了《2016-2045年新興科技趨勢》報告列出了未來影響世界發展的20大核心科技趨勢，其中提到最多的前三類技術分別是大數據分析技術、人工智能技術和量子科技。事實證明這三類技術也是我國特別關注、重點發展的核心技術，未來市場潛力巨大。2018年初，力爭做新舊動能轉換排頭兵的山東省已經將人工智能、大數據等十個產業列為今后重點發展的新動能產業。

二、新舊動能轉換對經管類專業學生就業的影響

1.經管類專業本科生就業現狀

進入21世紀以來，社會各行業為適應經濟高速發展的需要，對大量經濟管理類人才需求迫切，這種形勢一度促進了經管類畢業生的就業。企業中的財務管理人員、會計崗位一直都是炙手可熱的職位；銷售經理職位的增多也大幅提高了市場營銷專業畢業生的就業率；中國加入WTO后，國際貿易、國際商務、金融等專業的畢業生就業形勢也得到相當大的改觀。然而隨著傳統經濟發展模式的退熱，傳統行業、傳統業態已經逐漸失去競爭優勢，這些行業所創造的就業機會也面臨大幅縮水的局面。經管類專業學生就業現狀可以總結為以下幾點：

（1）就業市場需求走低，畢業生就業壓力增大。據估計，2018年中國高校畢業生人數將達到820萬，比2017年增加了25萬。共青團中央經統計調查發布了2018年高校各專業就業競爭力三十強榜單，盡管上榜的專業都是就業競爭力相對較高的，但是可以看出其中經管類專業較少：僅有經濟學、金融學兩個純經濟類專業，物流工程一個純管理類專業，以及信息管理與信息系統一個交叉類專業上榜。而且經管類專業就業競爭力排名普遍不高，金融學排名第15位，經濟學排名第17位，物流工程和信息管理與信息系統專業分別排名第24和25位。相比而言，曾經就業率較低的統計學專業就業競爭力有了大幅提升已經超過了金融學專業，上升至第12位。

（2）性別比例懸殊，影響整體就業率。從全國總體看，經管類專業各年級在讀學生中女生數量普遍多于男生。而大多數用人單位的經濟管理類職位在招聘時選擇男生的傾向遠遠大于女生，這就導致了經管類專業相當大比例的畢業生就業困難。

（3）專業差異較大，學生目標定位高，社會實踐少，影響就業率。根據《普通高等學校本科專業目錄》經管類專業分支學科眾多，經濟學專業就包括了經濟學類、財政學類、金融學類、經濟與貿易類四個類別十個專業，管理學專業包括了管理科學與工程類、工商管理類、農業經濟管理類、公共管理類、圖書情報與檔案管理類、物流管理與工程類、工業工程類、電子商務類、旅游管理類九個類別三十二個專業。在眾多專業中整體上看管理類專業偏重于實踐、經濟類專業偏重于理論；而經濟類專業和管理類專業中又有經濟學、財政學、稅收學、金融學、審計學、勞動與社會保障、檔案學等偏重于理論的專業，又有金融工程、保險學、投資學、工程管理、工程造價、會計學、人力資源管理等偏重于實踐的專業。

2.新技術、新業態對經管類專業畢業生就業的影響

當前，許多省市為實現經濟可持續增長，均出臺相應政策鼓勵新動能產業發展，催生了許多新行業、新業態、新技術，就業環境隨之發生了巨大改變，給經管類畢業生就業帶來了新的危機和機遇。主要表現在以下幾個方面：

（1）新業態的出現進一步壓縮傳統經管類專業畢業生的就業機會。傳統行業出現的新業態、新模式對許多傳統的就業機會造成沖擊，壓縮了許多傳統的就業崗位，也使一些傳統的崗位工作職責發生了質的改變。如零售行業近年來利用人臉識別技術、深度學習等新技術發展出來的“無人零售”模式已經得到亞馬遜、大潤發等知名企業的認可，并已投入運營，由此大幅減少了市場銷售員的崗位；財務機器人作為人工智能領域和財務管理領域結合的產物已經開始擔任一些企業的會計職務。隨著未來區塊鏈技術日趨成熟，財務管理和會計行業的就業機會必然會大幅消減，取而代之的是既懂得財務管理又懂得操控財務機器人、熟知區塊鏈算法的高級財務經理。

（2）新行業、新技術的出現為經管類畢業生提供新機遇。新技術的出現催生了新行業的產生和新業態的發展。在淘汰許多舊崗位的同時，又創造出大量知識密集型、技術密集型的新就業崗位。例如大數據技術的興起，首先催生了大數據產業這一新興行業，進而將大數據技術推向各行各業。由此產生的新就業崗位，不僅僅需要懂得數據分析技術或者計算機編程技術的專業技術人員，也需要懂得相應技術并精通管理、財務、市場調研等專業知識的高層次管理人才。從全世界范圍看，許多國家都在增加數據科學領域的生產要素投入，相關企業數目與日俱增。據中國商業聯合會數據分析專業委員會估計，2018年國內大數據行業崗位缺口將達到150萬。

三、經管類專業學生數據科學課程內容

1.課程設置現狀

目前全國高校經濟管理類專業開設課程一直以教育部1998年頒布的《全國普通高等學校專業核心課程教學基本要求》為準。根據教育部規定，經濟類八門核心課程，包括：政治經濟學、西方經濟學、國際經濟學、金融學、計量經濟學、財政學、會計學、統計學，管理類專業核心課程包括：管理學、微觀經濟學、宏觀經濟學、統計學、運籌學、會計學、財政學、財務管理、管理信息系統、國際貿易、國際金融、組織行為學、戰略管理。經濟管理類核心課程中能涉及到數據科學內容的課程有三門，即計量經濟學、統計學、運籌學。很多院校經管類專業會選擇開設一些包含數據分析內容的選修課，如：市場調查、經濟預測與決策、金融時間序列分析等?？偟膩碚f經管類專業學生所學的課程理論和實踐并存，專業教育和通識教育兼備。

隨著時代的發展，各地區的產業結構、經濟增長方式與二十年前相比已經有了翻天覆地的變化。在新舊動能轉換的關鍵期，全國各地要保持經濟較快平穩發展已經不能用過去的生產、管理方式去維系。目前多個省市所做的新舊動能轉換總體規劃，對數據科學的重視已經達到了空前的高度。2018年有21個省份明確提出將大數據產業作為未來重點發展的方向。此外，人工智能也是與數據科學密切相關的行業，到2017年底已有北京、上海、廣東等7個省份憑借省內技術優勢成為了人工智能發展的重要基地?？梢灶A見在未來一段相當長的時期內，數據科學領域將會得到突飛猛進的發展。與此同時，新技術的發展也對未來大學生知識結構和實踐技能提出了更高的要求。按照這個趨勢發展，目前大多數院校的經管類專業課程教學可能難以滿足未來數據科學發展的需要，經管類專業的畢業生僅依靠所接受的學校教育也難以在數據科學行業中取得就業機會。

2.數據科學時代對人的能力要求

目前，盡管大數據技術尚處于起步階段，但是數據在日常生活中的應用已經達到了前所未有的高度，數據科學時代已經來臨。掌握一定的數據處理技術將成為這個時代的每個社會成員必備的生存技能之一。根據對數據科學應用的程度可以將涉及數據科學領域的經濟管理從業者劃分為五個層次。由于數據科學已經開始影響每個人的生活，因此第一層包括了幾乎全部社會成員。第二層為經濟管理人才，包括所有從事經濟管理工作的從業者。第三層至第五層為專業數據科學從業者，其中第三層為業務數據分析師，包括政府、金融、電信、零售等行業前端業務人員，從事市場、管理、財務、供應、咨詢等職位業務人員；非統計、計算機專業背景零基礎入行和轉行就業人員。第四層為大數據分析師，包括政府、金融、電信、零售、互聯網、電商、醫學等行業專門從事數據分析與數據挖掘的人員。第五層為數據科學家，專指從事各行業、企業整體數據資產的整合、管理的專業人員，面向用戶數據創造不同的產品與決策，能夠利用各種工具進行數據分析，并有能力研發數據科學新方法，帶領數據創新團隊的工作人員。

數據科學時代對數據領域各層次人員提出了新的能力要求。處于第一層的全部社會成員應當具備數據科學的基本常識，具備自我隱私保護能力。另外數據科學時代，每個社會成員作為生成數據的基本單位，還應具備為社會發展保留、提供必要數據資料的能力、履行提供數據資料的義務。處于第二層經濟管理人才應當具備識別理解大數據信息的能力、利用大數據進行經濟管理決策、收集整理數據的能力。處于第三至五層數據科學從業者應當具備更專業的處理數據能力。根據數據分析師行業協會提出的數據分析行業從業人員能力要求，目前業務數據分析師應當具備數學和統計理論基礎，能夠熟練運用至少一種專業數據分析軟件，能夠根據實際任務使用常用數據處理手段進行數據的整理與分析，并得出客觀、規范的分析報告。大數據分析師要求掌握多元統計、時間序列、數據挖掘等復雜數據科學知識和業務能力，掌握前沿數據處理手段與數據挖掘算法，能夠熟練運用至少一種功能較強大的數據分析軟件，熟練使用SQL訪問各類數據資源，結合業務，能從海量數據獲得有價值的信息，善于針對多問題、多角度建模分析，撰寫科學、規范、邏輯嚴密的數據分析報告。數據科學家需要掌握大數據分析師的所有理論及技術，還應了解計算機技術，軟件開發技術，大數據分析架構及企業戰略分析方法，能組建數據分析團隊完成多重任務下信息的匯編與管理。對行業、業務、技術有敏銳的洞察力和判斷力，為企業發展提供全方面數據支持（李御璽，2017）。

3.經管類應用數據科學課程體系建設

一直以來，經管類專業課程設置中與數據科學有關的課程主要有統計學、計量經濟學等主干課程，這些課程不能很好的滿足未來大數據時代的需要。作為新時代經管專業的大學生通過學校教育至少應當達到圖3中第二層次的能力要求。經管類專業本科教育還應當幫助學生具備成為專業數據科學工作者的能力。與過去經管類專業開設的泛統計類課程不同，現在經管類專業應當建設數據科學課程體系。數據科學課程體系與統計類課程體系不同之處在于，除了保留原有的統計類課程理論及實驗內容外，增加了大數據分析工具類課程，主要包括數據挖掘和機器學習兩部分內容。

新課程內容及相互關系：

機器學習（Machine Learning）方法源于早期的統計學習，統計學習是統計算法課程的分支。機器學習方法需要大量的計算過程，因而離不開計算機技術，現如今計算機及軟件科學的高速發展為機器學習方法的更新提供了平臺。機器學習也就越來越與計算機科學相融合，成為了統計算法與計算機科學的交叉課程。通過數據訓練的學習算法相關研究都屬于機器學習，包括很多已經發展多年的技術，比如線性回歸、K均值、決策樹、隨機森林、PCA、SVM以及ANN。

數據挖掘（Data Mining）是從海量數據中提取有用信息的過程。數據挖掘的任務是從數據集中發現模式，可以發現的模式有很多種，按功能可以分為兩大類：預測性（Predictive）模式和描述性（Descriptive）模式。數據挖掘與機器學習一樣是一系列開放、不斷更新的方法統稱，目前主要的技術包括決策樹、神經網絡、統計學習、聚類分析、關聯規則等。

深度學習（Deep Learning）技術起源于機器學習中的神經網絡技術，主要基礎涉及BP反向傳播算法、多層感知器、支持向量機、小波神經網絡等技術，是機器學習的延伸。與傳統的機器學習相比，深度學習技術可以完成更加智能化的分析如圖像識別、自然語言處理、語音識別、數據預測等。

人工智能（Artificial Inteleigence）可以簡單的定義為：運用多種技術將智力任務自動化的過程，是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。之所以將人工智能技術也作為經管類本科生所學習的數據科學體系的一部分，是因為一方面人工智能技術以機器學習作為重要基礎，是機器學習技術的主要應用方向之一，另一方面人工智能技術與經濟生活密切相關，不僅是未來發展的重要產業，人工智能的很多應用領域如財務機器人也直接與經管類課程相關。

除了以上數據科學類的專業課程外，還有一些與經管類專業課程結合的交叉課程，如大數據金融、管理數據決策、大數據市場調查等。這類課程屬于數據科學在經管類專業中的應用課程。

4.新動能環境下經管類專業數據科學課程設置

新舊動能轉換催生新經濟、新業態發展，對經管類學生的就業結構產生深遠影響。為適應新的就業要求，經管類專業的數據科學類課程應做相應調整、補充，調整后的新課程及課程性質可參考表1進行設置。

表1列述了經管類專業為適應未來社會經濟發展需要可考慮開設的數據科學類課程。課程分為基礎課、專業必修課、專業選修課、實驗必修課、實驗選修課五個類別。其中，《概率論與數理統計》作為各種數據科學類課程的基礎應當早于其他課程開設，通?？稍诖髮W第二學期或第三學期完成；《應用統計學》和《數據挖掘》為為專業必修課應當在《概率論與數理統計》完成后的一個學期同時開設，兩門課程互為補充；《計量經濟學》作為專業必修課可在《應用統計學》完成后的一個學期開設，最遲不應晚于大學第五學期完成；《機器學習》、《深度學習》可作為《數據挖掘》的補充在數據挖掘課程完成之后開設，由學生自選；《計量經濟學專用軟件學習與應用》作為實驗必修課，應當與《計量經濟學》同時開設；《經濟管理大數據軟件學習與應用》與《經濟管理人工智能》作為實驗選修課可在《計量經濟學專用軟件學習與應用》和《數據挖掘》課程完成后開設，由學生自選。

四、結語

隨著新舊動能轉換戰略的實施，許多新產業、新業態將會如雨后春筍般出現，同時也會淘汰許多陳舊的行業。未來經管類專業的畢業生要尋求新發展，適應新的就業市場需求。數據科學作為未來核心技術，應當被廣大經管類大學生接受、掌握并應用于社會實踐中。建議經管類專業應當及時調整相對陳舊的課程設置方案，增加更多的數據科學類課程以及數據科學與經管類專業課的交叉課程，幫助學生掌握更多新理論和新技術，為未來社會經濟發展培養專業技能更強的人才。

【參考文獻】

[1]Cox， D. R. Big data and precision. Biometrika 2016， （102）： 712–716.

[2]Cox， D. R. and Battey， H. Large numbers of explanatory variables， a semi-descriptive analysis. Proc. Nat. Acad. Sci. 2017， （114）： 8592–8595.

[3]Goldthorpe， J. H. Sociology as a population science. Cambridge University Press. （2016）

[4] 韓翠峰.大數據帶給圖書館的影響與挑戰[J].圖書與情報，2012，（5）：37-40.

[5]劉中宇，劉素娥. 基于云計算的多媒體教學環境設計[J]. 現代教育技術，2013，（02）：43-46.

[6] 何雙泉.云計算輔助教學下協作學習的活動設計策略初探[J].中國教育技術裝備，2010，（36）：142-144.

[7] 梁文鑫.大數據時代—課堂教學將迎來真正的變革田[J].北京教育學院學報 （ 自然科學版 ），2013， （1）： 14 -16.