面向物流管理專業建設數據決策課程體系的現狀與策略

摘 "要：數字經濟的發展促使物流與供應鏈管理向著數智化方向快速轉型。為了適應這種變化，滿足物流行業對數據人才的多維度復合要求，許多高校的物流管理專業正逐步開展數據決策課程體系建設。文章分析了物流管理專業在建設數據決策課程體系時面臨的一些問題及對應的思考。在梳理物流管理專業數據決策課程體系建設的背景和現狀后，從優化課程設置和教學方法的角度提出了若干可操作的建議，為高校物流管理專業數據人才培養提供一定的參考。

關鍵詞：物流管理；數據決策；課程建設

"中圖分類號：F252; G642 " "文獻標志碼：A " "DOI：10.13714/j.cnki.1002-3100.2024.23.048

Abstract： The development of the digital economy has prompted the rapid transformation of logistics and supply chain management in the direction of digitalization digital intelligence. In order to adapt to this change and meet the logistics industry's multi

-dimensional and complex requirements for data talents， many universities are gradually developing data-driven decision-making course system for the logistics management major. This article analyzes some of the problems and corresponding thinking faced by the logistics management major in the construction of data-driven decision-making course systems. After sorting out the background and current situation of the construction of data-driven decision-making course system for the logistics management major， this article proposes several operational strategies from the perspective of optimizing course settings and teaching methods， providing some reference for the cultivation of data talents in logistics management majors in universities.

Key words： logistics management; data-driven decision-making; course construction

0 "引 "言

"在數字經濟迅猛發展的當下，數據正成為推進各行各業生產力變革的重要資源。物流業一頭連接著生產，一頭連接著消費，是支撐現代經濟發展的重要產業，而隨著數字經濟時代的到來，物流業也在加速向數字化和智能化轉型[1]。《“十四五”現代物流發展規劃》指出要強化物流數字化科技賦能，包括加快物流數字化轉型、推進物流智慧化改造、促進物流網絡化升級。物流管理是指對物流活動進行科學的計劃、實施和評價，以降低物流成本，提高物流效率，屬于決策科學范疇。當前，互聯網、大數據、人工智能正與物流業深度融合，信息技術的廣泛應用提高了物流各環節的透明度和協同度[2]，也深刻影響了物流管理的決策范式，物流管理正由傳統的基于假設和模型的決策模式向基于數據的決策模式轉變。利用數字技術進行資源優化，數據驅動物流決策已經在行業中得到相當廣泛的應用。在數據決策模式下，物流從業人員不再僅靠經驗和成熟的業務模型對物流活動進行組織和規劃，而是對物流各環節產生的海量數據進行深入挖掘和分析后，基于機器學習和智能優化算法對物流活動進行預測和決策[3]。因此，數據決策模式對物流從業人員提出了更具挑戰性的技能要求，包括物流基礎業務能力、數據分析與挖掘能力、智能預測與決策方法的使用能力、以及相應的綜合能力等[4]。

"數字經濟時代下物流業的變革同樣促使本科高校物流管理專業的課程建設做出改變，以滿足當前物流行業對數據決策人才的需求。為適應當前的物流變革，不少高校的物流管理專業或供應鏈管理專業正向數智化方向轉型，并在培養目標、師資配置、課程體系、教學方法等方面進行適應性變革。在這其中，打造相匹配的數據決策課程體系尤為重要。圍繞數智化培養目標，數據決策課程體系需要在傳統的物流管理專業課程設置中深度融合信息技術、人工智能、數據挖掘，以及智能決策相關課程，并進行相應的教學設計和優化。本文對當前物流管理專業數據決策課程體系建設情況進行分析，并給出一些思考和建議。

1 "數據決策課程體系建設現狀

"傳統上，物流管理專業課程建設以理論化課程建設與實踐（實操）類課程建設為兩翼[5]，其中理論化課程偏向講授物流管理的基本概念和基礎理論方法，如《物流學》、《供應鏈管理》、《交通運輸學》、《運籌學》等課程。實踐（實操）類課程偏向講授物流管理中的業務知識和操作方法，如《倉儲管理》、《采購管理》、《物流信息技術與應用》、《物流管理專業綜合實驗》等課程。隨著電子商務、信息技術及大數據管理方法的普及，各項物流活動越來越依賴數據驅動的決策支持。傳統的物流管理專業課程體系較少關注物流活動中產生的豐富數據對決策帶來的影響，因而越來越難以支持當前大數據環境下物流與供應鏈系統的規劃、建設、分析和運營。

"基于傳統物流管理課程體系在當前存在的一些困境，不少院校開始思考如何在現有課程體系中融入數據科學或者智能決策相關課程，即面向物流管理專業建設數據決策課程體系。以廣東財經大學工商管理學院/粵商學院/創新創業學院為例，數據決策課程體系建設大致經歷了兩個階段：（1）在第一階段，物流管理專業面向高年級本科生開設了若干數據決策相關課程，如《物流運籌學》、《MATLAB數字實驗》、《SPSS統計分析實驗》。其中《物流運籌學》為專業必修課程，其他課程為專業選修課程。這一階段的數據決策課程并沒有成為體系，只是零散開課，課程之間也缺少關聯，實際上學生很少能有“體系”上的感受，因此教學效果不如人意。（2）在第二階段，在分析過往課程建設的經驗和不足后，物流管理專業開始面向本科全學段，系統性地建設數據決策課程體系，圍繞該體系打造一系列相關課程。表1展示了數據決策課程體系中的核心課程情況。可以看出，現階段數據決策課程體系基本橫跨物流管理專業本科全學段，課程性質包含通識基礎課程、專業必修課程、以及專業選修課程。課程內容涵蓋數智供應鏈管理理論、數據決策方法、數據分析與決策技術（工具），基本建立起了面向物流管理專業的數據決策課程體系。然而，作者分析認為，當前的數據決策課程體系仍然存在局限。

1.1 "課程體系設置不夠連貫

"從表1可以看出，數據決策相關課程在本科學段上的分布不夠連貫。在本科第一學期設置有基礎性和介紹性課程，在本科第四、第五及第六學期設置有專業性課程，但中間的第二和第三學期卻未設置相應課程，留下課程教學的真空期。中間學期的課程斷檔會導致學生銜接不上前后課程內容，或者在經歷中間的課程空白期后對后續課程失去了學習興趣，不再選修（高年級課程多為專業選修），從而弱化了前期和后期課程的教學效果。

1.2 "體系中專業必修類課程偏少

"目前來看，歸屬于數據決策體系下的專業必修課程僅有《數智化供應鏈管理前沿》和《物流運籌學》。其中《數智化供應鏈管理前沿》為面向低年級開設的介紹性課程，《物流運籌學》為面向高年級開設的理論方法性課程。以上專業必修課程僅能為學生提供宏觀上的概念介紹和偏運籌優化方向的能力培養，尚未覆蓋數據挖掘、人工智能等前沿主題。考慮到當前行業對物流管理高級人才在數據分析與定量決策能力上的多維度復合要求，目前的數據決策課程體系在必修課程上的設置仍是偏少和偏弱的，難以多維度立體化培養學生的數據決策能力。

1.3 "課程內容建設未作充分協調

"該問題具體表現在兩個方面。一是不同課程經常講授重復或相似內容。例如，據作者了解，需求預測這一知識點，既會在數據決策課程體系下的《智能供應鏈預測方法》中講授，但也會在傳統課程體系下的《運營管理》和《庫存管理》課程中講授，且差異性不大。知識點的重復講授會導致授課資源的浪費。二是各課程依賴的計算機程序設計語言或數據分析工具相對分散。從表1可以看出，課程體系中選擇的編程語言并未統一，學生要在不同課程中學習使用不同的編程語言。誠然，不同的編程語言在處理差異化的數據分析與決策問題時各有優勢，但在學習體系化課程時，分散編程語言選擇同樣會過度消耗學生的學習精力。面向物流管理專業的數據決策課程體系，其建設目標應是培養學生基于計算機和信息技術解決數據驅動物流決策問題的能力，相關技術的學習應當聚焦，基于某一種編程語言或工具開展多方向課程教學。

1.4 "課程建設缺乏與行業實踐的聯系

"無論是介紹性質課程還是理論方法類課程，當前的課程體系還是缺乏與物流管理行業的深入聯系，難以讓學生深刻體會到所學的知識方法在企業管理中的應用情況。根據作者的行業走訪經歷，許多企業面對更加豐富應用場景，在數據驅動物流管理應用領域有著更成熟和更深入的方法體系，走在了高校前面。物流數據決策在企業中到底是怎么做的？究竟如何完成從業務問題提煉，到收集和分析數據，再到數據建模，到最后解決問題的完整流程？學生對此的體會不深。缺乏與行業的有效互動，在一定程度上會減弱學生的學習興趣，同時也讓課程教學難免有些“空中樓閣”，過于理論而不夠實際。

2 "數據決策課程體系建設提升建議

"基于以上對物流管理專業數據決策課程體系現狀的分析，為了能進一步提升課程建設質量，充分培養物流管理專業本科生的數據決策能力，更好地適應未來復雜的數智化物流與供應鏈環境，總結相關經驗，本文從以下幾個方面提出一些建議，期望能提升課程體系的建設效果。

2.1 "貫通設置課程體系

"具體來說，可將數據決策課程設置分為三個階段。在第一階段（第一、二學期），設置介紹類課程和編程基礎課程，讓學生了解數據決策在物流管理應用中的基本概念，并掌握基本的程序設計能力。在第二階段（第三、四學期），設置理論方法類課程，讓學生深入掌握數據決策的主流理論與方法。在第三階段（第五、六學期），設置技術應用類課程，讓學生學會當前常用數據決策應用工具和策略。數據決策課程設置應貫穿本科主要學段，避免留下課程空白期，幫助學生從認知到理論再到應用，建立起完整的數據分析與數據決策能力。

2.2 "豐富專業必修課程

因其強制性、專業性和高要求，必修課程一直是專業課程體系中的核心。適當增加數據決策課程體系中專業必修課程比例，提升數據決策課程體系教學強度十分必要。具體來說，根據數據決策在能力維度上的要求，可在主要學段時間內，面向機器學習、運籌優化、物流信息技術、智能供應鏈管理，分別設置一門專業必修課程，針對性強化學生在人工智能、優化理論、信息技術應用，以及數據驅動供應鏈管理方面的知識和能力儲備。

2.3 "強化課程內容協調與聯系

"數據決策課程體系中各課程間應當前后銜接恰當。具體來說，在編寫課程大綱和教學計劃時，可針對性組織教師開展教學研討，強調數據決策理論知識需要以體系化形式由淺入深，避免不同課程講授重復和類似的知識點。另外，建議統一數據決策課程體系中的程序設計語言。例如可統一使用Python語言分別講授統計分析、數據挖掘、機器學習、運籌與最優化等核心課程，如課程有特殊要求，再考慮其他工具軟件。這樣可以避免編程語言的不同導致學生需要花費時間去學習不同語言的用法，同時也能強化學生的編程技能，提升學生面向就業市場的綜合競爭力。

2.4 "加強課程教學與實踐聯系

"作為一門面向實踐的專業，物流管理教學應始終強調與行業實踐的緊密聯系[6-7]。具體可以采取以下措施：（1）在課程教學中引入企業導師。企業在管理實踐中積累了豐富的經驗，對物流管理業務中的數據應用和數據決策有著更貼近實際的理解。為了提升學生對數據決策的實際應用能力，并加深對物流管理行業實踐的認知，具體可采取的方案包括校內導師與企業導師聯合授課、企業導師專題講座、企業短期實習等。（2）鼓勵學生參加學科競賽，例如數據挖掘競賽、運籌優化競賽、物流設計大賽。通過參與競賽讓學生體會物流管理真實業務場景，以接近實戰的方式鍛煉學生在實際業務場景中的數據決策能力。

3 "小 "結

"數字經濟時代的到來和數智化供應鏈的快速發展，使得物流與供應鏈管理行業對掌握數據決策能力人才的需求劇增。傳統的物流管理專業急需開展數據決策課程體系建設工作，以適應新時代對物流管理專業人才的要求。本文在分析數據決策課程體系建設的背景和現狀后，指出目前的課程體系建設尚存在一些不足，如課程設置不夠連貫、專業課程不夠豐富、課程內容協調不足、課程教學與實踐聯系不夠緊密。本文針對性提出若干提升策略，以期加強課程體系建設效果，提升物流管理專業學生的數量化業務思維和數據化決策能力，更好地適應當前物流管理行業對數據人才的需求。

"本文所作的分析和對策建議仍存在一定的片面性和局限性，比如未深入考慮數據決策課程體系與傳統理論和實操課程體系的恰當結合，以及數據決策課程體系課程教學效果評估標準的設計等。面向物流管理專業建設數據決策課程體系是一項復雜工作，在未來的教學研究中，作者將繼續從課程設計、教學模式、團隊建設等方面開展相應研究工作[8]。

參考文獻：

[1] 歐陽小迅，戴育琴. 數字經濟背景下物流管理專業人才素質要求與培養對策[J]. 物流工程與管理，2023，45（2）：182-184，105.

[2] 王萍. 基于信息化的供應鏈協同物流管理研究[J]. 物流科技，2023，46（22）：141-144.

[3] 吳忠勝. 人工智能與物流管理模式的創新[J]. 中國航務周刊，2023（23）：55-57.

[4] 張西林. 大數據環境下物流管理專業人才培養能力指標分析[J]. 物流工程與管理，2022，44（10）：162-164，161.

[5] 周宇. 關于物流管理專業教學改革的思路研究[J]. 中國儲運，2024（1）：154.

[6] 李明洙. 新文科背景下物流管理專業校企合作教學模式研究[J]. 中國物流與采購，2024（5）：61-62.

[7] 劉丹，林杉杉，鄭宇婷. 基于產業驅動的物流數字化人才培養探索[J]. 物流工程與管理，2024，46（5）：109-111，132.

[8] 徐寧. 大數據時代我國高校物流專業人才培養模式改革研究[J]. 物流科技，2023，46（23）：151-152.

收稿日期：2024-07-03

基金項目：廣東財經大學2022年度一流本科教學質量與教學改革工程項目高等教育教學改革項目“物流管理數據分析與定量決策類課程改革研究”（57）；廣東財經大學2022年度一流本科教學質量與教學改革工程項目課程思政示范課程“管理運籌學”項目（157）；廣東省研究生教育創新計劃項目“數字經濟背景下工商管理專業研究生培養模式創新與實踐”（2023JGXM-068）

作者簡介：呂盛祥（1992—），男，湖北襄陽人，廣東財經大學工商管理學院/粵商學院/創新創業學院，講師，博士，研究方向：智能物流；王 "楓（1993—），女，河南駐馬店人，廣東財經大學工商管理學院/粵商學院/創新創業學院，副教授，博士，研究方向：智能決策；韓 "璽（1984—），男，河南南陽人，廣東財經大學工商管理學院/粵商學院/創新創業學院，副教授，博士，研究方向：數字化營銷。

引文格式：呂盛祥，王楓，韓璽. 面向物流管理專業建設數據決策課程體系的現狀與策略[J]. 物流科技，2024，47（23）：179-181.