APP下载

基于超网络模型的互联网金融人才培养体系研究

2017-11-15郭福春许嘉扬

职教论坛 2017年24期
关键词:互联网金融人才培养

郭福春+许嘉扬

摘 要:互联网金融人才培养体系建设是由多主体参与、多要素构成而形成的复杂系统,超网络能够将各种不同要素集成在一起处理,为人才培养的复杂关系提供有效的形式化描述与分析方法。文章在对互联网金融人才特质提炼及供需情况分析的基础上,构建人才培养超网络模型,深入研究就业岗位、知识技能和课程设置网络及其关系;探讨超网络模型在互联网金融人才培养中的具体应用,并且从培养目标、培养规格、培养措施和培养途径四个方面设计互联网金融人才培养体系。

关键词:超网络模型;互联网金融;人才培养;知识技能

作者简介:郭福春(1970-),男,黑龙江望奎人,浙江金融职业学院互联网金融研究中心主任,教授,研究方向为互联网金融、金融教育;许嘉扬(1985-),女,浙江台州人,浙江金融职业学院浙江地方金融发展研究中心助理研究员,研究方向为地方金融、互联网金融。

基金项目:2017年浙江省人力资源和社会保障科学研究课题“区域金融人才生态环境评价及优化研究:以浙江省11个区域特色城市为例”(编号:2017041),主持人:许嘉扬。

中图分类号:G710 文献标识码:A 文章编号:1001-7518(2017)24-0034-06

从2013年的“互联网金融元年”到2016年的“互联网金融规范元年”,第三方支付、P2P网贷、众筹等互联网金融模式迅猛发展,对传统金融带来巨大的挑战。然而,在互联网金融异军突起的同时,人才培养体系建设却没有跟上其发展节奏,导致互联网金融专业人才供给与需求的缺口巨大,一定程度上制约了互联网金融的进一步发展。互联网金融人才短缺主要体现在:一方面,互联网金融短期内的快速发展导致人才需求大量增加;另一方面,互联网金融行业特性决定从业人员必须是具备金融知识与互联网技术的复合型人才,而复合型人才的稀缺是人才供给不足的主要原因。在互联网金融行业发展中,人才是核心资源和重要动力,互联网金融行业竞争的本质是优质人才的竞争。那么,互联网金融行业究竟需要什么样的人才?如何建立科学合理的互联网金融人才培养体系,提高互联网金融人才供给数量与质量,提升互联网金融人才供给与需求的匹配度?这些问题有待于深入地研究。鉴于人才培养体系建设是由多主体参与、多要素构成而形成的复杂系统,本文在对互联网金融人才特质及供需分析的基础上,尝试从网络视角引入超网络模型,为人才培养体系的复杂关系提供有效的形式化描述与分析方法,并且以此为基础设计了互联网金融人才培养体系,以适应互联网时代金融人才发展的新需求。

一、互联网金融人才特质及供需分析

(一)互联网金融人才特质

互联网金融的发展除了需要创新的模式和健康的环境之外,还需要优质的人才。互联网金融是传统金融行业与新兴互联网行业的融合(2015年7月,中国人民银行等10部门发布《关于促进互联网金融健康发展的指导意见》,将互联网金融定义为:传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式。),两者的本质特征都是融通——金融属于财富融通(财富流),互联网则属于信息融通(信息流)。因此,互联网金融的本质是财富流和信息流的组合。相应地,互联网金融人才的重要内涵是能够同时理解金融行业和互联网行业的商业逻辑,实现两个行业求同存异、和谐统一。具体而言,互联网金融人才应该具备以下三个方面的特质:

第一,互联网金融人才是复合型人才。互联网金融是互联思维和传统金融的交叉体,是一个具有跨界组合性质的行业,融合金融行业服务财富流和互联网行业管理信息流的双重特性。这决定了互联网金融人才必须在掌握金融产品定价、风险控制、金融数据量化分析等金融领域知识,同时具有云计算、信息技术和网络安全等互联网技术。跨界复合型是互联网金融人才的重要特质。

第二,互联网金融人才是创新型人才。流动、快速、扁平、灵活是互联网时代的本质特征,互联网金融作为互联网时代的一种金融创新,其核心竞争力在于基于互联网的新型运营模式。这要求互联网金融人才除了具备完善的金融知識技能,还需要具有丰富的金融创新经验,要熟知金融制度完善和金融创新实践。互联网金融人才需要以创新思维主动学习掌握互联网和金融领域的新知识、新成果,开发新型互联网金融产品与业务模式。兼具创新思维和实践能力的创新型人才数量与质量是决定未来互联网金融发展的重要因素。

第三,互联网金融人才是专业型人才。随着行业的进一步细分及机构专业化能力的加强,互联网金融人才的发展逐渐趋于专业化。根据艾瑞的五维关联模型核算显示,互联网金融行业发展的五个维度依次是:金融能力、数据技术、账户价值、IT实力、商业延展。金融能力指金融产品开发、创设、风控等专业能力,数据技术是指数据挖掘及处理能力,账户价值是指用户粘性,IT实力指后台技术开发、网站建设、新技术兼容等能力,商业延展是指业务之间的兼容性。相应地,互联网金融人才也需要具备这五个维度的专业能力。

(二)互联网金融人才供需情况

互联网金融行业的发展主要经历了四个阶段:2005年之前,互联网为金融机构提供技术支持,但是尚未呈现互联网金融业态;2005-2012年,互联网逐渐渗入金融业务领域,P2P网贷与第三方支付开始萌芽并逐渐成长,互联网金融业态初现;2013-2016年,P2P网贷、众筹、网络化金融机构等多元化模式快速发展,互联网金融进入迅猛发展阶段;2016年之后,互联网金融发展进入金融科技时代,区块链、人工智能、云计算、大数据等技术重构并且再造金融业务,互联网金融业务开始向纵深发展。当前互联网金融的行业格局大致可以分为互联网融资和互联网金融服务两大类,互联网融资细分为网络借贷、众筹融资和互联网信托三个领域,互联网金融服务细分为互联网支付、互联网基金销售、互联网保险和互联网消费金融四个领域。相关数据显示,2016年互联网金融市场规模达到17.8万亿元,按照将来5年24.67%的年增多复合增长率测算,到2020年互联网金融市场规模将达到43万亿元。endprint

在互联网金融规模快速扩张的同时,互联网金融人才需求也一直居高不下。我国互联网金融人才需求主要来源于以下几个方面:一是P2P网贷和众筹融资的迅猛发展产生巨大的人才需求;二是传统金融机构亟需互联网经验人才拓展互联网金融业务;三是电子商务企业发展互联网金融导致对人才的需求;四是金融科技的发展间接带来互联网金融人才的需求。以P2P网贷为例,借鉴中国B2B研究中心关于电商从业人员的推算方法,我国2014年P2P从业人员数量约为10万,到2019年则预计为56万人。而互联网金融特殊的用人需求导致了人才的供给不足。根据中关村互联网金融研究院的进一步预测,2019-2013年之内,中国互联网金融人才供需缺口将大于100万。

如图1显示了互联网金融人才的供给现状。从互联网金融人才来源渠道来看,社会招聘和高校是主要来源渠道,所占比重分别为39%和33%,说明社会培训和高校教育对于互联网金融人才培养体系建设具有重要意义(当前许多高校已经开展互联网金融专业的学历教育);从互联网金融人才的学历来看,大专及以上学历人员所占比重达到89%,其中本科及以上占比55%,大专占比34%,说明互联网金融行业属于知识密集型行业;从互联网金融企业岗位的人才供需缺口来看,技术部和运营部是人才最紧缺的两个部门,所占比重分别为37%和34%。

二、人才培养的超网络模型构建

在人才培养体系建设中,主要涉及企业需求层、人才供给层和组织培养层三大主体,同时三者之间存在不同的关联。企业为人才提供各种就业岗位,人才要胜任岗位必须具备相应的知识技能,而知识技术能的获取主要来源于高校或社会培训机构设置的各类课程。因此,人才培养的超网络中包括就业岗位、知识技能、课程设置三个要素,分别对应三种类型的节点:就业岗位节点、知识技能节点、课程设置节点。本文在借鉴超网络的定义与构建方法的基础上(超网络指“在已有网络之上的网络”,即由多种网络构成的网络。人才培养整个流程中需要将各要素集成在一起处理,对于不同要素组成的系统进行研究是困难,而超网络使之成为可能),建立人才培养的超网络模型(见图2)。模型中包括就业岗位网络、知识技能网络、课程设置网络(对应企业需求层、人才供给层、组织培养层),以及三种单一网络间的映射关系(就业岗位网络和知识技能网络间的映射、知识技能网络和课程设置网络间的映射、就业岗位网络和课程设置网络间的映射)。我们将其形式化之后可表示为:JZK=(Gj,Gz,Gk,Ej-z,Ez-k,Ej-k)。

(一)就业岗位网络(J-J网络)

就业岗位网络表示企业为人才提供的各种就业岗位以及岗位之间的相互关联。以就业岗位为节点(用三角形表示),以就业岗位之间的关系为边,建立由就业岗位节点组成的网络(J-J网络),其形式为:Gj=(J,Ej-j)。J={j1,j2,…,jl}表示所有就业岗位节点的集合;Ej-j={(jm,jn)|jm,jn∈J}m,n=1,2,…,l表示边的集合,(jm,jn)表示jm和jn之间存在联系,即两个就业岗位的层级与职能相关。

(二)知识技能网络(Z-Z网络)

知识技能网络是人才培养网络的核心网络,表示人才具备的知识技能及知识技能之间的关联。以知识技能为节点(用小圆表示),以知识技能之间的关系为边,建立由知识技能节点组成的网络(Z-Z网络),其形式为:Gz=(Z,Ez-z)。Z={z1,z2,…,zp}表示所有知识技能节点的集合;Ez-z={(zm,zn)|zm,zn∈Z}m,n=1,2,…,p表示边的集合,(zm,zn)表示zm和zn之间存在逻辑关系,即两个知识技能节点的领域和内容相关。

(三)课程设置网络(K-K网络)

课程设置网络表示高校、社会培训机构等组织在人才培养时需要讲授的课程及课程之间的关联。以课程为节点(用正方形表示),以课程之间的关系为边,建立由课程节点组成的网络(K-K网络),其形式为:Gk=(K,Ek-k)。K={k1,k2,…,ki}表示所有课程节点的集合;Ek-k={(km,kn)|km,kn∈Z}m,n=1,2,…,k表示边的集合,(km,kn)表示km和kn之间存在逻辑关系,即两个课程节点的类型和时序相关。

(四)网络间的映射关系

人才培养超网络除了上述三层对应的三种子网络Gj、Gz和Gk,还包括网络与网络间的映射关系,即不同类型的节点之间有边联系,共三种类型的边Ej-z、Ez-k和Ej-k。

1.就业岗位网络和知识技能网络间的映射。就业岗位网络和知识技能网络间关系的集合表示为Ej-z,在Ej-z中存在两种映射关系:就业岗位到知识技能的映射、知识技能到就业岗位的映射。

(1)就业岗位到知识技能的映射:表示胜任就业岗位jm需要人才具备哪些知识技能。Z(jm)=(zn|zn∈Z,θ(jm,zn)=1),Z(jm)表示胜任就业岗位jm需要具备知识技能的集合,θ(jm,zn)=1表示就业岗位jm到知识技能zn存在一条有向边,说明胜任就业岗位jm需要具備知识技能zn。

(2)知识技能到就业岗位的映射:表示人有具备知识技能zm能够胜任哪些就业岗位。J(zm)=(jn|jn∈J,θ(zm,jn)=1),J(zm)表示具备知识技能zm能够胜任就业岗位的集合,θ(zm,jn)=1表示知识技能zm到就业岗位jn存在一条有向边,说明具备知识技能zm能够胜任就业岗位jn。

2.知识技能网络和课程设置网络间的映射。知识技能网络和课程设置网络间关系的集合表示为Ez-k,在Ez-k中存在两种映射关系:知识技能到课程设置的映射、课程设置到知识技能的映射。

(1)知识技能到课程设置的映射:表示掌握知识技能zm需要设置哪些课程。K(zm)=(kn|kn∈K,θ(zm,kn)=1),K(zm)表示掌握知识技能zm需要设置课程的集合,θ(zm,kn)=1表示知识技能zm到课程kn存在一条有向边,说明掌握知识技能需要设置课程kn。endprint

(2)课程设置到知识技能的映射:表示设置课程km能够培养哪些知识技能。Z(km)=(zn|zn∈Z,θ(km,zn)=1),Z(km)表示设置课程km能够培养知识技能的集合,θ(km,zn)=1表示课程km到知识技能zn存在一条有向边,说明设置课程km能够培养知识技能zn。

3.就业岗位网络和课程设置网络间的映射。就业岗位网络和课程设置网络间关系的集合表示为Ej-k,在Ej-k中存在两种映射关系:就业岗位到课程设置的映射、课程设置到就业岗位的映射。

(1)就业岗位到课程设置的映射:表示获得就业岗位jm需要人才学习哪些课程。K(jm)=(kn|kn∈K,θ(jm,kn)=1),K(jm)表示获得就业岗位jm需要学习课程的集合,θ(jm,kn)=1表示就业岗位jm到课程kn存在一条有向边,说明获得就业任岗位jm需要学习课程kn。

(2)课程设置到就业岗位的映射:表示学习课程km能够获得哪些就业岗位。J(km)=(jn|jn∈J,θ(km,jn)=1),J(km)表示学习课程km能够获得就业岗位的集合,θ(km,jn)=1表示课程km到就业岗位jn存在一条有向边,说明学习课程km能够获得就业岗位jn。

三、JZK模型在互联网金融人才培养中的应用

人才培养的超网络模型(JZK模型)是由就业岗位网络、知识技能网络、课程设置网络三种网络所集成的“网络中的网络”。JZK网络中包含就业岗位、知识技能、课程设置三种类型节点及其相互关系。相对于单一类型节点及关系构成的网络而言,JZK模型能够更好地反映互联网金融人才培养网络的复杂组成与结构形态,进而可以对互联网金融人才培养体系进行全面、深入的研究。

JZK模型在互联网金融人才培养中的应用价值主要体现在:第一,JZK模型集成就业岗位与人才培养的关键要素,不但可以显示就业岗位结构,而且可以反映具体岗位所要求的专业知识和技能,能够深入分析互联网金融人才就业结构的分布(如就业岗位与职级分布);第二,JZK模型可以用来完善培养质量监管和评价体系,互联网金融企业对人才的需求质量标准是组织培养要达到的标准,JZK模型中的就业岗位网络和知识能力网络及其关联可以促进互联网金融企业和人才的积极参与,通过“信息反馈机制”和“人才发展信息系统”的构建,重新梳理并准确定位人才培养,提高互联网金融人才培养质量和企业人才需求的匹配度;第三,在JZK模型基础上,可以扩展构建人才培养创新超网络模型JZKI,进一步挖掘创新互联网金融人才培养内容。

具体而言,我们可以将JZK模型应用于互联网金融人才培养体系的改革与创新(见图3)。在互联网金融人才培养体系的改革与创新中,需要各参与主体之间的协同合作。互联网金融人才输出满足社会实际需求的关键是要融合各方的需求。在JZK模型中,首先通过就业岗位和知识技能网络关系显性反映出人才要胜任企业提供的就业岗位必须具备的知识技能情况,为确定互联网金融人才培养目标提供依据;其次通过人才培养超网络中的核心网络即知识技能网络理顺各领域知识技能的逻辑关系,构建人才的综合能力框架,为确定互联网金融人才培养规格提供依据;再次通过知识技能网络和课程设置网络关系结合人才的能力框架,匹配具体的培养资源并设置相应的课程体系,为确定互联网金融人才培养措施提供依据;最后通过课程网络和就业岗位网络关系结合互联网金融企业岗位需求情况,加强企业、高校、社会培训机构间的协调合作,为确定互联网金融人才培养途径提供依据。

四、互联网金融人才培养体系设计

结合互联网金融的人才特质及供需情况,本文在JZK模型的基础上,设计互联网金融人才培养体系,包括培养目标、培养规格、培养措施以及培养途径(见图4)。培养目标依据就业岗位方向和条件为导向,以复合型、创新型、专业型的互联网金融人才为主要目标;培养规格注重人才综合能力的培养,主要包括专业知识和专业技能的培养;培养措施体现科学、创新、实践特色,设置全面的课程体系;培养途径强调各主体的分工、协调与合作,包括高校教育、社会培训等方式。

(一)培养目标

互联网金融人才培养的目标是:适应经济转型升级、金融改革创新的需要,面向银行、证券、保险等传统金融机构和第三方支付、P2P等新型互联网金融企业,以互联网金融岗位方向和条件为导向,培养能够符合互联网金融平台开发维护、产品开发设计、网站推广与市场营销、大数据应用、高级运营管理和法律风险防范等岗位要求,具有诚实守信、专业胜任、合作敬业等职业素养,掌握金融、互联网和综合运营等领域知识,具备熟练的互联网技术和金融业务操作技能,同时具有互联网思维和商业创新能力、较强可持续发展能力的高素质复合型、创新型、专业型互联网金融人才。

(二)培养规格

通过归纳梳理互联网金融不同就业岗位所要求的知识技能,构建互联网金融人才综合能力框架,从而确定培养规格。在专业知识方面,掌握经济、金融理论知识,会通过宏观经济和金融环境、金融机构和金融市场分析判断经营环境;掌握互联网金融业态、借贷业务原理和营销、贷款业务环境风险分析、贷款申請受理和贷前调查、贷款项目评估和客户分析等相关业务知识;掌握平台建设、推广方案制定、营销实施等互联网营销知识;掌握数据通信、计算机网络、计算机系统等计算机基础知识;掌握互联网信息技术的应用,尤其是移动互联网技术的金融应用知识;掌握互联网金融风险识别的主要内容与方法,熟悉风险管理流程,能够进行有效风险计量;掌握互联网金融机构监管与反洗钱法规律、主要业务经营原则和法律规定、金融犯罪及刑事责任等法律法规知识。在专业技能方面,掌握金融产品设计、商业模式创新、网站建设维护、系统集成开发、网络配置管理、数据统计分析、移动开发应用技能。

(三)培养措施

培养措施是保证培养模式能够实施的基本方法,主要指全面的课程体系设置。课程体系设置强调用理论与实践相结合的方法培养互联网金融人才的实战能力,结合互联网金融人才综合能力框架,突出体现科学、创新、实践等特色,主要分为理论课程体系和实践课程体系两个部分。endprint

理论课程体系采用平台和模块两种方式。平台按照适用范围分为公共基础平台和专业基础平台,公共基础平台的主要内容适用于所有联网金融业态的基础性内容;模块涵盖互联网金融领域的重点内容,包括产品设计模块、运营推广模、移动应用、风险控制和创新创业六个模。实践课程体系由课程实训和企业实训两部分构成。一方面,通过课程实训,模拟实际工作场景,加深知识的理解;另一方面,通过企业实习锻炼实际工作技能,提升专业技能的实用性。

(四)培养途径

1.高校教育。高校作为教育体系的关键组成部分,是互联网金融人才培养的重要渠道。目前许多高校已经开设互联网金融专业,主要包括本科学历和大专学历。在高校的本科学历教育中,为了促进教学模式和培养途径与实践能力相适应,可以采用“学习+实训+再学习+再实训”的方式来培养学生的综合能力。同时,可以建立新型的“专职授课—兼职授课—专兼授课”的教学模式:第一年和第二年的公共基础课程和专业基础课程由校内专职教师进行授课;第三年的专业课程由互联网金融企业的兼职教授进行授课;第四年采用专职教师和兼职教授相结合的双导师制,指导学生毕业设计及企业实习。

面对新形势下“互联网+金融”带来的机遇与挑战,高职教育在互联网金融人才培养中的主要职责在于:结合互联网金融发展的真实背景,明确职业化、技术化和专业化的发展方向,深化产教融合及校企合作,因地制宜、与时俱进地培养出适应社会经济发展和互联网金融行业需求的人才。与本科教育不同,高职教育应该定位于:以“实用性、应用性”为原则,以“夯实基础、强调能力,强化实践、突出特色”为导向,强化“复合型、创新型、专业型”的技术技能人才培养。在互联网金融人才培养模式上,高职教育可以在借鉴本科教育模式的基础上,融合自身的优势和特点,按照“充实第一年+丰富第二年+灵活三年级”的基本框架,依据就业岗位需求和人才能力框架设置课程体系,促进课程结构与工作岗位和人才能力的对接,构建实施基于“双导师制”的校企合作订单模式,提升互联网金融专业人才的培养质量。

2.社会培训。随着互联网金融行业的快速发展,如果单纯依靠高校的教育培养体系,无论是技能素质还是培训规模都很难满足互联网金融行业的人才需求。与高校教育相比较,社会培训机构更加贴近市场,具有明显的实践优势,对于缓解当前互联网金融人才供需不平衡问题具有重要的现实意义。但是当前社会培训存在培训产品研究投入不足、培训市场信号功能不足、以及培训课程缺乏系统性等问题。其主要原因是社会培训体系过度市场化导致市場资源未能按照互联网金融企业的人才需求规律进行配置。因此,在社会培训机构的互联网金融人才培养过程中,应该采用“多元参与、分步实施、明确标准、整体规划”原则,利用互联网金融行业独立服务机构和行业自律组织贴近行业的客观优势,构建人才培养标准,整体设计人才培养模式,充分发挥社会培训机构的积极作用。

五、结论

人才需求的快速增长与人才供给的相对稀缺导致我国互联网金融将在较长一段时期内存在人才供需缺口。构建科学合理的互联网金融人才培养体系对于缓解人才短缺对互联网金融行业发展形成的制约、提高人才培养质量与效率具有重要的现实意义。本文结合互联网金融行业及人才需求特质,利用超网络的理论和方法,构建人才培养超网络模型来研究互联网金融人才培养体系建设问题。人才培养超网络模型通过构建就业岗位网络、知识技能网络、课程设置网络及网络间的相互映射关系,反映出人才培养网络的复杂组成与结构形态,为互联网金融人才培养体系改革创新提供依据。本文对基于超网络模型的互联网金融人才培养体系研究进行初步尝试,关于人才培养超网络模型的应用与扩展问题仍有待于进一步深入研究。

参考文献:

[1]任嘉嵩.加快建立卓越金融人才战略培养体系[J].中国高等教育,2015(11):51-52.

[2]黄勋敬,黄聪,赵曙明.互联网金融时代商业银行人才管理战略研究[J].金融论坛,2015(5):62-70.

[3]李东荣.大数据时代的金融人才培养[J].中国金融,2013(24):9-10.

[4]郭福春,潘锡泉.融合与重构:大资管时代金融人才培养机制创新——基于互联网思维的视角[J].高等工程教育研究,2016(5):156-160.

[5]乐承毅,徐福缘,顾新建,等.复杂产品系统中跨组织知识超网络模型研究[J].科研管理,2013(2):128-135.

[6]于洋,党延忠.组织人才培养的超网络模型[J].系统工程理论与实践,2009(4):154-160.

[7]田世海.大数据背景下高校人才培养超网络模型研究[J].科技与管理,2016(1):77-81.

[8]中关村互联网金融研究院.中国互联网金融人才体系建设研究报告[R].2016.

[9]艾瑞咨询.中国互联网金融发展格局研究报告[R].2015.

[10]领英.中国互联网金融人才白皮书[R].2016.

[11]黄勋敬,黄聪,赵曙明.商业银行互联网金融人才工作满意度研究[J].金融论坛,2016(10):62-71.

责任编辑 蔡久评endprint

猜你喜欢

互联网金融人才培养
互联网金融背景下农村手机银行发展现状研究
浅析我国商业银行应对互联网金融冲击的对策
速录专业 “三个一” 人才培养模式的研究
互联网金融的风险分析与管理
互联网金融理财产品分析
互联网金融对传统金融的影响
学研产模式下的医药英语人才培养研究
基于人才培养的中职生日常管理研究
基于人才培养的高校舞蹈教育研究
女子中专班级管理共性问题与解决策略研究