新商科背景下大数据分析能力培养体系构建研究

王 斌 刘 煜 王友好

1.江苏理工学院经济学院 江苏常州 213001；2.江苏理工学院管理学院 江苏常州 213001

一、概述

随着新商科概念的提出，以市场为导向，注重跨学科、跨专业的商科类人才交叉型培养，逐渐受到社会各界重视。在此背景下，新商科人才培养应注重以信息智能技术为手段，以“管理+技术”相融合的模式回应新时代商业模式的快速变革，以培养数字经济背景下应用大数据技术挖掘商业价值信息的复合性人才。根据新商科人才培养目标、企业大数据分析需求、人才培养实际能力，以及大数据技术算法和资源，需要对新商科人才大数据分析能力的各类提升路径给予多维分析，以探索切实可行的培养路径。对于应用型本科高校而言，大数据分析能力的培养，当前亟须在“产学研用”等领域找到更可行的实践路径，切实提升包括经济统计人才在内的新商科大数据分析能力的应用价值。

二、文献综述

在现有文献中，多将大数据分析能力视为从海量结构与非结构性数据中挖掘商业价值信息的本领。在具体研究中，国外学者以解决商业管理中的实际问题为导向，从大数据的内涵特征、算法模块、分析工具和资源获得等方面开展研究，其本质目的是探索适应经济管理需求的大数据分析能力提升路径。此外，国外学者对大数据分析能力的跨学科知识构成较为重视，强调覆盖信息计算科学、统计学、数学和经济管理等多学科的交叉融合。在国内研究中，受益于我国大数据技术的快速发展和应用场景的丰富多元，我国学者对大数据分析能力的研究日渐高涨。但国内现有关于大数据分析能力的运用多局限于电商平台类企业中，众多中小企业对大数据分析能力的应用仍停留在概念和方案层面，这也导致当前高校大数据分析能力培养出现上下不统一的局面。此外，亦有较多国内研究聚焦于传统数据分析能力与大数据分析能力的区别，借此明确数字经济背景下商科类人才大数据分析能力的培养路径，其包括课程体系、知识体系、能力体系和素质体系等。如徐涛对基于大数据分析的人才培养模式开展了深入分析[1]；胡俊南对大数据会计人才培养机制问题进行了探讨[2]；冯永对大数据智能化人才培养模式与实践能力开展分析[3]；顾荣对大数据课程资源建设开展分析[4]；唐琳对统计学专业大数据分析能力培养方式开展了探讨[5]。客观而言，现有研究已从框架体系层面取得丰硕成果，提出了多维度的实践建议。然而也存在一些局限，如相关成果多停留在理念层面，主要表现为想法、思路、方案的设计，缺乏机制路径的可行性论证。

三、大数据分析能力调研分析

本文利用问卷星在线调研平台开展资料搜集工作，共有160～180名调研对象参与问卷作答，主要围绕商科类学生大数据分析能力构成要素、商科类学生大数据就业优势、商科类学生大数据学习障碍等问题开展调研。在调研资料整理中，对未作答资料予以剔除。

(一)商科类大数据分析能力构成要素分析

对商科类大数据分析能力构成要素的调查包含四个选项，分别是(A)商科类技能证书;(B)数据分析能力;(C)创新创业能力;(D)管理思维与能力;(E)情商(包括情绪管理、沟通技巧);(F)实习经验/工作经验。本问题属于排序题，让学生对六个选项按照优先次序进行排列。为便于统计分析，本文随机抽取30名学生作为样本。在统计分析中，人工计分规则为在每一个调研对象排序中位列首位的选项，计6分，位列第2位的选项计5分，依次递减1分设置分数，位于第6位的选项计1分。

根据各选项计分，商科类学生大数据分析能力构成要素，按优先次序排列依次是数据分析能力、技能证书、管理思维与能力、创新创业能力、实习经验、沟通技巧。其中，数据分析能力位居首位，表明学生对大数据分析能力培养的渴求较高。技能证书位居第二，且其得分与数据分析能力的差距并不明显，这表明学生对大数据“产学研用”的深入认知，即“技能+证书”式的组合更能支持学生在大数据岗位竞聘中的竞争力。管理思维与能力位居第三，表明在新商科注重跨学科综合性应用能力培养下，学生对大数据分析能力与管理决策能力的结合更为重视，这是新商科背景下经管类学生学习认知的重大提升与转变，通过“大数据分析+管理决策”实现大数据分析助力管理决策的目标，更有利于增强学生在就业市场中的优势。较为意外的是，学生对实习经验的计分靠后，根本原因是在企事业单位大数据实习安排中，因相关岗位涉及单位核心业务数据，故不方便向外部临时性的实习人员透漏。

(二)商科类大数据分析职业优势调查分析

为了解商科类学生对大数据分析岗位的职业优势看法，设置题目“和工科生相比，您认为商科类大学生从事大数据分析职业是否具有优势。”调查发现，商科类学生认为从事大数据分析职业较具优势的人数占比达到58%，且也有33%的学生认为具备一般性但不太明显的优势。故总体而言，当前商科类大学生对大数据分析职业的发展前景较为乐观，这也体现出学生对大数据分析能力培养的信心。根据调研数据可知，这种拥有大数据能力的前景预期主要源于学生对新商科下复合型人才需求的认知，包括知识和能力的多元化供给可能增加就业市场的竞争力。出现上述调研结果的原因，一方面可能与当前大数据热潮有关；另一方面也与当前学生对跨专业知识学习与能力培养的渴求有关，学生不再满足于传统的固化性课程结构和知识体系，如财会类学生对大数据财务和智能会计的学习倾向，经济统计类学生对大数据挖掘能力训练需求，营销类学生对大数据市场决策能力的培养需求。当前学生对跨学科知识技能的培养倾向，是新商科下大数据分析能力培养得到推行的重要保障和有利环境，商科类院校及专业应抓住这一契机，提供适应大数据“产学研用”相适配的课程体系，培养复合型的大数据分析人才，既满足市场需求又贴合学生偏好。

(三)商科类学生对大数据分析课程的学习动力调查分析

尽管商科类学生对大数据分析相关职业前景和预期均持积极看法，但考虑到商科类学生在数学、统计和计算机方面存在基础薄弱的实情，可能导致其在课程学习中受到限制。为深入了解上述问题，本文设置题目“作为商科类学生，您在大数据分析相关课程的学习中存在下列哪种感知”，学生可以同时选择若干选项。调查发现，在大数据分析岗位盛行的环境下，学生对为何学、怎样学的问题理解并不尽如人意，存在笼统模糊性的认知，如选项“不知道为什么学，动力不足”的回答人数占18.71%。同时，也反映出少部分学生存在大数据学习随潮跟风的现象，对后续持久性学习动力极其不利。在其余选项中，选择“理科思维不足，学习吃力”的人数占比为35.61%，这表明三分之一的调研对象在大数据学习中，存在理科基础薄弱导致的学习吃力现象，这可能是经管类学生面临的重大挑战，在大数据分析能力培养愈加重视“数学+统计+算法+程序语言+大数据应用”的组合结构下，经管类学生明显在数理基础和计算机基础方面存在短板，制约了学生深入学习大数据课程的能力。选择“学业课程增多，精力不足”的学生占比为42.45%，位居首位。从表面层次看，商科类相关专业可能仅把大数据课程作为零星点缀嵌入至课程体系中，这导致经管类学生在学习大量专业课基础上，需要切换到课程内容与专业课有极大不同且具一定难度的大数据课程中，学生在短时间内难以在两类课程中自由轻松切换，故学习显得较为吃力；但从深层次原因看，商科类专业在课程设置中，并未形成系统性的结构体系，缺乏大数据学习的前沿性基础课程和过渡性课程，而是直接从商科类课程转到大数据应用课程，这中间缺少课程铺垫和过渡，容易导致学生精力不够而厌学现象。

四、对策建议

(一)强化大数据分析能力培养，提升实践环节培养质量

由前述研究发现，在商科类大数据分析能力构成要素中，数据分析能力和技能证书位居前两位，而实习经验却排名靠后，体现出学生大数据技能提升需求与实践条件之间的一种相悖。因此，一方面，商科类专业在教学体系设置中应重视大数据分析能力与专业的紧密融合，形成大数据财务、智慧会计、大数据营销等专业方向，提升学生利用大数据理论、知识和技能解决专业实际问题的能力。同时，引入与专业方向有关的大数据分析领域的技能证书，甄别证书质量和考试难度，提供师资和教材资源，增强学生大数据分析学习信心和预期。另一方面，应优化大数据分析实践实训环节的资源质量，剔除部分明显脱离大数据分析的空虚性或标签性实习基地，但考虑到较多企事业单位难以对外提供本单位大数据资源，故可考虑引进商业机构成熟的大数据实训资源，包括师资培训、数据资源、软件操作等。为此，在商科类大数据分析能力培养中，构建“技能+证书+实训”的培养体系。

(二)以学生职业信心和兴趣为导向，培养复合型大数据分析人才

由前述研究发现，商科类学生对本专业大数据分析技能的就业前景充满信心和预期，相关院校和专业应有效利用此契机，及时提供满足市场需求和学生学习的课程培养体系。具体而言，商科类学生对大数据就业预期的变化主要源于复合型多元化技能的培养，这是改进大数据分析能力培养体系的根源。因此，商科类专业可引入更具专业特色的大数据课程，如大数据财务分析、大数据营销分析等课程。但要避免两种倾向：其一，生搬硬套式移花接木，大数据课程和专业主干课程相互脱节隔断，没有知识和技能关联性，易导致学生在学习中无所适从，无法形成两类课程知识和技能间的有效衔接；其二，零星点缀式镶嵌，部分商科类专业为装点门面或迎合时代潮流，刻意在专业课程体系中引入一两门大数据分析导论性课程，内容浅显且师资薄弱，学生仅接触大数据分析的浅层次常识，严重缺乏技能训练和动手能力。因此，商科类复合型大数据分析人才培养，需引入更具质量的专业方向性大数据课程。

(三)兼顾学习基础补强和专业特色，构建适度弹性的大数据课程结构体系

由前述分析可见，当前阶段商科类学生在大数据学习中因基础薄弱而后劲乏力，最终导致学习效果打折并失去动力。对此，可采取以下措施：其一，兼顾学习基础补强和专业特色，构建适度弹性的大数据课程结构体系。可根据各院校专业培养目标、学生基础、师资力量、就业环境等因素，突出大数据分析的某一个枝节，构建“数学+统计+算法+程序语言+大数据应用+商业决策”相组合的课程结构体系。其二，合理调整大数据相关课程的学期和学时安排，有条件的院校尽量将大数据分析课程与高等数学、数理统计、计算机语言等课程安排在低年级段，并按照从数学基础→统计理论→算法及程序语言→大数据分析的递进脉络安排课程，借此增强商科类学生对大数据课程的学习效果。