物流大数据分析人才培养体系设计

□ 王艳萍

(大连东软信息学院，辽宁 大连 116023)

1 物流大数据分析人才需求

大数据的应用、智慧物流是物流业未来发展的方向。大数据作为国家战略，在“十三五”期间受到了政策重点扶持，此前国务院办公厅印发运用大数据加强对市场主体服务和监管的若干意见，要求在政府层面推动大数据应用。在物流行业等需求的推动下，大数据产业迎来年均逾100%的增长率，市场规模将达百亿级别，基于物联网大数据的智慧物流将是现代物流的发展方向。对于“大数据”技术的充分应用，物流路线、选址及仓储等都有望得到进一步优化，从而达到即时服务目标。网络技术的高速发展和应用程度的加深催生了订单式生产，这对物流供应能力提出更高要求，需要不同企业在共同目标下实现深度融合，协同发展。因此，物流企业一方面需要与上下游企业建立战略联动关系，通过建立协作机制，为相关企业提供仓储管理以及供应链金融等专业服务，更好地提供物流支撑服务;另一方面要与相关企业通过资源整合、资产整合、平台整合、品牌整合等方式发展物流联盟，共同实施扩张战略和走出去战略，开拓市场，实现利益共享，合作共赢。未来供应链管理人才将朝着“智慧化”方向发展，既要懂物联网、云计算、大数据、人工智能、区块链等应用于供应链的新技术，又要了解供应链上各行业的管理理念、方法、手段，掌握供应链的智能决策、智能采销、智能运营等管理技术。大数据与智能物流发展迅速，物流行业的发展中机遇与挑战共存，高校的人才培养也应紧跟行业发展趋势，科学预测未来的物流人才需求，提前进行规划和人才培养。

企业对物流专业人才的需求非常迫切，有近70%的企业表示需要甚至迫切需要物流人才。需求最为迫切的是中高级物流管理人才，选择比例达到了87%，而需要基层物流操作人员的物流企业仅占16.06%。这说明随着物流业的发展，企业越来越意识到中高级物流人才对自身发展的重要作用。近几年物流行业的重点主要是跨领域技术与大数据、人工智能技术的结合，目前业内在物流大数据分析与应用、供应链需求预测等领域的人才需求量从2017到2019年增长了12倍。

2 物流大数据相关就业岗位能力要求

物流工程专业学生主要的就业岗位包括采购类、供应链管理类、物流运营类(分为仓储方向、现场操作、配送方向、物流平台运营、生产计划等方向)、仓储与库存管理类、生产调度、运输规划与调度、需求分析、货运代理与物流规划类，共九大类别。

其中，涉及到大数据分析能力的有以下几类，具体的岗位能力要求如下。

2.1 物流运营类

知识要求：运营管理、供应链与物流管理；

能力要求：数据分析、物流方案设计、运营与管理；

岗位能力：对物流信息系统及相关流程的理解和操作能力要求较高，熟练使用办公软件(尤其是Excel)，具备数据分析与处理能力强。

2.2 供应链管理类

知识要求：供应链管理、电子商务运营，数据分析与挖掘；

能力要求：数据分析、逻辑思维、沟通协作、英语能力、整体规划；

岗位能力：主要倾向于熟练操作办公软件(尤其是Excel)，有ERP、SAP操作经验,英语相对流利，数据分析能力要求较高。

2.3 仓储与库存管理类

知识要求：仓储管理、仓储作业流程；

能力要求：统筹规划、数据分析、物流设备使用；

岗位能力：熟悉相应业务流程，能够操作仓储管理系统，具备一定的数据分析能力。

2.4 运输规划与调度类

知识要求：运输管理、车辆调度、运输流程管理；

能力要求：车辆配载、运输线路优化、运输调度与规划、运输现场管理、运输资源与成本配置；

岗位能力：熟悉运输调度与规划方法，能将数据处理和业务分析能力应用于运输资源配置与成本控制。

2.5 物流规划类

知识要求：物流规划原理、物流方案设计、物流设施设备、物流系统仿真；

能力要求：经营分析及业务规划能力、路由规划、网络规划、物流规划、物流成本计算、流程改善、数据分析与创新思维；

岗位能力：具备数据分析与业务规划能力，了解行业前沿，熟练使用相应软件，如仿真软件和AutoCAD。

3 物流大数据分析人才培养目标和毕业要求设计

物流人才培养目标中除了一些基本人才特质的培养要求外，还应该增加对物流大数据分析人才培养的描述，如了解和紧跟智慧物流发展；具有较强的工程实践能力和跨领域、跨学科的集成应用能力；能够灵活运用系统建模、仿真、智能优化、大数据分析等物流技术，解决复杂物流系统和供应链规划与设计问题；能够从事物流系统运营、供应链规划与设计、物流大数据分析与应用等工作。

相应的毕业要求也应该涵盖对物流大数据分析的要求，可以做如下设计。

3.1 职业素质要求

①具有创新精神及技术探究意识，能够运用新理论、新产品、新技术、新工具，发现并解决客观世界中的复杂物流工程问题。

②能够在物流工程实践过程中自觉遵守物流师的职业道德与规范，包括：诚信、严谨、责任、敬业、工匠精神。

3.2 专业基础知识要求

①掌握高等数学、线性代数、概率统计等相关知识，能将其应用于解决物流领域数据科学相关的复杂问题。

②掌握经济学、管理学的基本理论，熟练掌握基础的企业管理理论。

③掌握统计学、运筹学等数据科学的基础理论与基本方法。

④掌握办公软件、数据库、程序设计语言等计算机基础知识。

3.3 专业核心知识要求

①掌握生产运作管理、采购与库存控制、供应链运营管理、物流信息系统管理等供应链与物流运营管理知识。

②掌握物流系统建模、企业资源规划、供应链设计与诊断、物流系统仿真与优化等物流系统规划与设计知识。

③掌握物流系统数据分析、供应链大数据应用、数据可视化等物流大数据管理与应用知识。

3.4 专业基本能力要求

①应用数据库、搜索引擎等工具，检索并获取有用的信息，通过进行整理与分类，甄别信息的质量和可靠性；应用大数据工具对数据进行分析与处理。

②掌握基本的沟通技巧，能够就物流领域数据分析的相关专业问题，以口头、文稿、图表等方式，与团队成员、同行、用户及公众进行有效沟通和交流，理解与业界同行和社会公众交流的差异性。

3.5 专业核心能力要求

①具备发现、分析问题的能力，能够发现物流大数据中的潜在问题，并能结合实际问题，运用所学知识分析产生问题的原因，运用多学科理论、方法和技术解决物流大数据环境下实际问题的能力。

②掌握大数据管理与应用领域的相关技术与工具，具备智能物流技术应用能力，能够使用系统建模技术、虚拟仿真技术、大数据技术、物联网技术等物流领域及跨领域技术解决物流工程项目问题。

③具备物流系统规划与设计能力，能够实施物流系统的需求分析、现状调研、运筹规划、仿真设计、场景应用等工作。

4 课程体系设计

按照大数据类通用人才的岗位职责，在不同阶段，需要掌握不同的知识和工具，具体如表1所示。课程体系应建立包括通识基础课程、学科及专业基础课程、专业课程、集中实践环节的结构体系。大数据分析人才的培养主要在专业基础课程、专业课程、集中实践环节。

表1

结合物流专业的特征以及支撑培养目标和毕业要求的需要，物流大数据分析人才培养的课程体系设计也应该遵循人才成长路线设计课程链路，第1阶段对应通识课和专业基础课，专业基础课应学习数理统计知识和物流管理基本知识，重在了解一定的专业知识，熟悉概念和原理。第2阶段和第3阶段对应专业课和专业限选课，此阶段应学习数据采集与预处理、数据分析与挖掘、数据可视化、物流信息系统等知识，重在清晰了解业务逻辑，学习使用物流大数据分析工具，理解物流数据分析业务流程。第4阶段和第5阶段应该对应实践环节，也就是实践教学体系设计，运用学习的理论知识进行物流数据分析和应用，帮助学生感性地认知企业数据分析与预测过程，掌握对数据进行分析处理的方法，能够为企业提供众多有价值的情报，最终形成宏观战略布局的思维模式，帮助决策者做出快速、准确的决策。重在把专业知识技能进行实践应用，提升学生信息化能力。

实践教学环节的设置遵循“模块化、层次化、递进式”的原则：以培养学生的实践应用能力和创新能力为出发点对实践教学体系按岗位需求进行划分，形成运营管理岗位实践和规划设计岗位实践两大模块；针对每一个模块的设计，按照“入门引导―基础训练―综合设计―研究创新”的顺序贯通课内外、循序渐进，可以以专业导引与职业生涯规划为开端，贯穿物流业务运营基础训练和物流综合设计训练，以毕业设计为收口，形成渐次递进的一体化实践教学系统。

按照以上逻辑，针对物流大数据分析人才培养链路，课程设计体系如下图1所示。

图1 物流大数据分析人才培养课程体系设计

5 素质教育与专业教育的一体化设计

素质教育和专业教育是相互补充、相辅相成的整体，物流大数据分析人才的培养也离不开素质教育。在物流大数据分析人才培养的一体化课程设计中，专业教育的目的在于培养学生的专业技能，为就业做好准备，具有很强的专业性。素质教育应以学生素质和能力培养为侧重点,更加强调学生的应用动手能力和个人素质的培养。素质教育就是大学里的第二课堂，可以设计成学生社团、学科竞赛、素质教育项目、讲座、论坛等各种各样的活动形式，其中，学科竞赛和讲座是比较好实现的形式，也是与专业教育融合最多的形式，专业教师可带领学生参加各类数据分析相关的学科竞赛，如全国大学生市场调研大赛、阿里云天池大赛、全国大学生数学建模竞赛、全国大学生大数据技能竞赛、全国高校大数据应用创新大赛、全国高校计算机能力挑战赛-大数据应用赛、“泰迪杯”全国数据挖掘挑战赛等。各个学校应结合本校特色和专业特色，将物流大数据分析人才的素质培养涵盖到入学教育、国防教育、公益劳动、社会实践、毕业教育等方面。素质教育在教育理念、内容和方法上与专业教育不同,但素质教育的实现要以专业教育为基础。将素质教育与专业课程结合到一起，建立多层次、一体化的课程体系，同时构建和完善大学生素质教育体系，将理论与实践融合。专业教育和素质教育对培养目标和毕业要求进行立体解读，专业对学生学习效果进行动态跟踪，同时根据培养目标和毕业要求对专业教育和素质教育的内容进行实时调整。

物流大数据分析人才培养要把握行业、企业的人才需求与专业人才培养的现状，对比其他高校的培养方案，充分借鉴知名高校的成功经验，梳理好培养目标、毕业要求、专业能力、课程体系之间的关系，在此基础上确定专业人才培养的整体思路。人才培养体系要突出“学生中心、产出导向、持续改进”的基本原则，坚持应用型人才培养目标的定位，人才培养体系设计应以调研为出发点，以课程体系设计为重点，以课程建设为落脚点，以培养目标、毕业要求、课程体系、素质教育映射关系为纽带，加强专业内涵建设，引导专业特色发展。