大数据专业人才培养

为促进高校本科生在规模、结构和质量诸方面的协调发展，适应大数据时代的要求，满足国家、山东省以及山东半岛蓝色经济区的经济建设、社会发展和科技进步对大数据人才的迫切需求，尤其是在助推青岛成为国际化的大数据产业中心方面能够做出积极而有力的支持，部分高校根据自身的办学条件和学科未来发展需要，开设数据科学与工程本科专业，进行本科层面上的大数据相关专业人才培养。

同时，为适应我国社会主义市场经济对金融专门人才的迫切需求，完善金融人才培养体系，创新金融人才培养模式，提高金融人才培养质量，国务院学位委员会于2010年决定设置金融硕士专业学位。

但是目前的金融硕士培养注重定性理论知识传授和实务操作技能训练，缺少金融数据分析能力的培养，这可以从《金融硕士专业学位研究生指导性培养方案（试行） 》中明显看出。事实上，全国各相关高校金融硕士专业学位研究生的培养也反映出了这一点。显然，这种培养模式没有适应已经到来的金融大数据时代。国际上的一些金融机构已通过利用大数据挖掘手段将“金融大数据”成功地转化成了“财富”。尽管大数据的研究与应用在金融业还处于初级阶段，但是其价值已经显现出来。在金融大数据背景下，金融市场决策将日益基于数据和分析而做出，而非传统意义上基于经验和直觉，金融大数据将成为金融业进行重要活动的“基础设施”。因此，在大数据时代，金融分析与决策的正确性和及时性越来越依赖于对金融大数据的应用和判断。我们要有这种意识的转变！

部分高校应该从金融大数据的视角来系统而深入地探索金融硕士专业学位研究生的培养模式。这一新的培养模式克服了目前培养模式存在的问题，有利于加快金融硕士专业学位研究生教育的发展；有利于提升金融硕士的职业能力；有利于社会对金融专门人才的现实和未来需求，特别是山东半岛蓝色经济区对高层次、应用型金融专门人才的需求。

一、 大数据相关专业的规划设计

数据科学与工程本科专业和金融专业硕士研究生是两个较为相近的大数据专业，在此专业基础上，渗透更多大数据课程内容，重新进行规划设计，就是可行性较高的大数据人才培养模式之一。

大数据相关专业人才培养的方式很多。下面以数据科学与工程本科专业人才培养和大数据视角下的金融硕士人才培养为例，具体介绍人才培养的模式。

（一） 数据科学与工程本科专业培养

培养具有良好科学素养，在具备一定的数学、统计学和计算机科学等方面知识的基础上，较全面地掌握大数据处理和分析的基本理论和技术，能够运用所学知识解决实际问题，具有较高的综合业务素质、创新与实践能力，能从事大数据分析、大数据应用开发、大数据系统开发、大数据可视化以及大数据决策等工作，或继续攻读本学科及其相关学科的硕士学位研究生。

1.基本要求

（1） 掌握马列主义、毛泽东思想和邓小平理论的基本原理和“三个代表”的重要思想，认真学习习近平同志一系列重要讲话，树立科学发展观以及正确的人生观和价值观，具有良好的职业道德。

（2） 具有较好的数学、统计学和计算机科学基础，掌握数据科学与工程的基本理论和方法，能够运用所学知识进行大数据处理及分析。

（3） 具备熟练应用计算机（包括常用语言、工具及专用软件）的基本技能，具有较强的算法设计、算法分析与编程能力。

（4） 掌握计算机科学、信息处理和数据统计的基本知识和技术；能运用所学的理论、方法和技能将信息技术和科学与工程计算中的某些实际问题进行数学建模并能运用现代计算工具高效求解。

（5） 有较强的语言表达能力，掌握资料查询、文献检索及运用现代信息技术获取相关信息的基本方法，具有一定的科学研究和软件开发能力。

2.修业年限、学分要求及授予学位

修业年限为4年；总学分不少于学校规定标准；理学学士。

3.课程设置

（1） 主要公共基础课：数学分析、高等代数、空间解析几何、常微分方程、计算机程序设计、数据结构。

（2） 主要专业基础课：概率论、数理统计、机器学习导论、操作系统、数据库系统。

（3） 主要专业课：大数据处理技术、大数据分析方法及应用、时间序列分析、多元统计分析、统计分析软件以及专业特色课（数据科学方向：大数据可视化与安全、高级数据库开发技术、云计算、统计自然语言处理；统计学方向：非参数统计、贝叶斯统计、现代回归分析方法、随机过程）。

课程实验（设计）、毕业实习（设计）、大数据综合实训和Linux操作系统等。

4.课程体系的构成及学时、学分分配

设必修课32门，其中公共基础必修课18门、专业基础必修课5门、专业核心课5门、专业特色课4门（按一个方向计算）；设选修课23门，其中专业基础选修课9门、专业选修课14门。

各类课程总学时为2 486学时，授课总学时为2 292学时，其中必修课2 022学时：公共基础必修课1 408学时，专业基础必修课234学时，专业核心课220学时，专业特色课160学时；选修课464学时（按额定学分计算） ：公共基础选修课144学时，专业基础选修课128学时，专业选修课192学时。

要求学生在四年内取得171学分，其中必修课112学分：公共基础必修课79学分，专业基础必修课13学分，专业核心课12学分，专业特色课8学分；实践环节31学分；选修课28学分：公共基础选修课8学分，专业基础选修课8学分，专业选修课12学分。必修课与选修课学分之比近4:1。

（二） 金融专业硕士研究生的培养

1.培养模式概述

基于金融大数据视角，金融硕士专业学位研究生培养模式是针对“职业型”研究生设计的，以学术为底蕴，注重专业训练，培养应用型、复合型高级专门人才为目的的专业培养模式。在金融大数据背景下，理解好“专业训练”和“应用型、复合型高级专门人才”的内涵。

在金融大数据面前，仅仅有功能强大的计算机处理工具是不够的，还要有更有效的分析方法，才能完成对数据蕴含价值的探索和发现，进而实现金融决策的准确化和及时性。大数据时代将促成金融智能分析师和金融数据挖掘工程师两个岗位需求的快速增长，为此，我们在培养金融硕士时要强化金融数据分析能力训练，以培养用数据说话的理念，锻炼分析数据的思维方式。

金融硕士专业学位研究生的培养应该突出金融实际操作能力的训练和实际应用能力的培养，但这并不意味着忽视研究能力的培养，而应该是适当兼顾，因为只有具有一定的研究能力才能更好地解决各种复杂金融问题。这就要求我们在金融硕士专业学位研究生的培养过程中要用发展的眼光看问题。但是，硕士专业学位研究生的培养毕竟不同于学术型研究生的培养，不可能有充足的时间和精力来培养研究生的研究能力，需要探索新的路子。

金融硕士专业学位研究生应该具有较强的实际应用能力，因此研究生的培养应该采用课程授课、案例讨论和实践训练等多种方式，对这些方式要进行优化组合，使其发挥出最大效能，实现理论与实践的最佳结合，达到最有利于金融专门人才培养的目的。

金融硕士专业学位研究生培养的关键问题之一就是课程设置，这是建立在以上研究基础上的，是以上研究成果的最终体现，它是由若干课程组成的一个有机整体。课程体系的构建必须遵循一定的原则，必须是合理的、可行的、有效的，必须有利于金融思想和金融能力的培养，必须反映金融大数据时代背景。课程体系的优劣会直接影响金融硕士专业学位研究生培养的质量高低，需要认真考虑、仔细研究。

2.培养措施与途径

基于金融大数据视角的金融硕士专业学位研究生培养模式的实践是通过编制和实施培养方案来完成的。培养方案是具有约束性和指导性的教学文件，其实施是实际执行的过程，也是对其效果的检验过程，而要使其得以顺利实施，就必须采取行之有效的措施与途径。为此，可以考虑以下几点。

（1） 教学观念的改变：应该采取一定方式将以传授理论知识、培养研究能力为主的教学观念转变为以传授知识应用、培养应用能力为主的教学观念。教学观念的转变是十分重要的。

（2） 教学方法的改进与课程内容的更新：传统的以课程讲授为主的教学方法不能用于金融硕士专业学位研究生的培养，需要积极探索像案例讨论教学法这样更实用的教学方法，并及时更新课程内容、优化课程内容体系。

（3） 学位论文的撰写：专业硕士学位论文的撰写应主要体现理论方法的应用，不太注重理论创新，应有不同于硕士学位论文的撰写规范和标准。重要的是，如何使研究生通过学位论文的撰写进一步提升运用所学知识解决实际问题的能力。

（4） 校外兼职指导教师主观能动性的发挥：金融硕士专业学位研究生的指导教师采取双导师制：校内指导教师和校外兼职指导教师，校外兼职指导教师的积极性和主动性对于培养应用能力强的金融专门人才有较大影响，应探索有利于校外兼职指导教师主观能动性发挥的激励机制。

（5） 实习基地和实验室建设：针对金融硕士专业学位研究生建立实习基地和专用实验室是十分必要的，这有利于进行金融实际操作能力的训练；既要建设实习基地和实验室，又要管理好实习基地和实验室，让其发挥应有的作用。

二、 大数据独立专业的规划

要创新人才培养模式，建立健全多层次、多类型的大数据人才培养体系。鼓励高校设立数据科学和数据工程相关专业，重点培养专业化数据工程师等大数据专业人才。鼓励采取跨校联合培养等方式开展跨学科大数据综合型人才培养，大力培养具有统计分析、计算机技术、经济管理等多学科知识的跨界复合型人才。鼓励高等院校、职业院校和企业合作，加强职业技能人才实践培养，积极培育大数据技术和应用创新型人才。依托社会化教育资源，开展大数据知识普及和教育培训，提高社会整体认知和应用水平。

在大数据作为一个新生产业的情况下，蕴含大数据内容的专业大学生培养是方式之一，将大数据作为一个独立的专业设置也未尝不可，这也更符合国家培养“专业”理论和技能复合型人才的培养理念。相信在不久的将来，大数据作为大学校园里独立专业的培养模式也会成为现实。