数字化转型背景下金融大数据人才培养生态体系研究

赵鑫 潘芳侠

［摘           要］  随着云计算、人工智能、物联网技术、区块链等大数据和信息技术手段的运用，以数据为核心的生产要素、以数字技术为驱动力的新兴生产方式受到了广泛关注，数字化发展也为金融大数据人才培养生态体系构建带来了全新的契机。从金融大数据人才培养的现状及存在的问题出发，对如何有效地建立金融大数据人才培养生态体系进行了探讨，以促进社会发展数字化转型目标的实现。

［关    键   词］  数字化转型；金融大数据；人才培养；生态体系

［中图分类号］  G645                   ［文献标志码］  A                   ［文章编号］  2096-0603（2023）16-0０89-04

为贯彻《金融科技发展规划（2022—2025年）》，金融机构研究制定数字化转型发展战略，将金融大数据的价值创造和挖掘潜能赋能金融科技的业务发展。在“立柱架梁”的基础上推动“积厚成势”。在推进实施金融大数据进程中，数字化转型可通过数字驱动、价值创造、技术高级化的工作思路促进金融行业大数据形式高效运行，实现对金融行业的一站式信息采集、存储、分析、服务与管理、数据处理、数据资产管理等一系列服务。对此，2021年11月，工信部发布了《“十四五”大数据产业发展规划》，要求通过数据创新驱动管理和模式的创新，促进金融科技的发展。2022年11月，人民银行、发展改革委、科技部等8个部门共同发布了《上海市、南京市、杭州市、合肥市、嘉兴市建设科创金融改革试验区总体方案》，其目的是引导金融机构利用数据挖掘和机器学习技术提高风险管理能力，从而提升风险识别和处置的准确性和及时性。对于金融机构而言，加速数字化转型既有利于其实现科技治理转型，又是其提质增效、占据数字金融发展高地的重要举措。同时，数字化转型背景下金融大数据人才培养生态体系亟待新的发展和创新。

数字化转型背景下数字产业发展迅猛，对于金融行业来说既是机遇又是挑战。在传统的金融领域，大数据和人工智能等技术已得到一定程度的运用，并且有进一步纵深推进和深度融合的趋势，企业既有推进大数据精算、完善统计模型构建、创新数字金融服务的迫切需要，又面临数字化风险管理等人才缺失的难题。对于金融科技公司来说，顺应时代发展趋势、积极创新人才培养模式和提高人才数据技术的应用能力尤为重要[1]。因此，党的二十大提出需加快实施创新驱动发展战略，利用我国企业内部产学研融合，从而提高科技成果转化和产业化水平。强化企业科技人才培养与数据技术创新主体地位，创造良好的市场创新环境，推动创新链、产业链、资金链、人才链深度融合。将传统的金融学专业和大数据分析有机结合，使金融学专业向金融科技和智能化方向发展，是强化应用型人才培养和建设良好的金融大数据人才培养体系的重要举措[2]。

金融大数据人才培养受到学术界的广泛关注。对于如何更好地培养大数据型科技人才，学者们提出了大数据背景下金融大数据人才培养体系是由国家政策、行业环境、企业规划以及教育机制等多个主体协同下，经济发展、行业需求、未来发展方向等共同构建，从而创造了金融大数据人才培养生态体系[3]。国家政策层面，需调节大数据金融市场现状，采取资金与政策支持偏向型政策[4]。行业层面，王素贞认为金融业具备良好的大数据应用基础条件的同时也拥有充分的大数据技术支撑，大数据对金融更具有针对性，所以金融行业领域中人才培养的重要性凸显，是抓住这一机遇关键所在[5]。企业应加大科技人才培养与引进的力度，践行党的二十大中人才是第一资源的理念，积极建设科技人才队伍与健全金融科技人才激励机制[6]。而要建成金融大数据人才培养生态体系，金融人才培养即将面临的不仅是观念的改变，更可能是系统的范式变迁，教育教学改革是推动人才培养体系转型的基础与核心[7]。根据已有文献，周丹和赵莉娜[8]从理论基础研究、人才培养机制目标、课程内容结构体系和线上线下混合教学模式等方面改革与创新互联网金融方向的课程设置与人才培养；欧阳梦缇[9]结合数字化转型下金融大数据人才需求和现状，从学科交叉的角度探讨金融大数据人才培养，提出创新的培养生态体系的路径。

基于上述研究，本研究结合数字化转型背景下金融大数据人才的需求及现状，进一步从学科交叉的角度深入探讨金融大数据人才培养，并提出金融大数据人才培养生态体系的创新路径。

一、数字化转型背景下金融大数据人才需求及培养现状

金融大数据是将大数据的技术和方法应用于金融领域，如銀行、保险、证券等行业，借助大数据对关注客户进行深入了解和分析，多方面提升风险管理能力。传统的金融学专业发展较为完善，然而数字化转型背景下各类信息快速更迭，大量化、快速化、多样化、价值化是其主要特征，我国传统金融业逐渐向信息化转型，对互联网信息技术依赖性较强。这对金融大数据专业人才提出了更高的要求，熟练掌握金融理论传统要求已经不能满足当前大数据时代的要求，还应该灵活应用大数据技术，重视创新技术以及实践能力。这就高校需要强化人才教育，在金融大数据培养过程中深化产教融合，探索科学的人才培养方式，加强师资队伍建设，整合各方教学资源，重视教学与实践相结合，依据现代化社会需求创新人才培养方案。

据调研数据可知，当今人工智能人才与大数据人才在全球范围内出现严重人才荒，各国已将大数据发展技术上升到国家核心竞争力的战略地位，作为人口大国的中国大数据人才缺口高达150万[5]。我国高校毕业生数量逐年递增，但2016年教育部才设立“数据科学与大数据”本科新专业，2020年才开始有毕业生，大数据人才仍处于初步阶段，高校实现“数字化转型式”教育亟须实施。目前，金融行业人才培养体系仍存在传统课程体系无法满足行业需求、高校课程设置与社会脱节、师资力量不强、企业与高校合作意识不强等阻碍金融行业与数字化转型结合的因素[10]，需与其他学科交叉，针对社会人才需求，有针对性建设金融大数据人才培养生态体系。

（一）熟练掌握大数据和金融学专业知识，具备知识更新的能力

根据教育部2021年公布的数据，2016—2020年全国共有614所高校新增数据科学和大数据技术这一专业，占高校总数近1/5，传统课程内容与教学方式无法满足快节奏的数字金融市场的要求，必须加快改革，增加互联网金融及大数据分析课程。且新增的大数据相关专业多与交通、生物医药、采矿、金融等专业交叉融合，旨在培养大数据与其他专业的复合型人才。与此同时，企业对大数据高端人才和复合型人才的需求度较高。根据中国信息协会大数据分会发布的《2021—2022中国大数据产业发展报告》显示，大数据人才需求岗位前十的需求度为31.1%～68.9%，岗位涉及数据分析师、机器学习工程师、数据挖掘分析师等。且银行可通过大数据平台了解客户，对客户进行聚类分析、高效管理，从而借助大数据有效识别优质客户以及潜在的客户。金融大数据化带来便利的同时也存在营销管理、风险管理等挑战，意味着需要高技术人员根据大数据带来的信息做出适合不同顾客的产品营销决策，确保金融大数据平台安全、有序运营。

因此，数字化转型背景下的信息、知识更新快，传统金融学中的相关概念和对人才培养的专业技能要求也在发生深刻变化。因此，面对庞大复杂的金融数据，金融大数据专业人才不仅要熟练掌握传统的金融学知识，更要具备知识快速更新的能力，将传统的金融相关概念与新的大数据分析技术的优势结合起来，不断完善知识体系，以适应数字化转型的发展趋势。

（二）丰富专业知识结构，提高金融大数据的分析能力

在数字化转型背景下，金融领域相关人才必须能够敏捷地选取合适的大数据分析方法来解决实际问题。金融大数据人才应同时具备理论知识和实践能力，具体体现在以下方面：（1）伦理道德与风险防范能力。由于金融的货币性与大数据的公开性，科技伦理道德是衡量数字金融人才的重要尺度。坚持守正创新的工作理念，规范智能算法金融的规则底线，做好个人金融信息保护，保持客观、公正的信息安全判断与保障业务技术。能够智能化评估金融风险、辨别交易诈骗、准确有效营销，通过AI智能对金融大数据进行分析，从而挖掘具有行业价值的有效信息，使人工智能、大数据成为推动金融发展的有力工具。（2）扎实的数理基础和大数据挖掘、分析技术能力。数据分析的本质在于处理数字问题，在此过程中遇到的模型、方法等问题归根结底是数学问题，因此，加强、巩固数学知识很有必要。除此之外，针对研究问题梳理研究结果时，要能够对结果进行图表展示，简明扼要地表达复杂的结論并进行客观的解释，这就要求学生牢牢掌握各类数据分析方法。（3）熟练运用各类计算机科学技术。数字化转型背景下的数据类型更加丰富，不仅包含结构化数据，更涵盖了非结构化数据、半结构化数据、异构数据等不同数据类型[11]。大数据要求使用者能够有效地记录、存储相关数据信息，并熟练地运用相关技术快速挖掘、提取有效信息，以做出高效的科学预测与决策。这就要求高校培养的人才较好地掌握数据挖掘、云计算等数据计算方式；针对海量的金融数据分析结果，除了掌握基本的图表展示方法外，还能够进行大数据可视化分析，拓展“大数据+金融”的应用场景[12]。（4）富有持续创新精神和刻苦钻研能力，多学科能力综合利用。大数据金融是互联网应用下的产物，互联网金融时代意味着自然科学与社会实践将会协调发展。大数据金融与经济相互融合并相互促进，打破常规金融时空限制，给人们生活与社会经济带来质的突破。因此，传统墨守成规的教育方式已经不符合大数据背景下的金融行业，而是要敢于打破常规，具备多种学科综合利用能力与积极创新精神，能够将金融与大数据分析、统计学、数学、社会学等融合，这是大数据金融对金融行业从业者所具备素质的核心要求。

（三）优化教师资源配置，完善交叉学科课程体系

近些年，各大院校持续扩招研究生，根据教育部发布的《全国教育发展统计公报》显示，2020年博士毕业生6.62万人，2021年博士毕业生7.2万人，大部分博士生毕业后进入高校成为青年教师。但是，由于青年教师缺乏教学经验，很容易因循守旧，模仿传统的教学方式。“填鸭式”的教学导致学生听课效果较差，积极性、主动性不足。金融学专任教师多以金融类专业毕业的博士生为主，缺少大数据相关知识和技能的专业培训。除此之外，我国高校学生数量众多，但普遍存在专业定位以及对接社会岗位方向不明确的问题。理论研究阶段的人才培养应当与金融业应用型人才培养方式对接，以满足金融市场为培养目标设计培养方案。对于应用性学科，脱离实践的教学是本末倒置。所以，学校与教师应侧重于理论落实带实践应用。教学方式以引导学生自主参与为主，教师理论疏导为辅，重点培养学生解决问题和应用实践的创新能力。

数字化时代对金融学师资队伍提出了新要求。本专业教师不仅需要金融学人才，还需要具备统计学、大数据和计算机科学专业知识的专任教师，从而为师资队伍融入新鲜血液，努力打造本领强、质量高的创新型人才培养队伍。随着大数据的广泛应用，金融大数据专业有必要开设大数据分析的相关课程。这就要求高校不能沿袭陈旧的教学方案，不能使课堂知识与时代的新要求脱节，应努力提高人才培养与社会要求的匹配度。同时要拓宽课程设置范围，完善数据库语言、计算机科学等交叉学科的课程体系，激发学生的交叉学科思维和行为发展。

二、数字化转型背景下金融大数据人才培养体系构建对策

线上教学与线上经济应用引起了对金融数字化转型的思考，大数据已经在市场站稳脚跟，各行业大数据化是大势所趋，想要在互联网时代生存并壮大，金融应用型人才培养要体现出教学理念的前沿性，体现大数据时代产学研融合的实战性。遵循“融业务素质与理论知识为一体、融知识传授与应用能力培养为一体、融教学实践与科研活动为一体”的培养模式与教育创新思路，培养具有知识、能力和素质有机结合与符合社会业务需求的复合型金融大数据人才。针对当前金融大数据人才培养的挑战，亟待构建科学、合理的金融大数据人才培养体系以辅助企业和学校更好地实现金融大数据人才培养的目标。本文从以下三个方面提出数字化转型背景下金融大数据人才培养体系的构建对策。

（一）以金融大数据复合型人才培养为目标，培养实践型的大数据人才

实施“主干课程+选修课+辅修课程+拓展性课程”的基本路线，采用基于实践的训练方法来帮助学生理解金融大数据分析并应用于实践中。突出基础、强调发展，强化学生的基础地位，体现时代要求，体现国家战略需求。加强对课程内容和教材体系结构的改革，注重基础理论与应用性知识的有机结合，构建新型教学体系。（1）夯实基础理论教育，扎实金融、数学专业基础教育。（2）构建金融大数据复合型人才培养课程体系，充分发挥学科建设在人才培养中的基础作用。积极开展特色鲜明的互联网金融、区块链与金融应用等前沿专业核心课程。（3）改进课堂教学组织形式，增设数据挖掘相关软件培训课程。以实验室、论坛和竞赛等不同的形式来进行大数据人才培养，积极推进启发式和实践式等教学方法在高等教育中的应用。（4）加强校企合作，强化创新实践训练。依托金融机构、高新技术企业、大数据交易所等企业资源优势开展课程设计与实践活动，提高课程的实践性。在教学内容中增加社会调查、市场调研、政策分析等方面的内容，使学生能够适应未来社会发展趋势，提高学生解决实际问题的能力。

（二）组建领域专家团队，形成金融大数据人才网络

（1）设立首席专家团队。发挥国内一流大学的引领带动作用，聘请在科技金融领域有突出贡献的行业龙头企业、领军人才担任首席专家团队成员，鼓励国内外知名高校和科研机构的专家教授参与课程开发建设研究，打造金融大数据核心技能。（2）搭建产学研协同平台，充实金融大数据创新与应用领域人才数据库。吸引科研机构、行业企业深度参与人才培养，鼓励各高校与证券投资、大数据交易所等机构合作，选拔、引进一批具有金融、大数据研究等相关专业背景、创新研究能力强的青年教师，并对其进行必要的激励，为金融大数据技能培养与金融创新实践搭建起信息沟通的桥梁。同时，政府强化对大数据金融人才培养生态体系形成的政策与资金支持，推动建立各城市金融大数据转型人才评价体系，鼓励金融行业高科技人才更新知识体系。（3）完善“传帮带”措施，为人才队伍规范化建设提供制度保障。组建履职尽责的专业教师队伍的同时，在培养青年教师方面开展有益探索，鼓励教师主动适应高等教育大数据化转型发展需要，理解大数据支持下的教学决策文化，清楚认识到互联网时代下社会人才需求变化对自己教学方式与专业发展提出的严峻挑战。例如，通过“老带新”的方式，帮助新晋教师解决环境融入、教学经验不足等问题；对承担省部级及以上课题的科研院所优秀青年教师，可优先获得首席专家团队指导，确保人才队伍建设获得进步。

（三）构建金融大数据复合型人才培养模式评价体系，促进金融大数据人才培养体系的可持续发展

（1）加强人才评价。健全金融大数据复合型人才档案管理制度，开展专业技术人才评价工作，以本科教育为基础，建立一支由高级职称、博士、硕士组成的高层次人才队伍。跳出增减课程的传统模式，从培养目标、培养标准、培养过程等方面综合评价人才培养体系的科学性与可行性。（2）实行人才分类培养制度。根据我国经济社会发展以及互联网现代化的需要，根据人才培养目标有针对性地确定培养方案及方向，在亟须金融大数据的时代做到人才培养不走弯路。通过科学的考核手段，对优秀人才实行分级分类选拔，逐步形成适应不同层次需要的人才队伍结构和素质结构。有选择地储备从事金融业的能力和资质，重点培养创新能力、分析能力和解决问题能力的綜合素质。（3）大力发展人才服务机构。在政府部门宏观指导下，加快人才服务机构发展速度，促进金融大数据复合型人才社会化转型，促进大数据人才培养体系的可持续发展。同时，政府部门可按照企业引进人才的实际比例给予相应的资金扶持或政策优惠，以此进一步加大企业引进专业计算机人才、高级经济金融管理人才的力度，进而增强企业参与经济金融管理体系构建与完善的积极性。政府作为行业发展的引导者，其职能作用的充分发挥有利于提高企业对大数据技术应用、经济金融监管的重视程度，可为经济金融管理体系的科学构建提供有力支持。

参考文献：

［1］江依.基于学科立体交叉的金融学专业复合型人才培养模式研究［J］.经济研究导刊，2020（9）：158-159.

［2］李金昌.大数据与统计新思维［J］.统计研究，2014，31（1）：10-17.

［3］奚望园，侯菡萏，刘明刚.产教融合下金融大数据人才培养生态体系研究［J］.金融理论与教学，2021（2）：109-112.

［4］庞加兰，李村璞，王新霞.大数据时代应用型金融人才培养模式的研究［J］.陕西教育（高教），2016（8）：18-20.

［5］王素贞，忽丽莎，孙洁丽.大数据卓越人才培养模式研究与实践：基于“新财经”视角以金融大数据案例教学应用方向为例［J］.河北经贸大学学报（综合版），2020，20（4）：79-83.

［6］胡一翔.优化大中型国有企业科技人才培养模式研究［J］.企业改革与管理，2023（5）：77-78.

［7］孙维峰.大数据背景下金融工程专业人才培养模式改革研究［J］.大学教育，2021，134（8）：128-131.

［8］［11］周丹，赵莉娜.大数据分析在金融类专业课程中的案例教学研究［J］.特区经济，2022（7）：118-121.

［9］欧阳梦缇.大数据时代应用型金融人才培养模式及实践研究［J］.中国产经，2022（6）：58-59.

［10］刘燕.产教融合下金融大数据人才培养生态体系研究［J］.中国产经，2023（2）：45-47.

［12］祝丹，陈立双.大数据驱动下统计学人才培养模式研究［J］.统计与信息论坛，2016，31（12）：102-107.

◎编辑 栗国花