金融科技视角下大数据应用型人才培养的模式和路径研究

陈颖瑛

关键词：金融科技 金融大数据 人才培养 产业学院 课程融通

2015年，国家发布《促进大数据发展行动纲要》（国发〔2015〕50 号），从政府宏观层面推动大数据与云计算、物联网、移动互联网等新一代信息技术的发展，探索大数据与传统产业协同发展的新业态、新模式。2019年，中国人民银行推出《金融科技（Fintech ）发展规划（2019—2021）》（银发〔2019〕209 号），结合金融行业数字化转型需要提出加强大数据战略规划和统筹部署，推动形成金融业数据融合应用新格局的构建。近五年来，大数据与征信、借贷、投顾、保险等传统金融业务场景的融合不断深入，全面推进了金融行业的数字化转型。新的技术产生新的金融，新的金融需要新的人才培养方向和模式，具备金融大数据抓取、清洗、挖掘、分析、统计的金融数据人才已然成为传统金融机构及金融科技企业竞相争取的金融人才。培养懂金融、会技术的跨界金融数据人才既是国家宏观层面服务金融行业发展需求的战略部署，同时也是高等院校服务金融行业的使命所在。

本文从金融科技发展的视角，分析金融大数据人才的行业需求以及人才培养中存在的痛点，并以构建金融大数据产业学院为目标，分层制定金融大数据人才培养体系，深化校企合作， 探索并实践政、校、企三方共育金融大数据人才的产教融合新模式。

一、金融科技背景下培养大数据人才的市场需求

（一）金融大数据人才存在较大行业缺口

2017年以来，科技赋能金融，以大数据、区块链、云计算、人工智能为代表的核心技术重塑传统金融行业，“大数据+金融”的场景应用深入到各金融业务条线，具体包括借贷业务中的信贷管理全流程、保险业务全链条、证券科技经纪交易业务、资管科技等金融业务场景。行业的重大转型催生了对于拥有大数据抓取、清洗、分析、建模及应用能力的精准营销、产品设计及开发、信贷审核、核保及理赔专员、智能客服、证券分析师等专业人员的巨大需求。

根据国家工业信息安全发展研究中心发布的《2019中国大数据产业发展报告》显示，2019年中国大数据产业规模达到8500亿元，2020年将突破1万亿元。与此同時，据《2019年中国AI&大数据人才就业趋势报告显示》，中国大数据人才缺口高达150万，行业的迅速发展与人才供应之间存在巨大缺口。

（二）金融大数据人才培养亟须提质培优

新技术催生新行业，新行业需要新人才，金融行业的科技转型对金融大数据人才的培养提出了更高要求，然而目前高等院校对于金融大数据人才的培养主要由本科院校工科类专业承担，侧重于数据挖掘、分析、数据模型测算的高层次金融数据人才培养，缺乏跨界合作思维，且人才培养层次单一，尚未构建起多层次金融数据人才培养体系。从金融行业的实际用人需求来看，除了高层次金融数据建模、分析、应用人员之外，还需要初级的金融数据采集、咨询、清洗人员和中级的金融数据调研、财务分析及初级模型开发人员。以高职院校为例，全国现有197家高职院校开设了互联网金融专业，但这些院校的人才培养基本定位于产品设计、客户服务、市场营销、系统运营等岗位，针对金融大数据岗位人才的培养针对性不足，在全国范围内尚未启动金融大数据人才系统性、规模性的培养。人才培养的标准尚未统一，与行业、企业的用人需求存在实质性差距。这就需要高校与企业进一步探索工学结合、产教融合的人才培养模式，充分发挥政府——企业——学院的三方合力，共同制定金融数据人才培养方案，共建课程、共编教材、共建实训基地，加快企业与学院的融合，提升人才培养的质量，打造高质量金融大数据人才培养的高地。

二、金融数据人才培养存在的问题

金融大数据行业兴起于2017年，行业发展时间较短，人才培养处于起步阶段，对于高职院校而言，金融大数据人才培养标准尚不清晰，体系化的人才培养模式尚未形成，存在以下几个主要问题：

（一）金融大数据人才培养目标模糊

目前金融机构急需掌握数据库原理、算法及程序设计、数据分析等技术，又懂得金融学、管理学等金融知识的跨界复合型人才，而高等院校人才培养与企业需求存在不匹配的现象，高校人才培养以单一学科背景为主，且基本由工科院校、信息技术学院（专业）承担人才培养任务，交叉性、跨学科的人才培养模式尚未形成规模。另一方面，对于初级、中级、高级各层次人才培养的目标没有明确定义，人才培养标准也较为模糊，各岗位群对应的工作任务、职业技能要求不清晰，培养的人才与实际用人单位的知识、能力、素质要求存在较大偏差，难以满足用人单位的职业能力要求。

（二）金融数据师资力量薄弱

大数据分析作为金融科技行业的支撑技术，近年来与金融场景的应用日益紧密。然而作为一个新兴行业，人才的稀缺性是首当其冲的问题，这不仅仅表现在行业人才配置的不足上，也表现在高校缺乏具备在一线大数据技术和金融管理岗位工作的师资力量上。一方面，从学科结构来看，专业教师以传统金融学、统计学或计算机学科背景为主，既缺乏跨界、跨行业的师资梯队，更缺乏具备大数据学科领域实战和教学经验的行业师资;另一方面，高职院校对师资力量的投入力度不足，缺少吸引金融大数据行业专家的激励和保障机制。在现有教学体系中，教学活动主要依靠现有师资力量，较难调动学生的学习热情，师资水平限制了教学水平的跨越式发展。

（三）产教融合力度不足

产教融合是职业院校发展的重要途径，也是职业院校培养高素质技能人才的有效方法和手段。近年来，国务院、教育部连续发文，提出深化产教融合，促进教育链、人才链与产业链、创新链的有机衔接，鼓励企业依托或联合职业学校、高等学校设立产业学院和企业工作室、实验室、创新基地、实践基地，逐步推动职业院校和行业企业形成命运共同体。

然而，我们应该看到，尽管政府、职业学院、企业都在积极寻求产教融合的突破口，但是与国外应用型科技大学、技术学院相比，我国的产教融合不管在规模上还是合作深度上都相对滞后，尚未形成一种以企业为主导，全程参与教学环节的产教融合模式。特别是金融数据行业，目前国内仅有十余家高职院校开始试点性地研究和实践金融大数据产教融合模式，其合作效果有待观察。

（四）绩效考核机制不完善

金融大数据人才作为金融行业的一个新兴人才培养方向，现处于起步阶段，需要完成大量的专业建设及人才培养工作，包括企业调研、课程体系确立、课程建设、校内外实训基地建设、师资培养、科研投入，背后需要完善的绩效考核和配套管理制度作为支撑和保障。如果没有解决好权利、义务、风险、利益等相关性问题，没有建立起相应的法律制度和配套经费制度保障人才培养过程的顺利实施，就难以保障人才培养的质量和效果。从目前的情况来看，高职院校金融类专业（学院）需要加强这方面的制度建设，具体包括绩效考核机制、人才引进机制、教学评价机制等系列配套制度的建设和完善。

总体来说，高职院校对于金融数据人才的培养处于摸着石头过河阶段，不管在制度建设还是人才引进、基地建设等方面都存在有待完善之处，需要在发展过程中不断地改进。

三、金融大数据应用型人才培养的模式和路径分析

本文以浙江J职业技术学院为研究蓝本，积极探索在金融科技视角之下大数据应用型人才的培养模式和路径，旨在通过以建立“政府——企业——学院”三方联动的金融大数据产业学院为着眼点，分层构建金融大数据人才培养体系，并通过课程建设、资源库建设等抓手，依托校内生产性实训基地，提升金融大数据应用型人才培养的质量。

（一）构建政、企、校三方联动的金融大数据产业学院

浙江J职业技术学院近年来为顺应数字化金融的转行趋势，以政府为引领，以行业变革为驱动，以学院培养为载体，通过建立产业学院，发挥政府、行业、学校三方合力，联合培养金融大数据人才的模式和路径。具体如下图所示：

政府通过顶层制度设计，发布产教融合以及金融大数据人才培养的有利政策，学院加强与优质金融数据公司的合作力度。近年来，该学院引进了杭州恒生聚源信息技术有限公司、杭州同花顺数据开发有限公司以及深圳希施玛数据科技有限公司，加快搭建产业学院平台资源，通过发挥企业——学院的协同育人效应，赋能人才培养，为金融数据产业链培养初级应用型人才、中级数据处理人才以及高级数据分析人才。

以产业学院为纽带，深化与金融机构、金融数据公司的合作紧密度，构建校内全真金融数据研发中心，引入企业资源、技术、数据，满足校内授课、实训、实习需求;输出技术和服务，为金融机构提供量化模型设计、行业投研分析报告、风控建议、金融产品创新和设计等技术服务。

产业学院每年进行2—3门课程开发，共建活页式教材2—3本，省级开放课程1—2门，为行业提供技术服务产值达到100万元左右，服务企业20—30家，为行业输送金融数据人才150—200名左右，逐步提升产业学院的人才孵化能力。

（二）对接岗位群能力要求，分层构建金融大数据人才培养体系

对标银行、证券、保险、基金以及新型金融科技企业对金融大数据分析人才的职业能力需求，根据职业岗群的递延性分层构建人才培养体系：初级岗群培养金融大数据清洗、应用型人才，侧重于培养熟练掌握运用不同技术手段采集数据、准确对比、去除无效数据的能力，主要培养初级金融大数据;中级岗群培养金融大数据挖掘、处理人才，侧重于培养调研分析、财务金融模型设计能力;高级岗群培养金融数据分析、建模人才，侧重于培养策略设计、风险评估能力。如下表所示：

通过“工作任务驱动——职业技能训练——对应课程教学——工作岗位实操”四个步骤分层次培养金融大数据人才。高职院校主要侧重于初级和中级岗位群能力的培养。

（三）依托金融大数据生产性实训项目，提升实践动手能力

2019年9月，会计专业群与杭州恒生聚源信息技术有限公司在校内共同发起成立“恒生聚源金融财税数据工厂”，开始了该院金融大数据工厂的生产任务。截至2020年12月，共有500名学生参与了发债企业会计报表附注的数据生产工作。金融财税数据工厂承担了行业、企业以及金融产品的网络爬虫及数据清洗业务，为专业群带来技术服务横向课题收入70万元。

下一阶段，将恒生聚源生产性实训项目融入《金融统计数据分析》《金融团队运作与管理》《互联网金融》《财务管理》等十余门专业核心课程。通过将公司的大数据生产、数据挖掘、金融数据分析、财务分析、企业团队管理等真实业务和案例引入线上课堂，增强场景化教学的体验感，提升学生学习兴趣，帮助学生全面理解金融数据公司的业务和管理流程。结合课程内容，逐步提升金融大数据生产性实训项目的内容，从简单的数据搜集、数据记录到相对比较复杂的数据清洗，再到更为复杂的数据挖掘和分析，结合学生的学习能力和兴趣进行分层教学，逐步提升学生的实践动手能力。

同时，通过开启大数据金融人才的“第二课堂”，校内外师资团队共同指导大学生创新创业、浙江省统计大赛、浙江省互联网金融大赛、挑战杯等，以赛促学，促进学生对于大数据专业知识和技能的学习和掌握。

（四）推进书证融通，申报1+X职业技能等级证书

该院与深圳希施玛数据有限公司共同推行1+X金融大数据处理书证融通，逐步建立金融大数据分层职业标准。建成2个1+X培训教学资源包与评价组织，合作开发1套金融大数据处理（初级）证书教学资源包、1套金融大数据处理（中级）证书教学资源包。以1+X金融大数据处理技能等级证书平台的师资、基地、课程为基础，将X证书教学经验推广同行金融大类专业，引领金融大类专业书证融通、课证融通。

（五）聚焦核心技能，共建金融数据核心课程

专业师资团队以金融大数据核心技能为抓手，将金融数据认知、收集、整理、处理、可视化应用、分析与咨询等核心技能融入到课程建设与专业教学，着力打造《金融数据分析》课程建设，以金融数据的认知、处理、可视化展示与在金融行业的应用为设计主线，整合课程思路，加强课程标准、教案、活页式教材、案例库、实训库等课程教学资源的配套建设等。以《金融數据分析》课程建设为抓手，带动《数据挖掘》《Python语言及应用》《量化投资策略分析》《金融大数据产品设计》等金融大数据分析、应用核心课程的建设。

四、结论

本论文分析了金融数据背景之下金融行业数字化转型对金融大数据人才的需求，以及当前高职院校金融大数据人才培养存在的不足。文章以浙江J职业技术学院为例，提出政、企、校三方联动建设产业学院的构思，并从分层构建金融大数据人才培养体系，依托校内大数据生产工厂，提升社会服务价值，推进1+X书证融通，聚焦核心技能进行课程共建等角度探索并实践金融大数据人才培养路径。

参考文献：

[1]《2019年中国AI&大数据人才报告》[EB/OL].https：//baijiahao.baidu.com/s？id=1643279515653051792&wfr=spider&for=pc.

[2]《中国金融科技报告2020》[EB/OL].https：//www.thepaper.cn/newsDetail_forward_10525941.

[3]《金融科技（Fintech ）发展规划（2019—2021）》

[EB/OL].http：//www.gov.cn/xinwen/2019-08/23/content_5423691.htm.

[4]刘 伟.“金融大数据”人才培养模式及实现路径研究[J].高教论坛，2020，12（12）：25-27.

[5]张宇敬，安英博，秦响应.多学科交叉融合的金融数据挖掘与分析工程人才培养模式[J].教育探索，2019，36（04）：132-133.

[6]刘芳，吴炎太.金融大数据复合型人才培养模式研究——以广东金融学院为例[J].中国管理信息化，2019，24（19）：198-202.

[7]何宏庆.互联网金融背景下高校复合型金融人才培养探究[J].教育理论与实践，2018，38（30）：14-16.

基金项目：浙江经贸职业技术学院2020年学校教育发展专项课题《金融科技背景下高职金融大数据人才培养的探索与实践》（课题编号：20JF13）的成果。

作者单位：浙江经贸职业技术学院