大数据环境下管理科学专业人才培养模式研究

摘 要：大数据环境对管理科学专业的人才培养有着重要影响。通过调研国内外典型高校，总结出管理科学专业人才培养的三种模式：专业大类培养模式、社会需求驱动模式和学科特色发展模式。通过分析大数据环境对管理科学专业人才培养目标、人才培养要求、教学模式和学习模式的影响，基于价值链模型提出一种渐进式的管理科学专业人才培养模式。该模式把课程与课堂主阵地视为人才培养的基础活动，把明确专业发展方向、改善教学条件、改革教学方式、加强师资队伍建设视为人才培养的支持活动，在基础活动和支持活动的协同作用下，最终实现学生的个性化发展。

关键词：大数据环境；管理科学专业；人才培养模式

管理科学专业兼具社会科学和自然科学的双重属性，在遵循管理学基本原理的基础上，强调用自然科学的方法研究和解决管理问题。随着信息技术的快速发展，大数据因其规模大、高增长、动态性、多元化等特征正引发全球范围内的经济和商业变革，甚至政府治理方式的改变与创新。在可以预见的将来，大数据将改变人类的思维模式，赋予人类明察秋毫的洞察力和高瞻远瞩的预测力，创造不可计数的价值，成为推动社会进步的新的生产力。作为强调定量分析等科学管理方法的管理科学专业，必须勇于抓住大数据发展所带来的机遇，积极创新人才培养模式。

我国目前有50多所高校开设了管理科学专业，在人才培养模式方面进行了一些有益的探索。其中研究财经类高校和地方高校管理科学专业人才培养的文献相对多一些，还有一些文献针对管理科学与工程大类专业进行了研究。研究内容涉及培养定位、培养模式、课程设置等方面，但是考虑大数据环境对管理科学专业人才培养影响的文献非常少。反观其他专业，如会计专业、电子商务专业、市场营销专业等，考虑到大数据对人才培养影响的文献相对要多[1]。难道是管理科学专业不受大数据环境的影响吗？事实并非如此。管理科学专业的最大特点就是改变了传统的经验管理，强调用定量的分析方法进行管理决策[2]。管理决策的科学程度取决于对信息掌握的多少。但数据不可能自己转变为信息，尤其是面对大数据，如果我们不掌握必要的数据分析工具和信息处理手段，只能望着“宝山”兴叹。这就要求加强管理科学专业人才培养，特别要加强对学生大数据意识、知识、能力、素质的培养。

一、大数据的内涵与大数据环境的特征

（一）大数据的内涵

关于大数据的定义有很多，高德纳认为大数据是数据规模大、数据流转快速、数据类型多样的信息资产，肖恩·康诺里认为大数据是由交易资料、互动资料和观察资料组成的一种资料类型，麦肯锡公司则认为大数据是一种规模大到传统数据库软件无法处理的数据集合[3]。尽管表述有所不同，但是对大数据的影响力形成了一个共识，就是大数据已经成为个人、企业乃至国家都无法回避的前沿话题，需要全新的基础设施、思维方式、分析工具构成一个数据生态系统，未来的竞争都会因大数据而发生系统性改变。因此，管理科学专业必须主动地面对大数据对人才的知识、素质和能力的新要求，积极探索新的人才培养模式，确保我们培养出来的人才是真正适应大数据环境、满足现代管理需要的高素质人才。

（二）大数据环境的特征

1. 大数据无处不在。人们每天使用手机、观看电视、访问网站、乘坐交通、网络购物、在线学习、生产业务处理、政府公共服务、城市电子监控等都会产生大量的数据，同时我们开展这些活动，也要不同程度的应用到大数据。大数据已经渗透到我们生活的方方面面。

2. 数据庞大但价值密度低。在互联网时代，人们学习、生产、生活的一切活动几乎都会在网络上留下痕迹，形成海量的原始数据。这些原始数据虽然规模庞大，但是存在数据大量重复、价值密度低等特征，想从中找到有价值的信息并不是一件容易的事情。

3. 大数据价值隐而不显。如果不掌握一定的数据分析工具，大数据就只是一堆杂乱无章堆砌的数据而已。大数据因规模庞大，传统的分析方法难以发现数据之间的关联，从而揭示不了事物的发展规律。要想发现大数据背后潜藏的价值，必须掌握“掘金”的工具。

4. 决策行为越来越依赖于大数据。由于受到信息获取的金钱、时间、精力和体力等成本的影响，传统决策更多是凭借经验和推理做出决定，而在大数据时代，由于数据获取成本相对较低，使得运用大数据进行科学决策成为可能，可以避免犯经验主义的错误。

二、国内外管理科学专业人才培养模式

为了了解国内管理科学专业的人才培养模式，本研究选择了武汉大学、中国人民大学、四川大学三所综合性重点高校，以及天津財经大学、山东财经大学两所财经类普通高校进行了深入调查。由于国内外专业设置存在差异，完全和管理科学对应的国外专业比较少，因此本研究仅选取斯坦福商学院的管理科学与工程专业进行分析。

武汉大学的管理科学专业实行的是专业大类培养模式，放在工商管理大类下进行招生。管理科学专业除了要学习工商管理大类平台课程外，还需要学习运筹学、机器学习、数据结构与算法、中级计量经济学、随机模型与模拟等必修课程。

中国人民大学的管理科学专业专注于商业数据分析方向，核心课程包括数学基础类、专业通识类、专业核心类和技能工具类。其中，专业核心类包括收益管理、运营管理、商业数据分析、系统分析与设计等，技能工具类包括数据库原理及应用、优化与建模、初级计量经济学、商业智能及数据挖掘等。

四川大学的管理科学专业重视商业数据分析基本理论和实践技能的学习，在专业培养要求中，专门提出“具有以Python、R语言等计算机编程软件为工具，统计方法与运筹方法为基础，数据挖掘与人工智能为核心，大数据计算技术为支撑的商业分析基本能力”，相应地在课程设置中开设了Python程序设计、数据结构与算法分析、机器学习、大数据计算基础、数据可视化、仿真与计算实验、R语言与统计实验等专业核心课程。

天津财经大学依托该校财经类学科的优势，强调管理科学专业培养学生的商业数据分析能力，注重锻炼学生通过数据分析解决实际问题的能力。专业课程体系分成管理、经济、数学、计算机和管理工程技术五大模块，涵盖了企业数据分析和运营决策的全生命周期过程。

山东财经大学管理科学专业强调培养学生利用大数据和商务智能解决实际管理问题的综合能力，学生毕业后能够胜任金融、商业机构和政府部门的风险管理、统计分析和管理等岗位。核心课程主要包括系统工程、管理预测与决策、生产运营管理、金融风险管理、信息经济学、管理运筹学、商业数据分析、Python程序设计基础、商务智能等课程。从中可以看出，人才培养强调了大数据分析技术与该校财经类特色的结合。

斯坦福商学院的管理科学与工程专业为本科生提供工程系统分析基础的培训，使他们具备规划、设计和实施复杂的经济和技术管理系统的能力，该专业学生的就业方向主要包括投资银行、管理咨询、设施和流程管理、工业工程等行业。从其课程设置来看，数理统计类课程、投资金融类课程、决策优化类课程比较多，在全部50门专业课程中超过了60%。

从上述六所高校管理科学专业的调查可以看出，管理科学专业的人才培养基本可以分为三种模式，如表1所示。

1. 专业大类培养模式，比如武汉大学。实施专业大类培养模式的高校一般是综合性大学，并且在该专业大类下的专业较多。专业大类设置相同的大类平台课程作为必修课，有利于整合教师资源，实现优质资源共享，同时选修课实现专业大类共享，为学生提供了更多的选择余地，有利于学生的个性化发展。为了体现各自专业的特点，会设置一定的专业必修课程，专业必修课往往最能体现出该专业的特色和方向，比如武汉大学设置了运筹学、机器学习、数据结构与算法、随机模型与模拟等课程。斯坦福商学院的管理科学与工程专业与武汉大学比较类似，主要是基于斯坦福商学院管理科学与工程系在工程、商业和公共政策领域的雄厚实力，致力于把学生培养成为工程师和未来技术、政策和行业的领导者。

2. 社会需求驱动模式，比如中国人民大学和四川大学。这两所大学有着自己不同的发展历史和优势学科，但在人才培养方案中都不约而同地选择了商业数据分析方向，并设置了相应的课程。其中很重要的原因就是大数据时代，社会对大数据分析人才的需求不断增大，一些企业的商业数据分析岗位甚至虚位以待都招聘不到合适的人才。学校的专业发展方向对接社会需求，体现了高校的办学宗旨和专业的社会价值，也有利于毕业生就业。目前，有一些地方高校和企业进行合作走产教融合的发展道路，实际上是社会需求驱动模式的深度體现，一种更为典型的情况就是订单式培养。

3. 学科特色发展模式，比如天津财经大学和山东财经大学。这两所大学在进行专业人才培养时，在充分考虑时代和社会对大数据分析人才需求的同时，充分结合了学校在财经类学科的优势和特色，着重培养学生的商业数据分析能力，将学生的主要就业方向定位在金融、保险等与财经相关的单位或部门。这种模式一般适用于一些特色型高校，如财经类院校、农林类院校，这些高校在凝练专业发展方向时，一般会有意识地以学校优势学科为依托，在凸显专业特色的同时，也进一步增强了学校的整体特色。

三、大数据环境对管理科学专业人才培养模式的影响

大数据虽然规模庞大，但是具有价值密度低、价值隐而不显等特征，这要求人们了解大数据的相关知识和原理，掌握数据挖掘的基本技术，进而形成大数据思维。管理科学作为一个应用性很强的专业，必须及时响应社会需求，调整人才培养方案，将管理科学的基础理论和大数据技术与方法有机结合起来。总体来看，大数据环境对管理科学专业人才培养目标与培养要求、教师教学模式、学生学习模式都产生了一定的影响。

（一）对人才培养目标的影响

人才培养目标决定了一个专业要培养什么样的人，所有的方案设计都是为了实现这个目标。每个专业有自己特定的人才培养目标，但这个目标并不是固定不变的，而应该与时俱进。人才培养目标既要面向未来，也要着眼现在。管理科学专业重视学生对经济管理与信息技术知识的系统掌握，强调管理方式从经验性向科学性的转化。随着大数据环境对学习、生产与生活影响的日益增强，如果学生在大学阶段不学习与大数据有关的知识与技能，不但会影响到学生的学习效率与效果，而且会影响学生未来的就业与工作适应能力。因此，不管是从学生个人发展还是专业发展，管理科学专业都应在培养目标中强调对大数据基本理论与分析技术的学习，提高学生的大数据思维，以及运用大数据分析问题解决问题的能力。

（二）对人才培养要求的影响

1. 大数据环境要求学生必须掌握大数据的理论知识和分析工具。随着大数据规模的日益增加和应用范围的不断拓展，大数据已经上升为一种思维模式，不管学生未来是从事企、事业工作，还是继续科学研究工作，他们都需要基于大数据进行科学分析与决策，因此必须掌握一定的大数据知识，具体包括以下几个方面：（1）大数据的基本理论知识。包括大数据的概念、特征、存储、分析、应用等基本知识；（2）大数据对社会的影响。了解大数据对思维、工作、生活、商业、管理等各方面的影响[3]；（3）大数据分析技术。比如备受学生欢迎的Python程序设计，广泛使用的数据可视化工具，以及面向企业需求提升学生就业竞争力的商业数据分析等。

2. 大数据环境要求学生必须具备综合运用大数据的能力。独立运用所学知识解决实际问题是对大学生能力的基本要求，在大数据全面影响生产与生活的今天，管理科学专业大学生必须具有运用大数据相关知识解决实际问题的能力。具体包括以下几个方面的能力：（1）大数据获取能力。大数据获取来源通常有外部购买数据、企业内部数据、网络爬取数据、免费开源数据等。对学生来讲，要了解有哪些适合管理科学专业的免费开源数据库，掌握最常用的网络爬虫工具；（2）大数据分析能力。大数据分析就是从大量看起来杂乱无序的数据中提取所需要的信息，常见的大数据分析工具有Hadoop、Bokeh、Storm、Plotly等，学生应该能熟练使用这些基本的数据分析工具；（3）大数据应用能力。大数据总是与实际业务紧密联系在一起，学生必须把掌握的大数据知识和分析工具学以致用，为具体业务提出解决方案。

3. 大数据环境要求学生必须具有大数据思维和意识。大数据环境最重要的是改变了人们思考和处理问题的方式。大数据的运用让生产更加高效、生活更加便利，比如基于大数据产生的无人工厂和自动驾驶，大数据的运用也让决策更加科学。更重要的是，要让对大数据的运用内化为一种内在的素质。具体包括：（1）养成大数据思维。受工业革命影响，人们已经习惯机械思维，其核心是确定性和因果关系。但是世界上很多事情是难以用确定的公式或者规则来进行表示的，当然并非完全没有规律可循，比如这些事情之间存在一定的相关性。大数据思维要求我们更加关注事物之间的相关性，有人称之为科学研究的“第四范式”；（2）获取大数据要有法律意识，不能侵犯用户隐私。互联网时代产生了大量的数据，获取大数据也相对容易。但网络不是法外之地，我们在获取大数据进行研究或决策时，一定要有法律意识，保证用户隐私不受侵犯；（3）运用大数据要有社会责任感。合理运用大数据分析结果，使之更好地为人类进步服务，促进社会效益的提升，而不是满足一己之私欲。

（三）对教师教学模式的影响

大数据技术推动教育行业的教育理念和教学模式发生着根本转变。传统工业流水线式的教育模式已经失去竞争力，以学生为中心、关注学生个性化发展的教育理念正被越来越多的教师所采用，大数据技术驱动教育行业转型升级已是大势所趋[4]。疫情期间，由于学生不能返校，教师运用腾讯课堂、雨课堂、学习通、中国大学慕课等平台进行线上教学。但是随着疫情逐步平稳，学生陆续返校开始线下上课之后，教师们并没有完全放弃线上教学，而是逐步摸索线上线下相结合的教学模式，因为教师们充分认识到了教育大数据对教学效果的影响。教师可以运用教育大数据进行学情分析，提高授课效果与辅导的针对性。教学管理部门可以分析学生评教大数据，并把评教结果适时反馈给相关教师，促进教师教学水平的进一步提升[5]。

（四）对学生学习模式的影响

在大数据环境下，越来越多的教师采用翻转课堂或混合式教学模式，在课前通过网络教学平台发布手机课件或视频等辅助学习资料供学生预习，课堂则主要采用讨论的方式学习。这要求学生改变传统被动学习的模式，增强学习的主动性，课前广泛收集资料，加强和同学的团结协作，课堂积极参与讨论，变被动学习为主动学习，实现学习模式的逐步转变。

四、大数据环境下管理科学专业人才培养模式

前面我们总结了目前国内外管理科学专业常见的三种人才培养模式，其中实施专业大类培养模式的一般是综合性大学，并且该专业大类下的专业较多；实施学科特色发展模式的通常学科特色和专业优势明显。对于大多数普通高校而言，一般采用的是社会需求驱动模式，比如本文前面提到的中国人民大学和四川大学，之所以不约而同地选择商业数据分析作为专业发展方向，主要是因为社会上对商业数据分析人才的急切需求。因此，本文基于价值链模型，提出一种渐进式的管理科学专业人才培养模式创新，也就是针对价值链的各个环节进行改进，运用大数据实现学生的个性化发展，让培养出来的学生能够较好地胜任大数据环境下的各种工作。该模式把课程与课堂主阵地视为人才培养的基础活动，把明确专业发展方向、改善教学条件、改革教学方式、加强师资队伍建设视为人才培养的支持活动，通过基础活动和支持活动的协同作用，最终实现学生的个性化发展（如图1所示）。

（一）优化课程设置

课程与课堂是传授学生知识的主阵地[6]，也是人才培养的基础活动，管理科学专业应该根据大数据环境对人才培养的要求，对人才培养方案中的课程进行统筹调整。目前国内管理科学专业人才培养方案的课程一般由四大模块组成：通识教育（含思想政治理论、通识必修、通识选修）、学科基础教育、专业教育（含专业必修、专业选修）、实践教育。可以在专业必修课中增加1-2門大数据领域的核心课程，在专业选修课中结合学校特色和办学定位适当增加2-3门与大数据分析与应用相关的课程，在实践教育课中增加1-2门大数据课程设计，或者设置大数据分析的专业方向。以这些课程为载体，学生能夯实大数据基本理论知识，掌握常用的大数据分析工具，并在大数据分析能力逐步提升的过程中潜移默化地养成大数据思维。

（二）明确专业发展方向

大数据环境对社会的影响是全方位的，不管是金融领域、医疗领域、交通领域，还是政务领域，或者人们生活中的衣食住行，几乎所有的行业或部门都受到大数据的影响。但是对一个专业而言，不可能面面俱到涉及所有的行业，这样容易流于表面，难以形成核心竞争力，因此必须选择某一个行业或领域作为专业发展方向。一般情况下，特色型高校会选择学校所在的行业或领域。对普通高校而言，可综合考虑高校所服务地区的经济发展情况和师资力量的行业背景，选择合适的行业或领域作为发展方向，确保在区域范围内有相对的竞争优势。在条件成熟的情况下，也可以和企业开展合作办学。如果说课程设置中增加的1-2门大数据领域的核心课程，主要是学习大数据的基本理论，那么增加的2-3门专业选修课和增加的1-2门大数据实践教育课则主要体现专业的发展方向。

（三）改善教学条件

运用大数据进行教学需要具备一定的硬件和软件作为支撑。从硬件设施方面来讲，校园必须做到5G网络全覆盖，教室要配备先进的多媒体设备，图书馆有满足专业需要的图书期刊和数据库，有标准的实验室和满足实习需求的实习基地。从软件方面来讲，教室要安装教师线上线下或混合式授课所需的各种软件，实验室要安装学生进行大数据学习所需要的各种软件，图书馆有关于信息素养的各种培训，并且有教学制度文件激励教师积极运用各种信息化手段开展教学。

（四）改进教学方式

将大数据环境下衍生的翻转课堂、慕课、微课等教育领域影响较大的个性化教学模式引入到教学中，将传统的集体授课模式与大型网络式开放课程有机融合，充分利用社会优质课程资源开阔学生视野，激发学生内在的学习兴趣，同时也能有效缓解学生知识需求与高校师资力量不足的矛盾[7]。首先，教师要有自觉运用大数据进行教学的意识，在教学环节中合理设置教学内容，比如在新课导入环节，可以用大数据展示让学生感受到课程的重要性；其次，在实施翻转课堂教学时，充分利用精品慕课资源，合理运用各种教学信息化手段[8]，如雨课堂、学习通等工具，改变传统课堂只能有少数学生参与互动的模式，激励全体学生共同参与；最后，还要对学生线上学习产生的大数据进行挖掘，根据分析结果提出个性化解决方案。此外，还可以运用“克隆班”技术通过高校间协作进行融合式教学。

（五）加强师资队伍建设

大数据技术是信息技术发展到一定阶段的产物，还有相当多的教师不了解大数据，没有掌握大数据的基本分析工具，或者不知道如何科学运用大数据来为教育教学服务。在新冠疫情的影响下，很多教师被迫开启了线上教学，但大多数的教师还是处于直播教学的阶段，对线上教学产生的大量教育大数据如何分析与使用还缺乏主动意识，或者不具备数据采集与分析的能力。因此，加强师资队伍建设是创新人才培养模式的关键。首先，加强教师信息技术运用能力的培训，在新教师的岗前培训和教师的继续教学培训中适当增加与大数据相关的知识技能培训，提升教师的大数据意识和运用大数据的能力；其次，鼓励教师进行教学方式改革，通过教学比赛、教学研究、金课建设等活动提升教师运用大数据开展教学的理论素养和实践能力；此外，形成师资队伍建设的机制体制，从时间、经费、制度等方面保障教师能安心进行教学方面的研究与探索。

（六）实现学生个性化发展

首先，教师要基于大數据开展个性化教学[9]。面对大数据环境，教师要学会角色转换，从知识的传授者转变为学习的引导者，把填鸭式教学变成探究性教学，对大规模的教育大数据进行挖掘与分析，并给出个性化的对策与建议。其次，学生要基于大数据完成个性化自适应学习[10]。自适应学习的关键是主动性或自主性，学生要自觉提升信息素养，学会运用多媒体工具和网络技术，加强学习主动性，积极适应大数据环境下教师教学模式的变化。此外，在线学习平台可基于大数据进行个性化推荐。个性化推荐技术可以帮助在线学习平台迅速从教育大数据中获取有用的信息，通过建立知识点网络关系模型和用户模型，实时跟踪并分析学生的学习状态，推荐难度适宜的个性化学习方案，避免无效重复，充分挖掘学生潜力，提升学习效率和效果。

五、结语

用科学的方法解决管理中的决策问题是管理科学与传统管理最大的不同，而科学决策的关键是获取足够的信息或样本，大数据的易获得性和相对较低的成本为科学决策提供了史无前例的机会，但大数据的低价值性和隐而不显等特征又对运用大数据进行决策提出了更高的要求。可以说，大数据环境对管理科学专业的人才培养目标、培养要求、教学模式、学习模式都产生了全面而深刻的影响。因此，必须优化课程设置、明确专业发展方向、改善教学条件、改进教学方式、加强师资队伍建设，多举措实现学生的个性化发展和专业的可持续发展。

参考文献：

[1] 秦嘉龙，慕丽．大数据背景下会计本科应用型创新人才培养模式研究[J]．教育教学论坛，2020（43）：104-106．

[2] 教育部高等学校教学指导委员会．普通高等学校本科专业类教学质量国家标准[M]．北京：高等教育出版社，2018：824-825．

[3] 张克平，陈曙东．大数据与智慧社会：数据驱动变革、构建未来世界[M]．北京：人民邮电出版社，2017：2-3．

[4] 肖志雄．大数据环境对教育相关者的影响及应对策略[J]．西部素质教育，2021（11）：137-139．

[5] 杨安康．基于多尺度聚类分析的学生评教大数据深度挖掘与趋势分析[J]．中国大学教学，2019（12）：65-68．

[6] 李宁．大数据背景下应用型大学专业课程教学的变革[J]．江苏高教，2019（10）：93-96．

[7] 陈武元，李广平．大学转型发展与人才培养转型[J]．中国高教研究，2021（10）：36-42．

[8] 龙屏风．“慕课+翻转课堂”教学模式及其实践路径[J]．教学与管理，2019（15）：100-102．

[9] 朱枝．大数据背景下高校英语个性化教学实践研究[J]．教育理论与实践，2021，41（30）：59-61．

[10] 李振，董晓晓，周东岱，等．自适应学习系统中知识图谱的人机协同构建方法与应用研究[J]．现代教育技术，2019，29（10）：80-86．

基金项目：安徽省高等学校2019年度省级质量工程教学研究项目“大数据环境下管理科学专业人才培养模式研究”（2019jyxm0074）；安徽大学中华优秀传统文化教育教学研究项目“中华优秀传统文化融入《服务营销》教学的途径和方法”；安徽大学2022年度校级质量工程项目“线上线下混合式课程《服务营销》”（2022xjzlgc237）

作者简介：肖志雄（1974- ），男，湖北天门人，安徽大学管理学院副教授，博士，研究方向为人才培养与课程思政。