新商科人才数据思维与数据分析能力培养体系构建研究

夏 黎

（武汉商学院工商管理学院 湖北 武汉 430056）

数字经济时代，数据分析在企业运营中发挥着不可替代的作用。社会各行业对员工数据思维与数据分析能力提出了更高的要求，需要其能够顺利开展数据整理与分析工作，以此保障企业能够高质量开展经营管理工作。鉴于此，高校应将如何培养新商科人才的数据思维与数据分析能力作为重要研究课题，确保新商科人才培养工作与时俱进，为新商科人才快速融入社会发展夯实基础。

1 数据思维与数据分析能力培养的必要性

科学技术全面、根本性的变革与产业转型升级，深化了互联网、大数据等信息技术对人们生活学习方式、思维模式以及社会各领域组织运行方式的影响。社会各领域逐渐认识到数据的重要性，数据思维与数据分析能力逐渐成为影响组织核心竞争力的关键因素。部分企业已积极成立大数据部门，依托大数据技术绘制消费者画像，以此为参考创新运营方案，制订重要战略，并通过数据寻找创新产品的新方向，提升企业收益。由此可见，数据资源已成为新型产业与传统企业重要的战略资源，其对数据处理的需求也不断提高，各岗位工作人员都应具备一定的数据思维与数据分析能力，以便更好地完成数据收集、分析等工作。鉴于此，在新商科人才培养过程中，高校应将如何培养学生数据思维、提升数据分析实践能力作为重要研究课题，以数据分析理论与方法教学为基础，在理论与实践相结合中强化学生数据思维与数据分析能力，帮助其成长为合格的新商科人才，满足社会对人才的需求。

2 新商科人才数据思维与数据分析能力培养中的问题

2.1 课程体系不完善

部分高校忽视系统培养新商科人才数据思维与数据分析能力，仅有部分专业开设了与之有关的课程，如数据挖掘、商务数据分析与决策等[1]。在依托该课程开展的人才培养工作中，数据分析板块仍处于边缘地位，教师与学生对其重视程度不足，无法帮助学生逐步掌握数据分析基础、方法、工具等，导致数据思维与数据分析能力培养难以收获理想效果。

2.2 实践环节无法充分调动学生积极性

数据思维与数据分析能力具有较强的应用性与实践性，所以，高校应重视相关实践活动。在传统实践环节中，学生仅作为旁观者或学习者的角色，并未切实执行相关项目，导致实践环节最终效果不够理想。部分教师在实践环节中选择的数据过于简单老旧，无法调动学生学习兴趣。除此之外，部分学生虽理论知识扎实，但难以依托理论知识独立解决遇到的问题，导致在实践中屡屡受挫，直接影响学生积极性，长此以往形成恶性循环，无法有效培养学生的数据思维与数据分析能力。

3 新商科人才数据思维与数据分析能力培养体系构建路径

3.1 系统性重构课程体系

3.1.1 因岗设课

培养新商科人才数据思维与数据分析能力的课程体系构建应以某专业在多种相关岗位上必须具备的通用素质为基础、以培养人才的培养相关岗位人才必备专业素养为目标、以职业发展性素质为延伸、以培养人才在职业发展中需要的综合素养为价值导向[2]。高校应调研各专业所对应的就业市场，明晰新商科人才未来就业岗位特点与人才需求，与行业专家、企业等携手研究各岗位工作全过程，梳理岗位任务，分析岗位任务完成过程中需要的职业能力，以此为基础明确新商科人才需具备的理论知识、职业技能与综合素养等，为制订课程标准提供参考，确立课程体系的核心课程，完善新商科人才培养体系。

3.1.2 分层递进

高校应在第一课堂与第二课堂的基础上打造“通识能力、专业能力、跨专业能力”的三层能力递进、融合的培养模式[3]。其中，不同能力对应不同层级与不同学习课程。大学一、二年级重点培养管理能力、个人素养等通识能力；大学三年级重点培养技术能力、职业素养等专业能力；大学四年级重点培养创新创业能力、实践动手能力、终身学习能力、数据素养等跨专业能力。通识课程可增设大数据挖掘和分析、大数据和人工智能等新兴技术类课程，并适当加大高等数学、微积分、统计学、统计工具软件使用、编程语言等课程的课时与学分比例。专业课程必修课与选修课可适当加大数据分析类课程的占比。对于开设编程课程的专业，高校可增设“Python程序设计基础”“数据采集与预处理”“Python数据可视化”等课程。对于未开设编程基础课程的专业，高校可增设能够帮助学生掌握相关软件应用技巧的课程，例如“SPSS数据挖掘与案例分析”“Tableau数据可视化”等，通过培养学生的计算机思维、数据素养与信息处理技术应用意识强化学生的数据分析能力。高校应提高对跨学科课程的重视程度，增加创新创业类课程课时占比，并允许学生跨专业选课，以此培养学生的跨专业能力。高校还应统筹协调通识课程、专业课程与跨专业课程教学内容，避免课程内容重复，并引入企业实际案例，帮助学生将理论与实际相结合。

3.2 创新教学方式

高校应围绕协同培养新商科人才数据思维与数据分析能力这一目标创新教学方式，打造“项目引领、任务驱动”的教学模式。首先，引导教师围绕案例教学、任务驱动与研究型学习创新教学方式，推动学生自主探究，充分发挥学生的自觉能动性[4]。如，在讲授“标准差”时，教师可创设问题情境，逐步引导学生自主探索标准差的意义与计算公式：假如两名田径运动员十次百米比赛的成绩平均值与极差相等，如何比较两者发挥的稳定性？学生可通过数据对比体会到标准差与数据波动性的关系。其次，教师应结合企业应用实际情况设计与课程内容相契合的项目，依托网络教学平台指导学生自主开展项目实践活动。如，“数据可视化”课程教学重难点为数据可视化过程中的可视化设计、可视化工具与方法等，教师应将其融入项目中，帮助学生体会将数据以图或表直观呈现的意义与组织建设的重要性。鉴于此，教师可创设虚拟企业，向学生提供该企业的商品库存、商品销售额、人力资源等数据库，并设立实践项目。

其一，分析人力资源数据。组织学生分析该企业近三年人力资源结构、薪资分布等，为来年优化人力资源管理体系、制订社会招聘计划提供参考。学生应在网络教学平台提交分析报告，分析报告内容应用可视化方式呈现分析结果，明晰相关工作中存在的问题，并提出相应解决策略。

其二，分析库存管理数据。组织学生分析该企业近三季度库存数量、库存结构等，为企业相关部门开展库存管理工作与采购工作提供支持。学生在网络教学平台中提交的分析报告内容应用可视化方式分析库存管理中存在的问题与相应解决措施。

其三，分析销售额。组织学生分析近三年销售趋势、销售额与利润额的对比，为企业开展市场营销工作提供支持。学生在网络教学平台中提交的分析报告内容应用可视化方式展示分析结果、销售中存在的问题与解决措施。

在项目组织与实施中，教师应将学生划分为四到六人小组，由小组结合自身实际情况自由选择项目任务。教师可引导学生将项目选择、项目开展过程中遇到的问题分享至网络教学平台互动交流模块，并及时解答学生疑惑，同时为其他小组开展项目研究提供新思路。在项目实施后期，教师应督促各小组撰写分析报告，并对其进行评分，将评价结果依托网络教学平台反馈给学生。

3.3 将实践活动与数据挖掘竞赛相对接

教师应在数据挖掘竞赛题目公开后组织学生开展数据分析实战训练，将学生分为三人小组，学生通过小组合作的方式实战演练竞赛题目，将数据思维与数据分析能力协同培养实践活动与数据挖掘竞赛相衔接[5]。教师可通过以下过程开展实战演练活动：

其一，集中讨论。教师应在课堂教学中预留充足时间组织学生开展集中讨论活动，讨论内容主要围绕以下三方面进行：学生对竞赛题目的理解；教师根据学生思路选择某一主题组织学生自由讨论；讨论中出现的问题。在集中讨论活动中，教师应允许学生运用手机自主查阅相关资料，锻炼学生资源获取能力与辩证分析问题的逻辑思维能力。

其二，汇报进度。在每周固定时间，教师应组织学生汇报自身任务完成情况，帮助教师第一时间了解学生在实践中遇到的问题。这一环节也是数据分析实战训练中的关键环节。如，在实战“中央空调系统的数据分析与控制策略”这一数据挖掘竞赛题目时，教师应组织学生汇报阶段任务完成情况，根据完成结果分析学生能否理解如何通过正确计算判断样本相似性，了解学生在实战中遇到的困难与自身存在的问题，有序推进实践环节。

其三，现学现用。学生自身掌握的知识与技能有时无法完全有效解决实战训练中遇到的问题，所以，教师应设置现学现用环节。如，赛题“中央空调系统的数据分析与控制策略”须学生分析优化策略，但学生因理论知识体系不完善可能无法灵活应对。教师可在现学现用环节组织学生在规定时间内运用某一算法解决实际问题，锻炼学生的资源获取能力、应变能力与Python编程能力，有效培养学生的数据思维与数据分析能力。

3.4 创新评价体系

在数据思维与数据分析能力协同培养过程中，教师应注意采用过程性评价，了解学生实际学习情况，及时优化教学方式与教学内容，帮助学生更好地掌握理论知识、切实培养学生实践能力[6]。在过程性评价中，教师可对学生的考勤、在数据实战训练中的表现情况、项目参与度、项目成果展示情况等进行考核评价。教师应根据评价结果分析预期培养目标完成程度，以此进一步反思协同培养过程中各环节计划与实际是否存在偏差，为教师调整协同培养模式提供重要参考。教师还应根据学生实际情况给予其个性化的指导，针对性提升数据思维与数据分析能力协同培养效果。

4 结语

大数据时代对新商科人才提出了更高的要求，其需拥有数据思维与数据分析能力。高校应紧跟时代发展步伐调整新商科人才培养计划，积极从系统性重构课程体系、创新教学方式、将实践活动与数据挖掘竞赛相对接、创新评价体系等路径构建数据思维与数据分析能力培养体系，完善新商科人才能力体系，提高其就业竞争力。