合肥财经职业学院商务专业需求分析1.行业发展现状分析

　　2015年9月5日，经李克强总理签批，国务院日前印发《促进大数据发展行动纲要》（以下简称《纲要》），系统部署大数据发展工作。《纲要》部署三方面主要任务。一要加快政府数据共享，推动资源整合，提升治理能力。大力推动政府部门数据共享，稳步推动公共数据资源，统筹规划大数据基础设施建设，支持宏观调控科学化，推动政府治理精准化，推进商业服务便捷化，促进安全保障高效化，加快民生服务普惠化。二要推动产业创新发展，培育新兴业态，助力经济转型。发展大数据在工业、新兴产业、农业农村等行业领域应用，推动大数据发展与科研创新有机结合，推进基础研究和核心技术攻关，形成大数据产品体系，完善大数据产业链。三要强化安全保障，提高管理水平，促进健康发展。健全大数据安全保障体系，强化安全支撑。

　　《纲要》还明确七方面政策机制。一是建立国家大数据发展和应用统筹协调机制。二是加快法规制度建设，积极研究数据、保护等方面制度。三是健全市场发展机制，鼓励政府与企业、社会机构开展合作。四是建立标准规范体系，积极参与相关国际标准制定工作。五是加大财政金融支持，推动建设一批国际领先的重大示范工程。六是加强专业人才培养，建立健全多层次、多类型的大数据人才培养体系。七是促进国际交流合作，建立完善国际合作机制。　　工信部正制定《大数据产业“十三五”发展规划》，据介绍，工信部将组织实施“大数据关键技术及产品研发与产业化工程”，通过相关项目和资金引导和支持关键技术产品研发及产业化，同时开发面向工业、电信、金融、交通、医疗等数据密集型行业的大数据应用解决方案。“要促进大数据与其他产业的融合发展，着力发展工业大数据，加强产业生态体系建设。”围绕落实中国制造2025，支持开发工业大数据解决方案，利用大数据培育发展制造业新业态，开展工业大数据创新应用试点。

　　国内互联网企业由于在拥有了海量的用户数据之后，得以支撑其电子商务、定向广告和影音娱乐等业务。同时，在互联网产业O2O的趋势下，互联网企业逐渐将业务延伸到金融、保险、生活、旅游、健康、教育、农业等多个行业，极大丰富了数据来源，促进了分析技术的发展，拓展了大数据分析在诸多传统行业的应用场景。

2、商务数据分析与应用专业高职高专人才培养分析

　　数据分析与应用专业是一个跨学科的边缘科学专业。它以量化指标为工具，以数据为产品表现形式。数据科学在我国正逐渐地被普遍认知与应用,“数据驱动决策”的趋势在当下变得尤为重要。根据猎聘网2016年数据分析人才研究报告，（结合猎聘网真实、海量的企业、猎头以及求职经理人的职场数据，利用数据挖掘、统计建模等方法）自2015年以来数据分析师职位需求呈现“井喷式”增长，其占所有职位数的比例也将持续攀升。

　　作为高等职业教育的数据分析与应用专业应紧紧围绕生产、服务、建设、营销管理第一线需要的高技能高素质复合型人才，能够综合掌握和应用统计学、数据分析、市场营销、电子商务、物流管理等多方面知识。根据全国电子商务职业教育教学指导委员会《商务数据分析与应用人才需求研究》项目的具体要求，金华职业技术学院联合全国11家院校共同开展商务数据分析与应用专业人才需求调研（2016年11月--2017年5月）。全国19个省份的企业参与了本次调研，收到问卷577份，终确认有效问卷521份。填写调研问卷的管理及HR人员与数据工作一线人员比例为6:4。调研企业涵盖大型企业、中型企业、小微企业三类，以300人以上规模的企业居多，占比30.9%。国企、集体、外资、合资、股份制、民营企业中民营比重大，占59.88%。电商企业和非电商企业分别占比53.17%、46.83%。电商企业中，交易型电商企业占56.32%，第三方平台型电商企业占23.1%，支撑服务型电商企业占18.05%。非电商企业中以第三产业居多，占比60.25%。

３、基本结论

　　1）数据工作相关岗位群

　　（1）根据管理人员及HR人员调研显示，企业现有数据工作相关岗位群前五位依次是运营类、营销类、客户服务类、数据分析类、管理类五类。从企业规模对比来看，300人以上企业数据工作岗位群主要集中在数据分析类（占比60.71.%），而49人以下企业则集中在运营类（占比56.36%）。显示出：企业规模越大，数据工作越加重视。

　　（2）电商企业与非电商企业从事数据分析工作岗位群存在明显的差异。电商企业数据工作岗位群中运营类岗位居首位（占比68.24%）而非电商企业占比首位的是营销类（占比47.62%）。

　　（3）从产业对比来看，第一、第二产业数据工作岗位群主要集中在营销类，而第三产业则出现了运营类、营销类、客户服务类、数据分析类四类平均分布的情况。

　　2）数据岗位学历要求

　　（1）管理人员及HR人员调研结果显示，不同岗位群对学历的要求是不一样的。客户服务类、仓储配送类、营销类岗位以高职高专为主，而产品开发类、管理类岗位以本科及以上学历为主，运营类与数据分析类本科与高职高专各占一半左右。同时，我们发现电商类企业和非电商类企业对学历的要求是一样的。

　　（2）对比目前数据工作一线人员的学历情况，数据岗位中高职高专、大学本科分别占比50.49%、41.67%。客户服务类、运营类、营销类以高职高专学历为主，这三类岗位的学历要求与实际情况基本吻合。而数据分析类岗位学历要求（高职47.54%）低于目前的实际情况（高职17.5%）。

　　（3）对比不同企业规模的学历要求，不管规模大小，数据类、管理类都是本科居多，客服类以高职居多。但运营类、营销类，300人以上企业以本科为主，50人以下企业以高职为主。

　　3）数据工作岗位的具体名称

　　数据分析类的具体岗位名称有数据分析师、数据分析专员、运营助理、运营总监等，数据分析师岗位既有适合本科、硕士，也有适合高职高专。调查表明数据分析师作为数据分析类岗位群的具体岗位名称比较合适。

　　运营类的具体岗位有运营主管、运营经理、推广专员等。我们认为数据运营分析专员可以作为该岗位群的具体岗位名称。

　　营销类的岗位具体名称为市场分析专员；产品开发类的具体岗位名称为产品分析专员。

　　4）企业使用的数据类型

目前企业主要使用文本数据消费者评价结构化数据、图像数据四类。对视频数据、语音数据、传感器数据应用较少。

　　5）企业使用数据解决的问题

　　企业使用数据分析解决的问题依次集中在市场分析、用户分析、产品分析、运营分析四个方面。

　　6）数据岗位主要工作内容

数据分析主要的工作内容依次是数据处理、数据采集、描述性分析、数据可视化与分析报告撰写。

　　7）数据岗位使用的工具

EXCEL、PPT、可视化工具是数据岗位主要的工具软件，其中EXCEL占比83.82%，排在首位。

　　9）数据人才应具有的职业素养

需具有的职业素养前五位的依次是：分析问题与解决问题能力、责任心强、沟通能力、敬业爱岗、积极主动

　　10）企业聘用数据人才优先考虑的因素

企业聘用该类人才优先考虑的因素：专业知识与技能、实践或工作经历、、沟通交流、团队合作、敬业精神。

　　11）数据人才需求趋势

以营销类人才需求为多（83.91%）其次是运营类（82.33%）、客户服务类（76.03%）、数据分析类（75.71%）

3、商务数据分析与应用专业课程体系架构

　　（1）专业面向的职业范围

　　我们认为数据专业主要面向数据分析类、运营类、营销类、客户服务类、产品开发类五大类岗位群。具体岗位是数据分析师、数据运营专员、市场分析专员、客户数据分析专员、产品分析专员。

　　（2）数据分析师的人才规格

　　数据分析师分为三个层次：初级：提一个问题，可能用数据进行回答，且数据是正确的。中级：有能力独立完质量的数据分析报告。高级：工作中独当一面，可以负责一个子产品级别的项目，带领一个团队解决全面问题。数据专业高职高专毕业生要求能够胜任中级数据分析师岗位工作，3-5年后可向高级数据分析师岗位发展，也可向另一职业通道的运营专家（用数据指导业务）、营销经理（数据能力超强）、企业管理者（数据化管理或战略决策）等岗位去发展。

　　（3）典型职业活动包括：采购数据分析、推广数据分析、销售数据分析、物流数据分析、客服数据分析、市场分析、客户分析、产品分析

　　（4）跨界的课程体系设计

　　一个合格的数据分析师必须具有数据思维、对数据敏感、熟知业务背景、认知数据需求、超强的数据分析与展示能力等专业素质。专业课程体系安排中应融合统计学、计算机科学、经济学知识，侧重对用户数据、产品数据、市场数据、运营状况等进行分析，并利用EXCEL、PPT及可视化工具进行结果呈现。

商务数据分析与应用实践教学课程体系：

　　商务数据分析与应用概论 EXCEL数据分析与应用 SPSS数据分析与应用 网络营销 商务网站数据分析 客户服务与管理 数据化运营与管理 商务数据挖掘与应用；数据可视化实训网络数据分析实战、数据化运营实战；商务数据分析与应用综合实战；专业跟岗实践、毕业顶岗实习

　　（5）实践教学

　　注重理论与实践相结合，通过案例教学、项目化教学、合作式教学，多创造机会让学生多参与实际项目，在实践中培养数据思维，提高数据挖掘能力、分析能力和展示能力。

　　（6）各地区、各行业的数据基础和应用程度差异很大，各高职院校可结合当地区域经济和产业的特点，为数据基础较好、应用前景广阔的产业培养专门的数据人才。行业的差异对数据分析人才能力要求也会有差异，但基于大数据平台，侧重于从大数据运营与大数据应用方面服务于企业经营管理的人才，将是未来该专业人才培养的重中之重。

　　如果区域电子商务发展较好可以网店或电商平台的数据分析为主线，重点从数据化运营与数据营销方面去培养商务数据分析人才；

　　如果区域产业以制造业为主，则可侧重于制造企业在全供应链优化过程中的数据分析，重点培养利用各种商务智能及可视化工具为企业提供决策的人才；

　　如果当地物流行业比较发达.则可以培养与智慧物流相结合能开展客户个性化定制的物流运输管理的人才；

　　如果是旅游产业发展较好，则可供助于互联网+旅游的大数据平台，实现用户消费大数据分析及用户旅游目的地推介，培养应用于智慧旅游服务数据分析人才。