基于三螺旋理论的经济管理类研究生数据分析能力培养模式研究

刘晋霞,邸朝帆,郭艳丽,张永云,郭凌云

(太原科技大学 经济与管理学院,山西 太原 030027)

0 引言

随着科技飞速发展,人工智能已深刻融入并影响到生活、工作和教育等方面。人工智能推动社会进入大数据时代,而高质量数据分析人才是人工智能行业实现发展的关键。大数据时代为人工智能提供了海量的数据,使得人工智能技术有了长足发展,也催生了对数据分析人才的迫切需求。各行业深刻认识到数据分析已成为一项必不可少的能力,但具备数据分析能力的人才紧缺。因此,如何培养高素质数据分析人才成为人工智能行业发展的重要课题。

人工智能的高速发展对人才提出了新要求,但人工智能方面人才建设薄弱,其中研究生作为人工智能行业人才的主要群体,其数据分析能力培养值得关注。2017年7月,国务院印发《新一代人工智能发展规划》提出,要把高端人才队伍建设作为人工智能发展的重中之重,坚持培养和引进相结合,完善人工智能教育体系,加强人才储备与梯队建设。规划明确指出,支持和培养具有发展潜力的人工智能领军人才,重视复合型人才培养,鼓励高校拓宽人工智能教育内容,重视人工智能与其他学科的交叉融合,鼓励高校与企业合作开展人工智能人才培养。2022年7月,科技部、教育部等联合印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》指出,开展人才培养,鼓励高校在人工智能学科专业教学中设置创新类课程,提升学生素养与能力,通过开设研修班、开展实践交流、组织专题培训等形式培养人才。

国内关于创新型培养模式的研究成果较多,根据培养过程中参与的机构主体可归纳为以下3个方面。

一是以学校为主体的培养模式,这种培养模式侧重于以学校教育为主,对学校的教学方式和课程体系进行改革。如李爽[1]提出培养模式中强调学校的教育改革,从制定明确的人才培养目标、完善和优化课程体系、加强师资队伍建设和通过实践教学提升综合素质4个方面来搭建人才培养模式。夏立等[2]提出“321”个性化人才培养模式,深入分析了培养方案、课程体系及保障机制。

二是以学校和企业为主体的培养模式,这种培养模式侧重于以学校和企业联合培养为主,进行校企联合,使理论转化为实践。如张磊等[3]提出以项目为中心的培养模式,强调校企深度合作,展开项目式教学,完成“知识-能力-素质”同步培养,通过校企合作解决经验不足的问题并建设项目式实践教学平台。程永波等[4]提出培养模式中强调学院与行业、企业深度合作,强化双元融合,一方面双元培养、双师授课和产学结合;另一方面打造双师教学团队和强化平台与基地建设。

三是以学校、企业、政府为主体培养模式,这种培养模式侧重于学校、企业、政府共同作用。如张建卫等[5]强调人才培养要多元协同,政府多部门协同指导,保障教育经费投入,“产-研”融合参与,提升教育内容和实践素养。彭小宝等[6]提出DCM培养模式,顶层设计(Design)、教育内容(Content)、培养机制(Mechanism)三位一体,相辅相成,强调协同联动,政府、学校、业界合作,政府出台政策,高校积极与产业界合作,转化科研成果,构建政产学研合作的互动桥梁。

但针对数据分析能力培养模式相关研究比较少。张海波等[7]从数据分析人才应具备的能力出发,探索统计专业学生数据分析能力培养方式,对数据分析能力培养方案进行探讨并提出具体课程设置方案。候锡林等[8]提出了数据分析能力复合培养模式,包括技术与管理复合、理论与实践复合、本科教育与研究生教育复合、大学与企业复合、教学与科研复合。

综上所述,在已有数据分析能力培养模式中,已经提出对学生的数据分析课程体系进行改进,但由于学校偏向于理论知识且资源有限,缺乏面向实践的学习平台,导致难以学习致用。而企业从实际考虑,也并不深度参与培养过程,使得学生数据分析思维和自我实践能力难以提升,因此校企联合落实需要政府推进并监督。针对经济管理类研究生数据分析能力培养存在的问题,本文提出运用三螺旋培养模式,即高校-企业-政府三方相互协调,在互相作用的动态循环过程中提升数据分析能力。通过高校、企业、政府三方的良性互动,对传统培养方式进行改进,以解决理论知识不足、实践能力缺乏和监督欠缺的问题。

1 经管类研究生数据分析能力的要求

数据分析能力要能用适合的分析方法对收集来的大量数据进行分析,提取有用信息进行汇总整合,加以详细研究,最终概括总结、形成结论。经济管理类专业研究生应具备数据分析能力,做到掌握理论知识、运用分析方法和使用分析工具,进而得到有价值的结论。首先掌握数据分析基础知识,如基础数学和计算机知识,同时结合经管类专业知识,为理解分析方法和应用分析工具打下良好的理论基础。其次需要了解并运用分析方法,在掌握其理论基础上对分析方法娴熟运用,能灵活地运用并解决存在的问题,为使用工具分析数据并可视化做准备。最后学会使用常见的分析工具,结合所学理论知识与分析方法,针对不同的问题,使用不同的工具进行数据可视化,形成结论。

1.1 掌握基础理论知识

掌握基础理论知识是数据分析能力的基本要求。经济管理类研究生需要进行数据分析相关课程的学习,掌握数学与计算机方面的理论知识,才能理解数据分析过程中的计算、模型和算法。统计学与数学方面的理论知识是理解数据分析方法的重要前提,数据库、算法和编程语言等知识则是进行数据分析和可视化的理论支撑。因此,经管类研究生课程中除本专业统计理论课程外,还应包含数学基础课程、计算机课程,其中数学基础课程可包括矩阵理论、概率论与数理统计和应用随机过程;计算机课程可包括数据库基础、数据结构与算法、Python编程语言等基础知识[9],如表1所示。

表1 数据分析基础知识内容概括

1.2 运用基本分析方法

掌握数据分析能力要求能运用基本的数据分析方法。对于经管类研究生来说,无论是市场营销、运营管理,还是商务智能,都需要运用相应的分析方法挖掘数据规律、探索数据间的关系。根据基础理论知识,经济管理类专业数据分析方法大致分为数学分析方法、统计分析方法和人工智能分析方法。数学分析方法主要运用数学知识对收集来的数据进行计算、分析和建模,如线性规划、平均分析法、矩阵分析法等,为其他两种分析方法搭建基础。统计分析方法主要对收集数据进行统计和比较并分析数据的变化趋势,在数学分析基础上进行统计和预测,如比较分析法、相关分析法、回归分析法。人工智能分析方法主要通过编程语言和工具对海量数据进行分析,分类、挖掘其隐含关系并给出分析结果,如聚类分析、关联分析、分类分析和预测分析等。

1.3 使用分析工具

学会使用数据分析工具,是掌握数据分析能力的关键环节。作为经济管理类研究生,学会使用基本的分析工具至关重要,这样才能在数据分析过程中选择合适的工具进行分析并可视化,最终得到有价值的结果。在众多分析工具的功能层面,按其主要功能的不同分为以下3类。

统计类工具:包括SPSS、SAS、Stata等。SPSS是一款数据统计分析软件,包括数据录入、整理、编辑和统计分析等功能,可以读取并输出各种格式文件,侧重解决统计学问题。SAS也是一款统计分析软件,功能比SPSS更强大一些,数据处理更快一些,统计分析方法齐全且先进。Stata除了传统的统计分析方法外,还包含很多方法,如贝叶斯模型、负二项模型和随机效应模型等,运行速度也非常快。

编程语言工具:包括Python、Matlab等,Python是近年来受欢迎的一种高级编程语言,能简单有效地面向对象编程。其中函数、字符串和模块等都可以是Python的对象,利用Python可以完成运行维护、完成Web前段开发、完成自动化测试和数据分析等工作。并且Python数据库种类繁多且强大,如Pandas、Numpy、和Scikit-learn等。其中Pandas是数据分析和探索工具,有高级数据结构,支持时间序列功能,可灵活处理缺失数据;Numpy是对数据进行快速处理的函数,提供强大的数组功能;Scikit-learn提供完善的机器学习工具箱,包括数据预处理、分类、回归和聚类等功能。Matlab是一种高级计算机语言和交互式环境,常用于科学计算、工程计算、数据分析、可视化和数值计算等领域。它具有简单易学、强大灵活、运算速度快、绘图功能强大、可扩展性好等优点,被广泛应用于科学研究、工程设计和教学等。

可视化工具:包括Excel、Tableau、Smartbi等,Excel是最基础的一款数据分析软件,可以进行各类数据的处理、统计、分析等操作,然后制作图表,尤其是数据透视图,可以解决数据分析问题。Tableau是可以进行图表美化的工具,可以快速形成图表与报告,将数据进行可视化,能美观直接地呈现数据的趋势,适用于客户、产品的数据分析。Smartbi是可以进行查询、报表、智能分析和数据可视化分析的综合全面的BI工具,广泛应用于各个领域。

针对经管类不同专业数据类型和分析需求,选择合适分析工具,才能在实践中获得最佳分析结果与价值。如统计学专业对数据进行统计、分析和预测时,一般选用统计类工具;经济和金融方面需要对大量数据进行分析,应选用合适编程语言等工具;商务智能和会计专业需对数据的变化趋势进行清晰分析,则更多的选用可视化工具。

2 经管类研究生数据分析能力培养存在的问题

随着人工智能和大数据的广泛运用,数据分析的影响及重要性越来越凸显,因此对于研究生数据分析能力的培养迫在眉睫。但是目前数据分析能力的培养模式存在一些问题:高校方面,课程体系不够完整,导致研究生理论知识不足;企业方面,未提供足够的实习岗位,无法提高实践能力;政府方面,监督力度不够,使得校企联合未能落实,导致所学理论无法与实践进行结合。因此本文从高校、企业和政府三方进行分析。

2.1 高校课程体系不够完善

研究生数据分析能力培养依旧遵循传统的培养模式,但传统模式培养过程中,存在跨学科课程不足、课程体系不完善的问题,导致研究生理论知识框架并不完整[10]。经管类研究生课程多数都只注重传授本专业的基础知识,计算机学科课程开设较少,对于计算机知识还停留在制作图表、统计少量数据等内容上,并未深入学习数据库、算法、编程等数据分析相关知识,导致掌握计算机方面理论知识还不够,缺乏系统性与全面性。并且经管类知识与计算机类知识融合缺失,缺乏利用数据分析知识解决经管类问题的思维,没有完整数据分析理论框架。因此,学校应通过系统规划,从跨学科结合的角度,设计全面课程体系,确保研究生掌握完整理论知识。数据分析知识体系框架应涉及数学、统计学和计算机等学科,因此具备数据分析能力不仅精通专业知识,还要掌握概率论、统计理论、数据库、算法、编程等相关知识。

2.2 企业参与程度不够高

人工智能行业亟需具备较强实践能力的数据分析人才,然而企业未能深度参与数据分析能力培养过程,没有提供必要的数据分析实践培训,导致研究生数据分析实践能力不足[11]。企业作为高校合作单位,其提供实践机会和资源能帮助研究生更好地理解与掌握数据分析知识。在实践中,一些企业并不重视人才培养,对学生实习和项目合作缺乏积极性,甚至因为缺乏完善的实习制度,企业未能提供合适的实践学习岗位和指导培训。研究生没有动手操作的机会,就无法得到实践能力培养与锻炼,缺乏将理论知识融入到实践中的经验,在遇到实际问题时难以通过自己的能力解决。因此,为了增强企业的参与度,学校可加强与企业的沟通,根据企业需求改进和优化培养目标,同时为企业提供详细、全面的学生情况介绍,增强企业对学生能力的认识。企业也要提供更为完善的实习制度,为学生提供合理的实践岗位和指导,提高学生的实践能力和解决问题的能力。

2.3 政府监督力度不够

政府制定相关政策和推动校企合作发展,但由于政府监督力度不够,校企联合并未得到有效推进和实行。在人才培养相关政策中多次提到校企联合培养重要性,但没有及时监督落实。因此,政府要加大政策落实监督力度,以确保高校和企业能够充分发挥各自优势,有效实现人才培养与企业发展的良性互动。

3 数据分析能力的三螺旋培养模式

针对传统的数据分析能力培养模式中存在的问题,提出应用三螺旋培养模式提高研究生的数据分析能力。三螺旋概念起源于生物学领域,指基因、组织、环境之间的关系,在20世纪90年代被亨利·埃茨科瓦茨 (Henry Etzkowitz)和罗伊特·雷德斯多夫(Loet Leydesdorff) 用以解释大学、企业和政府三者间在知识经济时代的新关系,大学、企业和政府形成交叉影响、共同上升的螺旋关系[12]。三螺旋培养模式是将大学、企业和政府三者紧密结合起来,使它们相互作用和影响,从而实现共同发展的培养模式。在培养数据分析能力过程中,大学、企业和政府三者协调合作,学生可以在真实的工作场景中应用所学理论知识,并掌握与数据分析相关的实践技能。这种培养模式可以提高学生的数据分析能力,能更好地适应人工智能行业和企业岗位的需求。

3.1 高校、企业、政府各司其职

高校、企业、政府是三螺旋的主体,三方之间相互独立,三者都有各自的基本功能和根本目标。高校基本功能是传授数据分析理论知识,提高研究生学业水平,根本目标是培养具备深厚理论知识基础和实践能力的人才,使之满足人工智能行业发展所需人才的要求。在数据分析能力培养过程中,高校要为研究生提供丰富理论知识,通过调整培养方案和课程体系,帮助研究生掌握完整的数据分析理论知识框架。企业基本功能是提供培训平台或实践岗位,培养经济管理类研究生数据分析的实践能力,根本目标是引进数据分析人才,使企业利益最大化。在数据分析能力培养过程中,企业要为研究生提供合适的实践岗位,让学生有动手实操的机会,提高其实践能力。政府基本功能是发挥政策支持和监督职能,解决人工智能行业快速发展和人才短缺的不平衡问题,根本目标是培养数据分析人才,以解决人工智能行业人才紧缺的问题。在数据分析能力培养过程中,政府要起到监督的作用,落实高校和企业合作,完善并推动人才培养体系。在三螺旋培养模式中,三方发挥各自功能和优势,促进研究生培养。

3.2 政府发挥监督职能,使学校企业达成合作

政府作为政策的制定者和实施者,确保高校和企业能够各司其职,实现合作共赢。政府政策颁布、实施和资金投入都会影响高校和企业发展,因此政府要制定相关政策,推进并监督校企合作,打破壁垒,共同完善数据分析能力的培养体系,推动建立互利共赢的培养模式。此外,政府可提供资金支持,促进高校和企业自我完善,提高合作质量,培养高质量人才。

三螺旋培养模式中,首先,数据分析基础能力的培养阶段,对于高校,政府应出台完善的相关政策和措施,明确培养目标和培养方向,以便高校完善课程体系、开展培养计划;对于企业,政府应投入资金,支持企业搭建实践培训基地,创造良好的培养数据分析实践能力环境。其次,数据分析实践能力的培养阶段,对于高校,政府应分担高校置办相关设备、开展数据分析培训和举办相关专家讲座等资金压力;对于企业,政府要发挥监督职能,确保企业真正参与到实践能力的培养过程中,统筹校企合作的实施,避免校企联合培养成为形式。第三,在形成数据分析能力的阶段,政府可牵头制定考核机制,对研究生的数据分析能力进行考评,通过后便可毕业进入工作岗位。

3.3 学校完善课程体系,夯实基础理论知识

高校是理论知识的主要发源地,因此高校要建立完善的数据分析课程体系,夯实理论知识基础,以适应社会对数据分析人才不同要求和不断变化的需求。

数据分析基础能力的培养阶段,高校要开设数据分析相关课程,从经管类课程、数学类课程和计算机类课程三方面来搭建数据分析的知识框架,构建完整的课程体系,将数据分析知识与经管类问题相结合,培养研究生数据分析基础能力。

数据分析实践能力的培养阶段,研究生进行实践锻炼、积累经验,并将实践中的思考与不足带回到课堂,请相关教师或技术人员进行交流并答疑,提高学生思维水平与实践能力。另外,学校也可请专家与企业家来学校举办讲座,与学生分享实践经验与行业动态,帮助研究生更好地适应行业需求与发展方向。

在形成数据分析能力阶段,学校将具备数据分析能力的研究生输送到企业和政府,为企业和政府提供人才支撑。在培养过程中,高校构建完整数据分析课程体系,完善并巩固研究生数据分析理论知识,使研究生了解理论前沿与行业动态,弥补理论知识不足的缺陷。

3.4 企业提供实践平台,拓展实践能力培养

企业搭建实践平台,为研究生提供实践机会,加强实践能力学习。同时,企业可根据人工智能行业需求或岗位要求,提供实践培训。

数据分析基础能力的培养阶段。将从学校掌握数据分析理论知识的研究生输送到企业提供的培训基地或实践平台,研究生可接触到真实的数据,能在真实环境中分析实际案例,进行实践技能的培训和锻炼,培养数据分析的思维与实践能力。

数据分析实践能力的培养阶段。研究生接受系统的学习后,在实习岗位上进行更复杂更专业的实践操作,提高自己的理论水平和实践能力,最终可以灵活并熟练地使用数据分析方法和工具。同时,在实践过程中还能了解企业的运营模式和管理方式,培养团队协作能力和沟通能力。在形成数据分析能力的阶段,企业可对具备数据分析能力研究生进行考核,考核通过后,企业即可引入人才。该类人才与岗位无缝衔接,减少企业培养时间,解决行业人才紧缺的问题,加快推动人工智能行业发展。

3.5 政府、学校、企业协作,培养高质量数据分析人才

三螺旋培养模式中,高校、企业、政府是培养数据分析能力的关键主体,在共同目标的作用下,三方联动即充分发挥各自功能,同时交叉合作[13],保障数据分析能力培养的推进,如图1所示。其中高校根据出台政策和企业要求进一步完善数据分析相关课程体系,同时通过与企业和政府的合作举办活动,学生可以与教师或工程人员面对面交流,深入了解行业动态与前沿知识,完善数据分析的理论知识框架,培养数据分析基础能力。在政府监督下,企业积极参与校企合作,搭建实践平台,为高校研究生提供实践机会,解决理论与实践脱节的问题,促进数据分析实践能力的培养。政府通过资金支持、监督校企联合落实,使校企合作开展培训项目,研究生数据分析基础能力和实践能力在不断交汇培养中提升,促进其掌握数据分析能力。通过三方联合,构建“政校企协同”的三螺旋培养模式,经管类研究生实现“理论-实践-反思-提升”的循环学习过程,不断深入地掌握数据分析理论知识和实践技能,从而成为具备数据分析能力的高质量人才,弥补了数据分析人才缺口,推动人工智能行业发展。

图1 三螺旋培养模式示意图

4 结语

数据分析人才成为人工智能行业发展的重要力量,如何培养具备数据分析能力的高质量人才成为研究的重要课题。传统培养模式存在的问题主要体现在理论知识不足、实践能力缺乏和监督欠缺三方面,针对问题提出运用三螺旋培养模式,通过高校、企业和政府的合作,弥补传统模式不足。在三螺旋培养模式中,三方形成政府引导调节、校企深入联合的螺旋式互动关系,促进研究生具备完善的数据分析能力,打造高质量数据分析人才,为人工智能行业发展提供人才支撑。同时,也要意识到人工智能市场需求不断变化以及数据分析技术不断发展,因此要及时调整培养方案,以满足高质量数据分析人才新要求。本文以经济管理类研究生为例,分析了数据分析能力培养的模式,可为其他专业培养数据分析能力人才提供借鉴。