大数据背景下金融工程专业人才培养模式改革研究
孙维峰
[摘 要]在大数据视阈下，金融业态、金融格局乃至整个金融生态都将发生巨大改变，这导致金融工程专业人才培养模式发生变革。大数据对人才培养模式和教师素养提出了新要求，给教育教学改革提供了新机遇。研究从人才培养目标、人才培养标准、课程体系、教学模式、师资队伍建设和校企合作六个方面提出了大数据背景下金融工程专业人才培养模式的改革方案。这一模式的显著特点有三个方面：跨学科特征;模块化课程的运用;更加注重理论与实践的结合。
[关键词]大数据;金融工程专业;人才培养模式
[中图分类号] G642.0 [文献标识码] A [文章编号] 2095-3437（2021）08-0128-04
人才培养模式是影响高校人才培养质量的核心因素。然而现行的人才培养模式不能很好地适应社会经济和学生发展的需要，存在人才培养和社会需求脱节、专业特色不够明显、培养模式思路比较狭窄、教学模式和方法陈旧等问题。《国家中长期教育改革与发展规划纲要（2010—2020年）》明确提出，要适应国家和社会发展需要，创新人才培养模式。
当前，随着大数据时代的来临，国家把大数据产业纳入战略新兴产业，出台了一系列促进大数据产业发展的政策措施。金融体系和资本市场是大数据发挥作用的重要领域。在大数据视阈下，金融业态、金融格局乃至整个金融生态都将发生巨大改变。在大数据时代，金融工程专业的人才培养面临着与以往截然不同的挑战，如何培养出既熟悉金融业务、又掌握大数据技术的复合型人才，是我们迫切需要研究的课题。
一、文献评述
金融工程是一个融合经济、管理、数学、工程等的交叉学科。近年来，随着金融工程相关领域的飞速发展，国内许多高校相继开设了金融工程专业，许多学者也对金融工程专业的人才培养模式进行了探讨。其中的相关研究可分为四个方面。一是金融工程专业人才培养模式的比较研究。郭敏、刘立新和余湄[1]通过借鉴国外高校的经验，提出了我国财经类院校培养金融工程人才的目标和模式。唐菁菁和谭春枝[2]通过对中美两国金融工程专业的课程设置进行比较，有针对性地提出了对金融工程专业人才培养模式中教学模块的优化建议。史永东、陈日清[3]，刘磊、陈为涛、刘降斌[4]分别对财经院校和商科院校的金融工程专业人才培养方案和课程设置进行了研究。二是探讨金融工程专业具体培养方案的设计问题。罗志[5]提出了校企合作培养金融工程人才的模式。周远[6]结合行业背景和人才需求情况提出了金融工程本科专业人才培养的建设思路。沈银花和苏国红[7]利用“新工科”理念探讨了传统工科院校金融工程专业的人才培养模式改革问题，指出应以学科交叉和深度融合为基础，更新课程知识体系。刘家鹏、刘春雨、易荣华等[8]在进行外部环境背景研究和目标定位分析的基础上，探讨了面向金融改革和创新的金融工程特色人才培养模式。李艳华和卜亚[9]在卓越工程师培养计划的背景下，提出了“三维四段”的金融工程专业人才培养模式。三是专门探讨金融工程专业的实践教学问题。文忠桥和李阳[10]提出为适应现代金融业微观化、工程化的发展趋势，必须加强金融工程专业的实践教学。张丽华、沈沛龙和张文龙[11]在金融工程专业“四实”（实验、实训、实习和实践）贯通教学模式内涵基础上，论述了金融工程专业“四实”贯通教学模式的整体设计、平台建设和保障措施。四是探讨地方本科院校金融工程专业的人才培养模式。谭春枝和岳桂宁[12]以广西大学为例，研究地方高校金融工程专业人才培养模式及其实践。李国成、周本达和张穗萌[13]从地方应用型高水平大学建设的角度探讨了金融工程专业人才培养的目标、层次和模式。
关于金融工程专业人才培养模式的研究取得了较大的进展，但从现有的研究成果来看，还存在一定的不足。
第一，分散研究较多，系统研究较少。虽然在金融工程专业人才培养模式方面的研究成果比较多，但这些研究绝大部分属于分散研究，即只是对人才培养模式中的某个要素或者某个环节进行研究，这是远远不够的。
第二，现有的研究成果认识到金融工程专业的人才培养模式存在较多问题，但提出的解决方案缺乏针对性。以人才培养目标为例，研究者只是指出了现有的人才培养目标模糊，应该明确人才培养目标，但是对于如何确定人才培养目标，却没有给予回答。
第三，虽然研究者从多个角度探讨了金融工程专业的人才培养模式，但从大数据的角度探讨金融工程专业人才培养模式的研究成果几乎是空白。
二、大数据对金融工程专业人才培养的新要求
大数据被认为是一个术语，它描述了数据生成量、结构和速度的惊人增长。Laney[14]总结了大数据的构成，通常称之为“3V模型”：容量（Volume）、速度（Velocity）种类（Variety）。研究者从这三个核心特征扩展而来，将以下特征作为与大数据概念相关的关键特征[15]：容量（Volume）、速度（Velocity）、真实性（Veracity）、种类（Variety）、验证（Verifification）、价值（Value）。大数据还有其他重要特征，如数据有效性（指數据的准确性）和数据波动性。它还涉及以有用的形式存储数据以进行适当的增值分析所需的时间和长度。
大数据给高等教育带来了新的机遇和挑战：一方面，大数据为进行高等教育研究提供了新的机遇;另一方面，大数据也对高等院校的人才培养提出了挑战。
（一）大数据对人才培养提出了新要求
大数据推动移动金融、互联网金融等新的金融业态不断涌现，传统金融正向信息化金融快速迈进。如何主动应对大数据时代信息化金融带来的机遇与挑战，与时俱进、面向未来地推动金融教育和金融人才培养，是当前金融教育工作的重要课题。金融人才培养即将面临的不仅仅是观念的改变，更可能是系统的范式变迁。金融工程专业的人才培养模式应跳出增减课程的传统窠臼，从培养目标、培养标准、培养过程、培养评价等方面进行整体的范式转换，推动金融工程专业人才培养模式的创新。一方面，金融业发展迅速，以金融工程为代表的高端金融人才紧缺;另一方面，大数据会带来金融体系的重构和资本市场的变革，以及信息化金融的发展，使得现有金融人才的专业背景、技术储备都无法较好地满足当前的需求，亟待培养大量兼具金融业务、信息技术和管理等多种知识技能的复合型人才。特别是在大数据领域，其要求人才拥有较强的业务理解能力、数据资产管理能力、数据处理能力和数据挖掘能力，对大数据技术的学习和应用在某种程度上也是对金融工程专业人才培养的一个新要求。
（二）大数据为教育教学改革提供了新机遇
大数据是一个知识系统，它已经改变了许多领域的知识和社会理论的研究对象，同时也有潜力改变管理决策理论[16]。数据挖掘是一种重要的工具，用于预测和分类从客户那里收集来的数据。如今，许多行业使用数据挖掘来制订决策，并为目标细分客户制订营销策略，以实现其目标。但许多大学忽视了数据挖掘技术的应用。高校可以利用大数据分析改变现有的行政、教学、学习、学术工作过程，这有助于提高政策的实践成果。
大数据可以为高校提供所需的预测工具，以改善个别学生的学习成果，并确保学术课程达到高质量标准。高校可以在课程中定制模块、作业、反馈和学习树，以满足学生的需求，从而促进学生更好地学习。例如，高校可以利用大数据工具分析个别学生的表现和技能水平，并創建符合其特定学习路径的个性化学习体验。如果能有效使用，大数据可以帮助机构提高学生的学习体验，全面提高学生的学习成绩。大数据的主要贡献将取决于三种数据模型（描述性、关系性和预测性）的应用，以及每种模型在指导更好的决策方面的效用。
（三）大数据对教师素养提出了新挑战
在大数据时代，教师要进一步创新教学理念和教学模式，改革人才培养方案，不断完善自身，紧跟时代步伐。但由于大数据是相对较新的事物，许多教师不了解大数据，也没有意识到潜在的危机[17]。实际上，大数据时代教师的专业发展面临着很大的挑战。
一是人才培养模式改革所带来的挑战。大数据时代，学生不再局限于通过课堂和教材获取知识，教师不再是知识的唯一来源，学习问题可以通过网络解决，学生真正获得个性化的学习。为了适应这种变化，教师应该从大量的数据中了解每个学生的兴趣、爱好和关注点，并根据学生的情况提供个性化的学习解决方案。教师应该探索数据教育思想和规律的潜在性，追求人才培养的灵活性和多样性。没有大数据的知识，我们就无法实现大数据时代的人才培养目标。
二是教育教学改革所带来的挑战。上文我们提到，大数据为教育教学改革提供了机遇。然而，在高校中实施大数据分析技术也面临着许多挑战。其中一些挑战包括让用户接受大数据作为采用新流程和变更管理的渠道。收集、存储和开发挖掘数据的算法也会带来巨大的成本，这一过程往往耗时且复杂。此外，将管理数据、课堂数据和在线数据汇总起来可能会带来额外的挑战[18]。数据集成方面的挑战尤为突出，尤其是当数据以结构化和非结构化格式出现，需要从不同的来源进行集成时，其中大部分数据存储在由不同部门管理的系统中。执行结构化和非结构化数据集成时的数据清理可能会导致数据丢失。收集和报告的数据质量也存在挑战。缺乏标准化的度量和指标使得数据之间的比较变得困难，因为大数据产生的信息质量完全取决于收集的数据质量和所用度量或指标的稳健性[15]。
三、大数据背景下金融工程专业人才培养模式改革的主要内容
高等教育要适应时代发展，转变观念，深化改革，构建符合经济社会发展需要的人才培养模式。根据人才培养模式的内涵，人才培养模式的延伸应是人才培养的全过程。教育工作者首先应在一定的教育哲学和思想指导下，根据经济社会发展的需要，确定人才培养目标，根据人才培养目标确定人才规格和质量结构，在此基础上，构建人才培养方案，确定人才培养的教学内容和课程体系，然后采用科学的教学方法和手段，最后建立一套人才培养评价体系。
（一）人才培养目标的调整原则
高校在确定培养什么样的人时，主要受三个因素的影响，即学生自身的实际需求、社会需求和教育者的意愿[19]。传统上，目标主要由教育工作者的意愿决定，注重知识基础，注重学科体系和专业体系，很少关注学生发展的实际需要和社会需要。随着高等教育大众化的实现，高校培养的人才逐渐走向市场，社会的需求越来越受到重视，但由于受传统教育思想的影响，学生自身的实际需要并没有受到重视。可见，传统教育思想是树立以人为本教育理念的最大障碍，是当前我国本科人才培养模式改革的重要制约因素。
教育的基本职能是培养人才，而教育者无论采用何种培养方式，都必须培养一个健全的人，致力于培养一个自然人的基本知识、能力和道德。人才培养模式改革的根本目的是提高人才培养质量。可见，无论采取何种改革措施，都必须有利于学生的成长。在新形势下，要以新的人才理念和新的质量理念为指导，进行人才培养模式的改革。2019年2月，党中央和国务院印发了《中国教育现代化2035》，明确提出要培养德智体美劳全面发展的社会主义建设者和接班人，更加注重全面发展，更加注重面向人人。金融工程专业人才培养目标的调整也应以此为原则。
（二）人才培养标准的确定
知识、能力和素质是确定人才培养标准的三个基本方面。知识是培养人才的基础，能力是培养人才的目标，素质是培养人才的保证[20]。
知识是能力和素质的载体，主要包括基础知识、专业知识以及与专业知识相关的相邻学科知识等。在大数据背景下，金融工程专业的本科生应具备经济学、金融学、会计学等学科基础知识;具备金融工程的专业知识;具备数学、统计学和计算机知识;具备与专业相关的其他知识等。
能力就是完成一定活动的技能。能力是在掌握一定知识的基础上，通过一定的实践形成的。能力主要包括知识吸收能力和学习能力、知识应用能力和创新能力等。在大数据背景下，金融工程专业的本科生应具备熟练的英语应用能力;具备金融市场定量分析与科学研究的能力;具备金融业务判断与决策的能力;具备沟通、协调、管理和创新创业能力;具备终身学习的能力等。
素质以相对稳定的身心发展为目标，主要包括广泛的知识、独特的个性特征和稳定的心理、坚定和勇敢的判断等。在大数据背景下，金融工程专业的本科生应具备较高的政治素质，具有较强的国家意识、社会责任意识和民族振兴意识;具备广泛的人文及科学素养，养成社会推崇的言行举止;具备一定的职业操守意识;具备强健的体魄、积极的心态等。
（三）课程体系的变化
课程体系是人才培养计划的基本框架，教学内容是人才培养的主要载体。在大数据背景下，金融工程专业人员的定位应是具有经济学、金融学、计算机、数学等跨学科背景的应用型、综合型人才，这就决定了课程体系必须进行较大程度的调整。此外，学科交叉并不是大杂烩。在大数据背景下，金融工程专业的人才培养并不意味着所涉及的科目越多，效果越好。
在大数据背景下，金融工程专业人才培养模式应注重培养跨学科背景的应用型人才，以满足市场需求。这样，在课程设计方面就需要有相应的模块化设计。一般来说，金融工程专业课程体系由通识教育课程、专业教育课程、集中实践教学三大平台模块组成。大数据的影响主要体现在专业教育课程和集中实践教学。专业教学课程在强化高等数学教学的基础上，应增加大数据金融、数据分析、数据挖掘和信息系统操作等课程。集中实践教学环节则应在金融工程综合实训中加强大数据技术的应用训练。总之，模块化课程应以经济学、金融学、数学和计算机课程为基础，结合不同的应用领域灵活设置课程，尽可能地使理论与实践相结合。
（四）教学模式的变革
在大数据背景下，金融工程专业人才的培养一方面应注重金融理论知识的教学，培养具有扎实理论基础的优秀人才;另一方面，应强调应用能力的培养，通过多种手段加强实践教学;培养学生处理复杂金融问题的能力。传统的教学模式不能适应这一要求，必须进行变革。第一，利用科研项目教学。通过案例研究和教学模式的探讨，让学生多接触一个专业领域的实际问题，培养学生解决问题的能力，从而使毕业生能够快速适应工作，学会运用。第二，采用多导师制。在大数据背景下，金融工程专业人才培养的新模式涉及多学科交叉和多能力综合。单个导师承担所有的指导工作是非常困难的，采用基于多导师制的联合培训模式可以充分利用其优势，规避其弱点。教师之间相互补充，可以从理论和实践两方面给学生提供高质量的指导。第三，实施以学生为中心的教学组织形式和教学方法，增强学生的学习主动性;培养学生的科学精神和科学素养;通过应用型教师与学生的互动教学，促使学生学习大数据知识。第四，引导教师根据学生成长和发展的实际需要，改进教学内容和教学方法。通过加强对教学过程的评价，促进教师严格教学，加强对教学过程的管理。制订激励政策鼓励教师加大教学投入。第五，采用创造性教学法提高学生的创新能力。教师要遵循创造的一般规律，引导学生进行创新思维，充分发挥学生的自主学习能力，让学生学习和吸收科学知识，探索教学过程中的未知问题。
（五）师资队伍的建设
人才培养模式改革的重点是全面开展素质教育，而起点是课堂教学。教师是人才培养模式改革的直接参与者，教师的教学水平决定了人才培养模式改革的成败。要改革人才培养模式，必须加强师资队伍建设，保证教师队伍满足办学需要。教师应以教学为己任，通过对教学的深入研究，提高教书育人的能力，以渊博的学识、高尚的道德和人格魅力感染学生，为学生健康成长提供指导。同时，教师也应改变传统的以教师为中心的教学模式，教师的角色由教学中的主导角色转变为学生学习和教学的辅助、服务角色，由单纯的知识教学转变为互动教学。在大数据背景下，金融工程专业的人才培养需要教师具备跨学科知识，虽然不要求每位教师对经济学、数学、计算机等学科的知识都很精通，但至少应该在精通某一学科知识的同时，对其他学科知识有一定的了解。今天，跨学科自由交叉、相互渗透，边缘学科和跨学科层出不穷，只有单一的学科知识和封闭的知识结构，已无法适应科学技术飞速发展的需求。教师要具有开放的知识结构，能不断学习和吸收新的知识。从院系的角度来说，应该鼓励教师外出参加各种关于大数据和统计方面的短期培训或学术会议，鼓励教师到合作企业进行短期实践等，以此来更新教师的知识，提高教师的实践能力。
（六）建立校企合作平台
如前所述，在大数据背景下，金融工程专业人才需求量大，专业要求高，市场定位强，单靠高校来培养很难取得良好的效果。构建校企合作平台，借助教育部协同育人项目，实现主体之间的精确分工和深度对接，具有十分重要的意义。学校与企业的结合，可以实现双赢，对高校来说，可以加强人才培养的实践能力;企业则可以获得优秀的专业人才。高校可以聘请金融实务界的行业精英授课、讲学、培训，定期开展学术活动，以提高学生对实际问题的判断和分析能力。学生可以获得业内精英的经验分享，体验职场新人的感受，这能促使学生将书本知识和工作技能有机融合。
四、结语
随着经济的发展和计算机网络技术的创新，大数据在各个领域都得到了广泛的应用。传统的金融工程人才培养模式过于狭窄，课程设置不合理，理论与实践脱节，不能满足市场需求。在大数据背景下，我们需要探索一种新的金融工程专业人才培养模式。这一模式的显著特点有三个方面：一是以经济学、数学和计算机科学为基础，具有明显的跨学科特征;二是模块化课程的运用，突出综合性和应用性;三是更加注重理论与实践的结合。
人才培养模式的改革是深化教育体制改革的核心内容，是高等教育内涵发展的必然选择，是当前提高我国高等教育质量的关键。只有抓住这个关键点，人才培养的质量才能不断提高。
[ 参 考 文 献 ]
[1] 郭敏，刘立新，余湄.财经类院校金融工程人才培养目标与模式[J].财经科学，2004（6）：8-11.
[2] 唐菁菁， 谭春枝. 美国金融工程课程设置比较及其启示[J]. 高教论坛， 2009（1）：53-56.
[3] 史永东， 陈日清. 财经院校金融工程本科专业课程设置研究[J]. 东北财经大学学报， 2009（4）：85-87.
[4] 刘磊， 陈为涛， 刘降斌. 商科院校金融工程专业课程设置研究[J]. 经济研究导刊， 2011（8）：272-273.
[5] 羅志. 新金融环境下工科类院校金融工程人才培养模式探讨[J]. 价值工程， 2017（33）：208-209.
[6] 周远. 金融工程本科专业人才培养建设探讨[J]. 教育教学论坛， 2017（32）：132-133.
[7] 沈银花， 苏国红. “新工科”理念下的金融工程专业人才培养模式探讨[J]. 牡丹江大学学报， 2018（7）：154-157.
[8] 刘家鹏， 刘春雨， 易荣华， 等. 面向金融改革与创新的金融工程特色人才培养模式研究[J]. 教育教学论坛， 2018（30）：83-85.
[9] 李艳华， 卜亚. 金融工程专业人才培养模式研究：基于卓越工程师培养计划[J]. 科技经济市场， 2018（3）：149-151.
[10] 文忠桥， 李阳. 金融工程专业的实验教学体系研究[J]. 中国证券期货， 2010（1）：107-109.
[11] 张丽华， 沈沛龙， 张文龙. 金融工程专业“四实”贯通教学模式的探索[J]. 教育理论与实践， 2013（36）：29-31.
[12] 谭春枝， 岳桂宁. 论地方综合性大学金融工程人才培养：以广西大学为例[J]. 广西社会科学， 2010（11）：28-34.
[13] 李国成， 周本达， 张穗萌. 地方应用型高水平大学金融工程专业人才培养模式探索[J]. 皖西学院学报， 2018（1）：35-38.
[14] Laney D. 3-D Data Management： Controlling Data Volume， Velocity， and Variety[J]. Application. Delivery Strategies，2001（6）：70-72.
[15] Daniel B. Big Data and analytics in higher education： Opportunities and challenges[J]. British Journal of Educational Technology， 2015，46（5）：904-920.
[16] Boyd D， Crawford K. Critical Questions For Big Data[J]. Information， Communication & Society， 2012，15（5）：662-679.
[17] Hongtao C， Dandan Z. Strategies on Teacher Professional Development in Big Data Era[C]. 4th International Conference on Education Technology， Management and Humanities Science， 2018.
[18] Daniel B K， Butson R J. Technology Enhanced Analytics （TEA） in Higher Education[J]. International Association for Development of the Information Society， 2013：89-96.
[19] Sai Q. Research on The Reform of Talent Training Mode in Colleges and Universities[C]. 3rd Conference on Education and Teaching in Colleges and Universities， 2017.
[20] Chen W. Research on Innovative Talent Training Mode and Its Application in Open Education[C]. 3rd Annual International Conference on Modern Education and Social Science， 2017.
[責任编辑：陈 明]
