资源描述
摘 要
在人工智能 AI 技术驱动下,我国商科人才培养体系正面临深刻的挑战与前 所未有的机遇。本研究旨在对这一体系的现状、问题与发展路径进行系统性诊断。 为实现此目标,本报告采用了定量问卷调查法,对 28 家零售连锁企业、283 名 在校学生及 58 份高等院校问卷进行了实证调研,旨在从产业需求、院校供给与 协同机制三个维度,揭示当前人才培养的现状、核心矛盾与未来发展路径。
研究发现, 当前商科 AI 数字化人才培养存在显著的结构性失衡与供需鸿沟。 在产业需求端,企业对能将业务问题转化为 AI 解决方案的复合型、应用型人才 需求极为迫切,其核心能力期望呈现出业务理解>数据分析>工具实操的清晰层 次。然而,企业以近乎一致的共识 (96.4%) 指出,当前院校毕业生最致命的短 板在于缺乏真实商业场景的历练。在院校供给端, 课程改革虽已普遍启动, 但多 停留在少量试点层面, 并面临师资力量不足 (86.2%)、实训设备缺乏 (75.9%) 与教学内容更新滞后 (58.6%) 三大核心制约。在学生感知端, 学生对学习AI 抱 有浓厚兴趣 (72.4%), 但其技能发展呈现出不均衡状态, 即通用 AIGC 工具应用 能力强, 而专业 BI、RPA 工具应用能力弱, 且将缺少实战项目 (41.3%) 视为学 习中的最大困难。
更为关键的是, 校企双方对合作现状的认知存在显著分歧。企业端认为专门 针对 AI 人才的深度联合培养项目普遍缺位 (100%认为无合作),而院校端虽认 为有少量合作,但也深刻认识到教师缺乏企业实战经验 (93.1%)和企业资源投 入持续性不足 (72.4%)是阻碍深度融合的根本障碍。
综上所述, 本报告认为, 破解当前困境的关键在于解决人才培养体系与产业 需求全面脱节的问题, 其核心症结表现为实践鸿沟。为此, 报告提出应构建一个 由院校、企业、行业协会三方联动的产教社协同育人新生态。对院校而言, 核心 在于实现从知识传授到能力塑造的内涵式升级, 系统性地重构课程体系、创新教 学模式、建设双师型队伍并再造实训环境。对企业而言, 核心在于完成从被动招 聘到主动共建的角色转变, 将人才培养视为一项前置性战略投资, 深度开放核心 实践资源。对行业协会而言, 核心在于以平台建设为抓手, 发挥好连接产业与教 育的桥梁、标准制定与服务功能。
1
目 录
第一章 导 论 3
一、研究背景与意义 3
二、研究目标与内容 3
三、研究方法与样本说明 4
第二章 产业需求与人才能力缺口现状 9
一、AI 技术深度融入零售连锁行业核心业务 9
二、企业面临内部能力瓶颈与外部人才缺口双重压力 12
三、院校毕业生实践能力与产业需求存在显著差距 16
四、商科 AI 人才供给质量存在系统性能力短板 18
五、存量岗位正被 AI 技术深刻重塑:以门店店长为例 19
第三章 院校商科 AI 数字化人才培养体系剖析 22
一、院校端的探索与实践: 来自 58 份院校问卷的调研发现 22
二、学生端的感知与诉求: 来自 283 名学生的学习反馈 29
第四章 校企协同育人机制的挑战与机遇 37
一、校企合作在认知与实践层面存在显著差异 37
二、深度产教融合面临系统性内外制约 38
三、供需双方对构建新型合作关系已形成共同期望 40
第五章 构建商科 AI 数字化人才培养新生态的对策建议 45
一、对院校的建议:以内涵建设为核心,实现从知识传授到能力塑造的四大升级 45
二、对企业的建议:以前置人才投资为核心,实现从被动招聘到主动共建的角色转变 49
三、对行业协会的建议:以平台建设为核心,发挥桥梁、标准与服务功能 51
附 录 (调查问卷) 53
一、企业调查问卷 53
二、高校调查问卷 56
三、学生调查问卷 58
2
第一章 导 论
一、研究背景与意义
当前, 以生成式人工智能 AIGC 为代表的新一轮技术革命正以前所未有的深 度与广度重塑全球商业形态。人工智能技术已不再是信息技术产业的专属领域, 而是迅速渗透至零售、金融、物流、市场营销等所有商科专业的核心业务流程中, 成为驱动企业运营效率提升、商业模式创新与决策科学化的关键引擎。这一深刻 变革, 对传统商科人才的能力结构提出了颠覆性的挑战。企业对人才的需求, 正 从掌握特定领域知识的专才, 转向能够将商业洞察与数据技术应用深度融合的复 合型、应用型人才。
在此背景下,我国高等院校,特别是作为人才培养主阵地的职业教育院校, 其商科专业的教学内容、培养模式与产业需求的匹配度问题日益凸显。传统的人 才培养体系在课程更新速度、师资实践能力、实训条件建设等方面, 均面临严峻 考验。一方面, 产业界普遍反映毕业生动手能力弱、缺乏真实场景经验, 人才供 给存在结构性短板; 另一方面, 院校在推进教学改革的过程中, 也面临着方向不 明、资源不足、路径不清等多重困境。
因此,系统性地调研并诊断当前商科 AI 数字化人才培养在产业需求端、院 校供给端以及校企协同机制三方面存在的现状、问题与期望, 具有重要的理论与 实践意义。本研究旨在通过实证数据, 描绘供需双方的真实图景, 揭示两者之间 的结构性差距与深层原因, 并在此基础上提出一套行之有效的对策建议。研究成 果不仅能够为院校进行专业升级与课程体系改革提供决策依据, 也能为企业更有 效地参与产教融合、前置性地进行人才投资提供行动指南, 同时还能为行业协会 及相关组织搭建协同育人平台、制定行业标准提供参考,最终服务于 AI 时代下 我国商科人才培养质量的整体提升与教育链、人才链、产业链的有效衔接。
二、研究 目标与内容
本研究的核心目标在于, 通过对企业、院校、学生三方利益相关者的全面调 研,系统性地回答以下三个核心问题:
产业究竟需要什么样的人才? 在 AI 技术驱动下, 商科领域的人才需求发生
3
了何种变化,企业最紧缺的岗位是什么,其对应的核心能力模型又是什么。
院校当前培养出了什么样的人才? 当前院校的课程体系、师资队伍、实训条 件与教学模式现状如何, 学生在这一体系下的学习体验、技能掌握与职业发展诉 求又呈现何种特征。
如何有效地弥合两者之间的差距? 当前校企协同育人机制存在哪些障碍,供 需双方对未来的合作抱有何种期望, 以及如何构建一个能够系统性解决上述问题 的产教社协同育人新生态。
为实现上述目标,本报告的核心内容将围绕以下四个板块展开:
第二章:产业需求与人才能力缺口现状。深入分析企业 AI 技术的应用场景、 商业价值、紧缺岗位与能力期望, 并诊断院校毕业生在对接产业需求时存在的实 践能力差距。
第三章:院校商科 AI 数字化人才培养体系剖析。从院校端的课程、师资、 实训等供给要素, 以及学生端的学习现状、动机、困境与诉求两个维度, 剖析当 前人才培养体系的内在运行逻辑与挑战。
第四章:校企协同育人机制的挑战与机遇。通过对供需双方的交叉对比分析, 揭示合作的现状、障碍,并探寻双方对构建新型合作关系的共同期望。
第五章:构建商科 AI 数字化人才培养新生态的对策建议。基于前三章的诊 断,为院校、企业、行业协会三方提出系统性、可操作的行动方案。
三、研究方法与样本说明
为确保研究结论的客观性与实证性, 本研究主要采用了定量问卷调查法, 并 辅以开放式问题的质性分析。研究团队设计了三套结构化问卷,分别面向企业、 在校学生和高等院校三类核心调研对象, 从不同视角收集相关数据。问卷内容涵 盖了从宏观战略到微观实践的多个维度, 旨在全面地捕捉各方的现状、认知与期 望。
本次调研共计回收有效问卷 369 份,样本构成如下:
企业样本: 共计 28 家(见表格 1-1)。样本企业 100%隶属于零售/连锁行业,
4
其中超大型企业 (2000 人以上) 占比 78.6%, 覆盖了民营、外资、国有等多种所 有制类型。这一样本特征确保了本报告对零售连锁行业的人才需求诊断具有高度 的针对性与代表性。
表 1-1 样本企业特征统计表
特征维度
具体分类
企业
数量
占比
(% )
代表企业举例
企业所属行业
连锁零售 (商超、餐 饮、专卖店等)
28
100.0
永辉、苏宁易购、沃尔 玛、瑞幸咖啡
企业规模
大型企业 (500 -
2000 人)
6
21.4
徽商集团、青岛友客
超大型企业 (2000
人以上)
22
78.6
永辉、苏宁易购、沃尔 玛、瑞幸咖啡
企业性质
国有企业
4
14.3
徽商集团、天虹数科
民营企业
14
50.0
永辉、苏宁易购、瑞幸 咖啡、盒马
外资企业
8
28.6
罗森投资有限公司、沃 尔玛、迪卡侬
合资企业
1
3.6
金拱门(中国)
其他(未注明具体类
型)
1
3.6
中央红小月亮超市
学生样本: 共计 283 名 (见表格 1-2)。样本学生的主体(82.0%) 来自高职 高专院校, 年级分布均衡, 专业方向高度聚焦于连锁经营、电子商务、工商管理 等与零售流通领域密切相关的专业。这一样本特征与企业样本形成了良好的供需 对焦。
5
表 1-2 283 名学生特征统计表
特征维度
具体分类
学生数量
(人)
占比
(% )
说明
所在学校
类型
本科院校
12
4.2
涵盖大一至大三年级, 专业以电 子商务、市场营销为主
高职高专院校
258
91.2
为主体群体, 覆盖所有年级, 专 业分布最广
其他______
13
4.6
未注明具体学校类型, 年级集中 在大一、大四
年级
大一
78
27.6
专业以工商管理连锁经营、其他 为主
大二
115
40.6
人数最多的年级,专业以电子商 务、连锁经营、其他为主
大三
62
21.9
专业集中在连锁经营、工商管 理、市场营销
大四(或毕业
年级)
28
9.9
专业以市场营销、工商管理、电 子商务为主
专业方向
工商管理
56
19.8
各年级均有分布,大一学生选择 占比高
市场营销
48
17.0
大四学生选择占比相对突出, 其 他年级均有涉及
人力资源管理
1
0.4
仅 1 名高职高专大三学生选择
会计 / 财务
1
0.4
仅 1 名 “其他” 类型学校大四 学生选择
6
电子商务
63
22.3
大二学生选择占比最高, 是热门 专业之一
金融
1
0.4
仅 1 名本科大二学生选择
连锁经营
72
25.4
人数最多的专业,大三学生选择 占比高
其他
41
14.5
各年级均有分布,无具体专业指 向
院校样本: 共计 58 份数据, 来自 43 所不同学校。样本院校以高职、中职院 校为主体, 覆盖了新型职业技术大学等多种办学层次, 是一个高度聚焦于我国特 色职业教育体系的典型样本。
表 1-3 58 份问卷院校类别统计表
院校类别
院校数量
(所)
占比 (% )
包含院校举例
职业学院
32
74.4
浙江农业商贸职业学院、黑龙江职 业学院、广东科贸职业学院
职业技术大学
5
11.6
深圳职业技术大学、哈尔滨职业技 术大学、无锡职业技术大学
中职学校
4
9.3
四川省成都市财贸职业高级中学 校、中山市技师学院、上海市商贸 旅游学校
普通本科院校
2
4.7
武汉商学院、上海商学院
合计
43
100
-
综上所述, 本次研究的样本结构具备较高的信度和效度, 三方样本之间的内
7
在逻辑关联性强, 为本报告的交叉对比分析和最终结论的得出, 奠定了坚实的数 据基础。
8
第二章 产业需求与人才能力缺 口现状
本章旨在通过对 28 家受访零售连锁企业的实证调研数据进行系统性分析, 描绘在人工智能技术驱动下, 企业对商科人才的真实需求、应用现状与能力期望, 并诊断当前院校毕业生在对接产业需求时存在的结构性差距, 从而为后续的人才 培养体系改革提供明确的问题焦点与方向指引。
一、AI 技术深度融入零售连锁行业核心业务
来自企业方的调研数据显示, AI 技术在零售连锁行业的应用已从前沿概念 转变为驱动业务增长与效率提升很重要的因素。企业对 AI 技术型人才的需求高 度聚焦于能够直接创造商业价值的核心运营环节,并已在实践中获得了成效。
(1)应用场景已从前端营销拓展至后端管理
在人才需求层面, 企业展现出清晰的业务导向性。(图 1-1) 显示, 智能营销 占比 85.7%、供应链优化占比 82.1%与业务自动化占比 75.0%,此三项构成了人 才需求最迫切的应用场景。这一分布表明,利用 AI 提升前端获客与客户转化效 率、优化后端供应链成本与周转效率、自动化中台职能部门工作流程, 是当前零 售连锁企业数字化转型的核心发力点。
对智能营销人才的高需求, 反映了零售行业在存量市场竞争下, 对实现精细 化客户运营的普遍诉求。企业期望通过用户画像分析、个性化推荐系统与自动化 营销活动, 提升客户生命周期价值。麦肯锡公司的研究表明, 有效的个性化营销 可以为企业带来 5%至 15%的收入增长, 这为此提供了外部佐证。同样, 对业务 自动化人才的需求, 则直接指向企业内部的降本增效, 尤其是在财务、人力资源 等规则性、重复性工作较多的部门,应用机器人流程自动化 RPA 技术已成为行 业趋势。
9
图 1-1 企业 AI 技术型人才应用场景需求分布 (基于企业问卷 Q7 数据)
在企业已应用或计划应用的实际技术落地层面(见图 2-2), 内容生成 AIGC 的应用率达到 75.0%, 位居榜首。这反映出AIGC 工具, 例如 ChatGPT、DeepSeek 等, 因其较低的技术门槛和在内容创作方面即时可见的效率提升, 正被企业迅速 采纳以辅助营销文案、产品描述和社交媒体内容的生产。紧随其后的是智能营销 (占比 71.4%), 与智能客服(占比 67.9%)。此二者显示出直接面向消费者的前 端业务场景是 AI 技术应用最为成熟的领域,例如通过部署智能客服机器人处理 超过 80%的标准化客户咨询,使人工客服能聚焦于更复杂的情感沟通与问题解 决。
值得注意的是, 在人才需求端位列第二的供应链优化, 在实际应用端的选择 率仅为 42.9%。这一差距揭示了智能供应链是企业公认的价值高地, 但因其技术 应用的复杂性与数据治理的难度, 也构成了技术落地与人才实践的洼地。供应链 的智能化改造通常涉及对企业既有的企业资源计划系统 ERP、仓储管理系统 WMS 等多个系统的整合, 以及对数据孤岛的打通, 这对人才的复合能力提出了 更高要求。例如,沃尔玛虽已利用 AI 进行需求预测与物流路径优化并取得了显 著成效, 但此类项目的成功实施需要长期的战略投入和兼具业务知识与数据科学 能力的专业团队。此现状凸显了高端复合型人才的稀缺。此外,在开放式问答中, 上海星巴克咖啡经营有限公司明确提出了人才招聘这一应用场景, 这为业务自动
10
化的内涵提供了具体例证,表明 AI 技术已开始向简历智能筛选、人岗匹配分析 等人力资源管理职能领域渗透。
图 2-2 企业 AI 技术实际应用场景分布 (基于企业问卷 Q13 数据)
(2)商业价值体现在运营效率与决策质量双重提升
AI 技术的广泛应用也已在企业端产生商业价值。成效评估数据显示(见图 2-3), 运营效率提升的均值为 3.75, 客户体验优化的均值为 3.61, 是企业感知最 强的两大成效, 其中位数均达到 4 分 (5 分制)。这表明 AI 技术在驱动内部流程 优化与提升外部客户满意度方面的价值已得到行业普遍证实。例如,在财务领域, 通过应用 RPA 机器人自动化处理发票校验、供应商对账与财务报销流程,企业 能够显著减少人工操作时间与数据录入错误率, 直接体现为运营效率的提升。在 客户体验方面, AI 驱动的个性化推荐引擎, 能够根据用户的历史浏览与购买行 为, 实时推送其可能感兴趣的商品, 这种千人千面的购物体验, 是提升客户满意 度与复购率的关键。
决策精准度提升的均值为 3.46, 同样获得了企业的高度认可。这标志着企业 的经营决策正从依赖历史经验的经验驱动, 向依赖数据分析与模型预测的数据驱 动转变。通过应用商业智能BI 工具,管理者可以实时监控各项关键绩效指标KPI , 并通过 AI 算法预测市场趋势、识别潜在风险,从而做出更为科学的定价、促销 与库存决策。而人力成本降低的均值为 3.18, 在四项指标中得分相对最低。这一 数据揭示了在当前阶段, AI 的核心价值更多体现在对员工的赋能与业务价值的 提升,而非直接的岗位替代与成本削减。世界经济论坛发布的《未来就业报告》 也指出, 技术对就业的影响更多表现为对工作任务的重构而非岗位的完全取代。
11
AI 的应用使员工从重复性的数据录入与核对工作中解放出来, 转向更具分析性、 战略性与创造性的工作,这是一种人力资本的优化配置,而非简单的数量缩减。
图 2-3 企业 AI 应用成效评估均值分析 (基于企业问卷Q9-12 数据)
二、企业面临内部能力瓶颈与外部人才缺 口双重压力
面对 AI 技术的机遇与挑战,企业内部的人才结构正面临严峻考验。调研数 据显示,企业内部员工普遍存在 AI 数字化能力短板,导致未来几年面向市场的 人才需求极为迫切且高度聚焦。
(1)内部员工的核心短板在于业务与技术的融合能力
企业认为, 现有员工最核心的短板并非源于纯粹的技术操作, 而是更高阶的 认知与应用层面。图 2-4 显示, 无法将业务问题转化为 AI 可解决的任务以 71.4% 的选择率, 成为企业面临的首要内部人才瓶颈。这一能力短板, 本质上是商业敏 锐度与技术可能性认知之间的断层。它要求员工具备识别业务流程中的痛点或机 遇, 并能将其抽象、定义为一个可通过数据分析或模型应用来解决的结构化问题 的能力。例如, 将客户流失率高这一模糊的业务问题, 转化为构建一个基于用户 行为数据的流失预警模型这一清晰的 AI 任务。这种能力的缺失, 导致 AI 技术的 应用停留于表面,无法与企业的核心业务战略有效结合。
紧随其后的是对 AI 技术原理和可能性理解不足,占比 60.7%。此项是前述
12
转化能力缺失的根本原因。员工若不了解 AI 技术的能力边界,例如混淆不同算 法的适用场景, 或对 AIGC 的能力抱有不切实际的幻想, 便无法进行有效的应用 构思。这是一种基础认知层面的短板, 限制了员工利用 AI 进行创新的思维空间。 相比之下, 具体的工具实操能力弱 (42.9%) 等问题则相对次要。企业可能认为, 特定的工具操作可通过短期、集中的技能培训来弥补, 而思维模式、商业理解与 技术洞察的融合, 则需要更长期、更系统性的培养, 是当前人才能力结构中最难 以快速补足的部分。
图 2-4 企业现有员工 AI 数字化能力主要短板分布 (基于企业问卷Q14 数据)
(2)未来人才需求高度聚焦于业务导向的应用型岗位
为弥补内部能力短板, 企业未来 1-3 年的人才招聘需求极为明确。图 2-5 显 示,企业的需求呈现清晰的业务导向性。智能营销与运营专员 (71.4%)和数据 分析师(偏业务方向) (67.9%) 构成了人才需求的第一梯队, 是企业最紧缺的能 直接驱动业务增长的应用型岗位。智能营销与运营专员需要将 AI 工具无缝嵌入 日常工作流程,例如利用 AI 进行客户分层、自动化生成营销活动方案、并对活 动效果进行数据监控与归因分析。而数据分析师(偏业务方向) 则强调其不能仅 停留在数据提取与呈现,更需要深入理解业务逻辑,能够通过商业智能 BI 工具 进行多维度钻取分析, 发现数据背后的商业规律, 并以通俗易懂的方式向业务部 门提供决策建议,实现所谓的数据故事化。
13
紧随其后的是数字化转型顾问 (50.0%)与 AI 产品经理 (42.9%) 等负责战 略规划与转型的复合型岗位。数字化转型顾问需要具备更宏观的视角, 为企业或 特定业务单元规划 AI 技术应用的整体路线图,评估不同方案的投入产出比。 AI 产品经理则是典型的业务技术翻译官, 负责将模糊的业务需求转化为清晰的技术 产品功能说明, 协调数据、算法与工程团队, 并对最终产品的市场表现与商业价 值负责。Gartner 公司的相关报告也持续强调,能够在技术与业务之间进行有效 沟通的复合型人才, 是企业数字化转型成功的关键。这些岗位的共同特征, 是要 求从业者不仅具备一定的技术素养, 更需要拥有扎实的商科领域知识、项目管理 能力和跨部门沟通协作能力。
图 2-5 未来 1-3 年企业最紧缺 AI 数字化应用岗位分布 (基于企业问卷Q15 数据)
(3)人才需求的紧迫性已成为行业普遍共识
图 2-6 显示, AI 数字化人才需求并非远期规划, 而已构成现实压力。数据显 示, 合计有 64.3%的受访企业认为未来 3 年的人才需求达到比较紧迫或非常紧迫 的程度。这一超过六成的比例,清晰地表明 AI 人才的补充与培养,已从部分先 行企业的战略布局,演变为零售连锁行业普遍面临的共同挑战和经营要务。
其中, 高达 60.7%的企业选择了比较紧迫, 这反映了行业的主流心态。这些 企业可能正处于数字化转型的关键阶段,已经启动了部分 AI 应用项目,并在此 过程中清晰地感知到现有团队的能力无法满足业务快速发展的需求。这些企业面
14
临的压力是, 如果不能及时补充具备相应技能的人才, 其数字化战略的推进速度 和实施效果将受到直接影响。这种紧迫感源于市场竞争的加剧, 竞争对手在 AI 应用上的任何进展,都会对自身构成直接的商业威胁。
尤其值得关注的是, 作为全球连锁零售行业标杆的星巴克中国, 选择了非常 紧迫(缺口>30%)。这一来自行业头部企业的明确信号,预示着 AI 深度应用与 人才供给不足之间的矛盾将会愈发尖锐。通常, 行业领先者在技术应用和商业模 式创新上会提前市场半步到一步, 它们今日所遭遇的瓶颈, 往往是整个行业在不 久的将来会普遍面临的问题。超过 30%的人才缺口, 是一个相当高的比例, 它意 味着企业内部的人才培养速度已远跟不上业务需求, 必须大规模地从外部市场寻 求补充。这不仅推高了企业的人才招聘成本, 也可能因人才的稀缺而延缓其创新 项目的落地。
综上所述, 从主流企业的比较紧迫到头部企业的非常紧迫, 整个零售连锁行 业在 AI 数字化人才需求上的紧迫性已形成高度共识。这一共识为人才培养体系 的改革提供了最强烈的市场信号, 即人才供给侧的改革已刻不容缓, 必须加快速 度、提升质量,以响应产业界已燃眉之急的人才渴求。
图 2-6 企业认为未来 3 年 AI 相关岗位人才需求紧迫度 (基于企业问卷Q16 数据)
15
三、院校毕业生实践能力与产业需求存在显著差距
企业对理想毕业生的能力期望与对现实中毕业生能力的评价之间, 存在差距。 这一差距的根源,指向当前人才培养体系中实践教学环节的系统性缺失。
(1)企业期望毕业生具备以业务转化为核心的能力
企业在招聘商科毕业生时,对 AI 数字化能力的期望呈现出清晰的层次结构 (见图 2-7)。业务理解与转化能力以 1.68 的平均重要性排序(分数越低越重要) 被置于首位,其重要性超过数据分析与洞察能力 (2.39 分)和 AI 工具实操能力 (3.14 分)。
这一排序清晰地构建了一个以思维认知为顶层, 分析能力为中层, 工具技能 为基础的能力价值模型。企业心目中理想的人才, 首先是能够识别商业问题并构 思解决方案的业务架构师。这意味着, 毕业生需要具备洞察真实商业环境的能力, 能够从复杂的业务流程中识别出可以通过技术手段优化的关键节点, 并能将这一 业务需求, 清晰地转化为一个可执行的技术或数据项目定义。其次, 他们需要是 严谨的数据洞察者, 能够运用科学的方法对数据进行处理、分析与解读, 从数据 中发现问题、验证假设、并提炼出有价值的商业观点。最后, 才是熟练的工具使 用者, 能够掌握至少一种主流的 AI、BI 或 RPA 工具, 以完成具体的分析与执行 任务。
这个能力模型颠覆了传统技术优先的认知, 强调了商科人才的核心价值在于 其商业思维与领域知识, AI 工具则是在此基础上实现价值创造的赋能手段。
图 2-7 企业招聘商科毕业生时 AI 数字化能力重要性排序 (基于企业问卷Q17 数据)
16
(2)毕业生因缺乏真实场景历练而能力表现不足
与理想画像形成反差的是,企业对当前院校毕业生的评价并不乐观。图 2-8 显示,企业以近乎一致的共识 (96.4%)指出,缺乏真实商业场景的历练,项目 经验脱节是毕业生与企业需求对接时最主要的能力表现。这意味着, 毕业生在校 期间所接触的案例、所处理的数据、所参与的项目, 与企业真实运营环境中所面 临的动态性、复杂性和数据的不完美性存在严重脱节。
这一根本症结直接导致了其他能力短板的产生, 例如动手能力差, 工具仅停 留在了解层面 (50.0%)。正是因为缺乏真实问题的驱动, 学生对工具的学习往往 止于了解其基本功能, 是为了学习而学习, 而非为了解决问题而学习, 导致其无 法将工具的潜在能力转化为解决具体业务问题的生产力。在另一项对现有商科人 才主要短板的调查(图 2-9) 中, 业务需求转化能力不足 (89.3%) 和缺乏真实场 景经验 (85.7%)同样位列前两位,从更广泛的人才市场层面,进一步印证了这 一诊断的普遍性。
图 2-8 企业认为院校毕业生最主要的能力表现分布 (基于企业问卷Q18 数据)
(3)企业期望毕业生能够解决具体的业务流程问题
在开放式问答中, 企业进一步将抽象的能力要求,转化为了具体的业务问题。 这些期望可被归纳为三大任务集群。
第一个集群是数据驱动的决策与洞察。例如, 迪卡侬期望毕业生能“通过 AI
17
对商业数据梳理找到视角”,北京福奈特期望进行“数据分析和市场洞察”,而沃 尔玛和北京嘉和一品则希望建立可视化的决策支持系统,如“数据决策看板”和 “建立 BI 分析体系”。这要求毕业生具备将原始数据转化为商业洞见,并以可视 化的方式呈现给管理者的能力。
第二个集群是营销与客户体验的智能化。例如,徽商集团要求“精准进行客 户个性化需求与核心需求的画像并开展营销服务”, 新百丽鞋业希望“帮助企业分 析客户真实需求”, 如家酒店集团的目标是“用户画像, 精准推送”。这要求毕业生 能够运用 AI 技术,实现对客户的深度理解与个性化互动,以提升营销转化率和 客户满意度。
第三个集群是核心运营流程的自动化与优化。例如, 永辉需要“智能订单; 智慧零售工具”,深圳百果园希望解决“需要人力重复操作的”问题,而三江购物 则提出了“智能供应链”的目标。这要求毕业生具备流程分析与再造的意识, 能够 识别业务中可通过 RPA 等技术实现自动化的环节,以提升运营效率。
其中, 星巴克中国“能够理解业务痛点并转化成 AI Solution”的回答, 与上海 星巴克“将 AI 结论与业务 KPI 相结合……而非完全依赖 AI 分析”的补充。这些 回答最终概括了企业对毕业生的核心能力期望:企业需要的,是能够驾驭 AI 为 业务创造可衡量价值的商业问题解决者。
四、商科 AI 人才供给质量存在系统性能力短板
为对当前人才市场的供给质量进行最终评估,本调研请企业指出现有商科 AI 人才(包括应届生与在职者) 所共有的主要短板。图 2-9 显示, 企业以压倒性 共识指出, 当前人才最致命的短板是业务需求转化能力不足 (89.3%), 其根源在 于缺乏真实场景经验 (85.7%), 这两者共同构成了人才供给侧最亟待解决的根本 症结。
这一诊断与对毕业生的评价高度一致, 并进一步揭示了能力短板的深层因果 关系。正是因为缺乏在真实、复杂、动态的商业环境中的历练, 人才无法真正理 解业务的细微差别与深层逻辑,从而导致其将业务问题转化为 AI 解决方案的能 力成为空中楼阁。紧随其后的是技术工具实操弱 (60.7%)和跨学科知识整合困
18
难 (50.0%), 这两项是前两大根本症结的直接外在表现。值得注意的是, 创新思 维不足 (17.9%)的选择率远低于其他选项, 这揭示了企业当前更务实的诉求, 即在谈论更高阶的创新之前,首先需要解决更基础、更普遍的应用与落地问题。
图 2-9 企业认为现有商科 AI 人才的主要短板分布 (基于企业问卷Q23 数据)
五、存量岗位正被 AI 技术深刻重: 以门店店长为例
AI 技术的影响不仅在于催生新岗位,更在于重塑存量岗位。本调研以零售 连锁行业最核心的管理单元,即门店店长为例,揭示了 AI 对传统岗位的挑战与 深远影响。
(1)店长岗位面临思维模式与角色职责的全面挑战
企业的反馈显示, AI 技术对店长岗位带来了思维模式颠覆、岗位角色重塑 与新型技能缺失三重挑战。
首先,是思维模式的颠覆。AI 要求店长从依赖个人经验与直觉的传统管理 模式, 转向基于数据分析与模型预测的数字化运营思维。广州易初莲花连锁超市 有限公司指出, 主要挑战在于如何应用数据驱动, 企业主要是要推动店长的思维 变革。这种转变要求店长能够理解并信任数据,并依据数据洞察而非习惯行事。 徽商集团则点明了这一转变的现实阻力, 即员工年龄老化,传统营销思维向 AI 思维转变在短期内很难实现, 这揭示了思维惯性是企业在推动一线管理数字化的 过程中需要克服的首要障碍。
19
其次,是岗位角色的重塑。随着 AI 系统接管了越来越多标准化的运营任务, 例如自动补货、智能排班、标准化报表生成, 店长的核心职责正从事务管理者, 向价值创造者转型。如三江购物所述, 店长更侧重于提升顾客体验和门店场景塑 造, 原有商品层面和管理层面的难度会陆续降低。这意味着, 店长需要将更多精 力投入到 AI 无法替代的、更具创造性的工作中,例如本地化的社区营销活动策 划、基于数据的员工个性化辅导, 以及对店内消费场景的体验式创新。金拱门(中 国) 有限公司也认为, AI 带来的挑战在于数据下更多的商业洞察与思考。然而, 瑞幸咖啡的反馈也提供了一个警示,即如果未能成功引导店长转型, AI 的高度 标准化也可能导致店长没有经营分析的场景, 工作内容比较单一, 成长性有一定 的壁垒,这是一种岗位价值被降级的潜在风险。
最后, 是新型技能的缺失。角色的重塑必然要求新的能力组合。青岛友客便 利连锁管理有限公司认为,新时代的店长需要更具备 AI 头脑及技术,有较高的 学习能力和创新思维。滔搏投资(上海) 有限公司则期望店长具备智能化推荐和 服务能力。这些新型技能包括但不限于:数据素养,即能够读懂 BI 仪表盘并进 行基础的数据解读;人机协同能力,即能够熟练使用总部下发的 AI 工具并基于 其建议进行管理决策; 以及数字化领导力, 即能够引导团队适应并拥抱技术变革。
(2) 企业通过技术赋能与人才迭代应对岗位变革
为应对上述挑战, 企业普遍采取了总部的技术赋能、体系化的培训升级和人 才管道的迭代等系统性策略。
总部的技术赋能是企业应对挑战的第一步。通过自上而下地开发并提供用户 界面友好的 AI 工具,企业旨在降低一线门店的应用门槛,让店长无需成为技术 专家也能享受到技术带来的便利。苏宁易购集团股份有限公司的做法是总部开发 了 AI 赋能工具,提供给门店使用。新百丽鞋业(深圳)有限公司也采取了企业 研发并将工具应用落实到门店系统,方便快速学习应用的策略。
体系化的培训升级是应用最为普遍的应对措施。培训是企业在开放式问答中 共同提及的关键词,其内涵已从传统的业务流程培训,转向 AI 思维与数字化技 能的培训。永辉的应对方式包括在培训内容中逐步植入 AI 相关课程;检索和学 习优秀企业的案例。家家悦集团股份有限公司则开展针对性培训, 了解行业的 AI
20
应用技术,鼓励店长积极学习和应用 AI 技术。这些培训的核心目标,是帮助存 量管理人员完成思维模式与技能组合的现代化升级。
人才管道的迭代则是更具前瞻性的长远布局。部分企业已将目光投向未来, 通过优化招聘标准和人才培养机制,从源头上提升管理人员的 AI 原生性。青岛 友客便利连锁管理有限公司的应对方式是在店长招募及培养上提高岗位需求素 质, 增加高学历管培生占比, 打造创新型人才队伍梯队建设。如家酒店集团也采 取了外招与内部培养相结合的方式,以期加速人才队伍的整体能力转型。
(3) AI 数字化正演变为商科人才的通用基础能力
门店店长岗位的变革是一个缩影,它证明了 AI 时代所有商科岗位都在经历 一场数字化重塑。这场重塑的核心, 是将人的价值从可被机器替代的重复性、流 程性的任务中解放出来, 聚焦于更具创造性、体验性和洞察力的工作。这为商科 全体学生进行 AI 数字化能力培养的必要性,提供了产业实践层面的证明。它表 明, AI 数字化能力已不再是信息技术等特定专业的要求,而是正在迅速成为所 有商业管理岗位都需具备的通用基础能力。
21
第三章 院校商科 AI 数字化人才培养体系剖析
本章旨在通过对 58 份受访院校问卷及 283 名在校学生的实证调研数据进行 系统性分析,从供给侧的视角,描绘当前商科 AI 数字化人才培养体系的建设现 状、内在运行逻辑与面临的核心挑战。本章将从院校端的顶层设计与资源配置, 以及学生端的实际学习体验与发展诉求两个维度, 共同构成对人才培养体系的完 整剖析。
一、院校端的探索与实践: 来 自 58 份院校问卷的调研发现
调研数据显示, 面对产业界的迫切需求, 以职业教育为主体的受访院校已普 遍展开行动, 但在课程、师资、实训等人才培养的核心要素上, 仍面临系统性的 挑战与瓶颈。
(1)课程体系建设
课程是人才培养的蓝图与核心载体。调研显示, 院校的课程建设呈现出普遍 启动但体系化不足的过渡期特征。其现有的专业布局为 AI 技术的融入提供了良 好的学科土壤,但课程开设的广度、深度与内容的精准度仍有待提升。
首先, 在专业布局层面(见图 3-1), 受访院校的商科专业设置高度聚焦于与 数字经济紧密相关的领域。电子商务 (82.8%)、市场营销 (75.9%)、会计/财务 (65.5%)、物流管理 (63.8%) 和连锁经营 (46.6%) 构成了人才培养的五大核
展开阅读全文
浙ICP备2021020529号-1 | 浙B2-20240490 
