资源约束下的应用型大数据会计课程体系与实验教学设计

应里孟（副教授） 修丕师（博士）（温州商学院管理学院 浙江温州 325035）

一、引言

当今的数据驱动环境的特征是大数据的存在，它涉及数据集的特征，如数据结构、数量、变化速度、多样性和可变性。这些数据包括传统数据（如销售点数据和会计系统数据）和最新的、通常是非结构化的数据源（如社交媒体数据）。数据驱动的演进导致组织修改工作实践，并需要关注创新数据获取和分析实践的额外技能，从而为组织在所有业务实践中提供竞争优势。同样，会计作为企业决策的主要信息来源，其竞争优势是能够提供相关和可靠的信息来改进商业决策。对实时、预测性信息的日益增长的需求要求会计职业界具备执行大数据分析和使用大数据集来保持这种优势的能力。

为满足日益紧迫的大数据人才需求，2016年，教育部首次批准3所高校设立了“数据科学与大数据技术”本科专业。之后，该专业建设迅猛发展，截至2019年3月，国内共有497所高校获准设立了“数据科学与大数据技术”专业。该专业学制为4年，侧重于大数据技术教学，授予工学学位或理学学位。由于该专业适应面广，北京大学、中国人民大学、上海财经大学等高校在多个院系开设了这一专业。2018年，教育部批准了5所高校新设“大数据管理与应用”本科专业，至2019年已达30所。该专业侧重于对大数据的管理，以及将大数据运用在具体的实践领域，授予管理学学士学位。

在会计专业领域，虽然没有高校明确提出开设“大数据会计”专业，但还是开设了特色方向班。例如，南京理工大学的“大数据+会计”特色方向，西南财经大学的会计学（大数据方向）实验班。但这些方向班的人才培养尚处于“摸着石头过河”阶段，在各种资源方面还存在较大的约束。具体表现为：缺乏目标明确的人才培养标准、成熟的大数据会计教学软件平台，没有真正意义上的大数据实验数据，没有公认的大数据会计课程体系，没有现成的教材和教学案例，“大数据+会计”复合型师资队伍短缺，专业建设经费有限，是各高校开展大数据会计教学面临的普遍障碍［1］。

国际商学院协会（AACSB）强调了将大数据和商业分析整合到会计课程中的重要性。AACSB的会计专业认证标准A 7指出，AACSB认证的会计学位课程应该包括学习目标，以发展与信息技术融入会计和商业相关的技能和知识。这包括数据的创建、共享和报告，以及数据挖掘和分析。从国际经验来看，该要求给各高校带来非常大的压力，这种压力主要来自于资源约束［2］。那么，在资源约束下，如何避免过度追求理想化的大数据环境，根据具体的人才培养目标设计出一套可用且有效的大数据会计课程体系，如何整合各种可用资源来开展大数据会计实验教学，是当前亟待解答的问题。为解答该问题，本文在温州商学院会计学省级特色专业建设项目——大数据会计特色教学模块建设经验基础上进行研究。

二、应用型大数据会计人才培养目标

人才培养目标是进行课程体系设计的前提和导向，通过确立应用型大数据人才能力要求，导出应用型大数据人才培养目标。

（一）应用型大数据会计人才能力要求

至今为止，许多机构和研究探讨了会计专业人才应该具备的能力，在这些能力中，就有与大数据相关的能力要求。

1.AACSB的人才培养要求。随着大数据时代的到来，社会对商业领域的大数据复合型人才需求日益旺盛。为此，AACSB将数据分析纳入了会计专业认证标准A 7（会计毕业生的信息技术技能和知识），要求会计毕业生：与使命、预期成果和支持战略相一致，会计学位课程包括学习经验，以发展与会计和业务中的信息技术集成相关的技能和知识。这些学习经验包括与数据创建、数据共享、数据分析、数据挖掘、数据报告和存储相关的技能和知识的开发。然而，AACSB的A 7认证标准仅是对要求拥有单独会计认证的大学包括与数据分析和信息技术技能相关的内容和学习目标，至于到底什么是数据分析，如何将数据分析用于会计工作，应该在会计学专业课程体系中如何融入数据分析，学生应该掌握的具体数据分析技能和工具等问题并未给出一个详细的指南［3］，这给高校进行大数据会计相关课程设计带来了困惑。会计职业界的各行业协会、会计学专业教学指导委员会也未提供相应的建议方案［4］。

2.用于会计教育的胜任能力整合框架。考虑到会计专业学生对长期职业要求所需的能力缺乏定义，同时也缺乏对如何在会计课程中开发这些能力的理解。2010年，美国管理会计师协会（IMA）和美国会计协会（AAA）的管理会计组（MAS）成立了一个特别工作组来解决这些问题，并为所有会计专业的学生提供课程建议［5］。该工作组随后提出了一个《用于会计教育的胜任能力整合框架》，该框架将会计专业毕业生应该具备的能力分为基础能力、会计能力和广义管理能力（见图1）。

基础能力中的“技术能力”包括软件的使用（包括熟练开发和使用电子表格模型，以及使用技术来加强沟通）。同样重要的是信息系统的目的和设计、系统架构、处理模式、网络类型、硬件组件（包括移动设备）、操作和应用软件（包括云计算）、系统安全性和信息系统连续性的知识。这些能力是所有会计人员必须具备的。会计能力中的“信息系统”包括收集、验证和分析数据，以支持跨职能和全球的合作与沟通。这里包括数据、事务流、数据组织和访问以及数据库管理。战略和运营决策需要集成的信息系统，如具有决策支持的专门软件/报告系统、企业资源规划（ERP）系统、商业智能、企业分析信息搜索和检索、数据挖掘，以及熟悉XBRL等语言。会计人员还必须能够设计和评估信息系统控制和管理信息系统风险和合规，包括监督舞弊预防、隐私保护和数据完整性。需要广泛的技术知识和技能来评估系统需求、投资、采购和实施，包括对供应商和服务提供商的监督。密切关注新兴的技术趋势和风险是至关重要的。信息系统能力对于长期的职业成功至关重要，它为组织增加价值，支持战略和运营决策，无论是在哪个会计专业领域。

和AACSB一样，《用于会计教育的胜任能力整合框架》也未细化出各种能力应该对应的课程，没有提供建议的课程体系方案。

3.其他文献中的观点。大量的专业文献针对不同的会计专业领域，提出了会计人员应该具备的大数据相关技能要求（见下页表1）［6］。从表1可以看出，虽然不同文献对于各专业领域所需大数据分析技能存在差异，但还是贯穿了三个基本要求。首先，会计师需要能够提出正确的问题（批判性思维技能）；其次，他们需要理解数据并执行适当的分析；第三，他们需要能够交流分析的结果。这些文献同样未涉及到具体的大数据会计课程建设问题。

图1 用于会计教育的胜任能力整合框架

（二）应用型大数据会计人才培养目标

从上面三大类文献梳理我们可以发现，AACSB提出的“数据创建、数据共享、数据分析、数据挖掘、数据报告和存储相关的技能和知识的开发”技能，涵盖的范围最广，已经不再局限在会计专业领域了，这种要求与数据科学领域的人才培养目标几乎等同。其他两类文献的要求所涵盖的内容虽然各自有所侧重，但总体上还是在AACSB的专业要求框架之内。

1.数据科学人才培养目标。在数据科学领域，主要培养三类人才：数据分析师，数据工程师，数据科学家（如下页图2所示）。其中，数据分析师要求能运用既有的算法、模型和工具进行分析并将分析结果报告给决策者，他们不要求进行算法和模型设计，但要求能够根据具体情况选择适当的算法、模型和工具；数据工程师对数据库和数据结构有深刻的理解，主要工作是对数据进行清洗、整合和管理，他们为数据分析师和数据科学家提供分析所需的数据；数据科学家不仅要具备数据分析师和数据工程师所需的能力，更要求能构建算法和模型来进行数据分析。

从人才输出渠道来看，数据分析师通常来自商科专业，主要是运用现成工具来为管理决策服务，相对“轻技术、重决策”；数据工程师主要来自于计算机或信息工程相关专业，相对“重技术、重数据、轻决策”；数据科学家主要来自于计算机相关专业，通常由计算机类和商科类专业进行联合培养，相对“重技术、重数据、重编程、重决策”。由于数据科学家的综合素养要求很高，仅在本科阶段难以完成，需要有研究生阶段深造过程。

表1 专业文献中对会计人员能力的要求

目前大量高校开设的“数据科学与大数据技术”本科专业，其人才培养目标就是系统培养学生掌握计算机学科知识、统计学原理， 使其成为能够运用大数据思维预测分析特定应用场景的决策控制方法的高层次工程人才［7］。如果放在商科类专业进行人才培养，则以培养数据分析师为导向。当然，放在计算机类专业培养，也会学习诸如财务分析等商科类课程，也可胜任数据分析师岗位，但相对商科类专业的培养而言，他们在专业领域知识方面，理解程度相对薄弱一些。

2.应用型大数据会计人才培养目标。2018年教育部首次批准开设的“大数据管理与应用”专业，授予的是管理学学士学位，其人才培养更具管理导向，与会计专业进行的大数据会计人才培养目标更加接近。相比“大数据管理与应用”专业而言，会计学专业的大数据会计人才培养，目的不仅仅只是为了进行纯粹的大数据相关工作，而是为了让会计学专业的学生能够胜任大数据时代会计工作的新环境、新要求，也就是为了更好地开展会计工作，目的是培养会计专业人才。而数据分析师或大数据管理与应用专业人员，则更具通用性，他们着眼于弥补各个专业领域中对大数据专业人才的不足，目的是培养掌握大数据分析技术，能胜任广泛专业工作岗位的复合型人才。

因此，应用型大数据会计人才的培养，并非是要新开设一个大数据会计专业或特定的专业方向，而是顺应大数据时代新趋势，会计学专业适应环境变化的内在需求，它并没有改变会计学人才培养的应用型导向，但在实现应用型人才总体目标方面，所需的知识、能力和素质要求发生了变化。我们认为，应用型大数据会计方向旨在培养具有大数据思维和扎实的会计学专业基础，掌握大数据处理技术和分析理论，能够运用常见的大数据工具、技术和方法进行会计数据分析、报告和解释，借以支持企业经营、管理、控制和决策的复合应用型人才。

当然，由于各高校办学基础存在差异，其人才培养目标也会存在差异。例如，理工科院校的大数据会计教学，可能大数据技术类课程比重会更多一些，从而更加体现技术性；而财经院校的大数据会计教学，更多的会重视常见数据分析工具、技术和方法的选择和应用，技术类课程比重相对会低一些。但培养复合应用型人才的总体目标还是不会变的。

图2 数据科学人才金字塔

三、应用型大数据会计课程体系设计

课程体系是实现人才培养目标的支撑。由于应用型大数据会计人才培养的落脚点是培养适应大数据时代需求的新型会计专业人才，而不是大数据技术人才，因此，现有会计专业人才培养方案中的会计学专业核心课程不应有太大的变动，而是将大数据相关课程融入现有课程体系，或将大数据相关内容与现有会计专业教学内容进行有机融合。具体存在如下三种会计课程体系设计思路。

（一）集中方法

集中方法指的是不打破现有会计专业课程体系和内容体系，在此基础上增加一门或若干门大数据相关课程。这些课程着眼于发展通用技术能力，包括数据创建、数据挖掘、数据存储和使用以及数据安全性。在课程体系建设的初步阶段，可以考虑开设一门数据科学导论课程，该门课程内容不融入会计专业知识，由计算机类或信息管理类专业教师授课，目的是培养学生使用数据挖掘、分析和可视化分析工具进行数据分析的技能。会计专业教师则随堂听课，进行“大数据+会计”复合型教师队伍培养。在解决师资队伍短缺问题后，可以考虑进一步增加专业性的会计大数据分析课程，该门课程应该融合财务会计、财务管理、管理会计、成本会计和税务会计等课程专业内容，目的是让学生学会用大数据分析工具、技术和方法来解决专业领域的问题。这两门课程建议在主要的专业课程学习完毕之后在高年级开设。建议的课程及对应的教学主题和技能如表2所示。

在集中方法下，需要克服的另一个资源约束就是学时的有限性。要在既有的人才培养方案中增加一门课程的难度是很大的，在总学时限制的条件下，增加一门新课就必然导致其他课程的淘汰或课时压缩。集中方法并不要求对原会计专业课程体系进行较大的变动，但从应用型人才培养要求和大数据时代工作特点来看，现有会计专业人才培养方案中很多课程内容完全可以压缩。例如，随着财务机器人的日益普及，财务会计课程中大量会计分录有些可从详讲变略讲。高级财务会计和高级财务管理课程中有些内容对有兴趣的学生来说，完全可以自学或选修学习。因此，在减持保留会计准则、审计准则和税法相关课程及知识点的基础上，完全可以压缩手工会计时代延续下来的专业课程学时。

除此之外，还需考虑课程体系中支撑课程体系的建立。我们建议将数据科学导论课程作为公共基础课程，在大学一年级开设，这样有助于培养学生在整个大学学习阶段的大数据意识。同时要将统计学作为会计专业的基础课程开设。在此基础上，大学三年级开设会计大数据分析课程，就水到渠成了，因为学生既建立了大数据及大数据分析意识，也在专业课学习过程中，或多或少运用大数据思维来考虑专业问题。

（二）集成方法

集成方法是不增加新课程，而是对现有培养方案中的会计专业核心课程进行大数据改造［8］。从理论上说，大数据时代的会计专业课程内容本身就应该是适应大数据时代会计工作特点的一套理论和知识体系，而不是像前面的集中方法下出现的“两张皮”现象。采取综合方法的会计课程可以考虑在现有的会计课程中增加数据分析元素和主题。会计课程往往是孤岛式的，因此剥夺了学生跨职能应用能力的实践机会。整合会计课程中的数据分析可以帮助解决这个问题。下页表3提供了集成方法的建议。

然而，在我们社会还未完全过渡到大数据时代的情况下，这种改造的难度和风险是非常大的。因为它要求对每门专业课中的知识点与大数据相结合的可能性、与大数据融合后的新知识的产生及知识点应该如何讲授、教师队伍是否有能力编写相应的教材并完成课程授课、改造后的教材是否被学生和同行认可等问题，都需要重点考虑。更重要的是，可用于具体课程大数据改造的教学资源非常有限的［8］。因此，目前使用综合方法来建设大数据会计课程体系，时机尚不成熟。

表2 建议的主题和技能，按课程的重点方法

（三）混合方法

混合方法试图融合集中方法和综合方法的优势，既开设独立的大数据课程，也在部分课程中培养学生的大数据分析能力［6］。例如，在审计学和会计信息系统两门课程中融合大数据知识和能力的培养，因为专业的服务公司已经可以为这些课程提供大数据教学资源。我们认为，采用混合方法来构建应用性大数据会计教学体系，是当前一种可行的选择。由于如何界定数据本身是否属于大数据，存在极大的争议。我们认为，常用于定义大数据的“3V”（海量性、高频性、多样性）特征并不一定要同时满足，其中任何一种特征只要体现出了与原有数据集不同，都可以视作大数据。

表3 综合法下建议的课程主题和技能

以此为标准，在资源约束下，我们建议应用型高校还是尽可能采用“拿来主义”，引入其他专业教学领域现成的软件、教材、教师队伍来探索性地开展大数据会计教学建设。这主要是考虑在资源约束下的应用型高校，没有足够的资源作为先行先试者，这种尝试的成本太高，失败风险更高。虽然也有一些软件服务厂商推出了独具特色的大数据教学平台，但我们试用后发现，这些平台并未体现大数据工作的特点，很多软件还是对原有模拟教学软件的重新包装。

温州商学院作为一所民办本科院校，其会计学为浙江省“十二五”和“十三五”两期新兴特色专业建设专业，在特色建设方面有着迫切的需求。立足专业建设过程中积累的大数据师资队伍和教学科研成果优势，开辟了“大数据会计”特色人才培养模块，其基本思路如下：

1.开设两门大数据基础课程。会计数据库基础课程主要介绍数据库的基本原理，重点讲解面向结构化数据的SQL语言及其在会计工作中的应用。在人们的印象中，结构化数据是“小”数据，只有综合了非结构化数据才是“大”数据。其实不然，随着各行各业数字化程度越高，企业的结构化数据量呈几何级增长，这种数据也可以看作大数据。更重要的是，现在的会计实务工作中，所使用的数据类型还是以结构化数据为主。另一门课程是会计大数据分析，该门课程引入了非结构化数据，介绍NoSQL数据库技术、数据可视化等技术，培养学生利用Python进行程序设计、数据采集、数据处理、数据清洗和数据分析等技术实践能力。

2.改造提升会计信息系统课程。原来的会计信息系统课程运用的是基于用友ERP软件进行教学，只启用了与会计工作密切相关的总账、固定资产、应收应付款管理、UFO报表等模块。这是一种与业务脱节的教学逻辑，与当前财务业务一体化要求并不相符。大型ERP系统本身就是一种大数据平台，我们基于用友U 8和用友审易平台，将会计工作端迁移，延伸到业务开展的全过程，开设了ERP财务与成本管理实训、ERP供应链管理实训、ERP生产制造实训、ERP模拟运营实训和计算机审计五门课程，用于替代原有的会计信息系统模块。为解决课时大幅拓展带来的可用学时不足问题，我们借助学校的“课程超市”，将这写课程作为选修课程包供学生选择。

这种设计有很强的针对性，充分考虑了学生应对结构化数据和非结构化数据进行分析的技能要求，也利用的是现有的成熟的教材和免费的教学软件资源。两门大数据基础课程的教师是来自学校的信息工程学院的大数据专业教师，其他五门专业课程则是原会计信息系统教学团队担任，他们对软件均非常熟悉，因而不存在教学方面的障碍。通过这种方式，改变了原来特色专业建设主要依靠产教融合实现的高成本投入，采用几乎零成本的方式实现了“接地气”的大数据人才培养，给学生培养的是实实在在能用的大数据能力，而不是停留在体验教学层面，可以有效避免失败的风险。

四、应用型大数据会计实验教学设计

应用型大数据会计实验教学应始终贯穿最优服务学生理念，以培养快速岗位适应型人才为核心，以促进学生知识、能力和素质协调发展为指导，以提高教学质量为目的，科学进行实验平台设计，竞选实验素材，合理安排实验内容，优化实验教学方法，科学进行实验教学评价，提高实验教学质量和管理水平。

（一）实验平台设计

大数据会计实验教学涉及的内容包括了一系列收集、存储、管理、处理、分析、共享和可视化技术的时间应用，具体服务四类大数据基础课程教学内容和两类用友平台（用友U 8和用友审易）的实验教学：（1）数据采集实验：Python网络爬虫实验。（2）数据分析与处理实验：Python程序设计基础、大数据技术原理、数据挖掘、数据清洗、数据分析。（3）数据存储与管理 ：NoSQL 数据库技术。（4）数据可视化：数据可视化技术。（5）用友U 8：财务业务一体化技术。（6）用友审易：大数据审计技术。以上实验教学平台均有免费的教学版本，在过去这些软件是采用服务器/客户端（C/S）结构。为适应新一代信息技术的要求，实验平台可以采用基于“云端-移动终端”的实验室数字资源可视化线上线下共享模式，构建“智慧实验室”，突破实验室教学空间的现实，让学生能够充分利用课余时间进行实验［9］。

1.在“云端”建立学科知识库和教学资源库。随着高校信息化的推进，大部分高校都建立了云管理平台，即“云端”。根据实验、实践教学需求，对学科知识体系进行划分，将知识逐步细化和关联，在“云端”建立学科知识库；通过数据分析，汇聚有价值的教学资源，在“云端”建立教学资源库，并实现学科资源与学科知识的映射。

2.构建知识地图，实现线上可视化资源共享。以校园三维地图加颜色标识的方式实现专业实验室所在位置的可视化展示，真实模拟实验室场景和设备。将“知识”与“地图”位置进行关联。线上实现可视化资源导航、模糊检索、知识推送和资源二维码导出功能。

3.通过“移动终端”实现线下资源共享。线下实验室、实验设备部署二维码，师生可以随时通过“移动终端”扫描二维码，实现与“云端”的交互，快速获取相关资源。

可视化资源线上线下共享系统使资源不再是单一凌乱的个体，而是放在知识框架中的有序实体，使无序凌乱的资源变成有序系统，强化了学生的学科知识结构。线上以可视化方式提供资源导航和检索，帮助学生直观、快速地检索到所需知识进行学习，节约检索时间，提高学习的积极性与连贯性。按需推送知识资源，每个学生可以根据自己的需要获取知识点，有助于激活学生潜能，为学生创造独立自主、自由发展的开放式学习环境，使学生在学习过程中，得到富有个性的发展。线下在实验、实践教学环节中，根据实际教学场景和设备结合线上知识，可以达到更理想的教学效果。

（二）实验素材来源

大数据会计实验教学，最缺乏的是真实的商业交易大数据。现在有许多的大数据分析网络实验教学平台，更加接近真正意义上的大数据和大数据分析，但成本昂贵，在资源约束下成本难以负担。如果购买“一次购买、永久使用”的大数据包，确实可以降低单位使用成本，但需要对现有的数据服务器进行升级，同样也会带来高成本。所以，我们在选择实验教学教材和平台时，最好选择教材本身自带教学用数据，或系统本身内置模拟数据包。其实，无论是Python还是R语言，均提供了获取外部数据包的功能，还有一些学习社区也提供了相关的数据资源。教师在备课时，完全可以自备案例，也可让学生在课后自己寻找数据包，完成一篇案例分析课后作业。此外，现在政府开放数据力度越来越大，各主要部委及省、市政府部门均在其政务平台开放了各类数据，这些数据也是可以免费获取的。还有很多高校为了支持科研，购买了国泰安数据库、同花顺金融数据库等，这些数据更加契合大数据分析教学所需。课堂资料和案例也可以通过会计师事务所为学术机构提供的网站获得，例如安永的学术资源中心。这些数据的使用边际成本趋近于0，且无需升级数据服务器，可用作大数据会计实验教学素材。

（三）实验教学组织

对应用型本科生而言，他们需要学会的是运用现成的数据分析工具、技术和方法来解决实际工作中的问题，培养学生的数据分析思维模式，培养学生有效沟通数据分析处理过程和结果的能力。教师在实验教学中，应该多使用项目或案例进行教学，这种案例既可以是从网络获取（例如安永的学术资源中心）的模拟案例数据，也可以是通过合法渠道获取的真实世界的实践案例。

考虑到“大数据+会计”复合型师资极其短缺的现状，大数据基础课程还是应由计算机相关专业教师中有大数据专业背景的教师讲授，会计专业教师采用随堂听课的方式培养，之后通过两个专业教师之间的教学探讨，用会计专业教师的专业视角引导大数据专业教师更精准地对接大数据会计人才培养需求，大数据专业教师提供的技术视角，则为会计专业教师提供了在专业课程中融入大数据教学的思路。经过较长时间的相互学习和思想碰撞，有助于打造一支“大数据+会计”复合型师资队伍。

（四）实验教学评价

实验教学评价包括学生对教师的“学评教”和教师评价学生的“教评学”。“学评教”和“教评学”是促进教师提高教学质量的有效途径。教与学是双向互动的过程，教师和学生也是相互依存、共同成长的角色，不存在孤立学生的教师，也不存在脱离教师的学生。面向教师和学生的双向反馈流，是洞察教学质量和判断学习状态的重要参考。“学习进步数字地图”将课堂中的数据分析分为三个阶段：用以分析学生的学习起点，用以监控学生的过程进步，用以评价学习干预的效果。数字地图通过分析学习全过程中自然产生的数据来引导师生双方的教与学，不仅可以让教师根据数据反馈的结果优化教学，还能让学生根据可视化结果来改善学习。基于有意义的大数据的分析与反馈，能建立起师生之间的双向教学反馈流，使师生之间的互动趋向更为一致，双方沟通更为顺畅，教师读懂学情，学生理解教学，事半功倍。

由于大数据会计实验教学采用基于“云端-移动终端”的实验室数字资源可视化线上线下共享模式架构模型，教师行为和学生行为并不局限于实验室中面对面的交流，更多的时间是线上的学习和教学轨迹。通过“智慧实验室”管理平台，我们可以连续地、自然地采集学生过程中的行为表现、情感体验、认知变化、学习情境适应等信息，也可采集教师教学的投入、情感、态度等信息。这些信息组成了教学大数据，可以支持我们从不同视角进行多维评价，从而增强“学评教”和“教评学”的科学性，为优化教学决策提供更加精准的支持，从而使“个性化学习”成为可能。

五、总结与建议

进入大数据时代，会计专业学生必须掌握大数据相关知识和技能，会计专业本身也需要根据大数据的特点进行自我调整，方能保持会计职业的竞争力。我们认为，应用型大数据会计方向旨在培养具有大数据思维和扎实的会计学专业基础，掌握大数据处理技术和分析理论，能够运用常见的大数据工具、技术和方法进行会计数据分析、报告和解释，借以支持企业经营、管理、控制和决策的复合应用型人才。

由于大数据会计人才培养尚处于“摸着石头过河”阶段。对应用型高校而言，要探索大数据会计人才培养模式，面临着诸多的资源约束，需要承担巨大的试错风险。比较务实的做法就是采用保守的做法，尽可能采用“拿来主义”，引入其他专业教学领域现成的软件、教材、教师队伍来探索性地开展大数据会计教学建设。通过建立基于“云端-移动终端”的实验室数字资源可视化线上线下共享模式，利用免费的教学软件和素材，多使用项目或案例进行教学，组建复合型教学团队，利用教学大数据进行精准的“学评教”和“教评学”，为优化教学决策提供更加精准的支持，实现个性化学习目标。

根据温州商学院在“大数据会计”特色人才培养模块方面的经验，我们建议推进几个方面的工作：（1）建设智慧型大数据分析实验室。该实验室定位于公共实验室，作为为全校的大数据相关课程实验教学基地。该实验室应该立足高标准、现代化和智慧化，不应是传统机房的翻版。（2）在全校商科类专业开设数据科学导论必修课。由于现在的大学生在中学阶段就已经具备了较强的计算机基础能力，现有的大学计算机课程应取消，取而代之的是更精准、更有效的体现大数据时代特点的数据科学导论课程。（3）不断优化会计学专业人才培养方案，进一步强化学生统计学基础能力的培养，不断剔除不适应时代需求的过时教学内容，在课程体系中不断更新适应大数据时代需求的新兴特色课程。（4）利用教学大数据持续优化“学评教”和“教评学”，为实现个性化学习打下基础。