导语：如何才能写好一篇数据分析师统计学基础，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
一、数据分析的重要意义
大数据预测美国总统：美国时代周刊报道称，数据驱动的竞选决策才是奥巴马竞选获胜的关键。数据分析团队在筹集竞选经费、锁定目标选民、督促选民投票等各个环节的决策中都发挥了重要作用。这意味着华盛顿竞选专家的作用极具下降，能够分析大数据的量化分析家和程序员的地位却大幅提升。如今从事专业数据分析工作的企业如项目数据分析师事务所、数据挖掘公司等都应市场需求而大力发展，并且受到风险投资的青睐。如美国社交数据挖掘公司Datasift于2012年宣布，获得1500万美元风险投资。2013年，DataSift成为Twitter的“认证合作伙伴”，主要负责海量微博社交数据分析。这是该公司今年第二笔融资，五月份其曾融资720万美元。又如面向开发者的大数据应用软件平台服务提供商Continuity最近获得1000万美元的融资，目前融资总额已经达到1250万美元。
二、课程体系构建
2.实验课程。数据分析的操作离不开计算机。目前数据分析行业常用的一些统计软件有SAS、SPSS和R软件。SAS软件是一个模块化、集成化的大型应用统计系统。它的功能包括数据访问、数据储存及管理、应用开发、图形处理、数据分析、报告编制、运筹学方法、计量经济学与预测等。SPSS软件是一个社会科学统计软件包，是采用图形菜单驱动界面的统计软件，SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等。R软件是一套完整的数据处理、计算和制图软件系统，包括：数据存储和处理系统、完整连贯的统计分析工具、优秀的统计制图功能、可操纵数据的输入和输入等功能。这三个软件在数据分析中针对不同行业的需求有不同方向的应用。
三、实践环节
培养数据分析的专业型人才目的就是为了学以致用。数据分析本身就是为了从数据中发现问题、建立模型、预测收益风险企业决策进而做出合理正确的决策判断。因此，学习了基本的知识和技能就要运用到实际操作中。学校可以和本地的数据分析事务所，或者大量需求数据分析人员的互联网行业建立实训基地，进行合作式教学，使得学生在实习的过程中能够理论联系实际，切身体会数据分析的商业操作体系，这样就能够促进学生有目的、有取舍地针对自身情况学习钻研，继而就能够培养出适应经济发展，满足市场需求的应用型人才。
四、结语
在大数据时代到来之时，数据分析在互联网中的应用将会空前广泛，与此同时对数据分析师的需求也将会井喷，无论是在军事、工业、企业还是在政治上，大数据分析都将会十分紧缺。因此，目前对数据分析师的培养刻不容缓。本文从分析数据分析行业发展及其重要意义、数据分析专业课程设置以及教学实践环节方面对构建数据分析课程体系进行了探讨。不仅从教学课程的内容上予以安排，而且更加注重引导学生自主学习，特别强调理论结合实践的合作式教学。希望能够结合行业需求合理地构建课程，培养出专门从事数据分析的项目数据分析师，从而能够满足市场需求和自身发展。
参考文献：
[1]范金城.数据分析[M].科学出版社，2010.
统计学发展到如今已有300多年的历史.它是分支众多、实用性强、应用面广、体系比较完整的方法论科学，是探索自然、认识社会、推断未知的重要思维方式与工具.它融合于自然科学、实验科学、经济科学、管理科学等学科.
我校统计学专业是一个新专业，2010年开始招生.综合性大学背景下省属院校的统计学专业人才培养模式，值得我们思考，确定了我院统计学专业的人才培养目标，即培养适应我国社会主义现代化建设的需要，德、智、体全面发展，具有良好的数学、经济学素养，掌握统计学的基本理论和方法，能够为实际问题的解决和决策提供量化的依据，熟练地运用常用的统计软件处理和分析数据，能在企业、事业单位和经济、管理部门从事统计调查、统计信息管理、数量分析等开发、应用和管理工作，或在科研、教育部本文由收集整理门从事研究和教学工作的专门人才.本文在综合性大学背景下，利用多学科交叉的优势，对统计学专业的人才培养模式进行研究.
一、优化课程体系，培养应用型和创新型人才
在课程体系设置上，体现“以人为本”的精神，以培养应用型和创新型人才为目的，调整重组专业，优化整合课程结构，拓展强化实践技能，注重实施创新教育，将整个课程体系构建为“四个平台，八个模块”，即通识教育平台、公共基础平台、学科基础平台、专业方向平台；进一步细化为通识教育必修课程模块、通识教育选修课程模块、学科基础必修课程模块、学科基础选修课程模块、专业方向必修课程模块、专业方向选修课程模块、实践性教育模块、素质教育模块.
根据专业发展将课程分为数理模块、应用模块；根据能力和兴趣将学生分为提高型和应用型两类人才分别培养，强化学生的应用统计软件能力和各种资格证的职业技能，按照多元化人才培养目标，构建层次、课程模块，不同层次的学生选择不同的模块，满足学生个性化发展需要，为因材施教创造条件.
二、优化教学内容，重视与其他学科的交叉融合
根据学生能力和兴趣将按照提高型和应用型两类人才分别培养，满足学生个性化发展需要.由此整合教学内容，统筹兼顾.具体如下：
优化整体课程结构.按照提高型和应用型的多元化人才培养目标，逐步修订教学计划，从课程设置、学时安排、教学内容、实践性环节上，全面构筑新的课程体系，根据专业发展构建层次、课程模块，不同层次的学生选择不同的模块；从教学内容上揭示各课程之间相互关系，从必修课、选修课、限选课等设置上科学安排模块课程，实现多种课程形态有机结合，为因材施教创造条件.在教学内容上，根据培养方案，认真研究各学期的课程安排，本着“拓宽知识，保证基础，提高素质，重在应用”的原则，由浅入深，循序渐进，制定课程教学大纲，统筹考虑各门课程的教学内容应该讲哪些内容，讲到什么程度，从而避免教学内容的重复性.
强化基础，突出应用.在大学二年级，为学生开设spss统计软件课，这样在后面的课程教学中，要求学生结合所学统计理论和方法，用spss、sas等统计软件进行数据分析及处理，进一步提高学生的计算机和统计软件应用能力，与保险公司、证券公司、调查公司、统计局等企事业单位合作，作为稳定的教学实践基地，增强专业实践能力.
就失去生命力.因此开设一些边缘学科课程，如统计模型、运筹与优化、实验设计、计量经济学、保险统计、会计学、证券与期货投资分析、金融管理原理、应用统计专题等，同时让学生用统计方法及统计软件解决生物、医学、林学、教育、心理、体育等其他学科的问题.
三、改革实践教学体系，培养学生的综合素质
适当增加实践教学课程，调整实践教学课时比例和学时分配.结合理论知识增加综合性、设计性、开放性实验内容，充分利用实验室资源训练学生的计算机操作能力和数据处理能力.根据专业技能需求适当增加实践性强的课程.在掌握一定统计学专业基础知识的基础上，增设实验设计、生物统计学、统计预测与决策、数据挖掘技术与应用、市场调查与分析等一系列与实际应用紧密结合的实践性课程.
世界工厂分析认为，现在不是缺数据，而是数据太多。据统计，在今天的互联网上，每秒会产生上万个微博信息、几百万次的搜索、Facebook上的几十万次内容。稍大的电子商务公司，都会采集一些行为数据(比如IP流量、浏览量)，但是这些行为数据与商业数据(比如交易量)有什么关系今天绝大多数公司，甚至包括凡客诚品这样著名的电子商务公司，曾经都不知道如何利用成千上万的零散数据。
一、数据分析的重要性
首先，我们要来了解一下数据分析对于一个网站的重要性。笔者并不从理论方面来论证数据分析的重要性，而是从各方对这一方面的动向来了解。
1、阿里巴巴
2011年5月25日，阿里巴巴宣布推出数据门户，并正式启用新域名，新推出的数据门户根据4500万中小企业用户的搜索、询单、交易等电子商务行为进行数据分析和挖掘，为中小企业以及电子商务从业人士等第三方提供综合数据服务。马云曾表示“数据”将是阿里巴巴未来十年发展的战略核心。
目前正式开放的部分为面向全体用户的宏观行业研究模块，由行业搜索动态趋势图、专业化行业分析报告、细分行业和地区的内贸分析和针对行业各级产品的热点分析，以及实时行业热点资讯等部分构成，并且为免费提供。到2011年底阿里巴巴还将适时陆续推出数据门户其他部分应用。
2、各行业巨头
事实上，近年来全球各大行业巨头都表示进驻“开放数据”蓝海。以沃尔玛为例，该公司已经拥有两千多万亿字节数据，相当于200多个美国国会图书馆的藏书总量。这其中，很大一部分事客户信息和消费记录。通过数据分析，企业可以掌握客户的消费习惯、优化现金和库存，并扩大销量，数据已经成为了各行各业商业决策的重要基础。
电商平台也很注重这方面的数据分析，例如世界工厂网，就设有排名榜的数据分析，通过分析用户在世界工厂网的搜索习惯及搜索记录，免费提供了产品排行榜、求购排行榜和企业排行榜。无独有偶，作为行业门户网站的装备制造网也即将在未来的发展中提供数据分析的功能，从网站的介绍中可以看到：每月企业网站专业SEO检测报告、季度专业行业研究报告等等。所有这些行业的动向，都昭示这一个特点：企业数据、行业分析。也只有行业网站、电商平台等拥有企业数据优势，而且集合整行业信息，并有分析整合数据的能力，才能真正为企业提供真实、有效的数据分析。
从各方对待一个事物的态度与投资动向，我们能很轻易的了解到这一事物的重要程度，从以上的事例可以看出，数据分析对于各行各业都非常的重要，尤其是对于电子商务平台。
二、电子商务数据分析的七个重要因素
1、电子商务数据分析需要商业敏感
今天电子商务公司的数据分析师，有些像老板的军师，必须有从枯燥的数据中解开市场密码的本事。比如，具有商业意识的数据分析师发现，网站上的婴儿车的销售增加了，那么，他基本可以预测奶粉的销量也会跟上去。再比如，网站上的产品发挥的作用并不一样，有的产品是为了赚钱，有的产品是为了促销，有的产品是为了吸引流量，不同的产品在网站上摆放的位置是不一样的。
一个商业敏感的数据分析师，是懂得用什么样的数据实现公司的目标。比如，乐酷天与淘宝竞争，它们重点看的不是交易量，而是流量：每天有多少新的卖家进来，卖了多少东西。因为此阶段竞争最核心的就是人气，而非实质交易量。如果新来的卖家进来卖不出东西，只有老卖家的交易量在增长，即使最后每天的交易量都增长，也还是有问题。
再比如，一家刚踏入市场的B2B公司和已经占领大部分市场的B2B公司，它们的目标不一样。前者是看流量赚人气，后者对流量不怎么看重，而是看重交易转化率及回头率。
当下的数据分析师多是学统计学出身的，一堆数据放在那里，大家都擅长怎么算回归、怎么画函数。但是这批学数学的人才缺乏商业意识，不知道这些数据对业务意味着什么，看不见一堆数据中彼此的关系，也就不知道该用什么样的逻辑分析，也就无法充当老板的眼睛了。
2、电子商务的网站转化率是关键，ROI是最终的目标
其计算公式为：投资回报率(ROI)=年利润或年均利润/投资总额×100%
投资回报率(ROI)往往具有时效性--回报通常是基于某些特定年份。
3、电子商务数据分析衡量指标的设定
指标是让我们更好的从数据量化的层面来了解运营的状况，现在的PV、UV、转化率基本是运营监督的指标;网站分析采用的指标可能有各种各样的，根据网站的目标和网站的客户的不同，可以有许多不同的指标来衡量。常用的网站分析指标有内容指标和商业指标，内容指标指的是衡量访问者的活动的指标，商业指标是指衡量访问者活动转化为商业利润的指标。
电子商务的数据可分为两类：前端行为数据和后端商业数据。前端行为数据指访问量、浏览量、点击流及站内搜索等反应用户行为的数据;而后端数据更侧重商业数据，比如交易量、投资回报率，以及全生命周期管理等。
目前有些人关心前端行为数据，也有些人关心后端商业数据，但是没有几家网站把前端行为数据和后端商业数据连起来看。大家只单纯看某一端数据。但是看数据看得“走火入魔”的人会明白，每个数据，就像散布在黑夜里的星星，它们之间布满了关系网，只要轻轻按一下其中一个数据，就会驱动另外一个数据的变化。
4、某些指标异常变化的原因分析
例如2011年的上半年，曾出现阿里巴巴与慧聪发生争论，而在那几天，另一个B2B网站--世界工厂网的会员注册量批量上升，每天超过千个以上的注册量。当然这只是一部分的猜测，在两个B2B巨头不稳定之时，企业会选择第三方的平台，这是符合常理推断的。不过就此以后，世界工厂的注册量一直是稳中有升的，难道这是会员发现一个免费“新大陆”的口碑宣传吗事后发现，是因为世界工厂网的一个新项目--全球企业库的上线吸引了大量企业会员的青睐，注册量猛然提升的。对于一些数据的异常增加或减少，一定要分析其产生的原因与市场时机，这对平台以后的发展及政策导向非常有借鉴意义。
有一天，linkin(一个社区网站)忽然发现来自雷曼兄弟的来访者多了起来，但是并没有深究原因。第二天，雷曼兄弟就宣布倒闭了。原因何在雷曼兄弟的人到linkin找工作来了。谷歌宣布退出中国的前一个月，笔者在linkin上发现了一些平时很少见的谷歌产品经理在线，这也是相同的道理。试想，如果linkin针对某家上市公司分析某些数据，是不是很有商业价值
5、利用数据分析用户的行为习惯
再次说，得到数据来分析是在揣测用户的心理和一些习惯，最真实的是让用户告诉你，需要什么，这些可以利用投票调查及问题提交等来实现，当然利用数据整合分析也是必然的，然后做出来AT来权衡利弊来对用户体验惊醒改善，和一些基本的产品定位及活动。
装备制造负责人认为，网站数据分析应该两个层次：第一，网站数据分析，是针对产品来说。就围绕产品如何运转，做封闭路径的分析。得出产品的点击是否顺畅、功能展现是否完美。第二、研究客户的访问焦点，挖掘客户潜在需求。如果是以交易为导向的电子商务网站，就是要研究如何高效的促成交易，是否能出现联单!
6、客户的购买行为分析
客户的购买行为分析，如传统的RFM模型，会员聚类，会员的生命周期分析，活跃度分析，这些都精准的运营都是非常重要的。
0引言
新世纪以来，随着互联网及信息技术的飞速发展和应用，使我国的信息化得到前所未有的爆炸式增长，各个行业相继完成信息化改造，极大地提升了人们的生活水平与生产效率。同时，也使各行业进入到信息化发展的轨道上，进一步提升了企业生产效益。正是由于经济的飞速发展，各行业发展都已积累了海量的数据信息。但是传统的数据分析方法和工具仅仅能实现简单的录入、查询、更改、统计、输出等非常低等的功能，无法及时快速地发现数据跟数据之间存在的关系与规则，无法根据已有的海量数据有效预测未来的发展趋势，不能及时为企业决策提供有力的数据支持。
数据挖掘技术的出现技术填补了大量企业的这一需求，数据挖掘技术可以高效地挖掘数据背后隐藏的关系跟规则，非常方便地把这些海量信息予以统计、分析及利用成为当前各行业需要解决的首个问题。为企业决策提供及时准确的统计学数据支持，为企业发展壮大提供很好的数据分析工具。而海量数据挖掘技术的出现，保证了海量数据信息的合理利用，同时加快了我国信息化技术的发展。
1数据挖掘技术定义
数据挖掘技术起源于情报分析，其过程是一个从大量的、不完整的、有噪声的、模糊的随机数据被从隐含在大量数据中提取的过程，数据挖掘的情报资料是人们事先不知道的，但可能是有用的信息和知识。在大多数情况下，人们利用计算机等信息工具的时候只知道，存储数据，数据被存储的越来越多，但不知道这些海量数据中隐藏着很多重要的规律、规则等信息，数据挖掘技术就是一种可以从大量的数据中挖掘出有用重要信息的一种数据分析工具。如图1所示。
2数据挖掘常用的方法
3统计分析和数据挖掘的主要区别
从实践应用的角度来看，这个问题并没有很大的意义，正如“不管白猫还是黑猫，抓住老鼠才是好猫”一样，在实际的应用中，数据分析师分析问题时，首先要考虑的是思路，其次才会对与思路匹配的分析挖掘技术惊醒筛选，而不是优先考虑到底是用统计分析方法还是利用数据挖掘技术来解决这个问题。
统计分析和数据挖掘的主要的区别在以下几个方面：
统计分析在预测中应用常表现为一个或一组函数关系式，而数据挖掘在预测应用中的重点在于预测结果，很多时候并不会从结果中产生明确的函数关系式，有时候甚至不知道到底哪些变量在起作用，又是如何起作用的。最经典的例子就是“神经网络”挖掘技术，它里面的隐藏层就是一个黑箱，没有人能在所有的情况下读懂里面的非线性函数是如何对自变量进行组合的，在实践应用中，这种情况常会让习惯统计分析公式的分析师感到困惑，这也确实影响了模型在实践应用中的课理解性和可接受度。
统计分析的基础之一就是概率论，在对数据进行统计时，分析人员常常需要对数据分布和变量之间的关系进行假设，确定用什么概率函数来描述变量之间的关系，以及如何检验参数的统计显著性;但是数据挖掘的应用中，分析人员不需要对数据分布做任何假设，数据挖掘中的算法会自动寻找变量间的关系，因此，相对于海量、杂乱的数据，数据挖掘技术有明显的应用优势。
在实践应用中，统计分析常常需要分析人员先做假设或判断，然后利用数据分析技术来验证该假设的正误。但是，在数据挖掘中，分析人员并不需要对数据的内在关系做任何假设，而是会让挖掘工具中的算法自动去寻找数据中隐藏的关系或规律。
两者的思维方式并不相同，这给数据挖掘带来了更灵活、更宽广的思路和舞台。
4数据挖掘的一般流程
海量数据挖掘技术指的是把海量数据信息有针对性地进行提炼、分类和整理，从而将隐含在最深层次的信息挖掘出，为各行业发展提供可靠的数据信息支持。换言之，海量数据挖掘技术利用当前最先进的数据分析工具从海量数据信息内部挖掘数据信息以及模型间的关系的一种技术统称，更加深入的认识与了解数据模型，并对各自模型件关系的对应关系予以深入分析，从而更好地指导各行业的生产与发展，同时为其提供更多决策性的技术支持。
事实上，数据挖掘过程不能够自动生成，必须通过人工建模来实现，因此，人需要完成大部分的工作。其中，主要包含数据采集、数据预处理、数据选择、建立挖掘模型及评估模型等。
首先，通常海量数据挖掘技术应用在各行业的生产和发展决策方面，也就是说数据挖掘工作将面临着巨大的数据信息，并且此类数据信息多数为模糊的、无规律的;其次，建立高效、易理解的数据模型有助于实现海量数据挖掘;再次，数据挖掘模型的构建主要目的是帮助用户解决实际存在的问题，在经过对海量数据信息进行挖掘之后，从中找出利用价值高的信息，再对此类信息予以统计、整理和分析，最终用于指导各行业的生产与发展;最后，开展数据挖掘工作主要是为从海量数据信息里找出有价值的数据信息，这并不是单纯的数学性研究，其根本目的是从各行业的海量数据信息中找出有价值的数据信息，它具有相应的约束条件，且面向的是针对性较强的数据挖掘模型。
数据挖掘的一般流程如图2所示。
5数据挖掘技术实现
现如今，尽管海量数据挖掘属于一种新技术，但由于该技术发展速度较快，因此，已被广泛应用到计算机发展领域当中。近年来，由于数据挖掘理论的逐步趋于完善化，并且在实践中取得了较好成效。其中，最常用的海量数据挖掘技术主要包含以下几种：决策树、神经网络以及统计学模糊。
③统计学模糊学习。该方法属于一种预测法，常被应用到谈及机器学习规律当中，而且只可应用到小样本情形中。另外，该方法是对观测数据进行深入的研究，通过对原理的分析，找出其中不予通用的规律。再结合已找出的规律进行更深层次的分析与探究，再结合实践中存在的现象予以预测，这样可提前预测出数据的发展趋势。
6数据挖掘的应用
目前数据挖掘的应用领域主要包括以下这些方面：
金融、医疗保健、市场业、零售业、制造业、司法、工程和科学、保险业、网络舆情监控系统、企业竞争情报系统、全文检索、企业搜索、数据分析、数据库，可以用在各个需要数据分析的行业。
6.1生物科技
在生物科技领域，如人的大脑与机器这一层面上，利用数据挖掘技术可加速发展生化义肢这一产品，很多这方面的专家学者普遍认为利用数据挖掘技术快速发展生化义肢这方面是大有潜力可供挖掘的。
6.2信息科技
数位权利管理愈来愈受重视，以便保护知识财产，由全录公司PaloAlto研究中心创出的ContentGuard公司，利用加密技术保护知识财产。
6.3商务智能
数据挖掘技术可以用来支持广泛的商务智能应用，如顾客分析、定向营销、工作流管理、商店分布和欺诈检测等。数据挖掘还能帮助零售商回答一些重要的商务问题，如“谁是最有价值的顾客”“什么产品可以交叉销售或提升销售”“公司明年的收入前景如何”这些问题催生了一种新的数据分析技术——关联分析。如图3所示。
6.4资料发掘与生物测定学
数据挖掘是利用数学演算法，在庞大的资料库中寻找方式，例如目前应用在掌纹、脸孔等图像辨识，或者是语言辨识处理等方面。
6.5塑料芯片
塑料芯片是最新的前沿科学，塑料以其价格便宜、容易制造等特点被很多科研机构以及大学所青睐。很多大学科学家及机构在利用数据挖掘技术致力于研究塑料代替硅半导体，如IBM公司、朗讯科技、麻省理工大学、剑桥大学、PennState大学都在大量研究与开发塑料或有机物质芯片。
6.6微光学技术
专家利用可反射光线的水晶、玻璃等物质，让光纤传输资料的速度，不会因为通过路由器、交换器时而降低速度。
6.7司法
6.8微应用流体学
科学家正试图利用物理原则做实验，只利用极微量的水，加快原本需要费时费金钱的实验。加州理工学院的应用物理学家StephenQuake，以微应用流体学发展了一套DNA分析装置，比传统的分析装置快。TechnologyReview的编辑指出，微应用流体学将为生物科技提供巨大的帮助，就像当初电晶体提高了电子产品。
7案例分析
基于统计分析的数据挖掘在工程造价管理中的实例应用分析，在工程造价管理系统中，可通过选择工程单方造价指标、造价核减率、竣工结算价、工程结构形式、招标方式、竣工结算审核单位、竣工结算日期等因素等进行数据筛选，通过后台数据库统计分析后选出符合目标值的数据类型。
比如，选取出2010年1-7月某市市区竣工结算审定价超过100万元的工程计三十二项。其中，六层以下砖混结构住宅楼七项，六层以下框架混凝土结构住宅楼六项，十八层框剪住宅楼两项，框架综合楼五项，框架厂房三项，内装饰工程五项，外装饰工程两项，普通沥青路两项。
经过对建设成本的测算可以清楚，六层及以下的砖混结构住宅楼平均单方造价为801.65元/m2，六层以下框架住宅楼平均单方造价为941.39元/m2，十八层框剪住宅楼平均单方造价为1080.37元/m2，框架综合楼平均单方造价为1326.36元/m2，框架厂房平均单方造价为852.70元/m2，内装平均单方造价为24.58元/m2，外装平均单方造价为824.94元/m2，普通沥青路平均单方造价为354.55元/m2。
此市市区2010年1-7月竣工工程单方造价指标如上所示的典型工程造价指标信息，是此市定期的，具有代表性、以审定的工程结算为主的住宅(含经济适用房或廉租房)、公共建筑、市政道路等工程造价实例信息，它为社会和造价管理机构提供可参考的、较详细的实际工程造价经济指标和消耗量指标信息。
总的来说，数据分析处理，可以简单快捷地从繁重冗杂的工程造价数据中找出共性或者异性的数据。有效加强了工程造价的全过程动态管理，强化了工程造价的约束机制，为维护有关各方的经济利益，规范价格行为，促进微观效益和宏观效益的统一提供广阔的平台。
8结束语
一、引言
二、人才培养目标
对于我们这样有明显“金融特色”的院校，充分发挥在金融领域的办学优势，塑造出自己的金融特色，即：坚持服务于金融行业，跟踪IT发展的前沿，把握财经行业在信息化方面的最新需求，培养学生创新意识和能力，打造金融特色专业：金融信息管理-数据分析方向。培养具有管理学和计算机科学的专业知识，精通金融学、经济学以及数据分析理论与技术，了解数据的商业价值，通晓以清晰直观的形式提供数据分析结果的方法，强调学生掌握现代管理科学思想，掌握现代信息系统的规划、分析、设计、实施和运行维护等方面的方法与技术，同时，更要具有较强的信息系统开发利用以及数据分析处理能力。
三、金融特色信息人才培养模式构建
(一)面向社会需求
2013年3月，IDC数字宇宙报告《大数据，更大的数字身影，最大增长在远东》写到：预计到2020年数字宇宙规模将达到40ZB。在这样的大数据环境下，我国也必然需要更多高素质的信息管理类人才，例如，互联网企业、金融机构、保险、医疗卫生、电子商务、零售企业及政府数据中心等行业对大数据专业人才的需求量都很大。
(二)教学特色
课程教学内容归纳为两个模块：“信息系统开发课程”、“数据分析课程”，其中，“信息系统开发课程”又分为“开发技术类课程”和“面向应用的课程”两个子模块，将程序设计类课程与管理信息系统理论课程相结合，以理论指导实践，通过该课程的学习，使学生了解信息系统开发的基本理论和方法、信息系统的实施、运行与管理方法，熟练掌握信息系统的开发工具，最终通过案例实践，深入理解信息系统的分析与设计过程。
“数据分析课程”又分为“数据分析方法课程”和“面向应用的数据分析课程”两个子模块，从而形成较为系统的立体化课程体系，数据挖掘是数据分析的核心课程，运筹学是辅助课程，教学目的是使学生掌握数据分析的基本方法和典型工具，了解数据仓库和数据挖掘的基本原理，初步具备利用数据分析和解决实际问题的能力。
(三)制定科学合理的人才培养方案
在制定培养方案的过程中，要以市场需求为导向，设计灵活的人才培养方案，既要高度重视理论知识的学习，又要加强实践能力的培养，为学生搭建实践平台，拓宽实践渠道。
极力扩大与企业和科研院所的合作，为学生创造更多的研究、实践机会，在课堂教学环节中，设立一些针对某个合作企业的某些具体问题的研究项目，组织学生在该企业的资助下开展研究。这样既丰富了学生的实践经验又提高了他们的综合分析能力和动手能力，同时还能促进合作企业的创新发展。
四、课程设置
计算机程序设计在数据架构当中起着重要作用，因此，在通识课基础上，从第二学期开始，开设专业基础课：C语言程序设计，专业必修课：面向对象程序设计、数据库、数据结构、Java程序设计、JSP程序设计、Web实战项目(Java方向)等计算机程序设计类课程，以及SPSS、数据挖掘与分析类课程。同时，开设信息管理专业既有体系中的基础课程：信息管理概述、会计学、管理学、统计学、运筹学、信息资源管理、数据库原理及应用、UML与可视化建模、计算机网络技术、银行计算机系统、管理信息系统(含课程设计)、信息系统分析与设计、专业英语等。以及专业选修课：信息检索技术、多媒体技术与应用二选一，电子商务概论、静态网页设计、图形图像处理三选一，IT项目管理、系统工程、ERP原理与应用三选一，企业资源规划、经济法、经济学三选一。
五、强化实践性教学
六、结论
信息管理与信息系统专业是一个多学科交叉、应用以计算机为主的技术解决经济管理问题的专业，应用范围广泛，技术性强。随着信息技术的发展以及信息化建设的推进，信息系统在运行中积累的数据量已经超越管理控制能力，社会对具有数据管理和数据分析能力的人才需求也在迅猛增长，信管专业的建设必须从社会需求的角度出发，重新设计课程体系和教学内容，培养符合经济社会发展需要的人才。
二、大数据时代的到来给商业银行的信贷业务带来的挑战
（一）数据结构单一、不够完整
商业银行的数据主要是客户账户的交易信息，客户的个人身份信息等大多是结构性数据，而在大数据时代，大数据中的结构性数据只占15%左右，还有85%的数据是半结构性数据和非结构性数据。因此，商业银行要利用自己连系广的特点，利用服务等和电力公司，自来水公司、煤气公司、电讯公司等公用事业单位进行信息共享，广泛收集一切和客户有关的信息，利用淘宝等互联网商家付款的业务，和电商交换客户的消费信息等数据，和导航服务提供商合作，获取客户的交通信息，和医院交流客户的健康信息，从法院的资料库获取客户的合同信息、判决信息，还有大量的法庭调查信息等等，在大数据时代，你只有获取尽可能详细的客户资料，你才可以了解你的客户，然后更好地服务客户，在这场以大数据为背景的信息战中立于不败之地。
（二）缺乏专业人才
大数据带来的是一次革命，它不仅颠覆了我们以往的许多传统观念，而且，对我们的知识结构也将是一次革命，以往的专家如果在大数据浪潮面前如果不及时更新自己的知识结构也将面临被淘汰的危险，而对商业银行来说，最棘手的问题是缺乏人才，因为大数据对人才的要求与以往完全不同，国外给出了一种全新的称呼叫数据挖掘科学家，他们要懂统计学，会编程，懂专业知识。
三、解决办法
关键词客户标签3G精确营销营销闭环流程数据挖掘
1引言
3G时代的客户竞争与客户保有面临着复杂的企业内部业务环境、上下游结构和以运营商为核心的产业链间的竞争格局，客户感知度、客户满意度、客户忠诚度都将更为重要，市场力量将呈现更强的作用。面对新的业务、竞争与市场形势，营销占据越来越重要的地位，为客户提供个性化的产品和针对性的服务将成为3G时代运营市场竞争的核心。
精确营销是在大量数据的基础上对客户进行精确细分定位，依托现代信息技术手段建立个性化的客户沟通服务体系，将市场做深做透，进而获得预期效益的营销方式。目前电信行业的精确营销主要是基于单个或少数营销专家和数据分析人员的智慧结合数据挖掘软件，开发出挖掘模型，主要是从客户ARPU值、MOU、品牌及产品使用等维度进行细分，分析指标不够全面，已不能适应3G时代电信行业激烈的市场竞争的需求。如何从现有的营销方式成功过渡，以客户自身需求为中心，从客户当前和潜在的需求着手，有的放矢地进行营销方案的推荐，成为运营商面临的一个严峻而现实的问题。
2国外3G运营商的经验
通过调研国外多个有先进3G运营经验的运营商，发现它们有个共同的特点是专注细分市场，根据同质性、规模性和可操作性的原则进行客户细分，对不同细分市场采取不同的营销策略和差异化服务，从而提升客户价值和客户满意度。
日本最大的3G运营商KDDI，将移动用户分为4个细分市场：年轻消费用户群、时尚用户群、商业用户群和娱乐用户群，又根据消费者的具体需求进一步将每个细分市场细分为多个消费群体。KDDI通过聚焦战略，为每个细分市场提供包括终端定制、业务设计和资费套餐在内的全套通信解决方案。面对年轻消费群体和时尚用户群，KDDI致力于为年轻人创造数字新生活，推出kuUtaFull音乐下载系统、整首音乐下载服务、基于移动社区的LISMO服务，满足年轻人对影音、游戏、娱乐和交友的多方面需求；面对商业用户群，KDDI推出以移动书店(auBooks)、影像店(auRecords)、auShoppingMall为代表的KDDI移动电子商务业务；面对娱乐用户群，KDDI开通了面向手机的游戏门户网站EZGameStreetKDDI还面向细分市场提供家庭折扣、在网时长折扣优惠、家庭折扣优惠、爱心微笑折扣(针对残疾智障人群)、数据包折扣等。
韩国运营商SKT采用年龄和性别等基础特征细分客户，以差异化的客户品牌和产品来占据不同的客户群，通过差异化的产品和服务表现其品牌所诠释的内涵，从而引起用户的共鸣。
美国运营商AT&T根据客户的业务贡献组建不同类型的销售团队，确保企业的资源投向与客户的价值贡献相匹配。并在每个销售团队内部按照行业进行二次细分，实现对不同需求的客户群进行充分差异化的营销与服务。
可以看出，国外3G运营商成功的经验在于，它们主要是根据性别、年龄、收入等基本特征将客户细分为若干群体，针对不同群体采取不同的营销手段。而对于国内运营商来说，面临着比较严峻的问题：客户实名制尚未全部落实，大部分客户性别、年龄难于获取，收入信息更是一无所知；移动用户数超过6亿，客户之间需求差异化巨大，单靠性别、年龄等很难进行细分。所以需要有中国特色的客户细分概念，我们提出了客户标签体系的概念。
3客户标签体系框架
客户标签是通过对客户行为特征进行分析、归纳、推理，提炼出客户的“轮廓”。通常情况下，分析客户标签的维度包括：人口统计学特征、社会群体特征、性格心理特征以及电信业务特征，由此形成精确营销的客户标签体系。
(1)人口统计学特征是根据人口统计学知识定义出的客户基本信息，包括性别、年龄、籍贯、婚姻状况、家庭情况、教育水平、收入水平等信息。可以揭示出不同客户的不同产品需求和使用行为。
(2)社会群体是指社会上存在的各种各样的人共同生活的单位，它包括家庭、邻里、朋友群等初级社会群体。本文将社会群体特征概括为生活特征、工作特征及社交特征：生活特征包括居住区域、是否购车、购房、家有小孩老人等；工作特征包括工作区域、工作性质、工作行业、职务及作息规律等；社交特征包括交友状况、社交圈属性、人群归属等，如民工、老年人群体、青年人群体、大学生群体、交友广泛人群、热恋人群等。
(4)电信业务特征是指客户在使用移动产品及服务过程中体现出的内在特征。通常这类信息是通过数据挖掘及模型分析获得的，本文将其概括为四类：产品偏好、消费习惯偏好、服务偏好、生命周期。
我们采取“3+X”的策略进行客户标签体系的搭建，其中“3”是指性别、年龄、收入三个最重要的客户基础标签，以实现高覆盖率和高准确率；“X”是指若干个其他标签，用以辅助对客户细分的实现。
4客户标签精确营销体系的搭建
4.1客户标签精确营销体系架构
客户标签精确营销体系架构如图2所示，它包含客户标签获取、客户标签存储和客户标签应用3个层次。客户标签获取层是通过分析BOSS、业务平台、产品库等经营分析数据源，利用数据挖掘、网络透视、短信过滤等技术手段，获取客户标签，从而形成客户标签库，以备后续精确营销使用；标签存储层是将客户标签以及产品标签结构化地存储在数据库中，并通过建立规则库，实现客户与产品的自动匹配，形成客户产品推荐信息库；客户标签应用层主要是利用客户标签实现产品配置、精确营销、价值提升、客户保有、监控分析、对手策反等目的，同时可以推送标签项BOSS、CMP、排队机等，其应用对象包括决策人员、经营分析师、渠道经理及产品策划经理等后台管理人员，也包括客户经理、服务厅、热线、外呼等一线营销人员。
4.2客户标签精确营销闭环流程
基于客户标签体系的精确营销是一个闭环的自我学习与完善的过程，主要包含以下几个环节：
(1)背景分析：包括环境分析、产品分析以及对手分析，主要是对市场环境的变化、自身产品的基本属性、优劣势以及竞争对手的同质产品进行跟踪与分析，为后续营销活动奠定基础。
(2)制定营销方案：首先需要明确营销活动“要做什么”、针对“哪些人”去做；同时根据以往历史记录进行数据分析、挖掘，了解客户购买该产品的同时也经常购买其他哪些产品，确定“打包哪些产品”进行组合销售；接下来则需要确定具体的产品资费标准，选择哪些渠道销售，选择哪些宣传方案；根据这些信息进行营销方案预算估计，合理分配营销资源，同时设计营销方案成功与否的评价指标。
(3)确定客户标签：根据目标人群的特征，选取具有代表性的客户标签，根据客户标签在数据仓库中获取本次营销活动的目标客户号码。
(4)营销活动执行：包含具体的营销实施和对营销实施过程进行管控的内容，通过建立合理的营销组合及明确职责、激励机制和技能培训，使营销方案得以有效地执行。
(5)效果评估与反馈：它侧重于从量化管理的角度对营销执行情况进行管控，强调通过指标数据来进行评价。同时，对办理了和未办理营销方案的客户进行获取与分析，进一步研究办理该方案的客户有哪些特征，没有办理的客户为什么不办理，并给客户“贴上”相应标签。
(6)优化客户标签：将效果评估反馈的信息导入客户标签体系中，包括办理方案客户标签、未办理方案客户标签、从办理客户中挖掘出的新特征等，进一步完善客户标签体系，为下一次的营销活动做好充分准备。
通过以上的闭环营销流程，不断优化客户标签体系，将电信产品与客户需求紧密联系、最佳匹配，提升营销效率，实现运营商与客户双赢的目的。
4.3客户标签精确营销的优点
客户标签精确营销的核心是“以客户需求为中心”，强调通过客户标签“引导客户需求”，其优点在于：
第三，由于精确定位客户需求，降低对客户不必要的骚扰，提高了客户满意度及忠诚度，树立了良好的企业社会形象；
第四，通过客户标签，把握客户当前需求及潜在需求，有助于移动运营商设计新产品，同时整合内容提供商的产品，形成个性化的、差异化的产品／产品组合，使移动运营商具有其他运营商无可比拟的优势，形成核心竞争优势。
5客户标签精确营销案例
本文以某地区移动公司手机证券营销实践为例，来阐述客户标签精确营销的实际应用。
为了评估客户标签精确营销效果，选取具有“股民”标签的1000个号码进行营销验证，同时运用传统营销方式随机选取1000个号码进行对比。评估结果显示，接触成功率从传统的25％提高到63％，接触效率提升了2.5倍；营销成功率由9％提高到43％，营销效率提升了4.8倍。
对营销成功与失败的号码进一步分析发现，失败号码中72％的客户在炒股或者具有炒股需求，有56％的客户有意向使用手机证券但是目前手机终端不支持手机证券的安装。由此，分析人员将“支持手机证券终端”这个行为添加到“股民”的特征中，取交集，进一步优化客户标签体系。
根据预测，具有“股民”标签的客户有20万，以43％的营销成功率计算，可以定位出8.6万的手机证券潜在客户。对这些客户进行精确营销可以扩大移动手机证券的市场占有；同时，对这些客户进行高级手机终端推荐营销，也可能会收到很好的营销效果，实现精确交叉营销。
6结束语
谈到大数据，首先想到的是数据管理，在数据管理方面，人们想到的是Hadoop和MapReduce等新兴技术，但是这些新兴技术并不能解决所有的数据管理问题。数据仓库作为一种传统的数据技术在大数据时代依然焕发着自己的活力。
数据仓库：从技术角度看问题
说到数据仓库，就要从数据仓库的概念提出说起。数据仓库概念最早诞生于1983年，然后就出现了商务智能，直到20世纪90年代开始成熟，并出现了提取、转换和加载（ETL），ETL的出现大大促进了商务智能（BI）的发展。以后，数据仓库出现了各种扩展，出现了多维的联机分析处理（OLAP）、数据集市、探查型数据仓库和ODS。
有了ODS即便更新和业务处理遇到集成数据问题，系统还是能够进行处理。其后，星型模型和事实表等都有了容身之地。有了探索型数据仓库，统计学家有了一个数据基础，可以支撑从数据管理员到统计分析员等不同角色的数据挖掘分析需求。一直到后来，数据仓库变成了企业的信息工厂，进而数据仓库也被称为企业数据仓库（EDW）。
随着EDW环境复杂性的增加，企业越来越认为需要一种监控机制来管理数据仓库，而这种监控机制与事务处理的监控机制本质上存在着各种差异。与此同时，商务智能的发展也随着数据仓库技术的发展而不断演进，商务智能的发展要求其不仅仅为决策层提供支持，同时，也要给普通的业务人员提供支持。不仅要能从整个战略层面进行综合分析，还能够在具体的战术层面进行详细指导，这些是商务智能未来的发展趋势。随着信息量的快速增长，产生了如网页文本等信息数据分析的需求。进而衍生了对大数据的分析技术。
事实上，大数据和数据仓库是同一个问题的两个方面，大数据是业务视角，需要汇聚各类数据，建立客户全景视图，实现客户深度洞察，而数据仓库是技术视角，需要汇聚各类数据，全景实现数据全生命周期管理、元数据管理和数据监视管理。
数据仓库和大数据的结合就是通过技术手段来解决业务问题。随着大数据时代的发展，数据仓库对于企业决策的支持作用将会越来越大。由此，数据仓库也成为了各大数据解决方案厂商着力开展的业务领域。IBM、甲骨文，惠普、Teradata等厂商纷纷部署了自己的数据仓库技术和产品。绝大多数的数据仓库厂商能够利用网格或者云架构将他们的产品扩展到PB级别，而且他们能够完成数据库内分析，即在大规模并行数据仓库网格或者云环境中实现。他们还可以在企业数据仓库之内来支持数据转化和数据清洗功能。
数据仓库发展迎挑战
目前，大量的数据运行的企业中，新兴的数据类型层出不穷，数据量增加的速度越来越快，越来越多的业务提出实时的需求，所有这些都让数据仓库在企业运营和领导决策支持中显现出“疲态”。
第二是数据仓库要解决并行处理的问题。在传统联机事务处理应用中，用户访问系统的特点是短小而密集。对于一个多处理机系统来说，能够将用户的请求进行均衡分担进行并行操作是非常关键的。在数据仓库系统中，用户访问的特点是庞大而稀疏，每一个查询和统计都很复杂，但是访问频率很低。
另外，从各种各样用户设备上访问数据仓库中的业务信息，也影响到了数据仓库的工作量以及它所支持的信息。从工作量的角度来看，用户设备需要大量的小查询，就需要在很低的延迟下跨越地域进行回答。从信息的角度来看，用户使用移动设备希望实现随时随地的即时访问，用户需要的是最新的信息。而且需要很快地加载信息，以便用户可以和历史内容一起访问数据。
三把利剑破解数据难题
Forrester高级数据管理分析师JamesKobielus曾表示，数据仓库可以通过三种方式帮助企业处理好数据问题：第一，在企业数据仓库中，给不同的数据一个比较稳定的主题划分，按照主题来组织企业数据，比如，数据仓库架构中的OLAPcube，客户数据是一个分区，财务数据是一个分区，人力资源数据是一个分区。不管是物理上的实现还是逻辑上划分，这些数据主题都会比较稳定。这样有利于根据数据的关联性来匹配下游的应用和用户。这是数据仓库管理的核心所在，也是通过数据仓库处理大数据的重要方式。
第二种方式是通过数据库内分析，也就是在数据仓库内部执行数据挖掘。利用数据仓库执行数据清洗、数据挖掘和回归分析。因为使用数据挖掘或者回归分析可以从根本上了解数据建模式，所以这种方式可以很好地处理数据。然后使用数据库内挖掘来填充下游的分析数据集市，数据挖掘和统计模型专业人士可以利用它将复杂的模式实现可视化。
第三种方式就是将数据仓库作为数据治理的核心，可以合理地在数据仓库中维护主数据。当数据仓库作为数据治理与数据清洗的核心时，它将有助于搞清楚所有的信息。在整个企业架构中，数据就像是洪水一般涌入数据仓库，数据仓库作为数据的枢纽，可以确保大数据在下游的应用。
关键词：财务共享；会计专业；人才培养模式
0前言
随着大数据、云计算、人工智能等新兴科技的迅速发展，财务共享服务作为一种工具、一种手段，对企业的财务管理产生了颠覆性变化。财务共享服务中心就是近年来出现并流行起来的会计报告业务管理方式，它是依托信息技术，将不同国家、不同区域的实体的会计业务有效整合后放到一个共享服务中心来记账和报告。财务共享的优势是不仅保证会计核算的高专业化、标准化，而且还提高企业财务数据的处理效率，节省较大的人工与系统成本。自1999年摩托罗拉在天津建立亚洲结算中心以来，越来越多的中国企业开始财务共享服务领域的探索。面对如此情形，高职院校传统的会计人才培养模式亟须转型，探究适合财务共享背景下企业对会计人才的需求从而适时调整人才培养方案，从培养目标更新、课程体系重构、教学方法改革、师资队伍建设等方面着手改革[1]，为推动高职会计人才培养的转型升级提供一些思路。
1财务共享对传统会计的冲击
1.1业财融合化
在财务共享趋势下，业财深度融合得到进一步体现，财务定位从简单记账到决策支持，财务与业务部门的联系与合作更加密切。在财务共享服务中心，业务流程的标准化设置要求财务人员主动融入业务部门，对业务流程、信息系统进行规范与再造，使得业务内容和现金流在共享中心模式下更为清晰，提升财务管理的广度与深度，加深业财融合程度，也加强企业全面管理，专注于创造价值和风险控制，有助于企业管理者全面了解企业的经营状况[2]。
1.2岗位复合化
财务共享使得传统会计工作模式发生了巨大改变，基于流程再造和IT系统整理，大量重复性、可操作的业务被机器人替代，财务人员也从大量低附加值的基础核算工作中解脱出来，一些传统的会计岗位在逐渐被替代；但与此同时，业务型财务、战略型财务等复合型人才被广泛需要，大数据分析师、战略规划师等一些新兴会计职业岗位应运而生。新兴会计职业岗位要求会计人员具备较强的综合能力，不仅要会生成会计信息，还要具备战略思维、分析和决策能力，能站在战略高度以全局性的视角提供决策支持服务，进而实现财务为企业增加价值的目标。
1.3服务自动化
随着人工智能技术的逐渐成熟，共享服务的处理流程逐渐向自动化的方向发展。以德勤财务机器人为例，它不仅能以集中或远程采集模式，对票据进行扫描、分类，采集录入信息、合并和汇总各项财务数据，并且能在既定的业务逻辑基础上对各自动化财务流程进行判断、识别、管理和监控[3]，且准确性和工作效率极高。在未来几年内，对财务共享中心来说，很大程度上也会变成财务的自动化工厂，而对企业而言，财务共享会根据各自不同的需求向更为柔性化的方向发展。
1.4系统集成化
财务共享中心并没有单独剥离出来运营，而是与企业内部人力资源、信息中心等多个部门进行的多门类融合开展，协调企业内系统和企业外系统的工作，依托信息技术对财务数据进行处理，将原本分散的财务信息进行高度集中、系统的处理，会计人员的业务处理和协调能力更高，工作效率得到大幅度提升；同时，财务共享中心的服务正在延伸至更高价值及更多服务中，从而使企业发展过程中的多业务处理成为可能。
2财务共享背景下会计专业人才应具备的能力
财务共享模式的出现和发展，规范业务处理流程和方式，促使业务和财务的融合，传统会计岗位人才需求大幅减少，企业中原有从事大量简单操作性技能人才已逐渐被淘汰，通过调研，发现企业对会计岗位人员的需求主要体现在以下几个方面：
2.1更系统的财务专业技能
财务共享模式下，企业能将标准化、规范化的业务流程进行集中处理，财务人员的分工界限愈趋明显，少数基层财务人员甚至是财务机器人即可完成大量基础性数据录入、会计核算等工作，而能对业务流程进行改进、优化，进行事前预测、绩效评价，并对企业行动提供决策支持等工作则需专业知识结构较为完整、经验丰富的财务人员才可胜任。而且对系统能掌握成本控制、财务分析、全面预算决策以及风险管理等知识的财务人员目前市场上非常紧缺。
2.2更全面的业财融合能力
2.3更强的团队协作能力
3高职院校会计专业人才培养现状及存在的问题
3.1人才培养目标与社会相脱离
随着大数据、人工智能等新兴技术的出现，财务共享模式被越来越多的企业所采用，原本注重核算型的财务人员，需逐渐向决策型、管理型转变。而现阶段，高职院校仍注重的是培养会计核算、报表编制等传统的会计工作，培养目标以核算能力为主，忽视新技术、新平台以及互联网等的深度发展，缺乏对业财一体化、财务共享、智能财务等行业最前沿知识的深度了解，与企业所需的创新型、复合型会计人才存在较大的差距。
3.2课程体系设置难以匹配企业需求
财务共享模式不仅从知识结构方面打破传统的各个专业之间的界限，而且在技能要求方面也突破软件间的操作层面，从而对人才培养提出更高的要求。但目前高职院校会计专业在课程体系上仍偏重于传统会计专业课程设置，如财务会计、成本会计、财务管理、会计电算化等，很少涉及市场上已开始推广的财务共享服务、财务机器人等行业前沿知识，缺乏战略管理、风险控制、绩效评价等高级技能培养方面的课程；同时也缺少大数据、人工智能、人际关系管理等方面的课程，不利于培养学生的创新意识和团队协作精神，不足以支撑复合型会计人才的培养。
3.3教学方法运用难以达到预期效果
传统的会计专业教学手段比较单一，教学方法多为“教师讲、学生听、课后做”的单向输入方式，虽然部分课程也有学生实际动手操作，但仍避免不了教师单向灌输、学生被动接受的局面，没有体现以学生为中心的教学理念。从教学手段看，多媒体网络以及线上课程资源在一定程度上搭建知识存储、交流的平台，有助于提升学生的学习效率，也增强课堂学习效果。但在财务共享背景下，更重要的是培养学生系统性、战略性的思维，“画流程、讲方案”等与实务零距离的知识需充分激发学生的主动性与参与性，从而培养学生的战略管理思维和风险识别能力。
3.4教学软、硬件更新落后于社会发展
3.5师资队伍力量薄弱
4高职院校会计专业人才培养方案优化建议
4.1更新人才培养目标
在财务共享背景下，高职院校应重新定位会计专业人才培养目标，融入财务共享的技术、理念，打造多学科交叉融合的复合型会计专业人才，使得人才输出能满足企业的实际需求，解决人才供给不足的问题。在人才培养模式上，要充分研究财务共享带来的企业财务工作模式的转变，以及随之而来的财务人员知识结构和操作技能等方面的需求的变化，制订符合市场需求的人才培养方案，以转变教育理念为根本目标，通过开设新专业、优化课程体系、推动三教改革、加深校企合作等方面进行完善会计专业人才培养方案；同时还应结合课程思政，注重学生素质目标的培养，树立良好的会计职业操守以及正确的世界观、人生观、价值观是当代青年人才必不可缺的要素。
4.2优化课程体系设置
4.3推动三教改革
4.3.1提升教师队伍建设
打造既懂理论又懂实践的“双师型”教师是职业教育有关教师队伍建设提出的指示，因此，高职院校应多鼓励专职教师通过不定期的实习或挂职锻炼，深入行业一线，提升自身专业知识和技能水平，使专业教学活动更好地与实务项结合；同时通过与行业企业双向交流协作等方式，加强与实务界的联系，甚至鼓励教师和企业合作开发新技术、新产品，提高教师实践能力和产、学、研合作水平，培养教师的技术研发与服务能力，并将其运用到教学过程中，打造高质量、高水平的教育教学团队。
4.3.2推进教材改革
4.3.3改进教学方法
首先，应避免传统的“满堂灌”教学模式，采用行动导向的项目式教学方法，以学生为中心，无论是课前、课中还是课后，都要充分激发和调动学生的主动性，使学生对学习的知识和技能做到融会贯通、活学活用；其次，充分利用实训软件、慕课、微课等教学资源，通过线上、线下相结合的方式，将碎片化知识串联起来，多方面提高学生的专业知识和技能水平；再者，还要注重实践教学，训练学生实际动手能力以及信息收集、整理、分析和判断能力，帮助学生更好地学以致用。
4.4加深校企合作
参考文献
[1]胡立贵.财务共享环境下高校“业财融合”人才培养模式研究[J].经济研究导刊，2020（12）：118-119.
[2]周晓慧.智能财务时代高职会计人才培养改革探讨[J].当代会计，2020（12）：16-19.
[3]郭尚君.刍议财务智能化趋势与高职财务人才培养[J].现代营销，2020（11）：8-9.
关键词：信息职业图书馆学情报学（LIS）教育职业需求
ResearchontheDemandofLibrary，InformationandArchivalScienceProfessionalsfromDifferentInformationOccupations
AbstractThechangesinsocialinformationenvironmentmakedifferentdemandforinformationtalents.Thisarticleinvestigatestheneedoflibrary，informationandarchivalscienceprofessionalsfromdifferentinformationoccupations，includingtypesofrecruitingcompanies，postestablishment，postresponsibilityandabilityrequirementsofdifferentposts.Basedonthecurrentsituationofinformationoccupationrequirement，thisarticlemakessuggestionsonthereformoflibrary，informationandarchivalscienceintheaspectsoftalenttraininggoal，mergeofdisciplines，curriculumandpracticeabilitycultivation.
Keywordsinformationoccupation；libraryandinformationscience；careerrequirement
随着信息技术的迅速发展并向社会生产生活各领域的广泛渗透，泛在信息环境正在形成，各种以信息的生产、搜集、分析、加工和传播为活动内容的职业纷纷出现，社会对信息管理人才形成了强大的需求。传统的图书馆、学、情报学、档案学教育主要为图书情报档案机构培养人才的模式面临着严峻挑战，面向宽广的信息职业培养人才，成为近年来图情档专业教育改革的重要方向。
社会各领域的信息部门究竟需要什么样的信息管理人才？今天的图情档教育怎样才能培养出适应不同信息职业需要的人才？这是当今图情档教育改革必须弄清楚的问题。2013年，笔者曾对我国图情档专业毕业生的就业情况进行调查，试图从毕业生的就业领域分布、毕业生职业竞争力等方面获取不同信息职业的人才需求信息。本文则将对近年来各种不同的信息行业的人才招聘信息进行分析，从中探寻社会对信息人才的需求特点，以期促进图情档人才培养目标与信息职业人才需求的对接。
1研究方法与数据获取
2调查结果分析
2.1招聘单位类型分析
社会信息化意味着社会各行各业对信息人才的需求更为旺盛。对图情档专业毕业生招聘单位类型进行统计分析，有利于了解不同类型的信息行业对图情档人才的需求度。
笔者将回收的18份调查问卷中的用人单位信息与综合性的招聘网站中收集的274条招聘单位信息进行汇总，并将292个招聘单位划分为四个类别：①图书情报档案机构；②行政机关与事业单位；③信息产业类机构，包括信息咨询业、软件开发、通讯、互联网行业等；④其它公司企业。分类统计结果为：图书情报与档案类机构10个，其中9个为高校图书馆，1个为科研院所图书馆；除图情档机构以外的行政与事业单位11个；信息产业类机构与其它公司占较大比例，分别为141个和130个。可以看出在所有招聘单位中，图情档机构与行政事业单位仅占3.4%和3.8%，而信息产业类机构和其他公司则占到了48.3%和44.5%，而企业在所有用人单位中所占比例超过了90%。这固然与企业相较于图情档机构、行政事业单位更热衷于在综合性招聘网站中招聘信息有关，但不可否认的是，信息类机构及其它类型企业的信息部门对图情档专业人才有较大需求。图情档机构与行政事业单位在所有招聘单位中所占比例均不足4%，当然还不能仅凭这一数据推断这些单位对图情档专业毕业生的需求度较小，原因还在于这些用人单位相比企业而言常常通过统一的人事考试，而非招聘启事的方式招募人才。
笔者曾在2013年4月对图情档毕业生就业领域进行调查，发现图情档本科毕业生在信息产业类机构及各类公司的信息部门就业的人数要远远超过在图情档机构及行政单位的就业人数，与上述调查结果吻合。这说明信息产业类机构和各类公司企业的信息部门已成为图情档专业毕业生就业的主要去向。
2.2招聘单位岗位设置分析
2.3招聘单位工作岗位职责分析
2.4招聘单位对岗位能力要求分析
2.4.1学历与学科背景要求
信息职业属知识和技术密集型的新兴行业，对从业者的学历有较高的要求。本次调查在选取样本的时候用“本科/学士及同等学力”或“硕士/研究生及同等学力”对招聘单位在图情档专业人才学历方面的要求进行了限定，在274家招聘单位中要求最低学历为本科的有245家，其中部分招聘信息明确要求本科以上学历，但是优先考虑硕士生；最低学历为硕士的有29家，且多为高校、研究所等科研机构。
招聘单位对图情档类人才专业背景的要求有图书馆学、档案学、情报学、图书情报、信息管理与信息系统、信息资源管理和信息管理（招聘单位对不同专业的人才需求的词频统计见表2）。
2.4.2基本能力要求
基本职业能力是求职者在职业活动中不可缺少的能力，一般包括学习能力、文字和语言运用能力、团队协作能力、对环境的适应能力以及遇到挫折时良好的心理承受能力等。在信息职业中，想要胜任相应工作首先必须具备基本的职业能力，本次调查中的大部分招聘单位都对图情档专业人才的基本能力做出了要求，笔者对招聘信息中关于基本能力的描述出现频次较多的词进行了的词频统计（见表3）。
从统计结果可以看出，超过一半的招聘单位都对图情档专业人才的沟通协调能力提出了要求，在信息职业中，无论是传统的图书馆、情报档案机构，还是新兴的信息咨询、软件开发、互联网行业，都需要与上下级同事、合作机构、服务客户进行沟通交流，从而调动各方面的工作积极性。
其次，信息职业较为看重的是团队协作能力，这是因为信息工作己经渗透到各种类型的组织以及组织内部的各个环节中，成为组织正常运作和发展不可或缺的工作，信息职位不仅要求内部工作人员团结合作，还要与其他部门和岗位相互配合，协调工作，才能充分发挥其作用和价值。
文字撰写能力也是信息人才需要具备的基本能力，包括较强的文字功底，方案编写整合，文案、专利、分析报告的撰写等。
学习能力是其他能力的基础，新的信息环境下，信息职业从业者要学会观察和参与新的体验、把新知识融入已有的知识中，从而改变已有知识结构，形成新思想、新理论、新方法，适应社会不断发展的需要。
信息行业属压力较大的行业，信息岗位一般要承受较大的工作压力，这就要求信息岗位从业人员有较强的心理素质，面对压力有乐观的态度和良好的心理适应能力，善于调节，以积极向上的精神面貌从事职业活动，具备较强的抗压能力。
一部分信息岗位还对图情档专业人才的逻辑推理、分析判断能力、组织能力、独立分析解决问题的能力提出了要求，还有部分信息服务岗位比较重视从业者的主动服务的意识。此外，大部分招聘单位都认为踏实认真的工作态度、良好的道德品质和职业操守对信息职业有重要的意义。
2.4.3专业技能要求
专业技能是图情档专业人才区别于其他求职者的优势，是图情档专业毕业生在信息领域的核心竞争力。本次调查的274家招聘单位中有198家都对信息人才的专业技能提出了明确的要求，笔者对招聘信息中有关专业技能的描述进行了词频统计并分类（见表4）。
根据统计结果，将近2/3（以198条招聘信息为基数）的招聘单位都对应聘者的信息技术提出了要求，这说明对图情档专业毕业生来说，信息技术是大部分招聘单位最看重的专业能力。新的信息环境下，信息技术能力对于信息职业人才而言是不可或缺的职业技能。除了熟练使用统计软件，数据库分析管理工具的基本要求外，本次调查中的招聘单位还针对信息管理与信息系统和信息管理专业的求职者提出了更高的要求，如数据库技术、、JavaScript编程，不同环境下软件开发与管理以及计算机、网络的安全维护等。
1/3（以198条招聘信息为基数）的招聘单位重点强调了图情档专业人才的信息分析能力。信息人才应具备信息分析与预测的能力，利用常用数学模型、定量分析方法或情报学方法，能够把情报工作与企业战略、企业流程相结合，根据外部环境的动态发展，运用专业的技术手段对信息或数据进行定量或定性的分析处理，整合提出具有前瞻性的意见和建设性方案策略。
信息是各类信息职业工作的对象，所以信息搜集能力是图情档专业人才必须具备的专业技能，主要包括敏锐的观察能力，前瞻的信息意识，能够随时随地发现信息、并能够通过一定的途径获取信息，有娴熟的信息检索能力。
信息管理包括档案管理、图书/期刊管理、项目管理和其他信息资源的管理。档案管理要求求职者熟悉档案工作基础知识、档案管理方法，熟悉有关档案工作的法律法规、技术标准、管理制度，熟练的操作和掌握档案管理信息系统和档案专用软件，实现文书档案、科技档案、财务档案、实物档案、声像档案、电子档案及企业档案网络化；图书管理要求掌握图书管理知识和图书馆的工作方法和技能，能熟练运用计算机进行图书馆数字化建设和管理；项目管理则要求求职者熟悉项目管理的各个模块，掌握项目实施管理程序及知识。
信息分类和整理是图情档专业人才传统的专业技能。然而在198条招聘信息中，只有13条对此提出要求，佐证了社会对传统的图情档专业技能的需求在减弱。对图情档学科理论的要求在招聘中也占很低的比例，这当然不能证明理论的无用，但也说明招聘单位更看重人才的实用技能。
2.4.4其它要求
（2）外语。本次调查的招聘单位对图情档专业人才的英语水平要求一般为本科四级，硕士六级，具备英文文献查询、阅读、整理的能力，英语口语流利，能熟练使用英语进行日常沟通交流。其中，部分外资企业对员工英语水平的要求更为严格，要求英语等级六级以上，能熟练使用英语进行工作交流，英语能够成为工作语言。此外，还有部分招聘单位优先考虑具有其他外语能力（韩语、日语、法语等）的求职者。
3从社会对信息人才的需求看图情档专业教育的变革
3.1图情档专业教育要面向更宽广的信息职业
随着信息化进程的加快，社会对信息人才的需求越来越迫切，并向图书情报档案机构以外的各类企业、金融、商业、电子商务和电子政务，以及咨询、通讯、互联网等众多领域扩展。国内的图书情报教育应该以社会对信息人才的需求为导向，适时调整人才培养目标，突破只为图情档行业培养人才的局限，面向更为宽广的信息职业，培养在企业、银行、商务机构、网络公司、信息安全等领域的新型信息服务人才[1]。尤其是对图情档专业本科毕业生来说，非图书情报机构的信息职业已成为其主要就业方向，因此图情档本科教育更要面向宽广的信息职业，淡化专业色彩。可借鉴国内一些高校实行按大类招生，一年或两年以后细分专业的培养模式，本科阶段多开设不同信息职业通用的课程，宽口径培养信息管理人才。
3.2图情档专业教育要重视学科的交叉和融合
在新的信息环境下，科学自身的发展呈现出学科交叉不断加深和扩展的特点，图书馆学与情报学也在向与其他学科交叉与融合的方向发展。在职业领域，面向宽广的信息职业也要求图情档教育要加强与其他学科的交叉融合。本世纪初，美国7所著名的图书馆学情报学（LIS）教育机构为了应对新的信息环境给LIS教育带来的挑战，发起了以整合所有与“信息”有关的学科教育为目的的“信息学院运动”（InformationSchoolsMovement，iSchools）。iSchools的显著特征，就是跨学科（interdisciplinary）[2]。为了使学生适应未来多变的、复合的职场环境，图情档专业教育应该通过跨专业课程设置、跨专业课程选修、双学位等方式鼓励学生将图情档专业知识与理工、文史、社科、经管等学科的知识相融合，注重培养学生的综合素质，帮助学生建立多学科的知识背景，构建复合型知识结构，提高就业竞争力[3]。当然，这一学科融合必须建立在保持图情档专业特色的基础上，使图情档专业在不断变化的信息环境中既保持专业优势而又与时俱进，不断增强对社会的适应性，培养具备综合性知识结构和图书情报学科特色的复合型信息专业人才。
3.3图情档专业教育的课程设置要重视信息技术的应用
为了有针对性地培养学生的职业能力，提高学生在未来工作中的适应力和竞争力，国内的图书情报教育应该面向信息职业与岗位的技能需要，及时进行教学结构的调整和课程内容的更新。从本次调查结果可以看出，信息技术是信息职业最为重视的能力。图情档专业毕业生所从事的工作中大都对信息技术有较高的要求，能够运用先进的计算机技术、信息系统、数据库技术对信息进行收集、整理、管理、利用的信息人才会更容易得到就业单位的青睐。因此，信息技术应该成为图情档教育不断强化的领域。要在巩固信息收集、组织、检索、服务等本学科核心课程基础地位的同时，增加信息技术课程的设置，如高级自然语言处理与信息检索、数据库应用程序设计、Java程序设计、统计与数据分析导论等诸多信息工作领域专职人员需要掌握的技能课程[4]，改变目前图书情报教育中存在的“重理论、轻技术”现象，实现学科的均衡健康发展。当然，这种重视不是单纯地盲目跟风各种新兴技术，而是更重视将先进技术融入图书情报学的发展中[5]，同时积极引导学生将计算机和信息系统运用到经济、社会等各个领域中，培养出既有扎实的理论基础，又掌握先进信息技术的实用型人才。
3.4图书情报专业教育要强化实践能力的培养
[1]肖希明，李金芮.iSchools人才培养模式研究[J].图书情报工作，2012，56（23）：6-10，23.
[2]司莉，刘剑楠，张扬生.iSchool课程设置的调查分析及其对我国图书馆学课程改革的启示[J].图书馆学研究，2011，（11）：21-26.
[3]周庆山，黄国彬.美国图书馆与信息科学学院信息科学专业本科课程设置的典型分析与启示[J].图书情报工作，2009，53（5）：15-18.
[4]杨秀丹，张坤鹏，赵延杰.美国情报学硕士课程设置研究与启示——以密歇根大学为例[J].情报理论与实践，2010，33（10）：124-128.