数智化技术技能人才素养特征研究

倪春丽 崔聿

摘要：以数字化和智能化为代表的新技术革命给工作岗位带来变化，使数智化工作场景日渐丰富，劳动者应提升数智素养以适应时代要求。对现代企业一线数据技术岗和数据赋能岗人才要求进行调研，并基于胜任力模型进行分析，可将数智化技术技能人才的素养特征归纳为：知识结构系统化，构建融合型的基础知识和复合型的专业知识体系；思维结构高阶化，培养大数据思维、社会化思维和变革性思维；技能结构多元化，掌握专擅的数字技能、精深的专业技能和通用的管理技能；素质结构人文化，具备强大的心理承载力与和谐式的价值追求。

关键词：职业教育；数智化技术技能人才；素养特征；胜任力模型；调研分析

中图分类号：C961；G710文献标志码：A文章编号：1008-3561（2023）28-0057-04

基金项目：本文系广东省2021年度教育科学规划课题“基于应用场景分析的职业教育新商科数智化技术技能人才培养研究”（编号：2022GXJK460）、2021年广东省高等职业教育教学质量与教学改革工程项目“广东工贸总部经济产业学院”研究成果

数据智能以及智能体支持下的人机协同已成为现代企业经营管理系统中的重要角色，并驱动研发设计、生产制造、营销策划、“人财物”资源管理等关键活动发生变革，使企业数智化经营管理场景日渐丰富。为此，对一线数智化人才要求进行研究，清晰表述数智化工作场景下劳动者应具备的素养特征，对减少企业、学生、教育机构三方对数智化人才素养要求理解的差异、提高学生技术技能水平、促进跨领域多层次的优质人力资源要素供给、增强地方区域产业竞争优势具有重要意义。

一、数智素养研究现状

从二十世纪90年代初至今，从信息素养、数字素养研究开始，有关数智化人才培养的探讨逐渐深入并随着技术和产业变革得以创新。以色列学者Yoram Eshet-Alkalai于1994年首次提出数字素养概念框架。波兰学者Allan Martin等认为数字素养包括识别、获取、分析、管理、整合、评估、构建新知识、创新媒体表达以及与他人沟通等方面内容[1]。联合国教科文组织将数字素养定义为工作场景下的信息能力。伴随数字技术在社会各领域的应用逐渐深入，人们对数字素养的认识从技能本身扩展到对认知、态度、社交、情感和价值观等综合素养层面。唐婷初步构建了高职学生数字素养评价模型[2]。刘晓提出现代产业工人应提高数字素养、绿色素养，更为注重岗位协调能力和通用能力的提升[3]。近年来，由于人工智能成为新一轮科技革命核心驱动力，“数智化人才”“智能素养”“人工智能素养”成为新的研究热点。笔者认为，很多中国企业尚处于弱人工智能应用阶段，介于数字素养与人工智能素养的中间地带，对“数智素养”展开研究具有很高的实践价值，而引入胜任力模型这一研究工具则可以为数智素养模型构建提供理论依据。

二、数智化岗位人才需求调研

1.研究方法与信息来源

本研究采用调查法和访谈法对产业数字化转型背景下的技术技能人才素质要求进行研究，主要调查岗位为高职和职业本科新商科专业学生就业岗位。调查过程中通过招聘网站获得岗位信息38条；面向合作企业进行相关职业岗位能力要求调研，共回收有效问卷50份；考虑到行业领军企业或标杆企业的岗位设置、岗位要求具有较强的代表性和前瞻性，选取广东苏宁易购销售有限公司、深圳百果园实业（集团）股份有限公司、广州红海人力资源集团公司等12家企业展开深度访谈。

2.调查结果

调查围绕工作任务、职业岗位技能基本要求、成长年限三个方面，按照初级（基层操作岗/初级技术岗/基层管理人员）、中级（中级管理人员/中级技术岗）两个层级，获得数据分析师、运营主管/经理、供应链分析研究员、财务分析主管、人力资源分析主管等典型数据技术岗和数据赋能岗信息，主要调查结果如下。

第一，数据分析师（基层操作岗）。工作任务：从事运营数据分析处理工作，具体包括数据整理、数据分析、系统优化、管理支持等。职业岗位技能基本要求：熟悉企业经营管理的基本知识；了解零售、电商等行业知识；逻辑能力强，有极强数据敏感度与数据分析能力；精通Excel操作，常用函数运用熟练。所需成长年限：高职学生毕业1年～3年可達到，职业本科学生毕业即可达到。

第二，运营主管/经理（中级管理人员）。工作任务：从事市场调查、运营分析、监控、决策支持等工作，具体包括市场调研、业务数据分析、业务数据管理、沟通协调、完善业务系统等。职业岗位技能基本要求：熟悉统计学知识；了解数据模型和经营分析的通用方法论；能够开展市场调查与预测；有结构化逻辑思维能力，缜密的分析总结能力，能够撰写完善的分析报告；精通Excel，具备SQL、VB、Python等数据处理技能；能熟练使用PPT进行数据展示；具有较强的语言表达能力、人际沟通能力。所需成长年限：高职学生毕业3年可达到，职业本科学生毕业1年～3年可达到。

第三，物流数据分析专员（初级技术岗）。工作任务：从事供应链数据处理与分析工作，具体包括数据收集、异常管理、决策支持等。职业岗位技能基本要求：掌握采购、仓储、配送等物流管理基础知识；理解供应链系统各个业务模块的数据传递和数据共享关系；能够熟练操作供应链软件的各个业务模块，能够解决供应链系统在应用、实施中出现的软件技术问题，能够与供应链系统应用相关人员进行有效的协调和沟通；熟练使用Office软件，Excel操作能力强，会用基本的函数、透视表；对数据敏感，有较强的数据分析能力和逻辑思维能力。所需成长年限：高职学生毕业1年～3年可达到，职业本科学生毕业即可达到。

第四，供应链分析研究员（中级技术岗）。工作任务：从事供应链数据分析与系统优化工作，具体包括供应链优化、方案设计等。职业岗位技能基本要求：熟悉供应链相关指标和运作流程知识；能够对供应链数据进行深入分析，设计、优化供应链系统；对数据有高度敏感性，具有较强的数据分析能力；执行能力强，能快速响应业务变化。所需成长年限：高职学生毕业3年可达到，职业本科学生毕业1年～3年可达到。

第五，财务分析助理（初级技术岗）。工作任务：从事财务数据维护与系统优化工作，具体包括数据维护、表单优化、核算预算、系统管理、流程管理等。职业岗位技能基本要求：熟悉会计基本原理、会计项目和会计任务；理解企业会计信息系统与设计的基本原理、数据流程、模块构建知识；了解企业会计电算化的管理要求与制度规范、业务核算子系统和会计软件的数据整理与加工；能够进行电算化会计软件和业务核算子系统的操作；能够进行账簿登记，编制资产负债表和利润表；熟练运用Excel及各种函数公式；具有ERP/SAP使用、运维或财务系统运维能力。所需成长年限：高职学生毕业1年～3年可达到，职业本科学生毕业即可达到。

第六，财务分析主管（中级技术岗）。工作任务：从事财务分析、预测工作，具体包括财务数据分析、财务指标监控、预算管理、经营预测、经营分析等。职业岗位技能基本要求：熟悉财务管理知识；具有良好的财务控制能力、财务分析能力、关注细节能力、自控能力及问题解决能力；能独立开展专项分析，全过程沟通，问题挖掘，提出改善建议，出具报告；熟练使用Excel、PPT等办公软件，熟悉通用财务软件系统；具有良好的逻辑分析能力，沟通协调能力；具有经营意识，全局观意识，及战略承接能力。所需成长年限：高职学生毕业5年以上可达到，职业本科学生毕业3年可达到。

第七，人力资源主管（基层管理人员）。工作任务：负责人力资源管理的日常事务处理工作，具体包括人员招聘、员工培训、绩效考核、薪酬福利管理、员工关系、人力资源分析等。职业岗位技能基本要求：熟悉人力资源管理基础知识和相关法律法规政策；具备熟练处理人力资源管理事务性工作的能力；具备行业调研与分析的能力，能够搜集、整理资料，分析并撰写报告；具备数据分析能力，熟练运用Excel和数据图形化。所需成长年限：高职学生毕业1年～3年可达到，职业本科学生毕业即可达到。

第八，人力资源分析主管（中级管理人员）。工作任务：负责人力资源管理数据分析与决策支持工作，具体包括人力资源状况分析、解决人力资源管理问题、薪酬调整、变革创新等。职业岗位技能基本要求：对战略人力资源管理的时代要求、未来趋势有深入理解与独特思考；熟悉人力资源政策法规；具备人力资源管理调研、分析能力；具备变革推动能力；具备良好的数据敏感度与洞察力、较强的数据分析能力和逻辑思维能力；文字表达能力强，善于思考、分析和总结；具备熟练的PPT、Excel办公技能；学习能力强，善于创新。所需成长年限：高职学生毕业3年可达到，职业本科学生毕业1年～3年可达到。

三、数智化技术技能人才素养特征

胜任力模型是在素质理论基础上发展起来的一种人力资源开发与管理实践工具，可识别业绩优秀者和业绩普通者的主要差异，围绕知识、思维、技能、个性动机四个维度对岗位人才应具有的素养进行描述[4]。以胜任力模型为分析框架，数智化技术技能人才在能力素养方面呈现新的特征。

1.知识结构系统化

第一，融合型的基础知识体系。现代社会对数据的收集、清洗、使用、计算能力的需求达到前所未有的高度，这意味着与数据专家就技术问题及其数字化解决方案进行交流成为常态，学生在具备专业领域知识的同时，还应有基本的数据科学知识，并且能够将二者紧密结合，形成“数据科学”和“领域知识”的融合型基础知识结构。

第二，复合型的专业知识体系。数智化进展对研发、生产、销售、物流、人力资源、财务等各领域进行全面赋能，带来工作岗位的合并、工作范围的拓宽、业务流程的变革和工作流程的再造。这就要求岗位工作者具备复合型的专业知识结构，能够以流程为导向开展跨部门协同，能够独立制定多领域融合的解决方案。区别于融合型的基础知识，这里复合型的专业知识主要指本业务领域与其他业务领域知识的复合。

2.思维结构高阶化

第一，大数据思维。调查表明，“数据思维”是出现在岗位要求中的高频词汇。数据思维体现为数据敏感度和数据方法经验。前者指有意识地将业务问题转化为数据问题，洞察数据背后的问题；后者指能够利用数据建模和数据分析方法解决实际问题。在大数据分析成为科学研究重要手段的情况下，以全数据思维（要全体不要抽样）、容错性思维（要效率不要精确）、相关性思维（用相關理解因果）为代表的大数据思维模式成为主流。

第二，社会化思维。在互联网“去中心化”模式下，企业利益相关者以节点的形式存在，每位潜在消费者、客户、合作者、员工手中都有话语权，可以通过微信、微博、抖音等社交平台发表个人意见。他们既是企业形象的树立者、维护者，也是监督者、批判者。这就要求岗位工作者具备社会化思维，通过社会化聆听来处理复杂的社会关系。

第三，变革性思维。借助大数据和智能机器人，人类劳动者逐渐从高强度、危险的、重复性、程序性工作中脱离，转为从事更多创新性、诊断性、交互性、管理性的工作[5]，这就需要工作者具备更为突出的以逻辑思维、发散思维、辐合思维为主的变革性思维能力。

3.技能结构多元化

第一，专擅的数字技能。数字技能是劳动者在数字环境中开展社会活动需掌握的技能，包括数字获取、数字生产、数字分析、数字交流、数字行动、数字安全等方面。不同岗位擅长的数字技能范畴存在差异。对首席数字官等数字领导岗位而言，应具备较强的数字行动、数字分析技能，着重关注通过数字化技术引领组织成功转型，主要使用的数字工具为商务智能软件等各种决策支持系统；对运营主管、供应链分析研究员、人力资源分析主管等数据赋能岗位而言，应具备较强的数字交流、数字生产、数字分析、数字行动技能，主要关注数字化应用技术与业务模式相融合，开展业务场景数字化规划、实施、运营工作，主要使用的数字工具包括EXCEL、PPT等办公软件及ERP、CRM等系统软件；对数据分析师等数据专业技术岗位而言，应具备较强的数字获取、数字交流、数字生产、数字分析、数字安全技能，重点关注通过专业能力持续提升以支撑组织的数字化转型，主要负责研发数智化技术工具、提供数智化服务、构建数智化平台，主要使用的数字工具为SQL、VB、Python等软件。

第二，精深的專业技能。产业数字化转型升级具有技能偏向型特性，在减少对低技能劳动力需求的同时对高技能劳动力需求增加。业务能力是所有其他衍生能力的基础，只有具备极为精深的专业技能，才能形成对业务模式、市场变化的洞察力，发掘业务数智化需求，构建数据模型，从事智能机器和软件所不能替代的工作。

第三，通用的管理技能。在数智化工作场景下，企业需要能够深度应用数智化技术、理解互联网+运作方式的跨界人才。这种人才应能适应企业研发、设计、生产、制造、经营管理等全过程的数智化升级乃至全产业链的综合集成，支持企业智能化发展[6]。因此，通用的管理技能成为普适性、基础性的能力要求。岗位工作者被期待具备较强的沟通、协调能力，善于运作项目，能开展跨部门、跨企业沟通；具有复杂情境应对能力，能快速应对突发状况；具有全局观，能有效承接战略，熟悉并能对企业全产业链任务进行监督控制等。

4.素质结构人文化

第一，强大的心理承载力。伴随数字化营销、智能化制造、共享型服务、社会化商业等新领域和新场景的出现，职业岗位的专业化、综合化趋势同时并存，也可能出现“数字泰罗制”弊端。面对新挑战，劳动者需具备强大的心理承载力，具有旺盛的求知欲和学习力，具有较强的责任心和变革意识。

第二，和谐式的价值追求。人机协同工作模式下人与物、人与人的关系可能被重塑，企业管理面临新的挑战与威胁[7]。因此，数字时代下企业和劳动者和谐式的价值追求尤为珍贵，具体体现为：以人为本，即给予团队成员充分的尊重、关心、信任，赋予团队“温度”，促进团队协作和创造性工作的开展；诚信自律，即杜绝网络失信行为，在获取、利用、处理和传播数字内容的过程中尊重知识、遵守道德准则、恪守法律底线；理性包容，即接纳差异，允许不同观点，不随意宣泄不当言论等。

四、结语

岗位能力要求是职业教育的逻辑起点，教育行为主体、用人单位以及学生自身应关注数字时代对人才提出的新要求，通过重塑具有深度、广度的知识技能结构，培养变革型、数据化高阶思维，注重心理调试和技术伦理启迪，使学生具有适应时代的优秀人才的素质，为未来参与数字社会活动奠定基础。

参考文献：

[1]陶红，唐婷.数字经济时代高职生数字素养培育的逻辑理路与路向研究[J].中国职业技术教育，2021（02）：53-58.

[2]唐婷.高职学生数字素养评价模型构建与应用研究[D].广州：广东技术师范大学，2021.

[3][5]刘晓，钱鉴楠.技能型社会下产业工人队伍建设与职业教育使命担当[J].中国职业技术教育，2021（33）：5-10.

[4]倪春丽.基于产教融合“卓越班”运行实践的高职商科卓越人才素质模型构建研究[J].科教文汇，2021（34）：127-131.

[6]黄慧婷，庄榕霞.智能时代人才需求与高职学生信息技术素养培养[J].中国职业技术教育，2021（16）：63-69.

[7]张更庆，刘先义.智能制造趋势下职业教育人才培养的困境与突破[J].成人教育，2021，41（04）：61-69.

Research on the Characteristics of Literacy of Talents with Digital Intelligence and Technical Skills

Ni Chunli， Cui Yu

（Guangdong Polytechnic of Industry and Commerce， Guangzhou 510510， China）

Abstract： The new technological revolution represented by digitization and intelligence has brought changes to job positions， and the digital and intelligent work scenarios are becoming increasingly diverse. Workers should improve their digital literacy to meet the requirements of the times. Conduct research on the requirements for talent in frontline data technology and data empowerment positions in modern enterprises， and analyze them based on competency models. The literacy characteristics of digital and intelligent technology skilled talents can be summarized as follows： systematizing knowledge structure， constructing integrated basic knowledge and composite professional knowledge system； higher order thinking structure， cultivating big data thinking， socialized thinking， and transformative thinking； diversified skill structure， mastery of specialized digital skills， profound professional skills， and general management skills； the quality structure of human culture possesses strong psychological carrying capacity and harmonious value pursuit.

Key words： vocational education； digitally intelligent technical skilled talents； literacy characteristics； competency model； researchand analysis