上海财经大学信息管理与工程学院联合兄弟院校同行与产业界人士成功在线举办“数据科学与大数据技术专业建设”研讨会，上百所院校的老师注册参会，通过zoom会议室及数据酷客等平台参加了会议。会议邀请了京东物流、香港中文大学（深圳）、对外经济贸易大学、浙江大学、上海财经大学等业界和高校的专业负责人共同分享探讨。

　　7月25日上午9时，上半场研讨会准时在云端召开，由信息管理与工程学院教授江波主持。

　　上海财经大学副校长刘兰娟首先代表上海财经大学致辞。刘校长强调，数据科学与大数据技术”专业的获批为各高校适时布局人工智能、大数据等新工科学科提供了新的发展机遇，也将对营造交叉融合、协同创新的学科生态产生深远影响。上财信息管理与工程学院旨在以信息技术和数据技术为支撑，经济管理应用为导向，依托硕博多层次的工科与经管复合的学科体系，构建做精工科，赋能经管，国内一流，国际知名“新工科”发展布局。刘校长希望以本次研讨会为契机，各个高校能围绕专业建设与行业应用等方面开展深入的交流，相互学习和借鉴专业建设的先进经验，在专业发展、人才培养、产教融合等方面做出贡献。

　　第一场主题报告为“数据与决策科学在运营管理中的发展与应用”，由上海财经大学信息管理与工程学院教授何斯迈进行主题分享。何斯迈教授任中国运筹协会数学规划分会常务理事，曾获第33届国际数学奥林匹克金牌，在运筹与优化的国际顶级期刊or，mor，mp，siamonopt四个刊物上发表论文15篇。何老师基于量化管理决策过程，介绍了随着新场景（如互联网、物联网等）和新工具（如深度学习、在线优化等）的出现对数据维度、问题建模等的挑战，并围绕四种场景：库存场景中多级库存管理、定价场景中电商和互联网的产品定价、调度场景中无人仓内调度问题以及门店及配送中心的新选址问题等指出，企业面对经济增速放缓的“新常态”，更应精耕细作，而“人工 智能”的运营模式也具有更透明、更优化、更敏捷的诸多优点，决策智能化势在必行。基于决策智能化的趋势，何老师强调了复合型人才的培养过程中理论方法在企业问题中的适用范围、学生对理论的理解以及沟通交流能力是课程建设和教学过程中应该进一步思考的问题。此外，何老师还与参会嘉宾探讨了产业研究和学术研究差异性的相关问题。

　　第二场主题报告为“京东物流的数智化能力建设”，由京东物流首席数据官吴盛楠博士做主题分享。吴盛楠博士毕业于美国匹兹堡大学，目前任京东物流首席数据官，在运筹学优化算法、大数据、机器学习及人工智能算法等领域具备15年的科学研究和实践经验。在报告中，吴博士以企业愿景中“打造供应链科技领导者”为框架，以京东物流的数据中台以及相关数据产品为例，介绍京东物流的数据化与智能化基础设施建设。重点分析了京东物流智能解决方案中网络规划、商品位置计划、货物配送运营是三个核心问题，介绍了智能交通（路由）规划运筹技术、销量预测和库存优化模型、智能运营中ai技术的使用等解决方案。最后，吴博士也从产业需求角度对当前数字智能人才梯队建设视角，提出信息技术、数据科学与商业决策是人才的三维核心能力。指出目前企业中“腰部”人才缺乏，对深化产教融合，缩小校企鸿沟等角度提出了建议。最后，吴盛楠博士和参会嘉宾就学生的能力培养、校企合作等问题进行了互动。

　　第三场主题报告是“对外经贸大学数据科学与大数据技术专业建设”,由来自对外经济贸易大学信息学院的副教授黄浩做主题分享。黄浩教授目前还担任对外经济贸易大学信息学院大数据系主任，长期从事机器学习、深度学习、商务智能等领域的科研与教学工作，负责大数据系相关专业课程的建设任务。故在本次报告中，黄老师从对外经贸大学大数据专业的建设实践经验出发，提出了自己对于大数据专业建设的思考，并介绍了在多元化人才需求的背景下进行的特色建设。在“新工科”人才改革的背景下，对外经贸大学数据科学与大数据技术专业对各个高校进行调研，结合国内外前沿以及产业需求建立了一套完善的学生培养方案。黄老师从课程体系、课程能力表、工程实践、实践平台、师资培训等全方位角度为大家阐述了专业建设实践。之后黄老师对于财经类院校中大数据专业的“新工科”和“特色建设”之间的关系等问题提出了自己的思考，他认为“新工科”是土壤根基，应该花大力气培养，虽然短期内收益不高，但是长远来看，工科的思维范式对财经类院校有着很大的收益空间。最后黄老师从学科融合、专业课程设置、通识通修课程设置以及专业改革四个角度对大数据专业的特色建设进行了总结。其后，黄老师和参会嘉宾就企业中大数据人才的培养、竞赛实践课程的相关考核等问题进行了交流和探讨。

　　下半场研讨会召开，由信息管理与工程学院副教授高建军主持。

　　第四场主题报告是“数据科学和大数据技术专业的建立和发展”，由香港中文大学（深圳）数据科学学院助理院长、终身（副）教授王子卓进行了主题分享。王子卓教授毕业于美国斯坦福大学，获得管理科学与工程系博士，主要研究领域为收益管理与运营管理、定价问题，优化算法设计，目前担任杉数科技cto，曾参与京东、滴滴、美国运通、华为、ibm、希捷等团队项目并担任项目中的主要科学家。在报告中，王老师首先从学校历史、学生学位授予、专业设置、国际化建设等角度对香港中文大学（深圳）的相关背景进行了简要的介绍。香港中文大学（深圳）于2018年3月成立数据与运筹研究院（idda），但考虑到院系设置、专业前景发展、学生升学需求等方面因素，学校于2020年7月将数据与运筹研究院升级为数据科学学院（sds），其包含四个本科专业（计算机科学与技术、统计学、数据科学和大数据技术、金融工程）、两个硕士专业（金融工程、数据科学）和一个博士专业（数据科学）。在专业设置上，目前数据科学和大数据技术作为香港中文大学（深圳）的一个新设置专业，涵盖了从数据收集、分析到决策的全部数据分析要素，希望培养出数据科学领域的顶尖人才。其次，王老师从课程设置的角度介绍了专业学生的培养方案。课程包括基础课程（如“computation”、“calculus”等）和专业课程（如“introductiontodatascience”、“visualanalytics”、“optimization”、“numericalmethodsindataanalytics”等），且学生可以根据自己的兴趣选修五个方向（“advanceddatasciencetheory”、“financeandeconomicsarea”、“operationsmanagementarea”、“lifescience”、“computing”）的相关课程，给学生的专业兴趣给予了充分的选择和发展空间。

　　第五场主题报告是“信息管理与信息系统的专业建设”，由来自浙江大学管理学院的副教授金庆伟老师进行主题分享。金教授目前担任浙江大学数据科学与管理工程学系副主任，毕业于美国北卡罗莱纳州立大学工业与系统工程学系工业工程方向，主要研究方向为优化理论与算法，收益管理，运营管理。在本次报告中，金教授从需求与前景、专业定位、培养方案、就业升学情况四个方面进行了分享。金老师强调在当前这个数据驱动的时代，数据科学的相关人才都极受重视，信管专业不应拘泥于专业名称，应进一步与数据科学的相关知识融合；金老师还介绍了浙大信管专业的建设情况，该专业遵循着从数据到信息到知识到智慧的发展逻辑，培养学生掌握每一个环节所需要的工具和能力，并基于浙大kaq2.0和管理学院的培养目标提出了五点毕业要求。之后，金老师从课程和学分设置、课程体系等方面对培养方案进行了详细的介绍。其中，专业实行全程导师制，部分课程实现全英文授课，引入部分贴近产业界的软件工具等是专业的特色。金老师还从专业建设历史、师资队伍建设、国际互访交流、教学组织和运行机制、毕业前景和目前的毕业生去向等方面进行了介绍。最后，金老师与参会嘉宾就二课开设情况、专业与数据化背景的结合、全程导师制的实现细节等问题进行了深入的探讨。

　　最后一场主题报告是“数据科学与大数据技术（工）专业建设”，由上海财经大学信息管理与工程学院教授杨超林进行主题分享。杨超林教授2015年于香港中文大学系统工程与工程管理系获得博士学位，目前主要研究兴趣包括供应链管理、随机库存控制、数据驱动的运营管理，其论文发表在管理科学领域国际顶级期刊managementscience和operationsresearch。杨老师首先从学院历史、学科与专业设置、组织架构等方面对信息管理与工程学院进行了一个简要的介绍。2018年，上海财经大学的数据科学与大数据技术（工）专业开始招生，杨老师从专业的招生情况出发，介绍了师资队伍、科研实验室、实践基地等情况。杨老师指出该专业建设的基本思路是依托学校在经济、金融、财会等传统优势学科以及学院教师在智慧供应链、人工智能等领域提供的行业背景和应用场景，结合本院计算机科学与技术、信息管理与电子商务专业提供的学科基础，围绕本专业教师运筹优化方向的学科优势，培养既有良好的大数据分析动手能力和扎实的大数据及优化算法基础，又有深刻数据视野和决策仿真建模能力的数据科学与技术人才。之后，杨老师基于专业33的人才培养模式，对培养方案中的课程体系、课程设置、课程知识体系、暑期课程进行了介绍；对于拔尖型人才、卓越性人才、创新型人才，专业都提供了个性化的培养课程，保证大数据在职研究生学生专业兴趣的充分个性化发展，提升学生在就业市场上的竞争力。最后，杨老师从人才培养规格、办学规模、师资力量、课程与教材建设等五个方面分析了目前专业建设的不足，并从五类人才培养定位，教学团队建设、教学条件建设等角度对未来的学科建设提出了目标与思考。

　　其后，来自南京财经大学工商管理学院的万兴教授等嘉宾也就大数据时代工商管理专业课程变革等主题进行了讨论和分享。

　　本次“数据科学与大数据技术专业建设”研讨会围绕数据科学当前的发展趋势和数据科学与大数据技术的专业建设进行了分享与讨论，加强了高校之间的经验交流，深化了产教融合，为进一步促进数据科学与大数据技术专业的内涵式发展夯实基础。