您好, 访客   登录/注册

运营管理课程“AI+BI”融合教学改革研究

来源:用户上传      作者:

  摘要:从AI大数据、商业智能环境下企业对新型管理学人才的实际需求出发,阐述了运营管理课程体系改革的必要性和可行性,并在此基础上提出了教学改革建议,为高校管理专业面向新时期人才需求的教学体系改革提供参考。
  关键词:人工智能;商业智能;运营管理;教学改革
  中图分类号:G642.0     文献标志码:A     文章编号:1674-9324(2019)19-0117-02
   随着互联网、大数据、云计算等技术的迭代发展,人工智能正驱动着高等教育环境和教育技术的内涵需求不断提升。2018年4月2日教育部发布了《高等学校人工智能创新行动计划》(教技[2018]3号),明确指出人工智能的迅猛发展正在给人类生活带来深刻变革,该计划有利于进一步提升高校人工智能领域科技创新、人才培养和服务国家需求的能力。
  人工智能(artificial intelligence,AI)是研究如何模拟和拓展人类智能的理论、方法、技术及应用系统的技术科学[1]。商业智能(business intelligence,BI),又称商务智能,是以实现商业价值为目标,用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析的技术科学[2]。二者的结合为商务运营、客户服务、财务分析等企业实务带来了新的发展契机,为“AI+BI”与现代高校管理学课程教学和学生培养的融合给予了启示[3]。
  如今大数据、人工智能时代的岗位需要综合性、多学科交叉性人才。然而,运营管理课程体系大多还延续工业2.0和3.0时期的知识体系,学科界限不利于多学科知识的融合。因此,运营管理课程教学需要从实际出发引入人工智能和商业智能思想[4],强化学生的仿真计算思维能力,从而为提升前沿领域技术革新、人才培养和国际合作交流提供有效支撑。
  一、运营管理课程“AI+BI”融合的职场需求
  《2017年中国商业智能行业研究报告》显示,商业智能是新兴的朝阳行业,依托机器学习技术,商业智能将融合多学科知识,支持中国企业精细化运营,帮助企业实现数据驱动认知与决策,实现价值工程提升与产业升级。2018年9月招聘网发布的北京地区近16000个BI岗位,月薪最高是15万元,最低1万元,如此大的差距是因为这一岗位实际需求分为初、中、高三级。岗位大多分布在互联网、数据分析、数据风控、保险、金融、医疗等企业。
  从就业技能需求来看,明确人才不仅需要具备工商管理基本知识,还需要具备:结合数据挖掘、机器学习、自然语言处理、协同过滤等技术分析海量数据,设计基于数据的学习模型和策略,解决核心业务需求;从事大规模互联网和UGC文本数据的分析与挖掘工作,包括但不限于文本分类、聚类、知识提取、情感分析、语义理解、相似度计算等;以及利用现有开源深度学习软件如Tensorflow、CNTK、Caffe等构建深度学习系统解决实际问题等。
  目前,就人才需求集中的产品与市场分析、风险控制和商务智能的岗位来看,五类岗位是接收交叉学科背景的高校管理类学生。它们分别是:数据抽取、大数据处理、信息架构、数据科学家、数据预测分析[5]。要求学生们除了掌握基本的因子分析、交叉分析、相关分析、时间序列分析、回归分析、聚类分析等技术,还需要KNN、决策树、神经网络等机器学习技术。商业智能相关的应用工具方面,既要熟练应用的SPSS、Excel、SAS软件,还要掌握R、Python和Power BI等。专业背景要求也需要熟悉行业业务知识和业务流程,明确成果的使用趋势和未来增值渠道。
  二、运营管理课程“AI+BI”融合意义
  “AI+BI”推动着运营管理课程教学接轨时代发展和企业实务,达到学以致用的目的。管理学科的发展依靠管理实践的创新。新世纪以来,管理实践创新的动力以信息技术为代表的技术创新、经济转型和经济全球化为主要来源之一[6]。随着AlphaGo的人机大战、3D打印、谷歌智能算法、阿里巴巴大数据智能推荐系统……愈加深刻引发人类生活的变化。企业运营管理也被赋予深度学习和商业智能的新定位,紧跟技术前沿更是高校教育的重要任务。
  从高校运营管理教材的使用情况来看,运营管理的课程大都基于运作管理的内容,强调生产运营与服务运营的战略、预测、选址规划、流程分析、库存管理、分拨管理、运输管理、供应链管理等,与现代互联网运营、共享经济及商业智能运营的衔接还不够。因此,需要融合人工智能和商业智能,从工业化4.0时代的特点出发,与时俱进地迈入智能化运营管理,从而培养工商管理领域的多学科交叉融合的智能化管理人才。
  从教学技能的完善视角来看,运营管理课程“AI+BI”融合,能够为运营管理教学带来新的视野。例如传统运营预测分析注重时间序列分析和回归分析技术,要求熟练应用Excel和SPSS等软件。然而,大数据时代下聚类分析、决策树分析和神经网络分析已然成为商业实务的主流方法,与以往公式化计算不同的是,智能商业分析强调学生动手自行设计算法,不单纯依赖统一的公式,而且要求图像化展示。
  从就业与专业发展来看,运营管理课程的“AI+BI”融合,能够迎合市场上对高端智能商业分析人才的需求,保障毕业生高质量就业。高质量就业能够推动专业内外部影响力,并带来企业对接资源的流入。
  因此,运营管理课程的“AI+BI”融合为高校管理类课程教学目的、教学内容、教学技能、人才培养模式的创新提供了启示。
  三、运营管理课程“AI+BI”融合的教学实践
  1.突出课程的价值定位。课程教学对象是本科大二、大三学生,具有管理、运筹学、营销、计算机基础等前导课程的学习经历。商业智能比较难的是数据结构和算法知识的掌握,不能过度追求算法创造,应该以思维训练和实践应用为主。因此,课程定位是以计算机应用为基础的面向本科生的商业智能实践课程。
  2.萃取有效的教学内容。可以从三个方面来展开:①梳理经典教材内容,对于涉及商业智能的教学模块进行标记。②企业走访,调研企业实务中商业智能实践的过程和技术要求,竭力获得部分真实数据以备仿真演练。③整理萃取,要从理论和实际案例提炼和升华教学内容,既要规范化教学方法、工具和流程步骤,更要“授学生以渔”即明确科学和实际问题,探寻多学科交叉解决的最优方案。
  3.精选适用的教学方法。启发式教学和情景教學是非常好的选择,能够激发学习兴趣,避免“文科生”所谓的“理工盲”。其次,还需要辅助案例分析,根据岗位需求编写文字案例、拍摄视频案例、构建仿真案例等。此外,算法游戏辅助教学也是有益的尝试,能够极大地增加学习的乐趣。
  4.反馈和评价教学效果。从课堂表现、考试结果和学生就业多项信息来评价教学过程。教学效果评价不能只用学科的标准,还要以社会实践价值为评价标准。教学效果评价要对知识掌握程度、实践需求程度、就业竞争力等进行量化分析。
  四、结束语
  运营管理课程“AI+BI”的融合,关注了新技术发展的前沿,推动了管理学科与其它学科的交叉互融。人工智能与商业智能强调算法择优和自主建模来替代原有既定公式和方案,为教学设计、教学技术和学生培养带来了理念和实践上的有益启示,也更加有利于学科、专业的与时俱进。
  参考文献:
  [1]百度百科.人工智能[OL].https://baike.baidu.com/item/人工智能,2018-09-15.
  [2]百度百科.人工智能[OL].https://baike.baidu.com/item/人工智能,2018-09-15.
  [3]蔡连玉,韩倩倩.人工智能与教育的融合研究[J].电化教育研究,2018,(10):27-32.
  [4]李晨光.运营管理教学中体验式培训的应用[J].教育教学论坛,2018,(25):167-168.
  [5]王春立,张俊.智能商业分析实践课程建设[J].计算机教育,2015,(18):41-43.
  [6]李维安.管理学科的发展趋势与启示[J].南开管理评论,2012,15(1):1.
转载注明来源:https://www.xzbu.com/9/view-14827503.htm