新文科建设中数据科学与管理类专业融合课程群建设研究

于海英,赵俊岚

(内蒙古财经大学 计算机信息管理学院,内蒙古 呼和浩特 010070)

一、引言

2019年,工业和信息化部等13个部门联合启动“六卓越一拔尖”计划2.0,全面推进“四新”建设,引导高校全面优化专业结构,深化专业综合改革,提升高校服务经济社会发展能力。其中,新文科建设主要是以新科技革命、新经济发展为背景,适应新时代哲学社会科学发展的新要求,推进哲学社会科学与新一轮科技革命和产业变革交叉融合,推动传统文科的升级改造,实现文科与理工科专业的交叉融合,改革和重构文科人才培养的教育理念、目标定位、学科专业结构、培养模式等。新文科建设成为新时代文科类专业发展的重要途径,是提升文科类专业学生培养水平和促进就业能力的重要手段。

黄有方在研究和借鉴了哈佛大学、山东大学等国内外高校新文科建设实践经验基础上,探讨了管理学领域新文科建设的原则,并为各高校管理类专业的新文科创新探索在规划与调整专业布局、改革课程体系与教学方式、强化实践与创新能力培养、调整专业质量评价体系等方面提供了宏观性地指导建议[1]。刘宇从各大招聘网站采集截止到2021年10月的21695条管理类岗位招聘信息,通过对从业人员素质能力要求、工作经验要求、需求岗位层次、专业岗位素质能力要求等多个角度进行分析,确定了行业对从业人员的职业能力指标和专业能力指标要求。为了使所培养的学生达到指标要求,提出了打破传统相对固定的专业课程体系,搭建管理类专业“互选互融”的柔性课程集群体系,提高管理类专业共性课程占比,培养复合型管理人才,提高管理人才的职业转化率[2]。但如果仅仅是管理类专业在传统课程基础上的交叉融合,并不能显著增强该类专业学生适应新科技革命和新经济发展下的管理岗位工作需求,因此在新文科建设的背景下,需要对原有专业的专业设置和课程体系进行改革,在管理类课程体系中融合工科专业课程,利用工科课程为管理类专业进行技术赋能,强化学生实践操作技能的培养,提升学生的职业实践能力。

大数据时代,数据呈爆炸式增长,越来越多的研究和决策建立在海量、复杂的数据基础之上,各行各业都在利用数据来挖掘其竞争优势。黄如花提出了数据科学素养是新时代大学生必备的基本素养,而数据科学素养主要是贯穿于数据生命全周期的数据采集、表示、描述、发现与检索、选择与评价、分析、利用、引用、整合、复用、保存、管理等一系列活动所需的技能,并论证了数据素养的培养方法[3]。数据科学类课程的学习是数据科学素养培养的主要方式,朝乐门等提出了数据科学课程建设中的核心问题及解决方案[4]。黎海波和谢建民通过调研统计中南大学、复旦大学等相关高校所开设的与大数据相关的课程,经开设有大数据专业的高校和企业专家评定数据科学涉及的由思维和理论、方法和工具、案例和实践三个部分构成的16门课程[5]。经文献查阅发现,少有学者从以数据科学类课程融入管理类课程体系角度,实现对传统管理类专业进行升级改造的新文科建设思路进行深入研究。因此本文着重探讨在新文科建设背景下,增设新型管理类专业的同时,提出“管理+”的建设思维,从专业、课程、模式角度出发,推动传统管理类专业更新升级,利用数据科学技术赋能管理学知识,促进管理学科与新文科建设同步、同向、同行,探究应用型管理类专业人才培养机制和课程体系建设。

二、新文科建设背景下管理学人才培养模式改革的必要性

管理学是研究管理规律、探讨管理方法、建构管理模式、取得最大管理效益的学科[6]。自从1983年在我国高校设立有关管理学的专业以来,经过40年的发展,为我国各党政机关、企事业单位、社会团体,文教、体育、卫生、环保等行业,国土、城建、农林等领域培养和输送了大批管理人才。但是在新一轮科技革命和产业变革的背景下,传统管理类专业的专业设置和人才培养模式已经不能满足社会发展需求,导致管理类专业招生和就业困难,每年都有大批高校的管理类专业被撤销。

(一)管理类专业人才培养要适应新一轮科技革命的要求

大数据、人工智能等新一代信息技术的应用,加快了国家数字经济的前进步伐,新科技深刻影响了管理学的理念、模式、价值、传播、共享、评判、效率等[1],使企业和组织的管理理念、运营方式发生了巨大变革。在此背景下,如何在管理活动中正确地把握和应用新科技,使新科技为管理赋能,引领管理创新,提高管理水平。在新文科建设背景下,管理类专业建设需要改变思路,从人才培养模式和教育组织形式上进行变革。

(二)管理类专业人才培养要适应产业变革的要求

新一轮科技革命突飞猛进,新技术层见叠出,大数据、云原生、人工智能等技术与实体经济加速融合,引发了新一轮的产业革命,产业革命加速了商业模式的创新,导致人才需求也在不断地更新迭代。新文科建设需要拥抱新科技,充分发挥科技创新驱动作用,运用管理学的战略思维,加快推进产业链和科技链的深层次融合。产业变革需要更多的创新型人才,特别是能够把握市场机遇、能够将融合了新技术的商业模式推向市场并获取市场价值、具有创新意识和能力的实用型管理类人才,推动产业结构升级的技术创新、管理创新、市场创新、商业模式创新。

三、升级改造传统管理类专业的必要性

目前,我国高校管理类专业种类数占文科专业种类数的17.8%,管理类专业本科在校生数占文科在校生总数的33.9%,在校生总数占比和平均在校生总数均为文科各门类专业中最高[1]。

但是,根据教育部通报的2021年普通高等学校本科专业备案和审批结果,2021年高校被撤销的专业中,除了工学撤销专业最多达701个外,其次就是管理类专业达394个,管理类专业中涉及学校数量最多的专业是信息管理与信息系统,然后是公共事业管理,如图1所示。2017—2021年,共有2346个本科专业被撤销,涉及627个院校。这五年中每年被撤销的本科专业前十名中管理类专业的个数和被撤销管理类专业的学校总数在前十名中总数的占比,如图2所示。以2021年为例,数据分别是:3、80、188、43%。从图2可以看出自2018年始,管理类专业撤销数前十名的占比逐年上升,到2021年占43%,同时在2020、2021年中信息管理与信息系统和公共事业管理两个专业均处于被撤销的前两位,2019年处于第二第三位,且连续5年出现在撤销专业前十名名单中。说明传统管理类专业的专业设置和人才培养模式已经不适应新时期经济发展和社会需求。

图1 2021年普通高等学校本科专业被撤销情况(前十)

图2 2017—2021被撤销的本科专业前十名中管理类专业数据统计

笔者经过对内蒙古财经大学各管理类专业的专业设置和人才培养模式进行调研,结合刘宇[2]对四川省某高校管理类课程体系设置的研究,分析现有管理类专业人才培养中存在的问题。

(一)专业定位不清晰,人才培养缺乏明确的目标性

部分管理类专业属于跟风开设,未进行充分的市场需求和行业需求调研,所培养的学生与市场需求相差甚远;部分管理类专业定位不清晰,学生对专业的归属感较低,造成社会对专业的认可度和满意度低;人才培养缺乏明确的方向性(如中小企业),不能凸显专业能力和特色。

(二)人才培养的质量不能满足社会需求

课程体系设置“广而全”,学生能力培养不聚焦;理论课程占比高,学生实践操作技能得不到充分锻炼,不利于分析和解决问题能力的培养。以学科为导向,以专业为分割设置课程体系,缺乏多学科的交叉融合,不利于培养既懂管理又会技术的复合型人才,致使人才的培养不能满足新科技革命和新经济发展的需求。

面对传统管理类专业招生和就业均出现困境,进而屡屡被撤销专业的窘迫局面。近年来,随着互联网、大数据、人工智能等新一代信息技术的蓬勃发展,怎样将信息技术有效地融入管理类人才培养中,提升管理能力和水平,提高人才培养的质量,更好地服务国家发展战略,推动中国经济高质量发展,是当下中国特色管理学亟待解答的时代课题。

四、数据科学对应用型管理人才培养的支撑作用

数据科学是研究数据的产生、获取、存储、传输、处理、可视化与利用等知识的科学。从学科角度来说,数据科学横跨自然科学和社会科学两大领域,与数学、计算机科学、统计学、管理决策等学科领域紧密相关(见图3)。在数字化社会,各行各业都免不了和数据打交道,需要借助于数据分析来进行科学决策,需要掌握数据分析的理论和工具。

图3 数据科学与其他学科的联系

新一轮科技和产业革命引发了管理和管理科学的深刻变革,使管理在功能、组织、方法和理念上产生根本性变化。现代管理理论是关于持续变化的社会及其结构、市场、客户和技术等事物的自适应系统,而这些持续变化的事物需要最新最全的数据支撑,管理者需要从众多数据中筛选出关键信息,把相关维度串联起来,形成一套行之有效的管理方案。因此现代企业管理不是人际型或者技术型管理了,而是信息管理,管理者不应该站在偶然事件的角度一件一件地去解决问题,而应该从众多信息中发现事件的关联关系,把偶然事件串接成一般事件,通过数据分析将问题溯源,将相关维度抽离出来,才能找到解决方案[7]。

因此高等院校要培养适应现代管理需求的新型人才,培养管理类专业学生的数据思维,提升数据科学素养、增强学生运用信息技术手段解决专业领域问题的能力,进而达到提升学生综合能力的目的。需要在传统的管理学课程体系中融合数据科学课程,形成适应新时期创新型、应用型管理人才培养需求的数据科学课程群,实现“数据科学+专业”的培养模式,用数据科学为专业赋能,更充分体现专业特色。

五、数据科学课程群建设

依据新型管理类人才培养的特征,以新文科建设为契机,以课程为切入点,结合管理类各专业的特点对黎海波和谢建民所统计的16门课程中的每一门课程进行深入分析和论证,最后确定了由基础理论、方法和工具、案例和实践三部分所构成的数据科学课程群[5],如图4所示。基础理论由原有的数学课程和统计学课程及专业领域的基本理论课程构成,培养学生的逻辑思维和数学模型构建能力、统计分析能力及专业领域思维,为后期针对专业领域的数据分析和处理奠定理论知识基础,这一部分沿用原培养方案中的设置即可,本文不再赘述。方法和工具部分,通过Excel在经济管理中的应用课程使学生初步树立数据分析的概念并掌握在企业运营中的数据管理和分析需求及方法;通过Python语言数据分析基础和数据结构与算法分析基础课程培养学生的程序设计能力和算法分析及设计能力;数据库原理与应用课程训练学生掌握大规模数据存储和管理的技术,这一部分课程的设置为后期数据处理提供存储和分析的工具及方法。数据科学与大数据技术应用课程可利用典型案例从数据的收集、清洗、存储、分析、可视化与利用,使学生体会大数据处理的整个流程及数据分析技术对企业决策的重要性,而可视化大数据企业管理使学生把握现代企业经营管理的整个流程和可视化管理的手段,提升职业适应力。接下来重点介绍案例和实践、方法和工具两个部分中课程设置的理由及课程内容的构成。

图4 与管理类专业融合的数据科学课程群

(一)Excel在经济管理中的应用课程

课程由Excel基础知识入手,使学生掌握Excel函数在商品销售管理、企业经营管理、企业办公、税收管理、金融理财、会计业务处理中的应用,强化专业领域数据分析和处理的能力。管理类专业毕业生多数会在中小企业中就职,通过该课程的学习培养其在中小企业经济管理中根据实际应用构建数据模型、处理和分析数据的能力,提高就业竞争力[8-9]。开设学期为大一下学期,3学分,必修课。课程内容主要包括以下8个方面。

1.Excel基础知识:包括Excel工作簿与工作表的认识、公式应用与数据处理、图表应用等基础知识,使初学者能够快速掌握Excel的基本操作,为后期Excel的高级应用奠定基础。

2.Excel在数据统计与分析中的应用:学习Excel常用统计分析函数:COUNT、SUM、MAX等,条件统计函数:SUMIF、SUMIFS、AVERAGEIF等,并要求重点把握能够实现数组求和、多条件计数或求和的SUMPRODUCT函数在数据统计中的应用。

3.Excel在企业生产和经营管理中的应用:利用Excel提供的日期和时间函数可以解决产品生产周期和保修期计算、员工值班表设计、员工从入职到退休的工作周期管理、企业产品销售盈利额计算及预测等企业生产和经营管理问题。

4.Excel在市场销售中的应用:Excel提供了ROW、COLUNM、ADDRESS等引用函数和按行列、按行、按列查找函数:LOOPUP、HLOOKUP、VLOOKUP,可以解决商品进货管理、库存管理、销售管理、员工业绩管理等市场销售管理问题。

5.Excel在企业办公中的应用:结合Excel提供的字符串函数、日期时间函数,利用4中的查找函数可以解决企业中员工基本信息的管理、考勤管理和工资管理等基本办公应用。

6.Excel在税收管理中的应用:利用Excel提供的逻辑函数、条件函数、求和函数等可以实现企业税收中增值税、消费税等税率和税收的计算,掌握税务领域的业务处理方式。

7.Excel在金融理财中的应用:利用Excel提供的投资未来值函数FVSCHEDULE、年金函数PMT、本金偿还额函数PPMT、投资总期数函数NPER等可以实现投资管理,解决银行与金融理财中投资与贷款管理事务。

8.Excel在会计业务处理中的应用:利用Excel提供的SUM、SUMIF、VLOOKUP函数对总分类账原始数据实现总分类账期末余额及各类试算平衡管理,编制资产负债表及利润表;利用SLN、SYD、DDB函数可以实现固定资产折旧计算,完成会计业务处理工作。

(二)Python语言数据分析基础课程

对于企业生产经营中产生的大量运行数据进行分析可以为企业决策提供助力或方向,数据分析需要具备一定的编程能力。Python语言开发效率高,通过调用内置函数或标准库方法,可以节省大量代码的编写;它已经渗透到统计分析、科学计算、人工智能、数据采集、大数据处理等几乎所有专业和领域。Python语言的学习门槛低,但应用领域广泛,非常适合作为管理类学生的入门程序设计语言,根据管理类专业特色学习Python语言时重心放在数据分析上[10]。开设学期为大二上学期,2学分,必修课。学习内容包括以下4个方面。

1.Python语言基础:掌握Python语言的数据类型、流程控制语句、常用数据结构、内置函数等。

2.NumPy数组:NumPy是Python科学计算库,提供了大量数学函数,用于快速处理任意维度的数组和矩阵运算。主要学习NumPy数组的创建、数组的索引和切片、连接、分割、转换等操作。

3.Pandas库:Pandas是Python最核心的数据分析支持库,纳入了大量的数据分析模型和库,可以用来分析大型数据集。主要学习Series对象和DataFrame对象及其常用操作,利用这两个对象可以读写文本文件、CSV文件、EXCEL工作簿文件中的大规模数据进行分组分析、分布分析、交叉分析、相关分析等统计分析操作。

4.Matplotlib库:最流行的Python底层绘图库,利用其绘制散点图、折线图、直方图、柱状图等可视化图表。实现将利用NumPy数组、Pandas库进行数据分析的结果可视化。

(三)数据结构与算法分析基础课程

数据结构研究数据在计算机中的组织和存储方式,进而能够高效地访问和管理数据,同时掌握对现实问题进行建模的方法,并能够采用合适的算法高效地解决问题。现代管理人员要想有效地使用计算机、充分发挥计算机的性能,还必须学习和掌握数据结构与算法分析和设计的有关知识,在利用开发工具解决管理问题时需要对问题建模,根据问题模型选择合适的数据结构,然后将问题的解决转换成对特定数据结构的基本操作。开设学期为大二下学期,3学分,选修课。

常用的数据结构有线性表、栈、队列、字符串、数组、二叉树,重点是线性表和二叉树。学习数据结构与算法分析基础课程时重点把握各种数据结构在计算机中的存储表示,掌握各种数据结构上的基本运算及算法实现。各类数据结构及其算法可以使用Python语言实现。通过该课程的学习培养应用型管理人才的计算思维和创新能力。

(四)数据库原理与应用课程

现代企业生产中每天会产生大量的运营数据,利用大数据、人工智能等技术对数据进行挖掘和分析,将其结果运用于生产、管理、运营决策中,对企业发展具有重大意义。因此在通过有效的手段收集数据后,需要利用数据库技术将数据存储。数据库技术的学习涵盖了经典关系型数据库和新型数据库中非关系型数据库的学习,经典关系型数据库是基础。开设学期为大二下学期,3学分,选修课课程内容主要包括以下6个方面。

1.数据库系统概述:数据库领域的四个基本概念,数据库系统的组成和结构;

2.关系模型和关系数据库:掌握关系数据库的数据结构、关系操作和关系完整性约束;

3.结构化查询语言:能够在某个数据库管理系统下创建数据库、数据表并设置完整性约束、对数据库进行增删改查等操作;

4.数据库的安全性、恢复技术、并发控制:熟悉关系数据库管理系统下进行安全性控制的措施来保证数据库的安全性,数据库故障的种类及其恢复技术,并发操作所产生问题及其解决方案;

5.数据库设计:掌握数据库设计的方法和步骤,以后台数据库为支撑结合所学计算机语言搭建前台页面进行企事业中各种信息管理软件的开发,提高运营管理效率;

6.非关系型数据库:将经典数据库技术进行拓展,学习能够存储数据类型多样、体量巨大的非关系型数据库的存储和管理技术,主要是以列族存储、键-值存储、图存储、文档存储为代表的NoSQL数据库。

(五)数据科学与大数据技术应用课程

数据科学与大数据技术应用的课程内容包括数据科学基础理论、数据收集和预处理、数据分析和可视化等知识[11]。它是数据科学课程群引领式的课程,把学生引进大数据处理和分析的大门,在课程开设时可以根据不同的专业将专业内容容纳进来,如人力资源管理专业可以采用人力资源大数据分析与应用作为综合性的实践案例,电子商务专业可以采用商品销售大数据分析与应用作为综合案例,让学生体会由人力资源数据(商品销售数据)采集与预处理、存储、分析与挖掘、可视化所构成的大数据处理的整个流程。开设学期为大三上学期,4学分,必修课,此课程要求有数学、统计学和Python编程能力基础。数据科学与大数据技术应用课程内容主要包括以下6个方面。

1.基础理论:数据科学的定义、知识体系、基本流程等。

2.数据采集和信息抽取:使用传感器、爬虫等数据采集工具获得结构化、非结构化的海量数据;主要学习利用Python语言编制网络爬虫从网站爬取数据的技术,然后对采集到的数据经过清洗、转换、集成,存储到数据库系统中,成为下一步数据分析和处理的基础。

3.数据预处理:实现数据清洗、数据合并、数据抽取、映射与数据转换、排列与随机抽样、日期转换、字符串处理等预处理步骤。

4.数据存储:所采集数据经过预处理存储在所选择的数据库系统中。

5.数据分析:学习机器学习的基本概念及主流的机器学习库,以及回归、分类、推荐、神经网络等监督学习方法及聚类等无监督学习模型,并利用其进行数据分析。

6.数据可视化与利用:学习基本的静态和动态可视化方法,将数据分析与处理结果以图形或图像的直观形式呈现给用户,用于指导生产和管理决策。

(六)可视化企业大数据管理课程

学习以循环模式为基础、以现金流量监控表为依据、以DTE管理法为具体方法来实施可视化企业大数据管理,从而通过人、事、资产的精准管理促进企业健康发展[12]。使学生把握现代企业经营管理整个流程,而且能够理解和掌握企业组织机构内部的可视化管理措施和手段。开设学期为大三下学期,2学分,选修课。课程内容主要包括以下7个方面。

1.大数据背景下的创新管理模式:塔形管理模式和循环管理模式。

2.可视化联通数据:业务流程、循环系统、联通数据的可视化管理。

3.集聚数据可视化:集聚现金、资产负债表、利润表数据的可视化管理。

4.应用数据可视化:DTE管理法、管理机理、大数据应用。

5.管理职责可视化:管理部门职责、管理岗位职责可视化。

6.管理指标可视化:管理部门指标、管理岗位指标的可视化。

7.管理激励可视化:管理部门激励、管理岗位激励的可视化。

六、结语

文章剖析了哲学社会科学与新一轮科技革命和产业变革交叉融合发展背景下传统管理类专业在人才培养方面的劣势,提出了在管理类专业培养方案和课程体系改革中融入数据科学课程群的实现路径,为新文科建设背景下传统管理类专业进行升级改造提供了建设思路。同时,今后会继续对具有中国特色的应用型管理人才的培养模式进行深入探究,提高人才培养的质量,推进新文科建设的步伐,推动高等教育内涵式发展。