“管工结合”模式下管理类人才数据治理技能培养的实践探索

叶忠明 赵璐

摘  要：“管工结合”是针对管理类专业人才培养，采用的“管理+机械工程+数智工程+航空工程”特色办学模式，分为“管理+机械工程”“管理+数智工程”“管理+航空工程”三个模块加以实施。其中，“管理+数智工程”模块用来培养具备数据治理和智能管理技能的人才。数字治理技能包括数据形态的认知技能、数据存在的获取技能、数据效用的甄别技能、数据归类的整合技能、数据加工的处理技能、数据输出的表达技能、数据关联的验证技能、数据安全的控制技能、数据系统地构建技能九个方面，这些技能需要在管理类人才培养全过程中加以训练和养成。

关键词：管工结合；数字化；管理技能

Abstract： 'Combination of management and engineering' is the characteristic school-running mode of 'management + mechanical engineering + mathematical intelligence engineering + aeronautical engineering' for the cultivation of management professionals. It is divided into three modules： 'Management + Mechanical engineering'， 'Management + Digital and Intelligent engineering ' and 'Management + Aeronautical engineering'. Among them， 'Management + Digital and Intelligent engineering' module is used to develop talents with digital governance and intelligent management skills. Data governance skills include cognitive skills in the form of data， data access skills screening， and utility of the data， data classification of the integration of skills， the processing of data processing， data output expression skills， data correlation validation， data security control， data system construction of nine aspects， These skills need to be trained and cultivated in the whole process of management personnel training.

Keywords： Combination of management and engineering; Digital; Management skills

1978年，郑州航空工业管理学院（以下简称“郑州航院”或“该校”）对当时的国有工业企业财务会计、工业企业计划统计、工业企业物资管理和工业企业档案管理四个管理类专业就采取了“经济+技术”的培养模式。1998年，该校确立了“管理+机械工程”的“管工结合”人才培养模式，充分融合了学校传统优势积淀、现代科学技术发展、国家经济社会建设行动纲领等多种元素，形成个性化、差异化的办学特色。[1]先后在两次教育部开展的本科教学评估工作中得到了专家的认可，以及得到航空制造业等央企用人单位的好评。

此后，郑州航院开始探索和实践“管理+机械工程+数智工程+航空工程”的“三工融入一管”的“管工结合”新型人才培养模式，[2]优化和改进了管理类专业从人才培养的目标定位、培养规格、课程体系、实践教学、创新创业、社会调查等一系列方案。其中，经过长期以来实践积累和优化更迭的“管理+数智工程”培养模块已经相对成熟，为培养具有数据治理技能的复合型管理人才提供坚实模式保障。

1 管理类人才数据治理技能的培养背景

1.1 适应新文科教育发展的需要。2021年中国数字经济规模达到了45.5万亿元，占GDP比重的39.8%，已经形成横向联动、纵向贯通的数字经济战略体系。[3]党的十九届五中全会确立了“发展数字经济、建设数字中国”这一宏伟目标，确立了我国发展数字经济产业化、数字经济智能化、数字经济规范化和数字经济国际化的新航向。[4]

与此同时，我国的智能制造已经从数字化制造时代步入到“互联网＋”制造阶段，现在正在向数字化智能制造时代迈进，[5]但是在贯彻落实《中国制造2025》战略过程中，遇到了急需精通制造业经营管理人才、工程技术人才、高技能人才的制约瓶颈。[6]也就是说，数字化和智能化经济时代向高等教育人才培养提出了自我超越和自我创新的新挑战，特别是新文科建设背景下培养卓越拔尖经济管理人才培养也迎来变革的必然。

1.2 探索避免同质化人才培养的个性办学之路。截至2021年年底，全国已经开设管理类本科专业的高校分别是：会计学655家、财务管理715家、审计学192家、工商管理486家、人力资源管理334家、图书馆学10家、档案学20家，已经开设硕士管理类专业的高校分别是：工商管理281家、会计292家、工程管理154家、公共管理223家、圖书情报51家以及经济学类的审计49家（数据来源于“大学生必备网”，以上数据与实际情况可能存在个别误差）。上述培养人才“同质化”和高校众多的局面，对于郑州航院这类学科基础较弱或专业影响力小的“双非”高校而言，需要充分利用所处行业优势，探索并走出一条特色办学之路。

2 管理类人才数据治理技能的培养定位

“管工结合”模式就是面向制造业培养具备经济、管理、工程技术等多学科专业知识和技能复合型专门应用人才的一种办学模式。郑州航院“管工结合”培养模式分解为“管理+机械工程”“管理+数智工程”和“管理+航空工程”三个模块。其中的“管理+数智工程”模块就是用来解决培养具备数据治理技能和智能管理技能问题。本文主要总结并探讨其中的数据治理技能培养问题，其数据治理技能的人才培养定位包括服务面向和培养目标两个方面。

2.1 服务面向的定位。服务面向定位是指学校确定的在履行人才培养、科学研究、社会服务和文化传承等基本职能过程中，向社会提供服务的受益范围。高校服务面向是一种战略性、全局性、综合性的定位，对学校发展、学科特色、学科方向、研究领域、团队建设、人才培养、社会合作以及资源投入等各方面具有约束性和指导性的作用。服务面向的定位包括好服务的受益空间范围、行业范围和岗位类型等三个方面内容。郑州航院的服务面向定位可以概括为：立足河南，面向航空；重点是面向航空等高端制造业、航空运输业、通用航空产业和航空经济区；主要面向生产管理第一线。

2.2 培养目标的定位。为适应社会经济不断发展的实际需要，高等学校需要依据国家发展高等教育的目的，结合自身从事高等教育的类型、性质和任务，对培养目标进行评估、调整、优化。[7]培养目标中涉及的要素很多，包括：培养人才的价值观、历史观和人生观，也包括职业精神、知识结构、专业能力、综合素质的要求。如工商管理类专业的人才培养目标是培养具有社会主义核心价值观、人文底蕴、职业素养和航空使命感，适应经济建设需要，嵌入高端制造流程与生产工艺，把握大数据与智能化技术带来海量数据处理、智能分析与决策、生产组织等新型管理业务和复杂管理业务特征，具备深厚的商业思维和扎实的管理类专业知识，掌握数字治理技术，具有国际视野的跨学科应用型、复合型、创新型管理应用人才。在此基础上，设定了管理类人才的业务操作能力、管理沟通能力、业务创新能力、职业发展能力和管理职业素养等具体培养目标。[8]

3 管理类人才数据治理技能的具体构成

根据“管工结合”人才培养目标，可在“管理+数智工程”模块下，对培养人才应具备的数据治理技能进行细分。

3.1 数据形态的认知技能。数据形态的认知技能是具备可以正确对数据结构、来源、形态、特征、关系等进行识别和分析的能力，这是开展大数据管理类专业实务工作的前提条件。

数据形态的认知技能要求管理人员不仅能够从整个社会网络系统中直观地分辨和识别出各种数据表现出来的物理结构、视觉形态、个性特征、逻辑关系、规模体量、所处时期等等各种形态方式，更重要的是能够做到分辨和识别数据来源的人机差别、数据加工的方法差别、数据运用的层次差别、数据效应的正负差别等。

3.2 数据存在的获取技能。数据存在的获取技能是指发现、获取分布在不同空间、不同时间数据信息的能力。

通常采集大数据的方式主要有通过系统日志采集所需数据和通过网络爬虫或网站公开API方式进行数据采集两种。前者使用的专门工具如Hadoop的Chukwa、Apache Flume和Facebook的Scribe、Linkedln的Kfaka等；后者使用的工具如Octoparse、80legs、Parsehub、Visual Scraper、WebHarvey、Webcollertor、Webmagic等。管理人员要想具备海量数据的获取技能，必须熟练掌握、自如应用上述工具。[9]

3.3 数据效用的甄别技能。数据效用的甄别能力是指要求管理人员具备能够快速对数据的有效程度进行评价、取舍和选择的能力，提取和保留那些高效用、高质量和高价值的数据，放弃那些无关、无效或重复的数据，为下一步对数据的重新分类和整理组合奠定基础。

数据效用的甄别能力包括检验数据的真伪、测试数据的功能、评价数据的质量、选择数据的价值。其中，关键评价数据的质量，即从数据的数据规模、效用价值等方面综合考虑量、分析、评定数据的质量，通常需要针对数据的充分性、相关性、可信度、证明力等因素开展评价。

3.4 数据归类的整合技能。数据归类的整合技能是指管理人员根据已采集数据的效用，能够准确按照数据的某种属性或特征加以整理、组合，把数据归入到正确的管理环节中加以利用处理，形成直接可用的数据类别。

对数据进行科学分类和整合，首先是要充分了解数据的产生规律，熟悉大数据的产生条件、应用场景、产生过程和结果形态，包括要非常清晰地了解各行各业对大数据进行处理、分析的应用原理，否则无法整合、归集这些不同领域、不同形态的数据，这是对数据效用进行分类的基础能力和条件；其次是具备对数据的两种分类能力，包括按数据属性或特征进行分类和按管理类专业属性对数据进行再分类。

上述两种数据分类整合的技能缺一不可，如果不具备第一重分类技能则无法有效发现和找到所需的原始数据，不具备第二种分类技能则无法进行专业化的处理。

3.5 数据加工的处理技能。对管理人员而言，要求具备进行数据加工处理的技能通常包括利用管理信息系统对各类数据进行加工和对网络大数据进行加工处理两个方面。

前者是基础性能力，后者则是竞争性能力。竞争性能力包括数据清洗、知识发现、数据交换等方面的能力。

3.6 数据输出的表达技能。数据输出的表达技能是管理人员能够专业标准使用专业语言清晰、准确、简洁地描述结果数据，供后续环节管理人员和外部利益相关者进行阅读使用的能力。数据输出的表达能力包括精确对接不同业务的定向表达、术语表达、咨询表达、前瞻表达、实时表达、多维表达、决策表达等多各方面。

3.7 数据关联的验证技能。数据关联的验证技能是指管理人员具备对不同渠道、不同环节、不同效用、不同形态和不同领域数据之间的逻辑关系进行验证、分析的能力。这是一种利用大数据的综合分析能力，管理人员在采集、处理、分析、决策过程中都要反复使用到这一验证能力，对数据关联的验证技能反映了管理人员可以有效利用大数据的程度。验证数据之间的关联关系，主要包括但不限于以下几个方面：验证数据之间的构成关系、聚合关系、種属关系、主从关系、因果关系、真伪关系、遵循关系、趋势关系等。作为一个管理人员，不仅要擅长以上八中关系的验证，更要具备能够同时组合验证其中某项或多项关系的能力，这完全取决于管理人员的思维高度、视野宽度、逻辑方式和前瞻性判断等综合水平的养成，取决于管理人员将本专业与其他学科专业、国际国内政治经济环境进行融合分析的综合利用能力。

3.8 数据安全的控制技能。数据安全的控制技能是指管理人员能够通过一定的方式方法保证对数据操作不受破坏或侵犯，确保数据安全完整、真实可靠的能力。主要包括掌握和运用管理信息系统的数据安全性控制功能、网络数据安全控制策略与工具、数据传播管理政策以及数据传播风险识别和舆情预警处置能力等。

3.9 数据系统的构建技能。这是对管理类专业学生要求的一项高级数据工程技能，即根据存在方式、状态特征、采集要求、体量规模、加工过程、输出结构、用途去向和变化发展等因素，建立管理数据处理与利用需求逻辑模型，指导程序设计并形成数据处理工具。简单地说，管理人员需要具备对管理信息系统的用户需求进行设计、开发和描述的能力。

经过创新性探索和实践积累，郑州航院管理类专业的课程、教材、师资队伍建设和人才培养等教育教学成效显著，档案学和审计学等多个专业获批国家级一流本科专业立项建设。其中，审计学、档案学专业的毕业生已经成为我国航空工业该领域专业队伍的重要生力军，为保障我国航空工业企业经营管理的合规、有序、高效运行发挥了重要作用。

*基金项目：本文系河南省教育教学改革与实践重点项目“工商管理类专业一流本科人才‘管工结合培养模式研究”（编号：2021SJGLX228）、河南省2022年省级教学名师工作室建设（审计学“管工结合”特色教学名师工作室）、河南省本科高校大学生校外实践教育基地建设项目（“郑州航空工业管理学院-立信会计师事务所‘管工结合实践教育基地”）、河南省2022年本科高校课程思政项目《财务审计学》样板课程、郑州航空工业管理学院教育教学改革研究与实践项目“混合式教学模式下课程考核改革研究——以《审计学》课程为例”的阶段性研究成果，以及郑州航院会计学、审计学、财务管理、人力资源管理、档案学五个国家级一流本科专业立项建设的阶段成果。

参考文献：

[1]颜敏，周会娟，马少兵.“管工结合”型普通高校卓越计划培养方案分类建设探索[j].郑州航空工业管理学院学报，2013（10）：166-170.

[2]叶忠明.论审计学专业“管工结合”人才培养的特色档案建设[j].档案管理，2020（05）：60-63.

[3]中国信息通信研究院.全球数字经济白皮书——疫情冲击下的复苏新曙光[eb/ol].http：//www.caict.ac.cn/，2022-07.

[4]李弦，吴姗.发展数字经济的新航向[eb/ol].http：//www.cssn.cn/，2020-12-20.

[5]臧冀原，王柏村，孟柳，等.智能制造的三个基本范式：从数字化制造、“互联网+”制造到新一代智能制造[j]中国工程科学，2018（04）：13-18.

[6]薛栋.智能制造數字化人才分类体系及其标准研究——美国dmdii的数字人才框架启示[j].江苏高教，2021（03）：68-75.

[7]杨显贵，张昌民，刘绍平.中央与地方共建高校服务面向定位的探索[j].中国高教研究，2007（09）：54-55.

[8]叶忠明，杨华领.面向高端制造业的审计学本科专业“管工结合”人才培养模式[j].理财，2021（08）：21-24.

[9]周涛，陆惠玲.数据挖掘中聚类算法研究进展[j].计算机工程与应用，2012，48（12）：100-111.

（作者单位：郑州航空工业管理学院  叶忠明，教授，硕士生导师；赵璐，硕士，副教授  来稿日期：2022-10-15）