上海財經大學信息管理與工程學院聯合兄弟院校同行與產業界人士成功在線舉辦“數據科學與大數據技術專業建設”研討會，上百所院校的老師注冊參會，通過zoom會議室及數據酷客等平臺參加了會議。會議邀請了京東物流、香港中文大學（深圳）、對外經濟貿易大學、浙江大學、上海財經大學等業界和高校的專業負責人共同分享探討。

　　7月25日上午9時，上半場研討會準時在云端召開，由信息管理與工程學院教授江波主持。

　　上海財經大學副校長劉蘭娟首先代表上海財經大學致辭。劉校長強調，數據科學與大數據技術”專業的獲批為各高校適時布局人工智能、大數據等新工科學科提供了新的發展機遇，也將對營造交叉融合、協同創新的學科生態產生深遠影響。上財信息管理與工程學院旨在以信息技術和數據技術為支撐，經濟管理應用為導向，依托碩博多層次的工科與經管復合的學科體系，構建做精工科，賦能經管，國內一流，國際知名“新工科”發展布局。劉校長希望以本次研討會為契機，各個高校能圍繞專業建設與行業應用等方面開展深入的交流，相互學習和借鑒專業建設的先進經驗，在專業發展、人才培養、產教融合等方面做出貢獻。

　　第一場主題報告為“數據與決策科學在運營管理中的發展與應用”，由上海財經大學信息管理與工程學院教授何斯邁進行主題分享。何斯邁教授任中國運籌協會數學規劃分會常務理事，曾獲第33屆國際數學奧林匹克金牌，在運籌與優化的國際頂級期刊OR，MOR，MP，Siam on Opt四個刊物上發表論文15篇。何老師基于量化管理決策過程，介紹了隨著新場景（如互聯網、物聯網等）和新工具（如深度學習、在線優化等）的出現對數據維度、問題建模等的挑戰，并圍繞四種場景：庫存場景中多級庫存管理、定價場景中電商和互聯網的產品定價、調度場景中無人倉內調度問題以及門店及配送中心的新選址問題等指出，企業面對經濟增速放緩的“新常態”，更應精耕細作，而“人工+智能”的運營模式也具有更透明、更優化、更敏捷的諸多優點，決策智能化勢在必行。基于決策智能化的趨勢，何老師強調了復合型人才的培養過程中理論方法在企業問題中的適用范圍、學生對理論的理解以及溝通交流能力是課程建設和教學過程中應該進一步思考的問題。此外，何老師還與參會嘉賓探討了產業研究和學術研究差異性的相關問題。

　　第二場主題報告為“京東物流的數智化能力建設”，由京東物流首席數據官吳盛楠博士做主題分享。吳盛楠博士畢業于美國匹茲堡大學，目前任京東物流首席數據官，在運籌學優化算法、大數據、機器學習及人工智能算法等領域具備15年的科學研究和實踐經驗。在報告中，吳博士以企業愿景中“打造供應鏈科技領導者”為框架，以京東物流的數據中臺以及相關數據產品為例，介紹京東物流的數據化與智能化基礎設施建設。重點分析了京東物流智能解決方案中網絡規劃、商品位置計劃、貨物配送運營是三個核心問題，介紹了智能交通（路由）規劃運籌技術、銷量預測和庫存優化模型、智能運營中AI技術的使用等解決方案。最后，吳博士也從產業需求角度對當前數字智能人才梯隊建設視角，提出信息技術、數據科學與商業決策是人才的三維核心能力。指出目前企業中“腰部”人才缺乏，對深化產教融合，縮小校企鴻溝等角度提出了建議。最后，吳盛楠博士和參會嘉賓就學生的能力培養、校企合作等問題進行了互動。

　　第三場主題報告是“對外經貿大學數據科學與大數據技術專業建設”,由來自對外經濟貿易大學信息學院的副教授黃浩做主題分享。黃浩教授目前還擔任對外經濟貿易大學信息學院大數據系主任，長期從事機器學習、深度學習、商務智能等領域的科研與教學工作，負責大數據系相關專業課程的建設任務。故在本次報告中，黃老師從對外經貿大學大數據專業的建設實踐經驗出發，提出了自己對于大數據專業建設的思考，并介紹了在多元化人才需求的背景下進行的特色建設。在“新工科”人才改革的背景下，對外經貿大學數據科學與大數據技術專業對各個高校進行調研，結合國內外前沿以及產業需求建立了一套完善的學生培養方案。黃老師從課程體系、課程能力表、工程實踐、實踐平臺、師資培訓等全方位角度為大家闡述了專業建設實踐。之后黃老師對于財經類院校中大數據專業的“新工科”和“特色建設”之間的關系等問題提出了自己的思考，他認為“新工科”是土壤根基，應該花大力氣培養，雖然短期內收益不高，但是長遠來看，工科的思維范式對財經類院校有著很大的收益空間。最后黃老師從學科融合、專業課程設置、通識通修課程設置以及專業改革四個角度對大數據專業的特色建設進行了總結。其后，黃老師和參會嘉賓就企業中大數據人才的培養、競賽實踐課程的相關考核等問題進行了交流和探討。

　　下半場研討會召開，由信息管理與工程學院副教授高建軍主持。

　　第四場主題報告是“數據科學和大數據技術專業的建立和發展”，由香港中文大學（深圳）數據科學學院助理院長、終身（副）教授王子卓進行了主題分享。王子卓教授畢業于美國斯坦福大學，獲得管理科學與工程系博士，主要研究領域為收益管理與運營管理、定價問題，優化算法設計，目前擔任杉數科技CTO，曾參與京東、滴滴、美國運通、華為、IBM、希捷等團隊項目并擔任項目中的主要科學家。在報告中，王老師首先從學校歷史、學生學位授予、專業設置、國際化建設等角度對香港中文大學（深圳）的相關背景進行了簡要的介紹。香港中文大學（深圳）于2018年3月成立數據與運籌研究院（iDDA），但考慮到院系設置、專業前景發展、學生升學需求等方面因素，學校于2020年7月將數據與運籌研究院升級為數據科學學院（SDS），其包含四個本科專業（計算機科學與技術、統計學、數據科學和大數據技術、金融工程）、兩個碩士專業（金融工程、數據科學）和一個博士專業（數據科學）。在專業設置上，目前數據科學和大數據技術作為香港中文大學（深圳）的一個新設置專業，涵蓋了從數據收集、分析到決策的全部數據分析要素，希望培養出數據科學領域的頂尖人才。其次，王老師從課程設置的角度介紹了專業學生的培養方案。課程包括基礎課程（如“computation”、“calculus”等）和專業課程（如“Introduction to data science”、“visual analytics”、“optimization”、“numerical methods in Data analytics”等），且學生可以根據自己的興趣選修五個方向（“Advanced Data Science Theory”、“Finance and Economics Area”、“Operations Management Area”、“Life Science”、“Computing”）的相關課程，給學生的專業興趣給予了充分的選擇和發展空間。

　　第五場主題報告是“信息管理與信息系統的專業建設”，由來自浙江大學管理學院的副教授金慶偉老師進行主題分享。金教授目前擔任浙江大學數據科學與管理工程學系副主任，畢業于美國北卡羅萊納州立大學工業與系統工程學系工業工程方向，主要研究方向為優化理論與算法，收益管理，運營管理。在本次報告中，金教授從需求與前景、專業定位、培養方案、就業升學情況四個方面進行了分享。金老師強調在當前這個數據驅動的時代，數據科學的相關人才都極受重視，信管專業不應拘泥于專業名稱，應進一步與數據科學的相關知識融合；金老師還介紹了浙大信管專業的建設情況，該專業遵循著從數據到信息到知識到智慧的發展邏輯，培養學生掌握每一個環節所需要的工具和能力，并基于浙大KAQ2.0和管理學院的培養目標提出了五點畢業要求。之后，金老師從課程和學分設置、課程體系等方面對培養方案進行了詳細的介紹。其中，專業實行全程導師制，部分課程實現全英文授課，引入部分貼近產業界的軟件工具等是專業的特色。金老師還從專業建設歷史、師資隊伍建設、國際互訪交流、教學組織和運行機制、畢業前景和目前的畢業生去向等方面進行了介紹。最后，金老師與參會嘉賓就二課開設情況、專業與數據化背景的結合、全程導師制的實現細節等問題進行了深入的探討。

　　最后一場主題報告是“數據科學與大數據技術（工）專業建設”，由上海財經大學信息管理與工程學院教授楊超林進行主題分享。楊超林教授2015年于香港中文大學系統工程與工程管理系獲得博士學位，目前主要研究興趣包括供應鏈管理、隨機庫存控制、數據驅動的運營管理，其論文發表在管理科學領域國際頂級期刊Management Science和Operations Research。楊老師首先從學院歷史、學科與專業設置、組織架構等方面對信息管理與工程學院進行了一個簡要的介紹。2018年，上海財經大學的數據科學與大數據技術（工）專業開始招生，楊老師從專業的招生情況出發，介紹了師資隊伍、科研實驗室、實踐基地等情況。楊老師指出該專業建設的基本思路是依托學校在經濟、金融、財會等傳統優勢學科以及學院教師在智慧供應鏈、人工智能等領域提供的行業背景和應用場景，結合本院計算機科學與技術、信息管理與電子商務專業提供的學科基礎，圍繞本專業教師運籌優化方向的學科優勢，培養既有良好的大數據分析動手能力和扎實的大數據及優化算法基礎，又有深刻數據視野和決策仿真建模能力的數據科學與技術人才。之后，楊老師基于專業3*3的人才培養模式，對培養方案中的課程體系、課程設置、課程知識體系、暑期課程進行了介紹；對于拔尖型人才、卓越性人才、創新型人才，專業都提供了個性化的培養課程，保證大數據在職研究生學生專業興趣的充分個性化發展，提升學生在就業市場上的競爭力。最后，楊老師從人才培養規格、辦學規模、師資力量、課程與教材建設等五個方面分析了目前專業建設的不足，并從五類人才培養定位，教學團隊建設、教學條件建設等角度對未來的學科建設提出了目標與思考。

　　其后，來自南京財經大學工商管理學院的萬興教授等嘉賓也就大數據時代工商管理專業課程變革等主題進行了討論和分享。

　　本次“數據科學與大數據技術專業建設”研討會圍繞數據科學當前的發展趨勢和數據科學與大數據技術的專業建設進行了分享與討論，加強了高校之間的經驗交流，深化了產教融合，為進一步促進數據科學與大數據技術專業的內涵式發展夯實基礎。