论文部分内容阅读
【摘要】在新一轮技术变革浪潮中，数字化成为工业创新发展的核心。本文首先探讨数字化对汽车产业就业生态的影响，提出汽车数据分析人才的市场需求;其次，通过梳理汽车企业对数据分析人才的知识技能要求，明晰汽车数据分析人才的能力结构;进而以同济大学汽车学院为例，研究汽车数据分析课程的设计原则与体系框架。
【关键词】数字化时代 汽车数据 建设探究
【中图分类号】G642.0 【文献标识码】A 【文章编号】2095-3089（2020）09-0231-01
如何培养既能满足传统汽车产业的市场需求，又能开拓适应数字化时代汽车产业新业务领域的创新人才，成为当前车辆工程学科方向人才培养迫切需要解决的关键问题。
一、汽车数据分析人才的市场需求
数字化技术正逐步渗透到汽车产业链的各个环节，从生产制造到市场营销，乃至后市场服务。掌握特定的专业技能、善用数字技术成为诸多岗位的“必修课”，而一些技能含量低、易被机器智能取代的就业岗位会被弱化，甚至消失，比如：用大数据分析质量管理的历史和实时数据，将减少质量管理人员的就业机会[1] 。
面对数字化时代的汽车产业就业新趋势，有必要开设一门创新型、学科交叉型的汽车數据分析课程，提高学生的数据分析与处理能力，以满足数字化时代汽车产业对汽车数据分析师的人才需求。
二、汽车数据分析人才的能力结构
汽车数据分析人才需具备车辆工程、经济学、管理学与统计学的多学科知识背景，可以通过掌握的大量汽车产业数据，运用科学的计算工具，进行科学合理的定量分析，对实际项目现状与远期情况进行统计、分析、预测，为企业经营决策提供科学量化分析的依据[2]。
1.懂业务。汽车数据分析人才需具备基本的车辆工程专业素养，掌握汽车理论、汽车构造、汽车设计、汽车产品管理与营销、汽车生产过程管理、汽车后市场、汽车产业经济、汽车零部件供应链等方面的汽车工程知识[3]。
2.懂管理。汽车数据分析人才需具备基本的管理学与经济学知识，对数据分析结论提出有指导意义的分析建议，确保分析建议能有效帮助企业制定经营策略、解决实际问题。
3.懂分析。汽车数据分析人才需掌握数据分析基本原理与数据分析方法，包括但不限于相关分析、回归分析、因子分析、聚类分析、时间序列分析、结构方程分析等。
4.懂工具。汽车数据分析人才需了解并能梳理运用数据分析相关的常用软件工具，常用的数据分析工具如EXCEL、EViews、SPSS、SAS等统计分析软件，R语言、Python语言等编程语言，ACCESS、SQL等数据库软件。
5.懂表达。汽车数据分析人才需具备较强的文字功底与图表设计能力，能独立撰写研究报告，才能更清晰、更有效地表达数据分析观点。
三、汽车数据分析课程建设的原则与内容
为了适应新时代的汽车产业人才培养需求，同济大学汽车学院营销方向从2018年开始，在原有以车辆工程与管理学为主的课程体系基础上，积极探索汽车数据分析人才的培养模式，设立《汽车数据分析》课程建设教改项目，以提高车辆工程专业研究生的数据分析能力。
（一）课程建设目标
该课程的总体目标是培养出创新型、应用型、复合型的汽车数据分析人才，满足数字化时代的汽车产业就业需求。具体来说，有三个目标：
1.加深车辆工程相关学科方向研究生对汽车产业数字化变革的认知，使得学生熟悉数字化时代汽车产品开发流程，加强学生对新时代下技术革命与商业模式融合创新发展趋势的了解程度。
2.系统构建车辆工程相关学科方向研究生的数据采集、调查设计和数据分析的基础理论知识体系，使得学生掌握社会调查方法、实验设计方法、行为研究方法和数据分析方法。
3.系统提升车辆工程相关学科方向研究生的分析工具运用能力和创新实践能力，提高学生对SPSS、EViews、SAS等统计分析工具的操作水平，锻炼学生对调查统计与数据分析方法的应用能力。
（二）课程建设原则
在设计《汽车数据分析》课程时，应遵循三个主要原则：
1.充分考虑汽车产业迈入数字化变革期的时代背景，注重培养学生的前瞻性能力与创新能力，拓宽学生对未来汽车社会的认知广度与深度。
2.充分考虑多学科、多专业在数据决策的综合应用，注重多学科知识体系交叉融合，加强对多学科教学内容的协同整合。
3.充分考虑就业单位和实际工作的知识和能力需求，注重理论研究与实践应用相结合，在课程设置时增多软件教学的讲解与应用案例的训练。
（三）课程内容设置
基于课程培养目标，《汽车数据分析》课程主要包含以下三大模块的内容：
1.与数字化时代的汽车产业相关的内容：汽车社会数据生态体系、汽车颠覆式技术创新、数字化时代的汽车产品开发流程、汽车消费行为与数字化体验。
2.与数据分析理论和方法相关的内容：大数据与云计算、研究模型与实证研究、社会调查方法、线性回归建模、因子分析、聚类分析、结构方程分析、离散选择分析。
3.与软件操作和实际案例相关的内容：SPSS软件应用案例、SAS软件应用案例。
同时，将把课程内容的知识点与实训统计调查方法与实务、专题案例综合训练等多种创新性教学方法相结合，为数字化时代的汽车产业输出优秀的数据分析人才。
参考文献：
[1]波士顿咨询公司.迈向2035：4亿数字经济就业的未来[R]. 上海：波士顿咨询公司，2017.
[2]桂喜民，闫峰，赵冠华.大学阶段数据分析师的培养研究[J].中国统计，2016（2）：40-42.
[3]王宁，李赟.车辆工程（营销方向）交叉复合创新人才培养专业课程体系探究[J].新课程研究（中旬刊），2014（9）：46-47.
作者简介：
王宁，男，山东烟台人，管理学博士，副教授，博士生导师，主要研究方向为新能源汽车产业化与共享交通可持续。
【关键词】数字化时代 汽车数据 建设探究
【中图分类号】G642.0 【文献标识码】A 【文章编号】2095-3089（2020）09-0231-01
如何培养既能满足传统汽车产业的市场需求，又能开拓适应数字化时代汽车产业新业务领域的创新人才，成为当前车辆工程学科方向人才培养迫切需要解决的关键问题。
一、汽车数据分析人才的市场需求
数字化技术正逐步渗透到汽车产业链的各个环节，从生产制造到市场营销，乃至后市场服务。掌握特定的专业技能、善用数字技术成为诸多岗位的“必修课”，而一些技能含量低、易被机器智能取代的就业岗位会被弱化，甚至消失，比如：用大数据分析质量管理的历史和实时数据，将减少质量管理人员的就业机会[1] 。
面对数字化时代的汽车产业就业新趋势，有必要开设一门创新型、学科交叉型的汽车數据分析课程，提高学生的数据分析与处理能力，以满足数字化时代汽车产业对汽车数据分析师的人才需求。
二、汽车数据分析人才的能力结构
汽车数据分析人才需具备车辆工程、经济学、管理学与统计学的多学科知识背景，可以通过掌握的大量汽车产业数据，运用科学的计算工具，进行科学合理的定量分析，对实际项目现状与远期情况进行统计、分析、预测，为企业经营决策提供科学量化分析的依据[2]。
1.懂业务。汽车数据分析人才需具备基本的车辆工程专业素养，掌握汽车理论、汽车构造、汽车设计、汽车产品管理与营销、汽车生产过程管理、汽车后市场、汽车产业经济、汽车零部件供应链等方面的汽车工程知识[3]。
2.懂管理。汽车数据分析人才需具备基本的管理学与经济学知识，对数据分析结论提出有指导意义的分析建议，确保分析建议能有效帮助企业制定经营策略、解决实际问题。
3.懂分析。汽车数据分析人才需掌握数据分析基本原理与数据分析方法，包括但不限于相关分析、回归分析、因子分析、聚类分析、时间序列分析、结构方程分析等。
4.懂工具。汽车数据分析人才需了解并能梳理运用数据分析相关的常用软件工具，常用的数据分析工具如EXCEL、EViews、SPSS、SAS等统计分析软件，R语言、Python语言等编程语言，ACCESS、SQL等数据库软件。
5.懂表达。汽车数据分析人才需具备较强的文字功底与图表设计能力，能独立撰写研究报告，才能更清晰、更有效地表达数据分析观点。
三、汽车数据分析课程建设的原则与内容
为了适应新时代的汽车产业人才培养需求，同济大学汽车学院营销方向从2018年开始，在原有以车辆工程与管理学为主的课程体系基础上，积极探索汽车数据分析人才的培养模式，设立《汽车数据分析》课程建设教改项目，以提高车辆工程专业研究生的数据分析能力。
（一）课程建设目标
该课程的总体目标是培养出创新型、应用型、复合型的汽车数据分析人才，满足数字化时代的汽车产业就业需求。具体来说，有三个目标：
1.加深车辆工程相关学科方向研究生对汽车产业数字化变革的认知，使得学生熟悉数字化时代汽车产品开发流程，加强学生对新时代下技术革命与商业模式融合创新发展趋势的了解程度。
2.系统构建车辆工程相关学科方向研究生的数据采集、调查设计和数据分析的基础理论知识体系，使得学生掌握社会调查方法、实验设计方法、行为研究方法和数据分析方法。
3.系统提升车辆工程相关学科方向研究生的分析工具运用能力和创新实践能力，提高学生对SPSS、EViews、SAS等统计分析工具的操作水平，锻炼学生对调查统计与数据分析方法的应用能力。
（二）课程建设原则
在设计《汽车数据分析》课程时，应遵循三个主要原则：
1.充分考虑汽车产业迈入数字化变革期的时代背景，注重培养学生的前瞻性能力与创新能力，拓宽学生对未来汽车社会的认知广度与深度。
2.充分考虑多学科、多专业在数据决策的综合应用，注重多学科知识体系交叉融合，加强对多学科教学内容的协同整合。
3.充分考虑就业单位和实际工作的知识和能力需求，注重理论研究与实践应用相结合，在课程设置时增多软件教学的讲解与应用案例的训练。
（三）课程内容设置
基于课程培养目标，《汽车数据分析》课程主要包含以下三大模块的内容：
1.与数字化时代的汽车产业相关的内容：汽车社会数据生态体系、汽车颠覆式技术创新、数字化时代的汽车产品开发流程、汽车消费行为与数字化体验。
2.与数据分析理论和方法相关的内容：大数据与云计算、研究模型与实证研究、社会调查方法、线性回归建模、因子分析、聚类分析、结构方程分析、离散选择分析。
3.与软件操作和实际案例相关的内容：SPSS软件应用案例、SAS软件应用案例。
同时，将把课程内容的知识点与实训统计调查方法与实务、专题案例综合训练等多种创新性教学方法相结合，为数字化时代的汽车产业输出优秀的数据分析人才。
参考文献：
[1]波士顿咨询公司.迈向2035：4亿数字经济就业的未来[R]. 上海：波士顿咨询公司，2017.
[2]桂喜民，闫峰，赵冠华.大学阶段数据分析师的培养研究[J].中国统计，2016（2）：40-42.
[3]王宁，李赟.车辆工程（营销方向）交叉复合创新人才培养专业课程体系探究[J].新课程研究（中旬刊），2014（9）：46-47.
作者简介：
王宁，男，山东烟台人，管理学博士，副教授，博士生导师，主要研究方向为新能源汽车产业化与共享交通可持续。