新工科与财经背景下大数据分析能力培养的探索与实践

项目主持人：钟敏娟

团队成员：陈育花，杨波，燕锋

一、项目研究背景

在全球新一轮科技革命与产业变革的浪潮下，以人工智能、大数据为核心的“新工科”教育理念已成为高等工程教育改革的核心方向。教育部《新工科研究与实践项目指南》中明确提出“打破学科壁垒，构建跨界融合的人才培养模式”，要求传统工科向“工科+X”复合型范式转型。在此背景下，“工科+财经”的交叉融合成为重要突破口。一方面，财经行业数据挖掘应用场景呈现爆发式增长，金融科技、智能财税、供应链风险管理等领域亟需既精通算法技术、又深谙财经业务逻辑的复合型人才。另一方面，据麦肯锡《2023全球金融业数字化转型报告》显示，超过78%的金融机构将“数据驱动决策”列为战略优先级，然而与之相反的却是我国财经类岗位中同时具备数据分析能力与业务洞察力的从业人员缺口高达62%，暴露出高等教育在跨学科人才培养上的滞后性。

作为培养财经类人才的主阵地，财经类高校应当积极响应社会人才需求的变化，在新工科背景下，顺应科技变革的趋势，引导课程创新改革，融入应用场景元素，在专业的核心课程中加入大数据分析能力，使专业向着高质量内涵式的发展方向迈进。

二、研究目标、任务和主要思路

研究目标

课题以新工科背景下大数据人才培养要求为目标，一方面构建数据分析课程群，优化课程内容、设计综合性问题，使课程内容和问题贯穿多门课程，搭建梯子，助力学生应对大数据技术在跨领域中的交叉应用，培养复合型人才；另一方面以解决金融财经领域实际问题为导向，多模型应用、多业务场景的数据分析案例贯穿教学，培养“分析和解决应用问题”的能力。

研究任务

课题围绕“财经背景下如何培养学生的大数据分析能力”这一核心问题，形成了课程改革—培养体系—资源支撑三位一体的研究内容框架：

(1)《数据挖掘》课程教学改革研究

以数据挖掘作为财经类学生数据分析能力培养的关键课程载体，从课程定位、内容体系与教学组织方式入手，探索如何让学生不仅“会用工具/会跑模型”，更能形成“业务理解—数据准备—建模评估—结论表达”的完整能力链条。

(2)财经类专业大数据分析能力培养策略研究

面向全国财经类高校的教学现状，站在专业/课程群层面，研究“数据+财经”交叉融合课程体系如何搭建、教学模式如何组织、复合型师资如何建设，提出具有普适性和可落地性的改革方案与建议，服务于财经类人才培养模式升级。

(3)多业务场景、多模型整合、多任务驱动的财经数据分析案例集建设

围绕项目式学习与能力训练需要，建设覆盖不同财经业务场景、可支撑多种模型方法训练、满足多任务需求的综合案例集，并配套数据集和任务书，解决“教什么、怎么练、如何评”的资源与实施抓手问题。

主要思路

课题以财经类人才在数字经济岗位中的真实能力需求为起点，把“大数据分析能力”从抽象目标转化为可教、可练、可评的培养链条。在课程层面，以《数据挖掘》课程为关键抓手重构知识体系与教学组织，让学生在真实任务中理解模型原理、掌握方法选择，形成可迁移的分析思维；在体系层面，面向财经类高校的共性现状与专业差异，提出“数据+财经”交叉融合的课程群方案，通过基础理论—智能技术—场景实践的递进培养结构，实现从方法论与工具能力到建模能力再到行业应用能力的连续培养与闭环提升；在资源层面，进一步建设“多业务场景、多模型整合、多任务需求”的财经综合数据分析案例集，实施项目式的教学改革。

三、主要工作举措

1、课程改革举措：以《数据挖掘》为核心抓手

数据挖掘是数据分析的核心技术，也是培养学生大数据分析能力的关键途径，旨在帮助学生掌握从海量数据中发现隐藏模式、建立预测模型的核心技能。为此，课题组从课程教学总体思路定位、教学内容更新与优化、教学模式创新等方面对《数据挖掘》课程进行了教学改革。

(1)课程内容设计上遵循从基础到专业、到应用、到前沿技术的知识体系架构。

围绕数据挖掘与分析过程中的商业理解、数据理解、数据准备、建立模型、模型评估和部署6个步骤展开教学，制订出相应的理论教学和实践教学体系框架(如图1所示)。

图1课程内容整体教学体系框架

课程理论教学部分主要针对传统的挖掘模型与技术展开，包括上述的基础知识和专业知识。课程应用实践环节主要依托财经领域，分别对照基础知识与专业知识部分进行案例设计与训练。最后一个教学环节是前沿技术，这部分主要是以文本这类非结构化数据为对象，拓展和补充原有教学内容在结构化数据分析的局限性。

(2)实施“理论探究式+项目沉浸式+竞赛挑战辅助的三引擎驱动”教学模式，提升知识迁移与工程实践能力。

为破解数据挖掘课程“理论抽象、方法繁多、迁移困难、实践薄弱”的突出问题，我们实施了以问题求解为导向的三引擎驱动教学模式，以教学组织方式的系统重构带动知识迁移能力与工程实践能力的整体提升。在课堂理论环节，我们以案例分析驱动理论探究，优先选择贴近学生认知与财经业务情境的真实/仿真数据集，按照“展示原始数据->提出悬念问题->梳理需求背景->回溯相关模型->分析数据特征->选择合适方法->教师点评总结”的流程，将概念、算法与适用边界嵌入问题求解过程之中，引导学生在“为什么用、怎么选、如何评”的逻辑链条中建构知识，从而有效提升理论理解的深度与跨情境迁移能力。

在实践教学环节，我们以项目沉浸式学习推动课堂从“教师中心”向“学生中心”转变，围绕课程内容设置基础实验与综合项目性实验，并提前提供项目选题与任务要求，要求学生以项目大作业形式完成从资料检索、思路设计、建模实现、结果解释以及任务书撰写的全过程训练。通过阶段性汇报、课堂答辩与同伴讨论，教师对学生的方案合理性、模型选择依据、评估方法与表达逻辑进行过程性指导与反馈，使学生在真实的工程化流程中把分散知识点整合为可复用的解决方案能力，进一步熟悉数据挖掘技术的运行环境与实现路径。与此同时，我们将学科竞赛作为课堂训练的高阶延伸与能力检验通道，主动对接竞赛主题与任务要求，将竞赛资源、数据与经验反哺教学，引导学生在更复杂的约束条件和更高标准的评价体系下进行迭代优化与成果打磨，形成“教学促竞赛、竞赛反哺教学”的良性循环。

2、培养体系举措：提出“数据+财经”交叉融合课程体系方案

立足全国财经类高校教学现状与人才培养需求，课题提出了“数据+财经”交叉融合课程体系方案”，将课程群划分为三个层次：基础理论层、智能技术层与场景实践层，并按照由浅入深、由易到难的逻辑递进课程深度与应用范围，确保学生学习内容能够持续与其专业方向、行业需求相连接。

基础理论层强调“统计思维+财经学科基础+数据工具能力”的协同打底，其中统计学课程作为数据分析的理论基石，为后续建模与评估提供方法论支撑。

智能技术层以“智能分析技术+数据建模应用”双线推进：一方面配置机器学习与数据挖掘、自然语言处理与文本分析、深度学习与人工智能等课程，强化学生对主流算法思想、模型结构、特征工程与评估方法的理解与运用；另一方面结合财经领域的典型应用配置建模类课程，如金融工程与量化投资、大数据与智能审计等，引导学生在明确业务目标与约束条件下建立量化策略、风险管理模型与预警模型。

场景实践层强调综合应用与工程化落地，将前两层的知识与技能引导到真实财经场景中使用，形成从基础到专业、到应用的闭环。一方面依托校企合作、行业合作等方式共同开设实训课程；另一方面通过不定期邀请企业专家开展讲座与案例分享，使学生接触前沿技术与真实业务流程，理解大数据在不同财经领域的具体应用方式。

3、案例资源建设举措：构建“多模型应用、多业务场景、多任务驱动”的财经领域综合数据分析案例集

依据前面的教学改革思想和路径探索，我们针对数据分析类课程采取了项目式学习的教学方法改革，构建了多业务场景、多模型整合、多任务需求的财经领域综合数据分析案例集。

四、取得的工作成效

在项目实施过程中，我们以“竞赛牵引+课程贯通+能力导向”为抓手，取得了显著的育人成效与示范效应。

一方面，通过将真实问题与数据分析方法训练深度融入教学，学生参与学科竞赛的热情与工程实践意识明显提升，并在高水平赛事中取得突破性成果：获得2023年“正大杯第十三届全国大学生市场调查与分析大赛”湖南赛区二等奖，以及2024年第十四届全国大学生电子商务“创新、创意及创业”挑战赛全国总决赛（跨境电商—数据分析与营销）特等奖。竞赛成绩不仅验证了教学改革的有效性，也进一步形成了以赛促学、以赛促练、以赛促创的良性循环，显著激发了学生在数据分析与工程实践领域持续投入与主动探索的动力。

另一方面，项目教学案例实现了跨专业、跨课程的规模化应用，覆盖计算机科学与技术、数据科学与大数据技术、信息管理与信息系统、经济统计学四个专业，贯穿《数据挖掘》《财经数据挖掘实务（校内模拟实训）》《财经大数据工程综合训练I》等多门课程体系，每届受益学生达600余人。通过案例驱动的全流程训练，学生在数据清洗与治理、指标体系构建、建模与评估、结果解释与业务沟通等核心能力方面得到系统提升，进而有效增强毕业生面向数据分析与数字经济相关岗位的综合胜任力与就业质量，体现出较强的推广价值与人才培养成效。

五、特色和创新点

特色：

项目围绕“新工科+财经”复合型人才培养需求，突出“能力导向、跨学科融合、真实问题牵引”的改革特色：以数据思维与统计/计量基础为底座，将数据采集治理、分析建模、可视化表达与业务决策贯通，构建“课程群—项目制—竞赛/实习—成果评价”一体化培养体系。

创新点：

在理论创新方面，本项目以“新工科×财经”复合型能力培养为目标，在《数据挖掘》、《财经数据挖掘实务》等课程改革与人才培养研究中形成了较为系统的理论框架：①构建“基础—专业—应用—前沿技术”四层递进的知识体系架构，将数据理解、算法原理、业务场景与技术演进有机贯通，明确不同层级的学习目标与能力指标，实现从知识点堆叠向能力链条建构的转变；②提出以问题求解为核心的“三引擎教学模式”(理论探究式+项目沉浸式+竞赛挑战辅助)，从学习机理上形成“问题驱动—原理建构—情境迁移—迭代优化”的教学闭环，为财经院校培养大数据分析能力提供了可解释、可迁移的课程教学范式。

在实践创新方面，本项目将上述框架落地到《数据挖掘》、《财经数据挖掘实务》等课程教学全过程，形成了可复制推广的改革实践：①完成课程内容重构与资源体系建设，按“基础—专业—应用—前沿”组织教学单元，配套案例库、数据集、实验任务与项目模板，推动学生从“会用工具”进阶到“能建模型、能解释、能决策”；②实施“三引擎”教学组织方式，以真实问题为牵引开展理论探究(从业务痛点提出问题、推导与验证方法)，以项目沉浸推动综合实战(需求分析—数据处理—特征工程—建模诊断—可视化汇报全流程)，并以竞赛挑战作为高阶能力强化与外部评价机制，构建课堂—实训—竞赛联动的训练闭环。