淺談大數據金融實訓平臺的建設
第1章 大數據金融實訓平臺建設背景
1.1 大數據時代背景與發展趨勢
隨著全球移動互聯網、物聯網、電子商務以及社交媒體的快速發展,信息數據正在成爆炸式增長。根據IDC Digital Universe研究報告顯示,全球數據總量已從TB級躍升到PB乃至ZB級別,2020年全球的數據總量將達到40ZB,同年中國的數據量將超過8ZB,占全球數據總量1/5以上。前瞻產業研究院的《大數據產業發展前景與投資分析報告》數據顯示,2020年全球大數據相關產業市場規模將達到10270億美元,同年中國市場規模將達到13626億元。數據已成為未來科技強國核心驅動力。
2015年國務院印發《促進大數據發展行動綱要》,從國家層面認定數據是國家基礎性戰略資源,首次將大數據行業定位到國家戰略層面,大數據成為推動經濟轉型發展的新動力,成為重塑國家競爭優勢的新機遇,成為提升國民經濟發展和政府治理能力的新途徑。目前我國在互聯網、電信、金融、政府等各大行業領域,都已采用大數據、人工智能、區塊鏈等新技術和應用解決方案,行業價值和市場發展空間巨大。
1.2 大數據金融實訓平臺建設的必要性
隨著我國大數據、區塊鏈、人工智能等新技術產業飛速發展給全國高校新技術應用人才培養帶來了巨大發展空間和轉型挑戰,全國高校都在積極構建與實施新工科新技術教育整體方案。
1.2.1 創新人才培養需要
高校培養新技術賦能的復合型人才需要建設開展新技術教育的基礎環境。大數據、區塊鏈、人工智能等新技術是以計算機科學為基礎,與各專業領域密切結合,面向行業應用的綜合性交叉學科,要求從業人才掌握新技術基本思維和技能、適應環境快、動手創新能力強,傳統的課堂理論授課形式,已遠不能滿足新型人才培養需求。
1.2.2 創新實踐教學需要
大數據金融實訓平臺作為新技術教學課程的載體、實驗實訓的支撐環境以及專業應用創新的實踐引擎,將大數據、區塊鏈等新技術理論教學、實驗實訓以及科研創新有機融為一體,是高校推進新技術賦能人才培養的重要支撐和保障條件。
因此,國內院校開展大數據金融實訓平臺建設勢在必行。
1.3 大數據金融實訓平臺建設要求
1) 與現有專業結合形成完整的新技術賦能人才培養方案;
2) 教育內容與產業人才需求緊密對接;
3) 以實踐教學為主,重點培訓學生的新技術思維與技能;
4) 引進真實案例數據與應用場景,滿足教學與科研要求。
第2章 大數據金融實訓平臺建設指導思想
2.1 建設指導思想
隨著“大數據”、“區塊鏈”時代的到來,深化信息化建設逐步成為經濟管理、財務會計、市場營銷、金融管理、貿易投資等行業領域發展的重心,傳統商業學科領域也正在經歷著高速且強有力的變革。大數據、區塊鏈、人工智能等新技術也正以迅猛之勢進入上述傳統學科教學領域。
國內院校需要與時俱進,在基于大數據、區塊鏈等新技術對傳統學科領域的重塑轉型方面進行教學改革嘗試及新技術應用創新實踐環境建設。使國內院校能夠緊跟國家戰略方針、把握前沿科技發展、面向人才市場需求,采用理實一體、工管結合、產教融合的創新教學模式,培養出具備新技術思維與視野,同時能運用新技能解決企業、行業實際問題的高素質復合型新技術應用人才。
大數據金融實訓平臺建設將全面落實“產、學、研、用”一體化設計思想和模式,從教學、實踐、科研和使用多方面注重專業人才與特色人才的培養。大數據金融實訓平臺建設方案將充分融合大數據、區塊鏈技術與各專業教學、實訓、實戰等多層次教學,能夠從面向大數據、區塊鏈技術的行業應用需求和促進學生職業發展的角度,規劃和建設大數據金融實訓平臺,真正實現教學、科研、實踐相結合,共同發揮各自優勢,既能支撐創新人才培養,又能支撐科研課題創新,構建創新的新技術創新實踐與應用教育模式,為建設有國內院校特色的新技術賦能教育學科專業而服務。
2.2 建設總體目標
2.2.1 實訓平臺建設目標
建設大數據金融實訓平臺及其配套基礎設施與實訓教學系統,其中基礎設施包括:大數據網絡爬蟲系統、大數據存儲與處理系統、大數據挖掘與建模分析系統、大數據可視化系統等,實訓平臺系統包括:大數據金融實訓平臺、區塊鏈金融實訓平臺等。國內院校各專業可基于大數據創新實訓平臺基礎設施,開展全方位的教學創新及科研課題項目。
2.2.2 實訓課程建設目標
結合國內院校各專業學科對于新技術賦能教育創新的需求,支撐國內院校跨專業新技術賦能教育內涵層建設,在國內院校部分專業教學計劃中開發和設計大數據金融、區塊鏈金融等,廣泛覆蓋商科多專業的新技術創新實踐實訓課程。
2.3 人才培養目標
大數據金融專業人才培養目標為:培養德、智、體、美全面發展,具備較好的計算機基礎,掌握大數據技術的基本理論和基本技能,熟悉數據分析軟件的操作,熟悉大數據在金融領域的主要應用場景,具有在企事業單位利用大數據技術進行數據采集、預處理、存儲、查詢、分析、挖掘、可視化展現、預測和優化操作及大數據項目應用能力,著重培養學生的大數據分析技能與大數據業務思維,培養具有創新觀念與實際操作經驗的、知識與技能協調發展的高素質復合型人才。
學生畢業后可對接本區域信息產業及大數據金融領域人才需求,具備財經、金融及大數據專業知識,并具有在該領域進一步學習和深造的潛能;掌握大數據技術與應用所需要的信息科學、統計學、數據挖掘與分析、商業智能等相關學科的基礎知識與基本技能,可以從事金融行業相關的數據收集、數據分析與處理、數據可視化展現、大數據分析工具操作使用與數據維護等工作。
第3章 大數據金融實訓平臺建設方案
3.1 大數據金融實訓平臺整體框架
大數據金融實訓平臺是高校開展大數據教育與科研的支撐平臺,是實施大數據實踐實訓教學和科研課題創新的載體。大數據金融實訓平臺包括大數據金融實訓平臺、大數據科研創新平臺等兩大平臺,中心整體框架由基礎設施層、工具層、數據層、平臺層、案例實訓層等構成,面向院校的財會金融、經濟管理、工商管理和信息管理等專業學科。
3.2 大數據金融實訓平臺建設方案
3.2.1 平臺產品功能介紹
大數據金融實訓平臺作為面向院校開展新技術賦能的實踐教學平臺,可用于對財會金融、經濟管理、工商管理、信息管理等專業學生提供實訓課程教學。大數據金融實訓平臺集成了以真實應用案例為背景的教學資源、案例對象的真實數據、數據采集與分析處理實戰工具,再配套線下學習教具,完全滿足院校大數據金融實踐課程教學要求。
大數據金融實訓平臺提供4大案例實訓模塊,包括:互聯網金融借貸風控、企業信用風險評級、客戶畫像與精準營銷、金融機構非現場審計,著重培養學生的大數據金融思維與能力。平臺通過案例講解、理論指導、實戰操作、分析結論等任務步驟學習,使學生掌握大數據在金融領域的主要應用場景及產生的實際價值;通過方案準備、數據采集與清洗、數據處理與呈現、數據分析等任務階段學習,使學生在完成實訓任務過程中,了解大數據相關技術原理、概念知識和大數據處理全過程;通過場景化案例示范教學形式,結合金融本專業知識運用,有效增強學生實際體驗、提升學習趣味性、降低學習難度,實現學生大數據零基礎學習。
3.2.2 平臺設計理念與特色
(1) 零基礎學習,針對商科院校和專業
大數據金融實訓平臺專門針對經管、財金、財貿等商科院校和專業的學生特點而設計,不要求學生具備一定的計算機或大數據基礎知識。大數據金融實訓平臺及數據分析工具操作均采用圖形化界面,學生只要會操作使用Office軟件,就完全可以掌握大數據實訓操作環境,學生在實訓過程中也不會涉及編程語言或接觸復雜的算法模型,使學生可以聚焦大數據與本專業實務的結合、提煉大數據應用效果與價值。
(2) 緊貼本專業,采用真實案例為背景
大數據金融實訓平臺緊貼金融本專業實務,以經典的大數據金融分析真實案例作為實訓教學背景,使學生不出校門即可接觸到現實社會中大數據金融真實應用場景,有效地提升了學生真實現場體驗感,在較短的課時安排下,盡可能使學生學到更多有用的知識和技能,并培養和訓練學生掌握有效的大數據金融思維和能力。
(3) 場景化教學,真實場景和實時數據
學生通過大數據金融實訓平臺及其嵌套的金融大數據工具,可以完全置身于金融大數據分析崗位,使用模擬脫敏企業/個人征信數據及真實業務數據,通過構建大數據風控、征信、審計、客戶畫像模型對企業和個人金融業務申請、信用風險、經營疑點、潛在客戶等進行全方位分析評估和評級評分。根據實訓平臺任務提示與指導,學生從數據采集與準備、模型設計、數據分析與呈現等逐步完成項目實戰任務,通過模擬業務數據使用大數據分析模型對目標對象進行審批及評估,真實體驗和實際完成金融大數據項目實施的全部場景和過程。
(4) 評價自動化,自動生成學生能力圖譜和成績評價報告
大數據金融實訓平臺可自動采集學生實訓過程中學習、答題、實訓操作等環節中的數據,并基于數據對學生的學習能力、崗位勝任力、積極參與度、實訓成果價值進行統計分析,自動生成學習參加實訓課程的思維能力圖譜、學習成長軌跡及綜合成績評價報告。從而方便教師及時快速掌握學生的學生情況,滿足實踐課程學生考核的需要。
(5) 理實一體化,理論與實踐融會貫通
考慮到學生可能是首次接觸大數據實踐課程,大數據金融實訓平臺在學生實訓任務中穿插與任務相關的大數據基礎理論教學,以淺顯易懂的方式,讓商科學生掌握大數據的核心知識和原理,使學生能夠更好地理解實訓任務的內涵和意義,充實知識、開闊思路,并在完成大數據金融實訓任務的同時將理論知識融會貫通。
3.2.3 實訓課程體系設計
大數據金融實訓課程是圍繞分析應用場景,以行業案例和大數據基礎理論與應用實踐為教學主線,面向金融專業學生設計的大數據實踐課程。重點培養學生在本專業領域熟悉大數據應用場景,培養和鍛煉學生大數據分析思維與數據操作技能。通過實訓課程學習,學生能夠較好地掌握大數據財務分析與應用基礎理論、計算機科學及大數據技術基本知識、基本理論和常用數據分析工具操作技能,熟悉大數據采集、處理、分析與挖掘、數據可視呈現的處理過程,未來就業時具備提煉本專業大數據業務需求、數據分析與應用能力,實現學以致用的目標。