数字经济时代金融人才数据素养培养困境与对策研究

方霞??张云??赵平

摘 要：在数字经济快速发展的新阶段，金融行业亟须兼具金融思维和数据素养的交叉复合型人才，这既是金融人才培养契合金融数字化转型的时代指向，也是金融事件动态变化的内在要求、金融数据场景多变性的现实需求，更是数据挖掘知识和金融理论演进的客观需要。本文在剖析现存问题基础上提出“四维三元”学科交叉的金融人才培养模式：构建金融理论知识、数据挖掘技能和计算机编程能力三元融合学科交叉的课程体系，创新多方联动的动态反馈培养机制，丰富以融合创新为导向的三元融合跨学科培养手段，建设学科交叉师资队伍。

关键词：数字经济;金融人才培养;数据素养;学科交叉;多方联动

一、数字时代金融人才数据素养培养的现实意义

在全球经济增长乏力和疫情冲击的背景下，数字经济被视为推动经济变革、效率变革和动力变革的“加速器”，成为撬动经济发展的“新杠杆”和国家竞争的新战场。据统计，随着数字经济向社会的全面渗透，从2012年至2021年，我国数字经济规模从11万亿元增长到45万亿元以上，位居世界前列，数字经济占国内生产总值比重由21.6%提升至39.8%。可见，数字经济成为我国经济的重要组成部分和新的经济增长点。

金融是经济的血液，金融业作为国民经济的重要产业，在深化供给侧结构性改革、建设创新型国家、实现乡村振兴、实现区域协调发展、完善社会主义市场经济体制及推动形成全面开放新格局、支持数字经济发展等方面扮演重要的角色。同时，金融业高质量发展离不开数字技术支撑，金融业数字化转型已经成为助力金融高质量发展的关键组成部分。具体来看，金融业能利用互联网、大数据更为有效地帮助金融资源供给侧和需求侧精准、智能地匹配，推进金融供给侧结构性改革，使金融业更加精准和便捷地服务于实体经济。

金融业数字化转型释放出了金融创新活力和应用潜能，大大推动了我国金融业转型升级和金融服务模式的变革。金融行业的转型变革对金融人才培养也提出了新的要求。未来金融人才的核心竞争力很大程度上依赖于从大数据中提取信息和知识的速度与能力，而这种速度和能力，取决于金融数据分析、挖掘和应用水平。金融行业的数字化转型，要求金融专业人才具备数据分析与挖掘的数据素养。首先要理解金融数据分析与挖掘的金融逻辑，面对海量金融数据，传统的分析方式需要重大改变，并建立与之相应的新的数据分析逻辑框架。其次是如何使用和管理大数据，从中提取有用的信息，为金融决策者提供可靠的理论支持。因此，数字经济背景下，需要更加注重专业人才培养与产业界的对接，实现金融理论知识、数据分析与挖掘技能和计算机编程能力的“三元融合”，开展理论教学、实验教学与实践教学的融合创新，培养具有创新精神和实践能力的应用型、复合型、创新型人才。

二、金融人才数据素养培养的学科交叉融合必要性

数字经济背景下，信息化、分散化和知识化等新科技革命给传统金融业态以较大的冲击，金融人才培养模式必须适应外部的改变加以变革[1]。金融业的数字化转型，要求金融人才知识结构重塑，金融企业急需既懂信息技术、又掌握金融理论和数据挖掘技能，同时还具备数字思维的学科交叉的复合型人才。

1.金融行业数字化转型的时代指向

我国高校不同学科由于研究对象、研究角度、研究方法以及研究载体不同，各自形成相对独立封闭的知识体系[2]。随着互联网的快速普及与金融行业的深度融合，传统金融行业的人才需求必然减少，新型金融行业的人才需求将不断扩大。这就导致传统金融人才供给过剩，而复合型高端金融人才短缺。2022年，银保监会下发《关于银行业保险业数字化转型的指导意见》指出，“银行保险结构数字化转型不仅需要数字技术人才，还需要他们具备扎实的金融功底”。对于相关院校金融专业来说，直面当前的困境对现有的人才培养模式进行创新升级十分必要[3]。尽管金融数字化以及金融与科技的融合并未改變金融的本质和逻辑，但是数字时代所具有的开放性和互动性，使得新型金融行业更容易产生业务、技术、数据、网络等多重风险的叠加。新金融的核心是以深度技术创新彻底颠覆和改造传统金融模式，客户行为偏好与风险评估模式将基于大数据技术重构业务流程，人工控制将被人工智能取代，甚至风险收益匹配、产品结构设计等金融核心问题也可通过“数据+技术”方式解决，金融行业将逐渐实现全方位“科技化”，金融工具和模式的创新将不断提速[4]。

2.金融事件动态变化的内在要求

传统金融人才数据应用能力培养机制具有非常强的规范性，要求任课老师根据培养方案，遵循教学大纲，按照指定教材，采取合适的考核方式进行教学活动，但是培养方案和教学大纲的稳定性决定了教学内容和方法跟不上数据挖掘知识和金融理论的发展。传统数据素养培养注重数据素养的普适性，并未考虑新金融下金融数据的特殊性。金融业是一个高度数据化的行业，历年沉淀积累的大数据库，包括各类金融交易、客户信息、市场分析、风险控制、投资顾问、资产配置及其收益情况等[5]。新金融数据具有其特殊性，主要是时间序列数据，往往具有三个特点：一是通常具有大量的噪音并且具有高维度特性;二是不能确定所获得的信息是否足以预测未来趋势;三是数据的时变性[6]。忽略新金融数据特殊性的数据挖掘方法，会导致预测信息不足，影响预测结果的准确性，更不利于揭示金融问题背后的经济逻辑。传统教学模式限制了学生对金融数据挖掘知识的理解，使得学生无法将传统金融理论知识应用于新金融案例中，提供具有时效性的金融问题解决方案。

3.金融数据场景多变性的现实需求

现有传统金融人才数据素养培养手段以课堂教学为主，课程体系设计以理论灌输为主，主要采用虚拟数据或者清洗过的数据。但在金融行业里，数据来源非常复杂，数据提取、整理、分析和使用难度加大。教师主导型的传统讲授式教学方式下，教师主体地位过于突出，使学生被对象化为教学活动客体，学生的积极性、主动性和创造性大大降低，教师的“教”与学生的“学”难以融合统一，教师成为贮存知识的“银行”，学生成为提取知识“存款”的“客户”，教师灌输得越多，学生自主学习能力越弱，创新意识与能力难以培养[7]。所以，需要改变传统金融人才数据素养培养手段，引入与新金融相关的数据挖掘案例和金融理论前沿内容，利用互联网技术，采用虚实结合的场景式教学模式，形成动态反馈和调整机制。同时，利用文本处理等技术优化对金融市场各类数据进行分析和预测的过程，提高学生金融研报自动生成、风险管理信息捕捉等方面的能力。

4.数据挖掘知识和金融理论演进的客观需要

在国家整体信息科技实力不断提升的基础上，金融信息化继续深入发展，以移动金融、互联网金融、智能金融等为代表的金融新业态、新应用、新模式正在蓬勃兴起，传统金融机构和金融科技公司良性竞合的关系初步形成，我国金融业总体科技水平和应用创新能力已跨入国际先进行列，这为数字化转型提供了宝贵的实践经验和较好的技术基础。但现有金融数据挖掘课程体系固化，滞后于金融行业发展趋势，与技术应用前沿脱节。金融新业态的发展对传统金融理论提出了挑战：如信息技术使用对有效市场假说的挑战、数字货币使用对主权货币理论的挑战、互联网金融对货币需求理论的挑战等。随着我国金融业数字化转型的加快，金融实务发展与金融基础理论体系构建间的不同步问题日益凸显，需要根据金融业态变化动态调整教学内容、教学案例、教学场景，以提高金融数据挖掘人才提炼有效、新颖、潜在有用信息以及制定精确的决策方案、风险控制等能力，把握金融业前沿成果、适应金融市场快速变革的节奏。

三、“四维三元”金融人才培养模式的实施路径

数字经济时代，我国金融人才数据素养培养需要立足于金融理论逻辑、数据挖掘技能和计算机能力三元融合。金融学中抽象的金融理论和模型需要通过现实数据进行解释、验证和求解，实践中各种金融产品设计、策略制定、方案设计都需要金融理论加以支撑，金融大数据和数据挖掘为两者的有机融合提供了可能性。要保证金融人才数据素养的培养质量，需进行金融专业人才培养模式的创新，创新不仅仅是课堂教学方法的改进、实践实验内容的增加等修修补补，更应根据数字经济背景对金融人才培养定目标、定位、模式和方法从顶层设计开始进行系统性的变革。具体到金融人才数据素颜培养上，应从课程体系、培养手段、培养机制和师资队伍建设四个维度的三元融合入手。

1.构建三元融合的交叉学科整合课程体系

数字经济时代，金融业需要根据庞大的数据制定针对性强的金融方案、设计个性化的金融产品、实施精准的营销手段、采取有效的金融风险管理，而这一切均要基于对金融理论知识和数据基本的理解。因此，金融人才数据素养的提升需要实现金融理论知识、数据挖掘知识和软件工具使用能力三元融合。“整合课程”模式是培养综合性、复合型人才的有效选择之一。所谓“整合课程”模式，是指在一门课程中整合不同学科知识、理论、技术，用来分析解决具体问题[8]。

一是金融人才数据素养培养需要前置性的金融理论知识。数字经济推动金融行业转型，主要体现在实现严格有效的监管、机构精细化管理、业务创新提高竞争力三大方面。而数字经济技术正是实现这些目标的扎实基础。大数据技术分析和挖掘客户的交易和消费历史掌握客户的消费行为与习惯，并准确地预测客户的需求，有方向性地提供服务，同时能通过跟踪新闻、微博等典型的非结构化、半结构化数据搜集政治、经济等方面的变化对市场的影响。这些非结构化和半结构化数据经过处理后能够转化成结构化数据，并参与到自动交易的决策辅助中来。由此可见，大数据为金融行业的转型带来了极大的帮助，但这一帮助是基于对大数据精确的分析，这就需要培养学生扎实的金融理论知识，将金融工程学、金融风险度量等金融学的基本理论和思想付诸实践，以金融理论为指导，以数理方法为手段，以计算机语言为工具，分析金融系统中的各种数量关系，预测金融发展变动规律，为金融决策提供智力支持。

二是金融人才数据素养培养需要融合数据挖掘知识。金融分析应该具备金融数据的逻辑思维，从大量非稳态、非线性和高信噪比的不确定的金融数据中挖掘出有价值的信息。数据挖掘是多学科知识的综合，涵盖了数据库技术、统计学、可视化技术、信息科学、机器学习等多方面知识。金融逻辑加数据挖掘知识才能准确把握金融领域数据的不同分布规律，并运用不同的算法分析金融事件背后的内在逻辑，用于解释和预测金融市场走向。现实金融数据的分析和挖掘也有利于学生加深对金融理论和专业知识的把握，培养学生金融创新能力。

三是金融人才数据素养培养需要软件知识支撑。海量金融数据的处理没有软件工具是无法实现的，为了现实有效的金融数据挖掘，用户必须借助于合适的数据挖掘软件。所以，数据挖掘软件的选择和使用是金融人才数据素养培养必备的内容。而现有软件课程的开设与应用，往往不考虑金融数据和金融案例的特点，导致金融专业学生懂软件工具，但并不知道如何在金融领域加以运用，不知道如何在金融的不同领域采用合适的软件工具。因此，金融专业人才培养中软件课程的设置应该有针对性，直接利用金融数据和金融案例开发软件课程。

2.丰富三元融合的金融人才数据素养培养手段

解决实际问题的能力是新金融背景下金融人才核心竞争力，金融专业学生数据素养培养应该突出课堂教学、实验教学和实践教学的三元融合。一是以实践教学丰富课堂教学。积极与银行、证券、保险、数字金融公司等金融和非金融机构合作，形成多层次、有序化的产教合作教育实践平台，通过实践环节充实课堂教学内容。二是以实验教学促进课堂教学。为适应数字金融发展要求，作为高层次、应用型的金融专业人才应该能够熟练使用软件工具，具备较强的金融数据挖掘、金融数据分析处理能力。充分利用R、Python等软件工具和数据库，开设培养金融数据素养的学科交叉整合课程，训练学生熟练使用统计软件，掌握金融数据统计分析方法，提高运用金融、经济数据信息分析问题和解决问题的能力。三是以课堂和实验教学提升实践教学质量。将课堂教学的金融理论知识和实验教学的数据挖掘技能融入实践教学环节，使学生在实践环节以金融理论知识为基础，以数据挖掘技能为支撑，提高实践教学环节的效率和质量。

3.创新三元融合的金融人才数据素养培养机制

三元融合的金融专业学生数据素养培养需要整合校内外资源，设计行之有效的长效机制，在培养内容、培养手段、培养质量评价上融合多方资源，从基地建设、制度建設和评价体系三方面进行建设。一是以联合培养基地为依托，形成动态反馈机制，及时调整金融数据素养培养内容。利用校企、校校、校政等联合培养基地和教学研讨会议，征求校内外金融专业教师和银行、证券等金融机构高管、技术骨干意见，动态调整现有金融数据素养培养内容和手段。二是健全可持续发展的教学管理制度，构建教学质量保障机制，完善金融数据素养培养机制。加强金融专业学生实践教学环节，明确实践教学的时间安排，制定实践研究考核方案，将专业实践落到实处。健全可持续发展的实践教学管理制度，加大实践教学管理的资源投入。三是建立共同评价实践教学培养质量，提高金融数据素养培养质量。积极探索满足行业标准人才需求的培养模式，多方互动，定期收集用人单位反馈信息，建立由学校、学生和行业企业三方面参与的实践教学培养质量评价体系，动态优化人才培养方案。

4.健全三元融合的交叉学科师资队伍

目前大部分高校金融学专业培养通过实行双导师制来解决理论和实务脱节问题，但无法解决跨学科复合型师资紧缺问题，这一方面依赖于教师教学发展随技术进步和形势发展不断迭代升级[9]，另一方面可以通过优化师资队伍结构来解决。一是实行三导师制，实现学科融合。交叉学科的人才培养需要整合不同学科的教师资源[10]，跨学科师资队伍的建设形式灵活多样，对跨学科人才的培养成效大有裨益[11]。建立院级合作机制，聘请大数据相关学院教师作为校内院外导师，建立校企合作机制，聘请金融机构和新型金融企业员工作为校外导师，实现金融专业素养、数据挖掘技能和金融实践能力的共同提升。二是充实校内导师队伍，锻炼实践能力。针对目前校内导师实践能力普遍较弱、教学案例不丰富等问题，可以与金融机构建立长期战略合作关系，选派校内导师到金融机构（如银行、证券公司、互联网金融公司）挂职锻炼、兼职或者担当顾问，与金融机构合作开展科学研究，参与金融领域的项目研究，不断积累教学案例。同时，聘请金融领域的专业人员来校与校内导师座谈，提出实际工作中的问题和难题，与校内导师一起研讨，提高校内导师理论联系实际、解决实际问题的能力。三是完善实务导师队伍，发挥专业优势。如：聘请实践经验丰富的专家、学者担任实务导师，参与学生专业技术课程、实践教学、学位论文等多个环节的指导工作。

参考文献：

[1]张震，王周伟. 新科技革命背景下金融硕士专业学位教育质量保障研究[J].金融管理研究，2016（1）：21-33.

[2]陈伟斌. “双一流”建设背景下新兴交叉学科建设路径思考[J]. 中国大学教学，2021（9）：80-86.

[3]李俭，王梦菊，赵文君.“互联网+创新创业教育”融入“计算机+金融”人才培养全过程的实践研究[J]. 黑龙江教育：理论与实践，2018（10）：24-25.

[4]张云，杨凌霄，李秀珍. Fintech 时代金融人才培养实验实训体系重构[J].中国大学教学，2020（1）：24-30.

[5]陆妙燕，陈敏红. 金融智能化背景下应用型金融人才培养的挑战与对策[J].齐齐哈尔大学学报，2018（7）：186-188.

[6]苏治，卢曼，李德轩. 深度学习的金融实证应用：动态、贡献与展望[J].金融研究，2017（5）：111-126.

[7]张伟.跨学科教育： 普林斯顿大学本科人才培养案例研究[J]. 高等工程教育研究，2014（3）：118-125.

[8]李丽娟，杨文斌，肖明，等. 跨学科多专业融合的新工科人才培养模式探索与实践研究[J]. 高等工程教育研究，2020（1）：25-30.

[9]王静，马楠，張应敏，等. 数字时代高等工程教育发展策略：基于教师教学发展的视角[J]. 高等工程教育研究，2020（1）：93-97.

[10] 李欣欣，陈妍君，邢政权. “交叉学科”门类设置的价值意蕴[J]. 高 教 发 展 与 评 估，2022（3）：87-97.

[11]郑石明. 世界一流大学跨学科人才培养模式比较及其启示[J].教育研究，2019（5）：113-122.

[基金项目：浙江省高等教育“十三五”第二批教学改革研究项目“数字经济背景下‘三元融合的金融人才数据挖掘能力培养模式研究与实践”（jg20190178）;浙江工商大学校级研究生教育改革项目“新金融时代背景下金融数据挖掘能力提升培养模式研究与实践——以‘R语言在金融中的应用课堂教学改革为例”;2020年上海高校本科重点教改项目“基于能力本位的金融理财人才培养实验实践教学体系构建”（沪教委高〔2020〕55-183）]

方 霞，浙江工商大学金融学院副院长，教授;张 云，上海立信会计金融学院金融学院院长，教授;赵 平，浙江工商大学金融学院副教授。