浅谈大数据金融实训平台的建设
第1章 大数据金融实训平台建设背景
1.1 大数据时代背景与发展趋势
随着全球移动互联网、物联网、电子商务以及社交媒体的快速发展，信息数据正在成爆炸式增长。根据IDC Digital Universe研究报告显示，全球数据总量已从TB级跃升到PB乃至ZB级别，2020年全球的数据总量将达到40ZB，同年中国的数据量将超过8ZB，占全球数据总量1/5以上。前瞻产业研究院的《大数据产业发展前景与投资分析报告》数据显示，2020年全球大数据相关产业市场规模将达到10270亿美元，同年中国市场规模将达到13626亿元。数据已成为未来科技强国核心驱动力。
2015年国务院印发《促进大数据发展行动纲要》，从国家层面认定数据是国家基础性战略资源，首次将大数据行业定位到国家战略层面，大数据成为推动经济转型发展的新动力，成为重塑国家竞争优势的新机遇，成为提升国民经济发展和政府治理能力的新途径。目前我国在互联网、电信、金融、政府等各大行业领域，都已采用大数据、人工智能、区块链等新技术和应用解决方案，行业价值和市场发展空间巨大。
1.2 大数据金融实训平台建设的必要性
随着我国大数据、区块链、人工智能等新技术产业飞速发展给全国高校新技术应用人才培养带来了巨大发展空间和转型挑战，全国高校都在积极构建与实施新工科新技术教育整体方案。
1.2.1 创新人才培养需要
高校培养新技术赋能的复合型人才需要建设开展新技术教育的基础环境。大数据、区块链、人工智能等新技术是以计算机科学为基础，与各专业领域密切结合，面向行业应用的综合性交叉学科，要求从业人才掌握新技术基本思维和技能、适应环境快、动手创新能力强，传统的课堂理论授课形式，已远不能满足新型人才培养需求。
1.2.2 创新实践教学需要
大数据金融实训平台作为新技术教学课程的载体、实验实训的支撑环境以及专业应用创新的实践引擎，将大数据、区块链等新技术理论教学、实验实训以及科研创新有机融为一体，是高校推进新技术赋能人才培养的重要支撑和保障条件。
因此，国内院校开展大数据金融实训平台建设势在必行。
1.3 大数据金融实训平台建设要求
1) 与现有专业结合形成完整的新技术赋能人才培养方案；
2) 教育内容与产业人才需求紧密对接；
3) 以实践教学为主，重点培训学生的新技术思维与技能；
4) 引进真实案例数据与应用场景，满足教学与科研要求。
第2章 大数据金融实训平台建设指导思想
2.1 建设指导思想
随着“大数据”、“区块链”时代的到来，深化信息化建设逐步成为经济管理、财务会计、市场营销、金融管理、贸易投资等行业领域发展的重心，传统商业学科领域也正在经历着高速且强有力的变革。大数据、区块链、人工智能等新技术也正以迅猛之势进入上述传统学科教学领域。
国内院校需要与时俱进，在基于大数据、区块链等新技术对传统学科领域的重塑转型方面进行教学改革尝试及新技术应用创新实践环境建设。使国内院校能够紧跟国家战略方针、把握前沿科技发展、面向人才市场需求，采用理实一体、工管结合、产教融合的创新教学模式，培养出具备新技术思维与视野，同时能运用新技能解决企业、行业实际问题的高素质复合型新技术应用人才。
大数据金融实训平台建设将全面落实“产、学、研、用”一体化设计思想和模式，从教学、实践、科研和使用多方面注重专业人才与特色人才的培养。大数据金融实训平台建设方案将充分融合大数据、区块链技术与各专业教学、实训、实战等多层次教学，能够从面向大数据、区块链技术的行业应用需求和促进学生职业发展的角度，规划和建设大数据金融实训平台，真正实现教学、科研、实践相结合，共同发挥各自优势，既能支撑创新人才培养，又能支撑科研课题创新，构建创新的新技术创新实践与应用教育模式，为建设有国内院校特色的新技术赋能教育学科专业而服务。
2.2 建设总体目标
2.2.1 实训平台建设目标
建设大数据金融实训平台及其配套基础设施与实训教学系统，其中基础设施包括：大数据网络爬虫系统、大数据存储与处理系统、大数据挖掘与建模分析系统、大数据可视化系统等，实训平台系统包括：大数据金融实训平台、区块链金融实训平台等。国内院校各专业可基于大数据创新实训平台基础设施，开展全方位的教学创新及科研课题项目。
2.2.2 实训课程建设目标
结合国内院校各专业学科对于新技术赋能教育创新的需求，支撑国内院校跨专业新技术赋能教育内涵层建设，在国内院校部分专业教学计划中开发和设计大数据金融、区块链金融等，广泛覆盖商科多专业的新技术创新实践实训课程。
2.3 人才培养目标
大数据金融专业人才培养目标为：培养德、智、体、美全面发展，具备较好的计算机基础，掌握大数据技术的基本理论和基本技能，熟悉数据分析软件的操作，熟悉大数据在金融领域的主要应用场景，具有在企事业单位利用大数据技术进行数据采集、预处理、存储、查询、分析、挖掘、可视化展现、预测和优化操作及大数据项目应用能力，着重培养学生的大数据分析技能与大数据业务思维，培养具有创新观念与实际操作经验的、知识与技能协调发展的高素质复合型人才。
学生毕业后可对接本区域信息产业及大数据金融领域人才需求，具备财经、金融及大数据专业知识，并具有在该领域进一步学习和深造的潜能；掌握大数据技术与应用所需要的信息科学、统计学、数据挖掘与分析、商业智能等相关学科的基础知识与基本技能，可以从事金融行业相关的数据收集、数据分析与处理、数据可视化展现、大数据分析工具操作使用与数据维护等工作。
第3章 大数据金融实训平台建设方案
3.1 大数据金融实训平台整体框架
大数据金融实训平台是高校开展大数据教育与科研的支撑平台，是实施大数据实践实训教学和科研课题创新的载体。大数据金融实训平台包括大数据金融实训平台、大数据科研创新平台等两大平台，中心整体框架由基础设施层、工具层、数据层、平台层、案例实训层等构成，面向院校的财会金融、经济管理、工商管理和信息管理等专业学科。
3.2 大数据金融实训平台建设方案
3.2.1 平台产品功能介绍
大数据金融实训平台作为面向院校开展新技术赋能的实践教学平台，可用于对财会金融、经济管理、工商管理、信息管理等专业学生提供实训课程教学。大数据金融实训平台集成了以真实应用案例为背景的教学资源、案例对象的真实数据、数据采集与分析处理实战工具，再配套线下学习教具，完全满足院校大数据金融实践课程教学要求。
大数据金融实训平台提供4大案例实训模块，包括：互联网金融借贷风控、企业信用风险评级、客户画像与精准营销、金融机构非现场审计，着重培养学生的大数据金融思维与能力。平台通过案例讲解、理论指导、实战操作、分析结论等任务步骤学习，使学生掌握大数据在金融领域的主要应用场景及产生的实际价值；通过方案准备、数据采集与清洗、数据处理与呈现、数据分析等任务阶段学习，使学生在完成实训任务过程中，了解大数据相关技术原理、概念知识和大数据处理全过程；通过场景化案例示范教学形式，结合金融本专业知识运用，有效增强学生实际体验、提升学习趣味性、降低学习难度，实现学生大数据零基础学习。
3.2.2 平台设计理念与特色
(1) 零基础学习，针对商科院校和专业
大数据金融实训平台专门针对经管、财金、财贸等商科院校和专业的学生特点而设计，不要求学生具备一定的计算机或大数据基础知识。大数据金融实训平台及数据分析工具操作均采用图形化界面，学生只要会操作使用Office软件，就完全可以掌握大数据实训操作环境，学生在实训过程中也不会涉及编程语言或接触复杂的算法模型，使学生可以聚焦大数据与本专业实务的结合、提炼大数据应用效果与价值。
(2) 紧贴本专业，采用真实案例为背景
大数据金融实训平台紧贴金融本专业实务，以经典的大数据金融分析真实案例作为实训教学背景，使学生不出校门即可接触到现实社会中大数据金融真实应用场景，有效地提升了学生真实现场体验感，在较短的课时安排下，尽可能使学生学到更多有用的知识和技能，并培养和训练学生掌握有效的大数据金融思维和能力。
(3) 场景化教学，真实场景和实时数据
学生通过大数据金融实训平台及其嵌套的金融大数据工具，可以完全置身于金融大数据分析岗位，使用模拟脱敏企业/个人征信数据及真实业务数据，通过构建大数据风控、征信、审计、客户画像模型对企业和个人金融业务申请、信用风险、经营疑点、潜在客户等进行全方位分析评估和评级评分。根据实训平台任务提示与指导，学生从数据采集与准备、模型设计、数据分析与呈现等逐步完成项目实战任务，通过模拟业务数据使用大数据分析模型对目标对象进行审批及评估，真实体验和实际完成金融大数据项目实施的全部场景和过程。
(4) 评价自动化，自动生成学生能力图谱和成绩评价报告
大数据金融实训平台可自动采集学生实训过程中学习、答题、实训操作等环节中的数据，并基于数据对学生的学习能力、岗位胜任力、积极参与度、实训成果价值进行统计分析，自动生成学习参加实训课程的思维能力图谱、学习成长轨迹及综合成绩评价报告。从而方便教师及时快速掌握学生的学生情况，满足实践课程学生考核的需要。
(5) 理实一体化，理论与实践融会贯通
考虑到学生可能是首次接触大数据实践课程，大数据金融实训平台在学生实训任务中穿插与任务相关的大数据基础理论教学，以浅显易懂的方式，让商科学生掌握大数据的核心知识和原理，使学生能够更好地理解实训任务的内涵和意义，充实知识、开阔思路，并在完成大数据金融实训任务的同时将理论知识融会贯通。
3.2.3 实训课程体系设计
大数据金融实训课程是围绕分析应用场景，以行业案例和大数据基础理论与应用实践为教学主线，面向金融专业学生设计的大数据实践课程。重点培养学生在本专业领域熟悉大数据应用场景，培养和锻炼学生大数据分析思维与数据操作技能。通过实训课程学习，学生能够较好地掌握大数据财务分析与应用基础理论、计算机科学及大数据技术基本知识、基本理论和常用数据分析工具操作技能，熟悉大数据采集、处理、分析与挖掘、数据可视呈现的处理过程，未来就业时具备提炼本专业大数据业务需求、数据分析与应用能力，实现学以致用的目标。