《大数据金融》课程标准

《大数据金融》课程标准课程概况课程编码010301122040课程类别职业能力核心课程开设院部金融学院考核性质考试适用专业金融科技应用适用学期第三学期学分4学时64理论学时0实践学时64参与制（修）订企业编写执笔人审定人1.课程性质1.1课程类型课程是金融科技应用专业的核心课程，是金融类专业学生毕业后从事各项工作应具备的基本技能。1.2课程功能与作用本课程紧密围绕金融行业数字化转型对“数据驱动决策”人才的需求，以岗位能力标准为导向，融合大数据技术与金融业务逻辑，培养学生掌握Excel、Python相关工具在金融场景中的应用技能。通过“岗课赛证”一体化设计，着力提升学生金融数据采集、清洗、分析、建模及决策支持的核心能力，支撑专业人才培养目标中“金融科技应用能力”的达成。课程内容实时融入金融AI算法等行业前沿技术，以及数据安全与隐私保护等职业规范，培养适应金融科技新业态的高素质技术技能人才。2.整体教学设计2.1教学理念秉持“技术筑基、业务赋能、素养提质”的核心理念，践行产教融合、知行合一的职业教育模式。以真实金融业务案例为驱动，将企业岗位需求转化为学习任务，构建“数据驱动决策”的职业思维，实现“教学内容与岗位标准对接、教学过程与工作流程对接、教学评价与职业能力对接”的三维融合。2.2课程设计思路1.目标导向的能力培养：对标金融大数据分析岗位能力要求，构建“素质—知识—能力”三维目标体系，重点强化数据工具操作、业务场景分析、团队协作等核心能力。2.流程导向的内容重构：以“金融数据处理全流程”为主线，整合Excel数据整理、Python金融数据分析等工具模块，嵌入银行客户细分、证券股价预测、金融反欺诈等企业真实案例，实现“工具应用—业务场景—职业素养”的深度融合。3.创新导向的模式构建：采用“岗课赛证”四位一体教学模式，通过“课堂教学—实践实训—项目实战—技能竞赛—证书考核”的闭环设计，强化实践能力与职业素养培养。依托虚拟仿真实训平台、企业导师线上授课等信息化手段，打造“线上线下混合、校内校外协同”的立体化教学环境。2.3课程思政设计1.数据安全与合规意识：通过金融数据脱敏、隐私保护等典型案例，强化学生对数据安全法规及行业规范的理解与遵守。2.工匠精神与严谨态度：在数据清洗、模型调优环节强调精益求精，培养学生严谨细致的工作作风。3.创新思维与科技报国：通过可视化图形的不断完善，激发学生服务国家金融数字化转型的使命感。4.团队协作与责任担当：通过小组项目实战，培养学生沟通协作能力和集体责任感。5.风险意识与职业伦理：结合金融风险分析案例，引导学生树立合规操作、防范数据滥用的职业伦理。3.课程培养目标3.1总体目标本课程以金融科技行业岗位需求为导向，参照全国高等职业教育专科金融科技应用专业教学基本标准，通过“岗课赛证”融合教学，培养学生树立数据安全与合规意识、严格遵守行业规范，形成精益求精的工匠精神与创新思维，具备团队协作和沟通能力；掌握大数据金融基础理论、金融数据处理原理、数据分析工具核心功能及金融建模算法基础；能熟练运用Excel、Python等工具完成金融数据清洗、可视化、统计分析、建模及数据库管理，针对银行客户细分、证券投资分析等业务场景综合输出合规分析报告，且具备自主学习新技术、迁移技能及跨部门沟通的能力，最终成为适应金融数字化转型、兼具职业素养与专业技能的高素质技术技能人才。3.2具体目标3.2.1素质目标（1）树立数据安全与合规意识，遵守金融行业数据安全法规，在数据处理中落实脱敏、隐私保护等规范要求；（2）培养精益求精和严谨细致的工作作风；（3）具备良好的团队协作能力和沟通能力，能够在项目中主动沟通、承担责任，高效完成团队任务。3.2.2知识目标1.正确认识大数据的内涵、特征及应用等相关知识。2.掌握数据分析的基本思路，掌握利用Excel、Python等软件进行数据处理和分析的基本方法。3.掌握金融数据可视化的基本方法，会绘制柱形图、折线图、饼图、组合图及动态图表。4.掌握撰写数据分析报告的思路和方法。3.2.3能力目标（1）数据处理能力能使用Excel和python完成数据采集和清洗处理等操作，为进一步数据分析提供支撑。（2）分析建模能力能利用python进行描述性统计、假设检验及回归分析，并撰写规范数据分析报告；能使用Python处理金融数据，进行金融数据可视化展示，能够利用大数据分析模型进行数据深度挖掘。（3）综合应用能力能针对银行客户细分、证券投资策略、金融风险监管等场景，协同多工具完成数据挖掘→建模→报告输出的全流程任务。4.课程内容与要求4.1课程总体教学内容及基本要求本课程作为金融学院金融科技应用专业的核心课程，课程组教师根据金融专业人才培养目标及岗位能力需求的特点，秉承“任务导向,项目驱动,工学结合”的理念,以学生为主体,以职业工作过程为导向,以学习性工作任务为载体,进行课程整体设计与实施,准确定位课程目标、精心构思与设计教学内容结构与能力训练项目。按照大数据金融分析的思路演化将本课程分为五个项目：金融大数据采集、数值特征和数据结构、金融数据采集及可视化分析、撰写数据分析报告、关联规则分析。表1：课程总体教学内容与基本要求一览表项目名称主要教学内容数字化教学方法与手段课程思政设计理论学时实践学时总学时导学1.课程准备2.课程内容设置和相关要求3.初识python1.智慧职教平台中课程的使用方法2.多媒体设备3.jupyter平台的使用要求学生遵守课堂纪律、正确认识科技发展对教育教学带来的便利性022项目一采集金融数据任务一采集宏观数据任务二采集行业数据任务三直接采集网页数据任务四利用AKshare开源财经数据接口库间接采集财经网站金融数据1.jupyter实时演示python采集数据的方法2.线上发布企业级数据清洗项目，采用学生互评+教师点评模式数据采集合法性与清洗严谨性，强化法律意识与职业操守01616项目二金融数据可视化任务一绘制树状图任务二绘制柱形图1.jupyter实时演示python进行金融数据可视化的方法2.线上发布金融数据可视化任务，并根据采集的实时金融数据进行可视化展示和分析，采用学生互评+教师点评模式利用图形洞察数据规律，培养学生分析问题的科学态度01010项目三金融数据的描述性统计分析任务一描述收益率的统计量任务二描述收益的分布特征任务三投资收益的区间估计1.jupyter实时演示python进行金融数据描述性统计分析的方法2.线上发布金融数据描述性统计分析任务，采用学生互评+教师点评模式树立正确的数据分析观念，让学生认识到数据分析不仅仅是技术操作，更是一种科学的思维方式01010项目四金融数据的关联分析任务一关联规则的理论与算法任务二关联规则分析的python实践1.智慧职教发布课前理论学习任务；2.jupyter实时演示python进行金融数据描述性统计分析的方法通过介绍我国民族企业TikTok在美国遭受全面打压的案例，主要介绍TikTok推荐算法独步天下01010项目五：大数据金融综合应用与项目实战任务一大数据征信任务二个人信贷违约风险评估框架任务三欺诈风险识别1.企业专家线上指导项目需求分析与方案设计2.金融模拟实验室开展数据产品开发全流程实操3.组织项目答辩与成果展示信贷风控中的风险防范与诚信意识，项目实践中的团队协作与创新精神016164.2实践性教学环节内容和基本要求表2实践性教学环节内容和基本要求实践环节类别学习目标主要教学内容实践场所学时实操练习掌握工具基础操作，夯实技能根基1.Excel：采集宏观数据和行业数据

2.python：金融数据采集和处理,plotly进行金融数据可视化展示和分析理实一体化教室16实训练习提升工具综合应用能力，解决实际问题Python：金融数据的描述性统计分析和关联规则分析理实一体化教室16项目实战培养全流程项目实施能力，对接岗位需求1.大数据征信2.个人信贷违约风险评估框架3.欺诈风险识别数字金融虚拟仿真实验室305.课程考核5.1考核方法基于OBE（OutcomeBasedEducation）理念，采用“过程性考核+终结性考核”相结合的方式，重点考核课程目标达成度。过程性考核关注学习态度、工具操作规范性和项目协作能力；终结性考核聚焦理论知识掌握和综合技能应用，强化“做中学、做中评”。5.2成绩构成本课程为考试课。从知识技能、职业素养、思政素质、学习态度等方面进行全方位考核。平时考核占比40%，期末考核占比60%。学生的学期综合考核成绩计算依据为：平时考核40%（作业占15%＋考勤占15%＋课堂表现占10%）+期末考核60%（理论知识占25%+实践技能知识占35%）。5.3考核要求1.平时考核作业（15%）：完成不少于5次数据处理工具操作实训作业，融入数据合规性评价指标；考勤（15%）：满勤15分，旷课1次扣3分，旷课5次及以上此项不得分；课堂表现（10%）：根据课堂提问、小组讨论参与度、案例分析发言质量赋分。2.期末考核期末考核主要考核学生对本课程知识与技能的掌握情况。理论知识（25%）：闭卷考试，考查大数据金融基础理论、工具原理及行业应用（题型：单选、多选、案例分析）；技能考核（35%）：现场操作考核，随机抽取金融业务场景（如银行客户流失分析），要求使用指定工具完成数据处理、建模及报告输出，重点考核流程规范性、结果准确性和可视化效果。5.4考核内容与形式一览表表3考核内容与形式一览表考核类型具体项目考核内容与方式平时考核（40%）平时作业（15%分）教学平台发布限时作业不少于15次，其中理论知识练习5次，技能实训作业10次考勤结果（15%分）满勤15分，旷课1次扣3分，5次及以上取消考试资格课堂表现（10%分）根据小组讨论贡献度、案例分析逻辑性、工具操作规范性赋分期末考核（60%）技能考试（60%分）实操考核，随机抽取业务场景（如客户流失分析），要求多工具协同完成数据处理、建模及可视化报告输出，重点考核流程规范性、结果准确性、报告专业性6.教学实施保障6.1课程团队1.双师结构：组建“校内专任教师+企业技术专家”教学团队，专任教师需具备金融科技相关专业硕士以上学历、“双师型”资格（金融分析师/数据分析师证书）及3年以上教学经验；企业兼职教师来自银行、证券或金融科技企业，具备5年以上大数据金融岗位工作经验，承担案例教学、项目指导等任务。2.师资培养：定期组织教师参加金融科技行业培训、企业实践（每年不少于1个月），鼓励教师参与金融职业技能证书培训与考核，提升“岗课赛证”融合教学能力。6.2教学条件和设施1.专业教室满足电源、光照、温控、安全条件，配置课桌椅、黑板、基本教具、网络接口或网络环境，能满足线上线下多种混合教学模式的需要。2.学院现有模拟银行、国际金融实训室、证券投资实训室、保险业务实训实训耗材有充分保障。够通过网络教学平台与学生实施线上线下教学互动的功能。6.3教材及参考书1.《大数据金融》，作者：彭俞超、戴韡，出版社：高等教育出版社，ISBN：978-7-04-060384-2；2.《Python金融数据分析与挖掘实战》，作者：黄恒秋、张良均、谭立云、莫洁安，出版社：人民邮电出版社，ISBN：978-7-11-552348-8；3.《金融数据分析——以Python为工具》，作者：胡文彬，出版社：西安电子科技大学出版社，ISBN：978-7-56-066485-9。6.4数字化资源智慧职教：《python金融大数据分析》超星学习通：《金融大数据分析》6.5合作企业资源外实训