大數據背景下金融工程專業人才培養模式改革研究

孫維峰

[摘 要]在大數據視閾下，金融業態、金融格局乃至整個金融生態都將發生巨大改變，這導致金融工程專業人才培養模式發生變革。大數據對人才培養模式和教師素養提出了新要求，給教育教學改革提供了新機遇。研究從人才培養目標、人才培養標準、課程體系、教學模式、師資隊伍建設和校企合作六個方面提出了大數據背景下金融工程專業人才培養模式的改革方案。這一模式的顯著特點有三個方面：跨學科特征;模塊化課程的運用;更加注重理論與實踐的結合。

[關鍵詞]大數據;金融工程專業;人才培養模式

[中圖分類號] G642.0 [文獻標識碼] A [文章編號] 2095-3437（2021）08-0128-04

人才培養模式是影響高校人才培養質量的核心因素。然而現行的人才培養模式不能很好地適應社會經濟和學生發展的需要，存在人才培養和社會需求脫節、專業特色不夠明顯、培養模式思路比較狹窄、教學模式和方法陳舊等問題?！秶抑虚L期教育改革與發展規劃綱要（2010—2020年）》明確提出，要適應國家和社會發展需要，創新人才培養模式。

當前，隨著大數據時代的來臨，國家把大數據產業納入戰略新興產業，出臺了一系列促進大數據產業發展的政策措施。金融體系和資本市場是大數據發揮作用的重要領域。在大數據視閾下，金融業態、金融格局乃至整個金融生態都將發生巨大改變。在大數據時代，金融工程專業的人才培養面臨著與以往截然不同的挑戰，如何培養出既熟悉金融業務、又掌握大數據技術的復合型人才，是我們迫切需要研究的課題。

一、文獻評述

金融工程是一個融合經濟、管理、數學、工程等的交叉學科。近年來，隨著金融工程相關領域的飛速發展，國內許多高校相繼開設了金融工程專業，許多學者也對金融工程專業的人才培養模式進行了探討。其中的相關研究可分為四個方面。一是金融工程專業人才培養模式的比較研究。郭敏、劉立新和余湄[1]通過借鑒國外高校的經驗，提出了我國財經類院校培養金融工程人才的目標和模式。唐菁菁和譚春枝[2]通過對中美兩國金融工程專業的課程設置進行比較，有針對性地提出了對金融工程專業人才培養模式中教學模塊的優化建議。史永東、陳日清[3]，劉磊、陳為濤、劉降斌[4]分別對財經院校和商科院校的金融工程專業人才培養方案和課程設置進行了研究。二是探討金融工程專業具體培養方案的設計問題。羅志[5]提出了校企合作培養金融工程人才的模式。周遠[6]結合行業背景和人才需求情況提出了金融工程本科專業人才培養的建設思路。沈銀花和蘇國紅[7]利用“新工科”理念探討了傳統工科院校金融工程專業的人才培養模式改革問題，指出應以學科交叉和深度融合為基礎，更新課程知識體系。劉家鵬、劉春雨、易榮華等[8]在進行外部環境背景研究和目標定位分析的基礎上，探討了面向金融改革和創新的金融工程特色人才培養模式。李艷華和卜亞[9]在卓越工程師培養計劃的背景下，提出了“三維四段”的金融工程專業人才培養模式。三是專門探討金融工程專業的實踐教學問題。文忠橋和李陽[10]提出為適應現代金融業微觀化、工程化的發展趨勢，必須加強金融工程專業的實踐教學。張麗華、沈沛龍和張文龍[11]在金融工程專業“四實”（實驗、實訓、實習和實踐）貫通教學模式內涵基礎上，論述了金融工程專業“四實”貫通教學模式的整體設計、平臺建設和保障措施。四是探討地方本科院校金融工程專業的人才培養模式。譚春枝和岳桂寧[12]以廣西大學為例，研究地方高校金融工程專業人才培養模式及其實踐。李國成、周本達和張穗萌[13]從地方應用型高水平大學建設的角度探討了金融工程專業人才培養的目標、層次和模式。

關于金融工程專業人才培養模式的研究取得了較大的進展，但從現有的研究成果來看，還存在一定的不足。

第一，分散研究較多，系統研究較少。雖然在金融工程專業人才培養模式方面的研究成果比較多，但這些研究絕大部分屬于分散研究，即只是對人才培養模式中的某個要素或者某個環節進行研究，這是遠遠不夠的。

第二，現有的研究成果認識到金融工程專業的人才培養模式存在較多問題，但提出的解決方案缺乏針對性。以人才培養目標為例，研究者只是指出了現有的人才培養目標模糊，應該明確人才培養目標，但是對于如何確定人才培養目標，卻沒有給予回答。

第三，雖然研究者從多個角度探討了金融工程專業的人才培養模式，但從大數據的角度探討金融工程專業人才培養模式的研究成果幾乎是空白。

二、大數據對金融工程專業人才培養的新要求

大數據被認為是一個術語，它描述了數據生成量、結構和速度的驚人增長。Laney[14]總結了大數據的構成，通常稱之為“3V模型”：容量（Volume）、速度（Velocity）種類（Variety）。研究者從這三個核心特征擴展而來，將以下特征作為與大數據概念相關的關鍵特征[15]：容量（Volume）、速度（Velocity）、真實性（Veracity）、種類（Variety）、驗證（Verifification）、價值（Value）。大數據還有其他重要特征，如數據有效性（指數據的準確性）和數據波動性。它還涉及以有用的形式存儲數據以進行適當的增值分析所需的時間和長度。

大數據給高等教育帶來了新的機遇和挑戰：一方面，大數據為進行高等教育研究提供了新的機遇;另一方面，大數據也對高等院校的人才培養提出了挑戰。

（一）大數據對人才培養提出了新要求

大數據推動移動金融、互聯網金融等新的金融業態不斷涌現，傳統金融正向信息化金融快速邁進。如何主動應對大數據時代信息化金融帶來的機遇與挑戰，與時俱進、面向未來地推動金融教育和金融人才培養，是當前金融教育工作的重要課題。金融人才培養即將面臨的不僅僅是觀念的改變，更可能是系統的范式變遷。金融工程專業的人才培養模式應跳出增減課程的傳統窠臼，從培養目標、培養標準、培養過程、培養評價等方面進行整體的范式轉換，推動金融工程專業人才培養模式的創新。一方面，金融業發展迅速，以金融工程為代表的高端金融人才緊缺;另一方面，大數據會帶來金融體系的重構和資本市場的變革，以及信息化金融的發展，使得現有金融人才的專業背景、技術儲備都無法較好地滿足當前的需求，亟待培養大量兼具金融業務、信息技術和管理等多種知識技能的復合型人才。特別是在大數據領域，其要求人才擁有較強的業務理解能力、數據資產管理能力、數據處理能力和數據挖掘能力，對大數據技術的學習和應用在某種程度上也是對金融工程專業人才培養的一個新要求。

（二）大數據為教育教學改革提供了新機遇

大數據是一個知識系統，它已經改變了許多領域的知識和社會理論的研究對象，同時也有潛力改變管理決策理論[16]。數據挖掘是一種重要的工具，用于預測和分類從客戶那里收集來的數據。如今，許多行業使用數據挖掘來制訂決策，并為目標細分客戶制訂營銷策略，以實現其目標。但許多大學忽視了數據挖掘技術的應用。高?？梢岳么髷祿治龈淖儸F有的行政、教學、學習、學術工作過程，這有助于提高政策的實踐成果。

大數據可以為高校提供所需的預測工具，以改善個別學生的學習成果，并確保學術課程達到高質量標準。高校可以在課程中定制模塊、作業、反饋和學習樹，以滿足學生的需求，從而促進學生更好地學習。例如，高?？梢岳么髷祿ぞ叻治鰝€別學生的表現和技能水平，并創建符合其特定學習路徑的個性化學習體驗。如果能有效使用，大數據可以幫助機構提高學生的學習體驗，全面提高學生的學習成績。大數據的主要貢獻將取決于三種數據模型（描述性、關系性和預測性）的應用，以及每種模型在指導更好的決策方面的效用。

（三）大數據對教師素養提出了新挑戰

在大數據時代，教師要進一步創新教學理念和教學模式，改革人才培養方案，不斷完善自身，緊跟時代步伐。但由于大數據是相對較新的事物，許多教師不了解大數據，也沒有意識到潛在的危機[17]。實際上，大數據時代教師的專業發展面臨著很大的挑戰。

一是人才培養模式改革所帶來的挑戰。大數據時代，學生不再局限于通過課堂和教材獲取知識，教師不再是知識的唯一來源，學習問題可以通過網絡解決，學生真正獲得個性化的學習。為了適應這種變化，教師應該從大量的數據中了解每個學生的興趣、愛好和關注點，并根據學生的情況提供個性化的學習解決方案。教師應該探索數據教育思想和規律的潛在性，追求人才培養的靈活性和多樣性。沒有大數據的知識，我們就無法實現大數據時代的人才培養目標。

二是教育教學改革所帶來的挑戰。上文我們提到，大數據為教育教學改革提供了機遇。然而，在高校中實施大數據分析技術也面臨著許多挑戰。其中一些挑戰包括讓用戶接受大數據作為采用新流程和變更管理的渠道。收集、存儲和開發挖掘數據的算法也會帶來巨大的成本，這一過程往往耗時且復雜。此外，將管理數據、課堂數據和在線數據匯總起來可能會帶來額外的挑戰[18]。數據集成方面的挑戰尤為突出，尤其是當數據以結構化和非結構化格式出現，需要從不同的來源進行集成時，其中大部分數據存儲在由不同部門管理的系統中。執行結構化和非結構化數據集成時的數據清理可能會導致數據丟失。收集和報告的數據質量也存在挑戰。缺乏標準化的度量和指標使得數據之間的比較變得困難，因為大數據產生的信息質量完全取決于收集的數據質量和所用度量或指標的穩健性[15]。

三、大數據背景下金融工程專業人才培養模式改革的主要內容

高等教育要適應時代發展，轉變觀念，深化改革，構建符合經濟社會發展需要的人才培養模式。根據人才培養模式的內涵，人才培養模式的延伸應是人才培養的全過程。教育工作者首先應在一定的教育哲學和思想指導下，根據經濟社會發展的需要，確定人才培養目標，根據人才培養目標確定人才規格和質量結構，在此基礎上，構建人才培養方案，確定人才培養的教學內容和課程體系，然后采用科學的教學方法和手段，最后建立一套人才培養評價體系。

（一）人才培養目標的調整原則

高校在確定培養什么樣的人時，主要受三個因素的影響，即學生自身的實際需求、社會需求和教育者的意愿[19]。傳統上，目標主要由教育工作者的意愿決定，注重知識基礎，注重學科體系和專業體系，很少關注學生發展的實際需要和社會需要。隨著高等教育大眾化的實現，高校培養的人才逐漸走向市場，社會的需求越來越受到重視，但由于受傳統教育思想的影響，學生自身的實際需要并沒有受到重視?？梢姡瑐鹘y教育思想是樹立以人為本教育理念的最大障礙，是當前我國本科人才培養模式改革的重要制約因素。

教育的基本職能是培養人才，而教育者無論采用何種培養方式，都必須培養一個健全的人，致力于培養一個自然人的基本知識、能力和道德。人才培養模式改革的根本目的是提高人才培養質量?？梢姡瑹o論采取何種改革措施，都必須有利于學生的成長。在新形勢下，要以新的人才理念和新的質量理念為指導，進行人才培養模式的改革。2019年2月，黨中央和國務院印發了《中國教育現代化2035》，明確提出要培養德智體美勞全面發展的社會主義建設者和接班人，更加注重全面發展，更加注重面向人人。金融工程專業人才培養目標的調整也應以此為原則。

（二）人才培養標準的確定

知識、能力和素質是確定人才培養標準的三個基本方面。知識是培養人才的基礎，能力是培養人才的目標，素質是培養人才的保證[20]。

知識是能力和素質的載體，主要包括基礎知識、專業知識以及與專業知識相關的相鄰學科知識等。在大數據背景下，金融工程專業的本科生應具備經濟學、金融學、會計學等學科基礎知識;具備金融工程的專業知識;具備數學、統計學和計算機知識;具備與專業相關的其他知識等。

能力就是完成一定活動的技能。能力是在掌握一定知識的基礎上，通過一定的實踐形成的。能力主要包括知識吸收能力和學習能力、知識應用能力和創新能力等。在大數據背景下，金融工程專業的本科生應具備熟練的英語應用能力;具備金融市場定量分析與科學研究的能力;具備金融業務判斷與決策的能力;具備溝通、協調、管理和創新創業能力;具備終身學習的能力等。

素質以相對穩定的身心發展為目標，主要包括廣泛的知識、獨特的個性特征和穩定的心理、堅定和勇敢的判斷等。在大數據背景下，金融工程專業的本科生應具備較高的政治素質，具有較強的國家意識、社會責任意識和民族振興意識;具備廣泛的人文及科學素養，養成社會推崇的言行舉止;具備一定的職業操守意識;具備強健的體魄、積極的心態等。

（三）課程體系的變化

課程體系是人才培養計劃的基本框架，教學內容是人才培養的主要載體。在大數據背景下，金融工程專業人員的定位應是具有經濟學、金融學、計算機、數學等跨學科背景的應用型、綜合型人才，這就決定了課程體系必須進行較大程度的調整。此外，學科交叉并不是大雜燴。在大數據背景下，金融工程專業的人才培養并不意味著所涉及的科目越多，效果越好。

在大數據背景下，金融工程專業人才培養模式應注重培養跨學科背景的應用型人才，以滿足市場需求。這樣，在課程設計方面就需要有相應的模塊化設計。一般來說，金融工程專業課程體系由通識教育課程、專業教育課程、集中實踐教學三大平臺模塊組成。大數據的影響主要體現在專業教育課程和集中實踐教學。專業教學課程在強化高等數學教學的基礎上，應增加大數據金融、數據分析、數據挖掘和信息系統操作等課程。集中實踐教學環節則應在金融工程綜合實訓中加強大數據技術的應用訓練。總之，模塊化課程應以經濟學、金融學、數學和計算機課程為基礎，結合不同的應用領域靈活設置課程，盡可能地使理論與實踐相結合。

（四）教學模式的變革

在大數據背景下，金融工程專業人才的培養一方面應注重金融理論知識的教學，培養具有扎實理論基礎的優秀人才;另一方面，應強調應用能力的培養，通過多種手段加強實踐教學;培養學生處理復雜金融問題的能力。傳統的教學模式不能適應這一要求，必須進行變革。第一，利用科研項目教學。通過案例研究和教學模式的探討，讓學生多接觸一個專業領域的實際問題，培養學生解決問題的能力，從而使畢業生能夠快速適應工作，學會運用。第二，采用多導師制。在大數據背景下，金融工程專業人才培養的新模式涉及多學科交叉和多能力綜合。單個導師承擔所有的指導工作是非常困難的，采用基于多導師制的聯合培訓模式可以充分利用其優勢，規避其弱點。教師之間相互補充，可以從理論和實踐兩方面給學生提供高質量的指導。第三，實施以學生為中心的教學組織形式和教學方法，增強學生的學習主動性;培養學生的科學精神和科學素養;通過應用型教師與學生的互動教學，促使學生學習大數據知識。第四，引導教師根據學生成長和發展的實際需要，改進教學內容和教學方法。通過加強對教學過程的評價，促進教師嚴格教學，加強對教學過程的管理。制訂激勵政策鼓勵教師加大教學投入。第五，采用創造性教學法提高學生的創新能力。教師要遵循創造的一般規律，引導學生進行創新思維，充分發揮學生的自主學習能力，讓學生學習和吸收科學知識，探索教學過程中的未知問題。

（五）師資隊伍的建設

人才培養模式改革的重點是全面開展素質教育，而起點是課堂教學。教師是人才培養模式改革的直接參與者，教師的教學水平決定了人才培養模式改革的成敗。要改革人才培養模式，必須加強師資隊伍建設，保證教師隊伍滿足辦學需要。教師應以教學為己任，通過對教學的深入研究，提高教書育人的能力，以淵博的學識、高尚的道德和人格魅力感染學生，為學生健康成長提供指導。同時，教師也應改變傳統的以教師為中心的教學模式，教師的角色由教學中的主導角色轉變為學生學習和教學的輔助、服務角色，由單純的知識教學轉變為互動教學。在大數據背景下，金融工程專業的人才培養需要教師具備跨學科知識，雖然不要求每位教師對經濟學、數學、計算機等學科的知識都很精通，但至少應該在精通某一學科知識的同時，對其他學科知識有一定的了解。今天，跨學科自由交叉、相互滲透，邊緣學科和跨學科層出不窮，只有單一的學科知識和封閉的知識結構，已無法適應科學技術飛速發展的需求。教師要具有開放的知識結構，能不斷學習和吸收新的知識。從院系的角度來說，應該鼓勵教師外出參加各種關于大數據和統計方面的短期培訓或學術會議，鼓勵教師到合作企業進行短期實踐等，以此來更新教師的知識，提高教師的實踐能力。

（六）建立校企合作平臺

如前所述，在大數據背景下，金融工程專業人才需求量大，專業要求高，市場定位強，單靠高校來培養很難取得良好的效果。構建校企合作平臺，借助教育部協同育人項目，實現主體之間的精確分工和深度對接，具有十分重要的意義。學校與企業的結合，可以實現雙贏，對高校來說，可以加強人才培養的實踐能力;企業則可以獲得優秀的專業人才。高?？梢云刚埥鹑趯崉战绲男袠I精英授課、講學、培訓，定期開展學術活動，以提高學生對實際問題的判斷和分析能力。學生可以獲得業內精英的經驗分享，體驗職場新人的感受，這能促使學生將書本知識和工作技能有機融合。

四、結語

隨著經濟的發展和計算機網絡技術的創新，大數據在各個領域都得到了廣泛的應用。傳統的金融工程人才培養模式過于狹窄，課程設置不合理，理論與實踐脫節，不能滿足市場需求。在大數據背景下，我們需要探索一種新的金融工程專業人才培養模式。這一模式的顯著特點有三個方面：一是以經濟學、數學和計算機科學為基礎，具有明顯的跨學科特征;二是模塊化課程的運用，突出綜合性和應用性;三是更加注重理論與實踐的結合。

人才培養模式的改革是深化教育體制改革的核心內容，是高等教育內涵發展的必然選擇，是當前提高我國高等教育質量的關鍵。只有抓住這個關鍵點，人才培養的質量才能不斷提高。

[ 參 考 文 獻 ]

[1] 郭敏，劉立新，余湄.財經類院校金融工程人才培養目標與模式[J].財經科學，2004（6）：8-11.

[2] 唐菁菁， 譚春枝. 美國金融工程課程設置比較及其啟示[J]. 高教論壇， 2009（1）：53-56.

[3] 史永東， 陳日清. 財經院校金融工程本科專業課程設置研究[J]. 東北財經大學學報， 2009（4）：85-87.

[4] 劉磊， 陳為濤， 劉降斌. 商科院校金融工程專業課程設置研究[J]. 經濟研究導刊， 2011（8）：272-273.

[5] 羅志. 新金融環境下工科類院校金融工程人才培養模式探討[J]. 價值工程， 2017（33）：208-209.

[6] 周遠. 金融工程本科專業人才培養建設探討[J]. 教育教學論壇， 2017（32）：132-133.

[7] 沈銀花， 蘇國紅. “新工科”理念下的金融工程專業人才培養模式探討[J]. 牡丹江大學學報， 2018（7）：154-157.

[8] 劉家鵬， 劉春雨， 易榮華， 等. 面向金融改革與創新的金融工程特色人才培養模式研究[J]. 教育教學論壇， 2018（30）：83-85.

[9] 李艷華， 卜亞. 金融工程專業人才培養模式研究：基于卓越工程師培養計劃[J]. 科技經濟市場， 2018（3）：149-151.

[10] 文忠橋， 李陽. 金融工程專業的實驗教學體系研究[J]. 中國證券期貨， 2010（1）：107-109.

[11] 張麗華， 沈沛龍， 張文龍. 金融工程專業“四實”貫通教學模式的探索[J]. 教育理論與實踐， 2013（36）：29-31.

[12] 譚春枝， 岳桂寧. 論地方綜合性大學金融工程人才培養：以廣西大學為例[J]. 廣西社會科學， 2010（11）：28-34.

[13] 李國成， 周本達， 張穗萌. 地方應用型高水平大學金融工程專業人才培養模式探索[J]. 皖西學院學報， 2018（1）：35-38.

[14] Laney D. 3-D Data Management： Controlling Data Volume， Velocity， and Variety[J]. Application. Delivery Strategies，2001（6）：70-72.

[15] Daniel B. Big Data and analytics in higher education： Opportunities and challenges[J]. British Journal of Educational Technology， 2015，46（5）：904-920.

[16] Boyd D， Crawford K. Critical Questions For Big Data[J]. Information， Communication & Society， 2012，15（5）：662-679.

[17] Hongtao C， Dandan Z. Strategies on Teacher Professional Development in Big Data Era[C]. 4th International Conference on Education Technology， Management and Humanities Science， 2018.

[18] Daniel B K， Butson R J. Technology Enhanced Analytics （TEA） in Higher Education[J]. International Association for Development of the Information Society， 2013：89-96.

[19] Sai Q. Research on The Reform of Talent Training Mode in Colleges and Universities[C]. 3rd Conference on Education and Teaching in Colleges and Universities， 2017.

[20] Chen W. Research on Innovative Talent Training Mode and Its Application in Open Education[C]. 3rd Annual International Conference on Modern Education and Social Science， 2017.

[責任編輯：陳 明]