大数据时代物流专业教育对策分析

　　中图分类号：G640 文献标志码：A 文章编号：1674-9324（2014）43-0049-03

　　据国家邮政局发布数据，2013年“双11”全天共产生订单快递物流量约1.8亿件。对比2012年数据，“三通一达”快递公司流量全部翻倍，日处理量已过千万，却并未像往年出现“快递爆仓”的现象，网购者普遍认为配送效率较高。这其中，大数据应用起到了绝对的重要作用。

　　一、大数据时代

　　最早提出“大数据（Big Data）”的是全球知名咨询公司麦肯锡，他们认为“大数据是下一轮创新、竞争和生产力的前沿”，“对于企业来说，海量电子数据的应用将成为未来竞争和增长的基础”。由于大数据具有规模性、多样性、高速性、价值性的特点，使得数据处理工具、处理方式，随着互联网与信息技术的进步，得到逐步发展，同时大数据应用也已经深入到各行各业，从科技到医疗、政府、教育、经济以及社会的其他各个领域。2013年5月召开的“京交会”上，申通快递展示了其最新的“信息化智能平台”。该平台通过对数据的归纳、分类和整合，可以清楚地查看申通网络任何一个网点的经营现状和业务构成等。而在2013年初，京东商城就已启动云计算研发基地，并成立“京东商城――中国人民大学”电子商务实验室，着力电子商务大数据的分析与合作。

　　二、大数据给物流专业教育带来的机遇与挑战

　　据规划，菜鸟网络将建成一张能支撑日均300亿元网络零售额的智能物流骨干网络，让全国任何一个地区做到24小时内送货必达。这是大数据在物流领域的一次大应用，这种应用将会改变物流行业格局，势必给各物流运营商带来冲击。所以，物流快递行业必须及时提高企业竞争力度，扩大企业实力，进而迎接激烈的挑战，而一些菜鸟网带来的不仅仅是挑战，还蕴含着有利商机，同时创造大量的就业岗位，带来大量的人才缺口。根据麦肯锡公司的预测报告，到2018年，仅仅美国可从事“深度分析研究”的大数据专业人才短缺就将达到14万～19万人之间。这些人才不但需要掌握着机器学习技术、统计或计算机科学技术，而且还必须能够真正知道如何将庞大的数据信息转化为有意义的商业情报。大数据的价值在于从海量的数据中发现新的知识，创造新的价值。可喜的是，物流快递行业正是一个产生大量数据的行业，在物流快递各个环节中都会产生海量的数据。应用“大数据”技术，通过对其中的数据进行归纳、分类和整合，清楚地分析企业网络任何一个网点的经营现状和业务情况等。然而，传统物流本科教育培养的是更偏向物流系统构建、分析，物流系统运营管理等精英人才。大数据在物流行业的应用产生的物流系统数据分析师对企业的作用将越来越大，这就对物流教育提出了更高的要求。只会IT技术的人才是不能解决物流行业数据处理问题的，大数据需要的是复合型的人才，需要将深厚的技术背景与所在行业和业务领域的需求相结合。物流教育机遇随之而来。

　　三、我国物流专业教育现状

　　虽然大数据给物流教育带来了机遇，但当前的物流教育模式，仍然不能胜任，因为我国推行物流教育20多年来，取得了一定的成就，但同时也存在一定的问题。（1）学科建设不够完善。缺乏独立的物流知识体系，很容易造成教学安排的重复，导致教学体系的冗余状态。（2）教育模式陈旧。现阶段的教育模式仍然是重知识传授、轻能力培养，填鸭式教育不利于学生创新能力培养，分析问题、解决问题能力也欠佳。（3）教材杂，不能因材施教。存在相当一部分教材知识出现了重叠问题，很少将物流实践经验技术总结指导来进行教材编写，教材质量普遍较低。（4）课程结业考察模式陈旧。学生只学习教材，容易形成期末突击学习，考完就忘的局面。（5）教学配套实验室建设落后。即使建设了相应的物流实验室，但用于教学和科研的较少，拥有物流省级以上实验室的更少。（6）学术与实践能力并重的物流教师缺乏。由于当前教师都需要博士学位，因此大量年轻教师都缺乏企业实践，对学生培养不利。（7）案例、互动教学少。物流是实践行业，教育应辅以大量案例、互动教学，但当前案例教学大都较陈旧，国外案例不大符合国内实际情况，更多的案例没有能将问题分析透，不能让学生在实际中学习成长。

　　四、大数据背景下物流专业教育模式

　　在当前大数据发展如火如荼的背景下，大数据分析处理能力对物流专业教育提出了更高的要求。物流是实践性很强的行业，物流教育也应立足实践。大数据带来的是思维的转变，强调的是创新，是新发明、新服务的源泉。因此物流教育应立足实践并积极创新，其教育模式可适当借鉴国外教育模式。德国模式：德国从人才培养目标、课程体系、师资队伍和实践环节的设计上都以应用型人才培养为基础，对于培养目标而言，培养的人才不仅有系统的科学技术知识，而且具有超强的实际应用能力，学生毕业后能很快胜任大中型企业的技术骨干或小型企业的技术骨干等工作，其课程体系也与企业实际应用紧紧衔接，师资队伍也以双师型（即双轨制）为主，实践环节考核也有严格要求。

　　英国“工读交替，实践教学”模式：学生先到企业学习，了解企业的需要和自己需要的理论知识体系，再回到学校进行专业知识技术的学习，之后再回到企业进行实践。通过这种形式让学生充分将理论知识与实践技能相结合，毕业时同时具备较好的系统知识与实践技能。高校的培养目标、课程设置等方面均以应用为主，注重产学结合。多数高校与当地的企业形成互利合作机制，系科设置和课程设置按社会需要调整，学校招生人数大都以企事业单位的需要和劳动市场的人才预测来确定。这种人才培养模式不仅为社会培养大量应用型工程师，也大大提高了就业率。美国“生计教育”模式：高校的专业设置、课程设置与社会职业需求紧密关联，使高校教育与社会职业高度相关，高校本科应用型人才培养强调学生在接受教育的同时接受专业知识与技能的培训。人才培养的特点可以概括为：教学方式灵活多样、企业高校合作培养、政府企业支持培养、系统知识与专业技能同时培养。这三种模式总结起来，就是高校教育注重社会需求，按岗位需要来设置知识技能教育体系，注重实践，高校与企业联合培养学生，其毕业后反哺企业，提高实践能力与行业热情。 　　因此，在当前形势下，物流教育模式可适当做出调整，可从以下几个方面进行转变：

　　1.明确就业定位。全国各高校的物流专业可根据自身专业优势进行物流人才教育细分，不必全国都培养大致相同的人才。各高校有各自的优势专业，完全可以形成自己的独特优势，进行差异化物流教育。根据定位来设置自己的培养计划，按需培养。

　　2.加强校企合作。各高校可根据自己情况，加强与企业的合作，细分行业，形成以行业为基础的物流专业特色。同济大学物流工程专业至今已与建材行业、快递行业、快消品行业、电子产品行业等多个行业建立产学研合作基地，通过行业渗透积累科研经验，反哺教学，培养卓越工程师。

　　3.加强学生实践。在建立的产学研基地中，充分磨合企业需求，为企业提供科研保障的同时，加大学生实践力度，强调学生在实践中学习，在实践中成长。大数据教育靠学校自身是无法完成的，只有将学生投入到企业实践中，从企业获取数据，应用所学知识技能进行挖掘分析，为企业提供决策支持，才是多赢。为此，建议设置两个实习期：大一暑假一至两个月的专业实习，了解企业需求和学生自身所需学习的知识体系；第二个时期为大四上学期，学生学习后再实践，要求能为企业解决一些具体问题，如大数据分析、网络优化、仓库布局及运作优化等。同济大学物流工程专业当前已设置6周的企业实习，全身心投入到具体实践当中。

　　4.开展校企合作的科研训练计划。建立如全国物流大学生设计大赛类似的训练计划，由企业根据自身情况发布题目，由学生组队参赛，培养协作意识、动手能力与创新意识，解决实际问题，同时企业也能获得一些“意想不到”的创新想法。学生的毕业论文或毕业设计尽可能安排在企业进行，双导师的培养模式更能让学生快速成长。同济大学物流工程专业的某件毕业论文，将企业的仓库效率提高30%。

　　5.鼓励教师到企业践习。君欲善其事，必先利其器。只有当教师拥有足够的行业经验的时候，才能更好地减少填鸭式教育，让课堂更生动，提高教学效率，也能为企业解决更多的科研问题，形成紧密的校企合作关系，为学生教育提供更好的资源保障。

　　6.加强实验室、专业图书馆建设。高水平实验室是科研和教学的必要手段。实体仿真实验器材和软件环境，可以让学生合理地构建自己的物流网络，充分发挥想象力，培养创新能力，也是作为大数据分析的必备硬件。专业图书馆建设也能彰显专业优势，提供科研教学便利。

　　7.培养个性化学习。大数据时代的大学学习方式方法会相应改变。在大数据环境下建设的专业图书馆、实验室提供共享学习平台，学生可以根据自己的实际情况选择适合自身发展的学习资源。学生们在学习的过程中，还可以将自己的学习信息公布出来，与相关领域的数据知识进行在线交流，实现学习互动模式。培养学生个性化的学习模式，不仅可以提高学生的自主性，还能通过自主学习激发学生的再创造能力，培养学生树立个人爱好，对提高学生的综合能力有很大的帮助。

　　大数据给物流行业带来了冲击，也带来了机遇，物流专业教育必须与之适应，推动专业教育改革，从实践出发，加强互动，培养个性化与创新能力，方能使物流教育跟上时代潮流。

本文链接：http://www.qk112.com/lwfw/jiaoyulunwen/jiaoyulilun/201726.html