基于企业数据大赛的大学生供应链数据分析能力培养.pdf

物流教育收稿日期2023-03-15基金项目南京邮电大学教学改革项目“基于OBE理念的商务数据分析类课程教学内容与方法的改革与研究”（JG00119JX93）；南京邮电大学教学改革项目“经管类课程以评促学的过程性评价探索与实践”（JG01118JX40）作者简介林萍（1977-），女，福建惠安人，副教授，硕士生导师，研究方向：用户在线信息行为分析；伍琳瑜（1974-），女，四川重庆人，讲师，研究方向：国际商务。doi:10.3969/j.issn.1005-152X.2023.10.041基于企业数据大赛的大学生供应链数据分析能力培养林萍1，2，伍琳瑜1（1.南京邮电大学管理学院，江苏南京210003；2.南京邮电大学信息产业融合创新与应急管理研究中心，江苏南京210003）摘要基于数据需求方视角，以国内企业主导的供应链相关数据大赛为突破口，剖析供应链数据分析人才的能力要求。赛事分析结果表明，数据获取能力、分析能力、表达能力是数据分析人才应具备的基本素质，多目标决策、多模态数据、多方法融合是数据分析人才应具备的重要技能。因此，借鉴“全视角学习理论”，将数据大赛以多元化形式嵌入高校供应链管理相关专业和课程的教学环境，构建师生互动、高校交流、校企合作的多主体、多阶段、多情景的大学生数据分析能力培养框架，以激发、引导、支持大学生供应链数据分析能力持续成长。关键词供应链；数据分析能力；企业数据大赛；全视角学习理论中图分类号F274；G642.0文献标识码A文章编号1005-152X(2023)10-0157-04Cultivation of Supply Chain Data Analysis Abilities of College Students through Enterprise Data CompetitionLINPing1,2,WU Linyu1(1.Schoolof Management,NanjingUniversityofPosts&Telecommunications,Nanjing 210003;2.ResearchCenterof InformationIndustry IntegratedInnovation&EmergencyManagement,NanjingUniversityofPosts&Telecommunications,Nanjing 210003,China)Abstract:In this paper,from a demand-side perspective,and with the supply chain-related data competition led by domestic enterprises as thebreakthrough point,we analyzed the ability requirements for the supply chain data analysis talent.According to the analysis of the competition information,dataacquisition ability,data analysis ability,and data expression ability are the basic qualities that the data analysis talent should possess,while multi-objectivedecision-making,mastery of multi-modal data,and multi-method fusion are important skills that the data analysis talent should possess.Therefore,drawing onthe full perspective learning theory,we proposed to embed data competition into the teaching environment of supply chain management-related majors andcourses in universities in diversified forms,and construct a multi-subject,multi-stage,and multi-scenario data analysis ability training framework for collegestudents via teacher-student interaction,university exchanges,and school-enterprise cooperation to inspire,guide,and support the continuous growth of thecollege students supplychain dataanalysisabilities.Keywords:supply chain;dataanalysisability;enterprisedatacompetition;fullperspectivelearning theory林萍，等：基于企业数据大赛的大学生供应链数据分析能力培养0引言我国“十四五规划”和“2035年远景目标纲要”明确提出“数字赋能”，“加快推动数字产业化”、“推进产业数字化转型”，数字化转型的提速和新兴技术的赋能，提高了企业的生产效率，进而驱动产业效率升级；数据具备的天然融合能力又进一步推动了产业的跨界融合。社会对具备数字化转型领导能力、拥有国际视野和社会责任感、在数据技术基础上有能力驾驭与引领未来行业的高度复合型数据分析人才需求量大幅增加，针对不同场景、特别是人工智能和数字经济可应用场景去发现问题、分析问题、解决问题成为数据人才必备的核心竞争力。1数据分析人才培养研究现状国内研究认为数据素养是数据分析人才的基础能力，高校数据素养培养环境有助于促进数据科学的培养，郭倩，等1借鉴教育生态学理论构建分层级、多样化的数据素养教育生态模式以加强数据素养教育资源的投入和途径选择；周志强，等2从认知维度、能力维度、应用维度和需求维度四个层面构建了数据素养模型,提出以数据生命周期为基准、以分层理念为原则的培养途径；李霞，等3提出构建国家层面的数据标准化管理与教育个性化发展协同、移动互联网数据资源管理云环境、高校“四位一体”渐进式智慧培养体系。国家间人才培养模式的交流是促进人才培养水平的重要途径，我国学者积极借鉴欧美较为成熟的数据素养教育政策。张璇等4从数据素养能力层次和数据素养教育活动过程二维框架分析了中美六所高校面向数字人文的数据素养教育实践活动；张长亮，等5从教学目标、教学内容、教学方式和教学评价体系4个方面比较中美高校开展数据素养-157物流教育物流技术2023年第42卷第10期（总第445期）教育的特点与差异；郭劲赤，等6借鉴华盛顿大学移动信息素养项目，提出多元化合作、国际化素养框架、以学习者为中心的数据素养培养思路。宏观层面的数据素养培养体系构建已经取得了一定的研究成果，微观层面的研究主要以数据素养提升为目标、从专业培养方案优化视角提出人才培养模式的创新。张海波，等7针对统计学专业，程平，等8针对会计MPAcc，陈沫，等9和周林兴，等10针对图书情报学专业，刘钰涵，等11对中医药专业，肖璐，等12针对新闻传播专业，从课程设置、教学方式等方面提出数据分析人才培养模式创新建议。然而，对于供应链与物流管理相关专业与课程的数据素养培养研究则几乎空白。还应注意到，人才的培养目标是适应社会管理、经济发展的需求，课堂理论模型解析以及基于小样本的例题解答与经济发展中的大数据分析之间存在鸿沟，亟需在理论学习和实践操作之间搭建稳固的桥梁、推动人才培养高质量发展。越来越多的社会管理组织、企业将数据分析需求发布到大数据竞赛平台，大数据竞赛在数据理论建模分析与商业应用决策参考之间搭建了学术研究和企业实践相互融化、互相促进的平台。因此，本文选择数据大赛透视社会管理、企业经营对供应链管理人才数据分析能力需求，从社会经济发展需求视角解析供应链数据分析人才培养的重要意义、适当调整培养目标，以期提高专业建设水平和课程改革创新。2基于企业数据大赛透视供应链数据分析能力需求国内在高校科研机构和企业影响力较大的大数据竞赛平台首推“天池大数据竞赛”。“天池大数据竞赛”作为“天池”大数据科研平台的重要组成部分，是面向全球科研工作者的高端算法竞赛。通过开放海量数据和分布式计算资源，大赛让所有参与者有机会运用其设计的算法解决各类社会问题或业务问题。因此，本文选取该平台赛事作为分析对象。2.1基于赛题内容解析数据分析能力需求面对地缘政治围堵和各种突发公共危机，深度融合的全球产业链供应链面临各种发展瓶颈，供应链管理人才应基于产业经济和企业经营大数据，全面分析国内外经济环境，准确锚定企业核心竞争力，精准高效服务客户，高质量助力我国产业链供应链安全、高质量发展。因此，本文选择供应链典型赛事（见表1），从微观视角对数据分析能力需求进行解析。2.1.1复杂网络化的数据分析对象。从供应链主体角度看，供应链主要包括原料供应商、制造商、分销商、零售商、最终用户，数据大赛明确供应链是各主体协同的复杂网络。具体赛事中，第三方物流服务主体是连接供应链各节点的关健主体，其运作效率影响到客户需求的满足，比如“最后一公里极速配送”；而顾客需求拉动制造商排产计划，比如“数创未来大数据竞赛-乘用车零售量预测”。在数据分析中，不仅需要考虑目标主体的数据，还需要考虑目标主体和上下游主体之间的关联性，包括利益分享、风险分担等。充分体现局部优化与全局优化的平衡是管理实践中数据分析与决策的基本约束、也是根本目标，因此，系统化思维方式是数据分析能力重要表现。2.1.2多目标协调的数据分析决策。供应链管理需要进行全流程的计划、组织、协调与控制，储存和运输是最受关注的两个环节。储存功能包括库存数量的控制、不同仓库之间库存物品种类和数量的合理分配，是供应链成本控制的关健。具体赛事中，比如“菜鸟-需求预测与分仓规划”要实现库存数量的控制、不同仓库之间库存物品种类和数量的合理分配。运输不仅是企业行为，还受到运输基础设施、运输网络和运输政策等的影响，政府部门也成为赛事的重要推动者，比如“智慧交通预测挑战赛”，而“新冠期间饿了么骑士行为预估”则打破竞争界限，体现了跨平台数据的融合。外部突发风险一直是供应链管理面临的重要课题，比如“智慧航空AI大赛”就需要面对台风造成的航班停运，科学评估风险、合理调整航线、尽快恢复航班。综合来看，在数据分析决策目标中，必须充分考虑内部风险和外部风险的动态影响、用户需求满足与成本控制的协调、不同主体之间利益的协调、社会效益和经济效益的协调。2.1.3多模态数据的转化与融合。从技术发展看，供应链管理智能化正不断探索通过IOT（物联网）、多模态数据转换等技术推动基础要素数字化，实现运营管理精细化、智能化运作，从而帮助行业降低成本、提高效率。在应用场景中，“2019菜鸟全球科技挑战赛”需要将图像数据精准转化为数值数据，使得从业人员可以通过自己随身携带的手机拍照，将规则物体和非规则物体的长、宽、高测量出来，形成标准化包裹，提高包裹流动效率。同时，将经纬度等地理信息准表1供应链相关赛事举例赛事名称2021阿里云基础设施供应链大赛智慧物流：新冠期间饿了么骑士行为预估津南数字制造算法挑战赛数创未来大数据竞赛-乘用车零售量预测智慧交通预测挑战赛智慧航空AI大赛最后一公里极速配送菜鸟-需求预测与分仓规划2019菜鸟全球科技挑战赛解决问题库存管理决策配送优化物流货物限制品自动监测以销定产策略交通管控、智慧出行航班自动恢复系统、成本最小化配送智能全国最优目标库存和分仓区域最优目标库存的预测智能体积测量数 据历史需求数据、当前的库存数据、补货时长以及补货单元的相关信息(产品维度与地理纬度)骑士行为数据、订单取送点导航数据、服务数据等带有限制品的日常包裹X光图像及对应限制品的位置标注全国分城市车型销量配置数据、整体车型产量数据、宏观经济月度数据等城市关键路段（link）的属性信息，路段间网络拓扑结构、每条路段在历史各时间段内的通行时间航班、航线-飞机限制、机场关闭限制、台风场景、飞行时间、机场属性等网点经纬度、配送点经纬度、商户经纬度、电商订单、同城订单、快递员数据等全国和区域分仓数据、商品交易数据、用户行为数据、调货补货成本等规则物品、不规则物品、手机-158物流教育确投影到多维空间、进一步抽象为点线结合的配送网络中，也是供应链管理人才数据分析能力的一个重要指标，比如“最后一公里极速配送”包含上海市124个网点、9214个配送点、598个商户的经纬度信息。多模态数据融合是大数据分析新趋势，供应链管理需要综合多模态数据科学决策，不同模态数据的转化、标准化处理、关键信息提取是数据分析能力培养的另一个重点。2.1.4多学科分析方法的交叉与融合。运筹学是管理数据分析中最常使用方法，应用于成本控制、网络优化、线路规划等诸多方面。同时，大数据量场景和需求对机器学习和运筹优化领域产生了巨大的挑战，一方面是传统的求解算法如分支界限法、动态规划等，另一方面是越来越多的启发式算法如遗传算法、进化算法、蚁群算法，模拟退火、粒子群方法等。而伴随机器学习的热潮，如深度学习、图神经网络、强化学习等走热，以及基于物联网的多模态数据捕捉延伸的计算机视觉算法，越来越多分析方法被引入到供应链管理场景中。计算时效成本和软硬件环境的匹配是企业运营管理中需要考虑到影响因素，与学术研究侧重追求模型复杂性、前沿性不同，企业应用更倾向于精简高效模型而不是高性能的多模型融合。2.2基于评价标准解析数据分析能力需求通过梳理企业大赛赛题，发现其评价标准主要分为两大类。一类是算法大赛，主要是提高预测精度与决策优化水平，一般采用预测准确率作为评价标注，前述基于供应链管理主题赛事分析体现了算法大赛的评价标准。另一类是创新应用大赛，聚焦于技术创新与应用拓展的技术方案和行业与政务管理创新创意文案，如图1所示。图1赛事评价标准（创新应用类）综合提交内容、成果形式和评分标准，对于数据能力需求体现了以下特征：首先，应当具有多元化市场敏锐性，能够发现技术应用场景的创新性，或者采用现有技术解决企业管理、行业管理的瓶颈，实现方案的经济效益和社会效益；第二，具有多元化数据获取和处理能力，数据来源包括直接下载的公开宏观数据、基于爬虫技术从网站获取、设计问卷通过访谈调查获取，采用定量分析和定性分析相结合的方式处理原始数据，并构建模型进行分析；第三，数据结果展示能力，一方面选择不同的载体比如文案、视频等方式展示方案，一方面需要通过语言清晰表达并交流方案。因此，数据分析能力要基于发现问题、获取数据、解决问题、对比方案、展示创意等环节进行过程化培养。3“全视角”供应链数据分析能力培养策略“全视角学习理论”13综合心理学、社会学、教育学和脑科学的研究成果，从学科交叉融合的视角构建以学习者持续成长为导向的“两个过程”、“三个维度”的学习框架，被广泛借鉴于教育教学改革中。因此，本文将数据大赛嵌入基于“全视角学习”的大数据分析能力培养框架。3.1追踪数据大赛动态调整教学内容基于相关专业数据分析课程培养指导建议和课程设置情况14，现有数据分析类专业课程主要分为数学理论基础模块、计算机基础模块和程序语言类模块。结合数据大赛分析结果发现，不论是学术研究还是企业运营优化，统计学是数学建模的重要基础，而数据大赛本身强调的就是数据模型的实践价值检验、提升。因此建议供应链数据分析人才培养课程体系优化：数学理论模块增加统计学的相关课程，增加或强化“数据分析应用类”模块，加强大数据分析技能培养等。通过强化数理基础提高学生决策模型敏感度的同时，通过商务数据分析课程提高学生将数理分析模型与企业运营管理实践相结合的能力，并进一步引导学生关注社会经济发展实际需求、明确知识技能目标，构建自我成长框架。3.2导入数据大赛激发持续学习动机在供应链数据分析能力培养过程中，应该保证与学习有关的挑战与学习者的兴趣、能力相一致。数据大赛有90%以上的参赛者是大学生，反映出大学生对大数据分析实践挑战浓厚的兴趣。因此建议：（1）将数据大赛的应用场景作为相关课程导入案例，引导学生密切关注我国供应链发展趋势、发展前沿，提高对我国社会经济发展的认同感和民族发展的自豪感，推动大学生将个人职业发展与国家发展紧密结合，提升自我价值的认同，化外部压力为内部动力；（2）将数据大赛的赛题导入课程，在理论课程中，从大赛数据库中提取小样本数据作为课堂例题或者课后作业，引导学生构建决策模型，从小样本入手逐步熟悉程序语言的使用，通过师生互动帮助学生建立自我学习能力逐步提高的认同感；同时，适当增加集中实训课堂，选择中等规模样本，通过项目式教学方式，指导学生通过小组合作的方式完成数据分析，提高学生学习的主动性、培养学生团队合作精神。3.3融合数据大赛创建整合学习情景数据大赛反映了社会管理和经济发展对供应链数据分析人才的需求，参赛者包括企业员工、政府部门职员、科研机构人员、高校学生、数据爱好自由职业者等，其人员的多元化、学习情景的社会化对于学生成长型思维的构建具有重要意义。因此建议：（1）鼓励学生参与供应链数据大赛，构建高校师生之间、不同高校学生之间、学生与企业员工之间多元化交叉的竞技交流平台，通过合作与对话、交流与碰撞，提高学生大数据分析实战能力，通过课堂教学情景和社会化学习情景的融合，在学习过程中实现学生与用人单位林萍，等：基于企业数据大赛的大学生供应链数据分析能力培养-159物流教育物流技术2023年第42卷第10期（总第445期）的阶段性对话交流，引导学生进一步明确职业发展目标；（2）鼓励学生以大赛场景应用和数据为基础，参与科研工作、撰写学术论文，实现学术创新与技术应用紧密结合，数据大赛的排名、证书以及学术论文等形式的成果能够进一步反哺学习，激发学生持续学习的热情和动力。参考文献1郭倩,李建霞.基于多元主体的高校数据素养教育生态模式构建研究J.图书馆理论与实践,2019(5):49-57.2周志强,王小东.大学生数据素养提高的途径与对策研究J.情报科学,2019,37(9):79-84.3李霞,陈琦,刘思岩.移动互联网环境下大学生数据素养能力实证评价研究J.情报理论与实践,2020,43(2):106-113.4张璇,孟祥保.面向数字人文的高校数据素养教育案例研究J.大学图书馆学报,2019,37(5):87-94.5张长亮,王晨晓,李竟彤.大数据时代中美高校数据素养教育比较研究J.情报理论与实践,2019,42(8):131-137.6郭劲赤,杨亚星,江其霞.华盛顿大学移动信息素养项目之思考与借鉴J.图书馆建设,2021(4):68-76.7张海波,黄世祥.统计学专业学生大数据分析能力的培养方式选择J.统计与决策,2014(24):66-68.8程平,王立宇.基于PBL的“互联网+会计”MPAcc大数据分析能力培养J.财会月刊,2018(16):29-34.9陈沫,李广建,陈聪聪.情报学取向的“数据科学与大数据技术”专业人才培养J.图书情报工作,2019,63(12):5-11.10 周林兴,周丽,艾文华.大数据背景下图情档专业研究生数据素养教育探析J.图书情报工作,2019,63(19):57-65.11 刘钰涵,胡芳.人工智能时代创新型中医药数据分析人才的培养模式研究J.学校党建与思想教育,2020(16):71-73.12 肖璐,曾爽.大数据时代新闻传播人才数据分析能力培养研究J.青年记者,2022(16):115-117.13 克努兹 伊列雷斯,著,孙玫璐,译.我们如何学习 全视角学习理论(第2版)M.北京:教育科学出版社,2021.14 钱玲飞,马静,米传民,et al.面向新文科的信息管理与信息系统专业大数据类课程建设研究J/OL.情报理论与实践,2022:1-92022-10-15.http:/ H,SULTANA N N,BARANWAL M,et al.Scal-able multi-product inventory control with lead time con-straints using reinforcement learningJ.Neural Computingand Applications,2022,34(3):1 735-1 757.5BAHROUN Z,BELGACEM N.Determination of dynamic safe-ty stocks for cyclic production schedulesJ.Operations Man-agement Research,2019,12(1):62-93.6RODRIGUES L R,YONEYAMA T.A spare parts inventorycontrol model based on prognostics and health monitoringdata under a fill rate constraintJ.Computers&IndustrialEngineering,2020,148.图9c分库库存结构变迁图图8c分库优化方案实施前后周转率供货率对照图（上接第22页）库存结构系数供货率周转率品种累计百分比-160