時間：2023-03-23 15:11:21
導語：在區塊鏈技術論文的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。
區塊鏈，是指通過去中心化和去信任的方式集體維護一個可靠數據庫的技術方案。該技術方案主要讓參與系統中的任意多個節點，通過一串使用密碼學方法相關聯產生的數據塊，每個數據塊中包含了一定時間內的系統全部信息交流數據，并且生成數據指紋用于驗證其信息的有效性和鏈接下一個數據庫塊。
區塊鏈是一種類似于NoSQL（非關系型數據庫）這樣的技術解決方案統稱，并不是某種特定技術，能夠通過很多編程語言和架構來實現區塊鏈技術。實現區塊鏈的方式種類也有很多，目前常見的包括POW（ProofofWork，工作量證明），POS（ProofofStake，權益證明），DPOS（DelegateProofofStake，股份授權證明機制）等。
區塊鏈的概念首次在論文《比特幣：一種點對點的電子現金系統（Bitcoin：APeer-to-PeerElectronicCashSystem）》中提出，可以把比特幣看成區塊鏈的首個在金融支付領域中的應用。
二、區塊鏈的特征及其意義
根據區塊鏈定義，可以總結區塊鏈有如下這四個特征：去中心化、去信任、集體維護、可靠數據庫。
去中心化：整個網絡沒有中心化的硬件或者管理機構，任意節點之間的權利和義務都是均等的，且任意節點的損壞或者失去都會不影響整個系統的運作。
去信任：參與整個系統中的每個節點之間進行數據交換是無須互相信任的，整個系統的運作規則是公開透明的，所有的數據內容也是公開的。
集體維護：系統中的數據塊由整個系統中所有具有維護功能的節點來共同維護的，而這些具有維護功能的節點是任何人都可以參與的。
可靠數據庫：整個系統將通過分數據庫的形式，讓每個參與節點都能獲得一份完整數據庫的拷貝。除非能夠同時控制整個系統中超過51%的節點，否則單個節點上對數據庫的修改是無效的，也無法影響其他節點上的數據內容。
（一）為系統數據提供可靠架構
在區塊鏈的結構中沒有中心化組織的架構，每個節點都僅僅是系統的一部分，且每個節點的權利相等，網絡黑客摧毀或篡改部分節點的信息，對整體系統及數據沒有影響，而且節點越多越安全。
（二）為資產交換提供智能載體
區塊鏈具有可編程性的特性，并輔以一系列的輔助方法，可以確保資產，尤其是金融資產的交易安全可信。例如，工作量證明機制，篡改區塊鏈上的數據，需要擁有超過全網51%的算力；智能合約機制，以程序代替合同，約定條件一旦達成，網絡自動執行合約；互聯網透明機制，賬號全網公開而戶名隱匿，且交易不可逆轉；互聯網共識機制，通過各節點共識確保交易的正確性等。
（三）為互聯網金融建立信任關系
區塊鏈可以在人與人之間不需要互信的前提下，交易各方通過純數學的方式建立信任關系，且信任關系建立的成本極低，并使弱信任關系通過算法建立強信任連接，從而促成價值交換的活動，甚至是金融交換活動。
（四）是一體化金融的解決方案
區塊鏈在金融領域的應用范圍很廣，通過公共賬本可以實現包括客戶身份識別、資產登記、資產交易、支付結算等應用，通過大數據系統可以記錄、傳遞、存儲、分析及應用各類數據信息，實現物理世界與數字世界、現實世界與虛擬世界的無縫鏈接。
三、區塊鏈技術在資產證券化方面可能的應用方式
資產證券化是一種結構性融資技術，也是一種基于多筆不同資產上附著的現金流進行管理的資產管理手段。與貸款、債券、股權等傳統金融產品相比，資產證券化產品呈現出結構復雜，參與主體多，操作環節多，數據傳遞鏈條長，數據及現金流傳遞分配過程繁復，信用觸發性條款設置保障安全性等特異性產品特征。從資產的轉售交割、現金流打包-分割-重組-分配到證券登記結算流通，都依賴于中介機構的信用，后期的現金流管理以及相應信用機制的觸發也讓產品后期管理需要非常多的人工投入。依賴人工處理的交易信息經過多道中介的傳遞，使得信息出錯率高，且效率低下。在一個中介權威機構中，通過中心化的數據傳輸系統收集并保存各種信息，然后集中向社會公布的傳輸模式同樣使數據傳輸效率低，成本高。而區塊鏈通過數據的分布式存儲和點對點傳輸，打破了中心化和中介化的數據傳輸模式，無疑可以深入應用到資產證券化的不同環節：
（一）金融資產的出售結算
第一個潛在用途就是提高金融債權資產轉讓效率，解決流動性需求與資產轉讓時效不匹配的問題。金融資產如貸款的出售是一個非常繁瑣、耗時的過程，結算需要長達幾周的時間。區塊鏈技術則是解決其中一些核心問題的關鍵。
通過區塊鏈技術可繞過中間支付清算系統，實現點對點即時支付，大大縮減支付到賬時間，從按日結算，縮短到以分鐘為計量單位的結算效率。
（二）現金流管理
資產證券化的現金流管理也是較為復雜的結構。多個資產的現金流分為本金現金流和利息現金流流向特殊目的機構設在監管機構的不同賬戶，現金流進入賬戶后根據約定條件投向指定特征的資產，并在約定時間按照約定條件由特殊目的機構控制人支付到對應證券的由證券托管結算機構控制的各證券獨立賬戶，再由托管結算機構支付給不同的投資人。這一過程中，同一個資產產生的現金流可能被拆分到不同的證券賬戶中，不同資產產生的現金流也可能兌付給同一個證券持有人，也可能某一筆資產的本金現金流和另一筆資產的利息現金流包括它們的利息在經過管理人重組之后，拆分給不同證券的持有人。上述幾種情形是最基本的現金流支付情況，涉及信用觸發和信用保障條款后，現金流分配將更為復雜。在結構上，不同證券設計了不同的現金流支付頻率和信用觸發機制，也由不同的內外部信用保障機制，如多余現金流抵扣和外部現金儲備賬戶的回撥、流動性支持等。此外，還有發生違約事件后，大規模的現金流支付分配順序改變。
因此，在現金流管理上，區塊鏈技術的應用至少能夠在以下兩個方面對資產證券化產生重要作用：
一是能縮減銀行等機構服務成本。上述資產和現金流的管理、劃付、分配等業務涉及的系統維護與后臺工作，往往由不同機構、機構內不同部門、部門內不同崗位的人工操作，面臨長流程、多環節。區塊鏈去中心化技術，為簡化并自動化這些手工服務流程提供了可能，如實現自動記賬功能以及自動審計功能。德勤審計師目前已經開發出基于區塊鏈技術的自動審計服務平臺Rubix，通過與SAP和Oracle等各種財務報告系統對接，實現包括貿易合作關系管理、實時審計功能、土地登記功能等應用。
二是利用智能合約的功能，實現現金流的自動劃撥以及資產循環投資購買等后續產品的管理功能，尤其是對信用觸發機制條款的調動。可編程的智能合約功能，可隨意給交易合同添加各種不同的交易條件。通過智能合約，可以給數字貨幣施加限制條件，為改變目前依賴大量人工完成現金流分配、劃撥以及實現各種交易結構設計的信用條件提供了可能。資金的歸集和分配將完全通過區塊鏈技術來實現，公開透明，效率將顯著提高。
（三）改善增信環節轉移的高成本
由于通常對應了多筆資產（可能是上千筆），每筆資產對應著不同的外部擔保，因此在實踐中資產證券化目前沒有真正實現擔保隨同金融債權資產的轉讓，只是通過法律條款約定了保留完善擔保的權利，在真正出現需要履行擔保的情況時再轉移擔保。在當前我國經濟環境下，這一條款實際上是由發起銀行通過自身信用提供了隱性擔保的，但是也對發起銀行造成了隱性義務和償付壓力。尤其是保證擔保和信用保險的情形下，擔保人（或者是貸款承保人）往往是發起銀行的合作機構，但不是新的特殊目的機構的合作機構，可以通過履約主體變更進行違約代償責任履行的抗辯。基于區塊鏈技術，建立點對點的增信保障平臺，降低增信轉移的成本，以信用保險為例，利用區塊鏈技術可建立點對點的互助保險平臺，一旦單一主體發生符合特定條件的違約事件，其他參與這一平臺的保險參與者將直接繳納費用給被違約主體。
（四）證券交易與再融資
互聯網解決的核心問題是信息制造和傳輸，但始終不能解決價值轉移和信用轉移。所謂的價值轉移是指，在網絡中每個人都能夠認可和確認的方式，將某一部分價值精確地從某一個地址轉移到另一個地址，而且必須確保當價值轉移后，原來的地址減少了被轉移的部分，而新的地址增加了所轉移的價值（即避免出現“雙花”）。信用轉移是價值轉移的必然結果，表示價值的轉移獲得所有參與方的認可，且其結果不能受到任何某一方的操縱，取得了系統內的公信力。這一價值可以是貨幣資產，也可以是有價證券、金融衍生品等實體資產或者虛擬資產。
在目前的互聯網中也有各種各樣的金融體系，包括許多政府銀行提供或者第三方提供的支付系統，但本質還是依靠中心化的方案來解決。即通過某個公司或者政府信用作為背書，將所有的價值轉移計算放在一個中心服務器（集群）中，盡管所有的計算也是由程序自動完成，但是卻必須信任這個中心化的人或者機構。事實上通過中心化的信用背書來解決，也只能將信用局限在一定的機構、地區或者國家的范圍之內，所以價值轉移的核心問題是跨國信用共識。
區塊鏈技術實現了價值去中心化的互聯網傳遞，為金融互聯網搭建提供了基礎，其中證券交易市場是區塊鏈存在發展機遇的領域。傳統證券交易中，證券所有人發出交易指令后，指令需要依次經過證券經紀人、資產托管人、中央銀行和中央登記機構這四大機構的協調，才能完成交易。這樣的模式造就了強勢中介，金融消費者的權利往往得不到保障。在同一共識原則區塊鏈技術系統下的證券可以點對點交易，買方和賣方能夠通過智能合約直接實現自動配對，并通過分布式的數字化登記系統，自動實現結算和清算。不再需要中央化的登記結算機構，也不再受到交易時間的限制。資產證券化的產品在交易上也采用傳統證券交易模式，通過區塊鏈進行資產證券化產品交易，可使更廣泛的參與者在去中心化的交易平臺上自由完成交易，且可實現24小時不中斷運作。對于認可這一“區塊”價值的機構，可以接受“區塊鏈”代表的證券持有人再融資，不用擔心對應證券資產的轉移和“雙花”，因為每一筆交易都公開透明、可追本溯源。
（五）證券化資產的管理
資產證券化產品投資人會議舉辦的程序較債權代表和股東代表復雜，一是涉及的權益結構復雜，二是證券資產類型復雜，某一資產的違約可能需要涉及不同投資人會議提出表決意見，成本過高。這就涉及通過資產管理人執行投票，由于涉及可能的利益沖突，需要對管理人資格謹慎地約束和條件授權。投票流程是資產管理人向人發出投票指令，指令隨后被傳遞給投票分配者，再由投票分配者將指令傳遞給托管人，托管人請求公證人根據對管理人的授權對投票指令進行公證，然后向登記方申請并完成登記，最后投票信息匯總。這是一個非常復雜且非標準化的流程，投票信息存在被不正確傳遞或丟失的風險。
而在區塊鏈技術的支持下，投票可以透明簡化，直接公開在區塊鏈技術搭建的投票應用系統里，結果供委托人查詢。
此外，另一個證券化資產管理方向――證券化基礎資產的獲取和管理，在未來可能通過區塊鏈技術搭載的物聯網設備實現也許是一個更為長遠的設想。根據IBM的設想，區塊鏈技術搭載的物聯網管理體系下每個設備都得能自我管理，設備彼此相連，形成分布式云網絡，只要設備還存在，整個網絡的生命周期就可以大幅延長，運行維護成本顯著降低。而基于信息管理系統下發生的物流及現金流可以成為高度分散性資產現金流的證明，從而為證券化交易創造信用依據，不再依賴商業信用鏈上核心企業的信用。
四、需要解決的問題
由于區塊鏈在金融領域應用前景十分廣闊，巴克萊銀行、瑞士信貸集團、摩根大通在內的9家全球頂級銀行已加入一個由金融技術公司R3領導的組織，著手為區塊鏈技術在銀行業中的使用制定行業標準和協議；而納斯達克在2015年12月30日完成了基于區塊鏈平臺的首個證券交易，對于全球金融市場的去中心化有著里程碑的意義。但是，區塊鏈技術仍有需要解決的問題才能大規模廣泛開展實際應用。
（一）高耗能問題
數字貨幣經濟學中也存在所謂的“不可能三角”，即不可能同時達到“去中心化”“低能耗”和“安全”這三個要求。區塊鏈是否在節約中心化成本問題的同時又過度使用了電子能耗成本呢？技術的應用要考慮其系統的整體性。
（二）數據庫存儲空間問題
區塊鏈數據庫記錄了從創建開始發生的每一筆交易，因此每一個想參與進來的節點都必須下載存儲并實時更新一份從創世塊開始延續至今的數據包。如果每一個節點的數據都完全同步，那區塊鏈數據的存儲空間容量要求就可能成為一個制約其發展的關鍵問題。
（三）處理大規模交易的抗壓能力問題
目前的區塊鏈技術還沒有真正處理過全世界所有人都共同參與進來的大規模交易，目前已投入使用的區塊鏈系統中的節點總數規模仍然很小。一旦將區塊鏈技術推廣到大規模交易環境下，區塊鏈記錄數據的抗壓能力就無法得到保證。
（四）安全性問題
目前的區塊鏈技術是基于非對稱密碼學的原理，但隨著數學研究和量子計算機技術的進一步發展，這些非對稱加密的算法能否被破解呢？也許在未來，基于數學原理基礎上的算法安全性會變得越來越脆弱，那時的區塊鏈技術就失去了信任這一最根本的基石。對于這個問題，市場中目前正在整合更強的加密原理。
隨著區塊鏈技術優勢的認識越來越深刻，越來越多的資本、人才、資源正在源源不斷地被投入到相關技術的研究中，相信區塊鏈技術的上述缺陷得到解決只是時間問題。
1992.07~1998.12由剛剛入行逐步成長為專業技術骨干。
1999.01~2002.05（因業績突出，2000.03提為通信室主任）。
2002.06~2011.02副所長（因技術能力強，承擔多個集團公司大型重點項目2002.12破格提為高級工程師，其中經過國家統一入學考試，成績優良，得以進入XX大學XX學院，2003.10~2007.03在XX工程專業在職研究生，畢業論文評為優秀5%）。
2011.03~今，XXXX公司副總工程師。
2011.06，經公司提名任命為兼任XXXX科技有限公司（XXXX控股子公司）XX分公司經理，拓展業務，組建團隊，實現從無到有。至2014年將團隊規模擴大到XX人，公司年度經營業績達到合同XXXX萬元，收款XXXX萬元，公司各方面走上正軌，實現了自主經營及盈利。
2015年組建XXXX集團智能制造創新中心，兼任創新中心主任工程師，開始研究適合高端制造業的應用技術，對集團公司智能制造的創新發展，起到了較大地推進作用！
2019年5月，擔任公司副總工程師兼任XXXX中心主任工程師，對于BIM技術開發應用，信息化、智能化、數字化融合發展方面，做了大量的研究和探索，同時作為公司主管信息化和知識管理副總工程師，承擔了XXXX公司知識管理牽頭工作，梳理了公司各類知識模塊，向集團公司科技信息部呈報了總體規劃、實施計劃，制定了內部知識管理工程的規章制度、編碼規則、實施方案、平臺開發等一系列綱領性文件。
積極學習并掌握新技術發展動態，利用工作間隙和業余時間，組織技術人員參加展會、論壇、技術交流活動，對計算機網絡技術、軟件技術、自動控制技術以及智慧園區、大數據、云計算、物聯網、AI賦能行業等最新技術等的深入學習和研討，并在實際項目中大量創新應用，取得了較好的效果。不斷學習，不斷總結，不斷進取，與智能化系統的新技術和國際、國內先進水平保持同步，保持公司智能化設計在行業專業領域的技術領先，并進一步應用到工程項目中去，形成良性循環和積極互動效應；關注國家的經濟發展動向，在前瞻性的技術發展方向進行不斷嘗試，不斷地進行技術儲備和更新，進一步提高專業技術水平和解決復雜系統的統籌設計能力。
在智慧工廠領域，重點關注數據采集、數據集成、數據挖掘、數據應用等智能制造相關技術，逐步形成獨有的解決方案；
在智慧園區建設領域，開展了廣泛的調研和總結，形成了獨有的體系化專業解決方案；
在智能建筑領域，著眼于頂層設計并較為系統性地掌握了IT&IB技術融合，應用于新智慧建筑的頂層設計技術。重點關注綠色、節能、安全技術，在新技術發展，新產品研發的應用方面有所突破；
通過近三十年的不斷學習積累，無論在市場開拓、技術創新、質量管理、團隊建設、人才培養等方面，均有很好的表現，取得了良好的效益，工作中有思路、有能力、有辦法，善于解決技術及非技術難題；有大局觀，能做到個人利益服從集體利益，集體利益服從公司利益。
在組織紀律性方面，能時刻按黨員標準要求自己，任勞任怨，起好模范帶頭作用；
在個人素質方面，嚴格自律，遵守國家和單位的各項規章制度，把全部能力和精力放在解決技術問題上，不搞歪門邪道；
在專業能力方面，能承擔急難險重任務，引領技術發展方向，培養打造核心技術及團隊；
[關鍵詞]互聯網金融；高等金融教育；SWOT；教學改革
[中圖分類號] G642 [文獻標識碼] A [文章編號] 2095-3437（2017）10-0008-03
2013年以來，互聯網金融快速崛起并深刻影響著金融學子的學習生活、社會實踐和思維觀念。一系列互聯網金融的新概念進入高等金融教育的視線：“大數據”、“云計算”、“社會征信”、“共享經濟”、“數字貨幣”、“機器學習”、“人工智能”等，讓金融專業的師生既興奮又備感壓力。互聯網金融相對于傳統金融的思維觀念已經改變，經濟和金融明顯可分的界限被打破。當前，互聯網“經濟”、互聯網“金融”和互聯網下的“大數據”高度融合，渾然一體，不可分割。一切資金支付活動均通過移動終端進行，幾乎不需要現實貨幣參與，點對點的資金流動使得“金融脫媒”趨勢來得異常凜冽，基于大數據的分析解決了信息不對稱的難題。受此影響，復合型人才和跨界發展不再是空洞的口號，傳統金融教育的專才培養模式不再可行。互聯網金融是新生事物，其實踐遠遠走在了當前高等金融教育的前面，對傳統高等金融教育產生強烈沖擊，但也帶來了變革和發展的機遇。因此，強化對互聯網金融教育的研究，通過互聯網金融思維重塑和再造高等金融教育勢在必行。
一、互聯網金融的優勢和特點
（一）大數據優勢
互聯網金融首先是從“草根金融”興起的，在民間金融“野蠻生長”和“亂象叢生”的時代中逐漸走向成熟，對傳統正規金融形成強大壓力。實際上，歷史上非正規金融發展緩慢的根源在于一系列困境的桎梏：信息不對稱導致嚴重的逆向選擇和道德風險、社會征信缺失、無足值抵押等。互聯網金融的出現，較好克服了這些頑疾，信息不對稱可以依靠大數據技術有效緩解，移動終端的廣泛使用結合人工智能使社會征信和債務催收都不再成為問題，在此基礎上進一步催生了眾籌、共享經濟等變革創業方式、生活方式的全新業態。
（二）人工智能優勢
與傳統金融相比，人工智能效率高，錯誤率低，模型不斷進行自主訓練和優化，大大提高了適應性，在量化投資、決策咨詢和風險控制等方面逐步取得優勢。人工智能的核心是機器學習，互聯網金融下每日新增的海量用戶數據，以及公司之間的數據共享使得感知機、決策樹、隨機森林、支持向量機、Logistic回歸、BP神經網絡等一系列機器學習的核心算法和模型不斷“學習成長”，在實踐中取代了傳統基于人工授信、核查和對客戶分類的工作模式。在不遠的將來，這種開放、大維度、多渠道的人工智能下的“智能”金融，必然取得對銀行依賴中央銀行建立的封閉客戶數據系統的優勢。
（三）“互聯網+”的后發優勢
“互聯網+”是一種全新的思維，智能化、去中心化、脫媒化、信息化以及便捷快速的推廣模式催生了各類體量巨大的新興業態，作為這些業態的基礎和共同體，互聯網金融擁有顯著的后發優勢，領先于傳統產業成為近年創新創業的最大落腳點。
（四）規模優勢
2008年以來，互聯網金融的交易規模迅速擴大，經營上的規模優勢日益明顯，各項交易成本明顯下降。與傳統金融業態不同，互聯網金融由一系列的產業鏈構成：征信、借貸、催收和服務等環節可分散于不同的公司，在業務模式上可以靈活分散也可有效整合，每一環節聚焦其優勢業務，可將規模優勢帶來的低成本優勢發揮到極致。
（五）雙創優勢
2013年以來，互聯網金融的交易成本低，可有效緩解信息不對稱問題，交易效率高等的優勢愈發明顯，不斷與其他行業形成跨界融合發展，催生創新，推動創業，極具雙創優勢。一是依托互聯網的移動支付業務的快速發展，不僅遠程支付場景不斷完善，近場支付也在爆發；二是支付產業鏈的受理端及其延伸的綜合金融增值服務——海量支付數據以及數據驅動的增值服務，為互聯網金融企業帶來了新的發展；三是區塊鏈技術的融合運用引爆了“跨境支付”的探索熱潮；四是在P2P等典型的互聯網金融業務模式上，從以往只提供信息中介服務平臺的模式創新發展出了引導P2P平臺與擔保機構合作、整合線上與線下服務以及增加債權轉讓等服務的新型模式；五是利用大數據、云計算和人工智能等技術幫助互聯網金融公司開展客戶的理財或量化投資業務；六是基于互聯網的共享經濟大大便利了人們的生活體驗和觀念。
二、當前高校金融教育應對互聯網金融沖擊的SWOT分析
表1是高校金融教育應對互聯網金融沖擊的SWOT分析矩陣，在理論和實踐兩個層面為當前高校金融教育如何應對互聯網金融的影響提供了分析思路和依據。
（一）優勢
首先，傳統金融教育具有雄厚的人才基礎和優勢。自20世紀80年代我國建立高等金融教育事業以來，到目前為止高等金融教育已取得質的突破，金融專業的品牌認可、高考招分、學生素質、國際化程度、畢業后的薪資水平、社會評價等各項指標均處于各行業的前列。同時，國內金融領域在國際一流期刊發表的論文數量也在整個社會科學領域處于領先地位。其次，當前高校金融專業的培養方案和課程設置一般采取模塊化搭建的思路，從公共基礎、學科基礎、專業培養、素質教育和實踐實習等方面進行模塊化管理，具有良好的可拓展性，互聯網金融的相關課程可根據不同專業需要，進行優化組合，體現功能性。第三，互聯網經濟和互聯網金融給高校師生帶來了良好體驗和觀感，高校師生有充分的積極性迎接新專業的建設和發展。
（二）劣勢
傳統金融教育是單一化的金融專才培養模式，一般分為貨幣經濟、金融市場、投資、金融工程、銀行經營與管理、公司金融、家庭金融等方向，注重對貨幣、投資、資產定價、股票、債券和財務等“純金融”知識的講授，對大數據、人工智能和機器學習等涉及計算機與統計學習等跨領域的知識鮮有涉及。在互聯網金融的沖擊到來之后，我們發現業界需要復合型的跨界人才，單一聚焦金融領域的教學思維和模式開始變得落后和陳舊，金融教育需要“混業發展”。另一方面，教材建設相對滯后。目前，比較缺乏互聯網金融的專業教材：一是自編教材的質量令人擔憂；二是優秀的互聯網金融的國外教材引用較少；三是互聯網金融跟風開設課程的現象比較突出，沒有因地適宜，教學內容和難度都過猶不及，影響了教學效果。 （三）機遇
互聯網金融是朝陽產業，帶來了巨大的發展機遇。當前，互聯網金融行業的人才極度缺乏，不得不采取“挖墻腳”的無奈之舉，導致銀行業人才流失嚴重。限于人才奇缺，互聯網金融目前的進入門檻較低，人員素質和水平良莠不齊，原因在于高校對互聯網金融人才的培養處于摸索階段，傳統金融教育畢業的學生青睞于在正規金融行業就業，對以民營企業為主的互聯網金融行業心存疑慮甚至偏見，人才供給嚴重不足。顯然，傳統金融教育向互聯網金融教育轉型發展的機遇巨大。不僅如此，互聯網金融還在科研立項、論文選題、學生的實習實踐、就業創業、高校金融教育的學科點申報、專業建設和師資培養等方面開拓了廣闊空間，前景可期。另一方面，相對于傳統的金融業而言，互聯網金融是典型的跨界金融，從一開始就在進行業務模式的細分和產品之間進行內部整合。互聯網金融也正在逐步通過用戶、大數據和場景的互動來實現對銀行、證券、保險、基金和資產管理等傳統金融機構進行強有力的整合運作。互聯網金融的跨界整合實現了不同行業功能的有機結合，推動了我國區域經濟在空間和深度上的拓展。互聯網金融需要既懂得信息技術又懂得金融業務、營銷和管理知識的跨界復合型人才，這就對高等金融教育提出了更高的要求。但是從高等金融教育實踐來看，金融、計算機及營銷和管理類專業的教育還是各自為政，獨立培養，忽略了跨界知識的構建，導致學生難以適應社會對復合型人才的需求。
（四）挑戰
首先，傳統金融教育“分業培養”的理念和當前互聯網金融“混業發展”的現實需求嚴重沖突，需要解決“并軌”發展問題。其次，傳統高等金融教育的課程設置和培養體系相對成熟，然而，互聯網金融的實踐遠遠走到了學校教育的前面。再次，互聯網金融教育強調“長尾性”。與傳統金融的“二八定律”正好相反，互聯網金融的優勢在于服務80%的小微客戶，推廣的是普惠金融的理念。但在傳統金融教育中關于普惠金融、微型金融的相關課程幾乎從不開設。消除“教育偏見”達到在正規金融和非正規金融之間的教育平衡，更加注重“長尾性”仍然任重道遠。
三、結語
高等金融教育承擔著為金融行業輸送急需人才的重任，也是社會和家長的關切所在。互聯網金融是未來金融行業的制高點，需要高校金融教育培養復合型人才，要求他們具備金融學知識，理解金融業務的原理，掌握信息化技術并能對大數據進行分析，還要具有一定的營銷和管理能力。因此，主要的啟示有如下幾點：（1）注重學科交叉，優化課程設置，培養復合型人才。（2）加強師資建設，促進傳統金融教育向互聯網金融轉型發展。（3）加強互聯網金融的“產學研”的合作，樹立“干中學”的務實求真精神。對此，高校金融教育是有優勢的，要秉持開放理念加強彼此合作，使研究向應用轉化。（4）加強對大數據和人工智能的關注，引入相關課程。此外，在互聯網金融風險高發的背景下，高等金融教育也要積極承擔社會責任，適時向社會進行互聯網金融知識的推廣和普及，提高民眾規避風險的能力，達到普及金融教育的目的。
[ 參 考 文 獻 ]
[1] 劉小銘.淺析互聯網金融現狀及風險[J].經營管理者，2016（23）：313.
[2] 楊竹清，張超林.互聯網金融對我國高等教育金融的啟示[J].金融教育研究，2016（5）：82-88.
[3] 劉源.論技術經濟學課程的分階段培養模式[J].中國市場，2016（48）：167-169.
[4] 謝水園.企業的業務骨干參與大學課堂教學常態化研究——以《國際貿易實務》為例[J].亞太教育，2016（30）：89.
[5] 謝水園.論外貿通關實務課程中多種教學方式的運用[J]. 中國市場，2014（22）：149-150.
[6] 胡燁丹，潘錫泉.互聯網金融語境下的金融職業教育模式創新[J].中國職業技術教育，2015（34）：93-95.
[7] 劉變葉.互聯網時代金融學專業人才培養面臨的挑戰及應對措施[J].工業和信息化教育，2015（5）：1-5.
關鍵詞：大數據；軟件工程；軟件服務工程；第四范式
自上個世紀90年代初，信息高速公路在美國提出以來，歷經近30年的發展演進，信息技術發展突飛猛進，信息化領域的新技術、新詞語層出不窮，諸如IT技術、互聯網技術、大數據技術、區塊鏈技術、人工智能等。并且對人們的生產、生活方式產生了深刻的影響，認為現在進入了大數據時代、萬物互聯時代、智能化時代等。筆者認為，一直以來，其中除了硬件的發展，還有兩個關鍵因素同樣值得關注，一是數據，其是基礎和目的；二是軟件，其是方法和工具。唯如此，才能實現在軟件生命周期即設計、開發、運行、優化，實現與大數據生命周期即獲取、清洗、集成、分析、呈現等的互動。[1]換言之，現在來說，就是大數據和軟件工程，二者助推了信息技術的發展，同時也是信息化的產物，在大數據時代背景下，研究軟件工程技術的應用，對于經濟社會的發展有著十分重要的意義。
1大數據和軟件工程簡述
1.1大數據簡述
沃爾瑪的“啤酒與尿布”是眾所周知的大數據經典案例，大數據已經是當今信息社會炙手可熱、耳熟能詳的詞匯，而且已形成共識，即人類已經進入大數據時代。上個世紀80年代初，《第三次浪潮》一書風行全世界。該書作者美國社會思想家阿爾文托夫勒就在文中將人類社會發展劃分為三次浪潮，即以“農業文明”為主導的第一次浪潮，以“工業文明”為主導的第二次浪潮，以“信息化”為主導第三次浪潮。[2]其中首次提出了“大數據”（BigData）一詞，并且，以“第三次浪潮的華彩樂章”這樣的用詞對其進行熱情的謳歌。[3]全球著名咨詢公司麥肯錫于2011年5月了《大數據：創新、競爭和生產力的下一個前沿》報告，公認此報告宣告了大數據時代的到來。由于大數據概念的提出源于不斷的發展實踐，其本身并沒有嚴格、權威的定義。通常認為，大數據的大即大數據集的規模一般應達到10TB左右，現在已經達到了PB級的數據量。維基百科稱“大數據”是這樣一個術語，即其是用以描述用傳統的數據處理應用軟件無法完好處理的龐大的或者復雜的數據集。但“大數據”這一概念并不僅僅指數據規模的龐大，還包括對這些數據對象的處理以及應用活動。IBM提出大數據通常具有“5V”特征：Volume（數據體量大）、Variety（數據類別多樣）、Velocity（處理速度快）、Veracity（數據真實性高）、Volume（數據價值高）。[4]大數據技術分類并分平行關系，而是呈縱向、層級狀結構，詳見圖1所示。
1.2軟件工程簡述
軟件工程本身并沒有嚴格、權威的定義。并且，也是直到20世紀60年代初才出現了“軟件”一詞，于此之前，更多的是程序的概念，后來人們認識到與程序相關的文檔也有著相當重要的作用，才有了“軟件”一詞的出現。軟件發展至今天，已經遠遠不是程序個體或者程序員合作的方式能夠完成的，即使能夠完成，也會是效率低下、程序運行可靠性差，或者說根本就無法完成。于是，在1968年召開的大西洋公約學術會議上提出了軟件工程的概念,簡單理解，就是以工程的方法來進行軟件系統設計、開發、運行、維護、優化等技術的總和，進一步言之，就是用“計算機科學、數學管理科學等原理，以工程化方法制作軟件的工程”，屬于一門交叉學科。[5]通常認為其包含有四個要素：（1）軟件工程目標；（2）軟件工程范型；（3）軟件工程過程；（4）軟件工程原則。
2大數據與軟件工程的結合方式
宏觀上講，軟件工程是比大數據更為寬泛的概念，大數據的技術與應用被軟件工程所涵攝。如圖1所示意，雖然大數據的各項技術與應用屬于垂直領域，而軟件工程牽涉的是橫向領域，更加關注軟件產品及軟件系統工程上的實現及其管理。但是，大數據無論是其產品還是其系統的完成與落地，都離不開軟件工程方法論的支持。換言之，軟件工程的方法與技術貫穿于大數據的開發與應用，大數據也只是在軟件工程發展過程中出現的概念。軟件工程開發具有綜合性，其應用滲透于各個學科和領域，大數據的技術與應用當然是軟件工程所關注和研究的對象，或者說大數據技術的每一環節都離不開軟件工程的支持。大數據應用的基礎是要依賴數據鏈條的完整性，采用相應的算法于海量的數據中進行規律分析，算法要依據相應的實際環境進行相應的升級，遵循開發的基本原理，充分調整數據分布，從而在研究過程中將大數據技術與軟件工程方法結合起來。并在開放的環境中通過網絡與通信技術實現數據的共享，在此過程中，軟件技術和水平亦能得到進一步的提高。在二者相互作用滲透的過程，軟件效率得到提高，軟件效益得以提升，從而實現客戶需求的最大化。在軟件開發過程中，還需要有必備的硬件和軟件的支撐，來支持相應的數據流，隨著數據流的增長，對于硬件和軟件就會有更高的要求。工程技術人員在對數據流進行分析研究的同時，專家學者還會對在線服務進行研究。但是，數據流是重點，包括對數據流的使用方法的研究，對支撐數據流的軟件和硬件的研究。另外，從軟件工程開發角度看，無論是在服務端還是在用戶端，軟件的運行當然會產生大量的數據流，都將產生大量的數據信息，這些數據流對于軟硬件的使用壽命有著決定性的影響。因此，在軟件工程的開發中，對于海量數據產生的環境下，更有必要做好數據流的管理，要高度重視數據流的分析研究，并且對于原始數據進行深入的研究也應該引起重視，以期延長軟件的使用周期。[6]
3大數據時代的軟件服務工程
軟件服務工程即所謂的面向服務的軟件工程，強調的是其相對于傳統軟件工程的擴展。近些年來得到了很快的發展，已經成為當今時代的主流社會需求之一，服務功能已經是軟件開發的基本原則。另一方面，也可以將其直觀理解為“軟件（Software）+服務（Service）+工程（Engineering）”三個方面的交叉融合，或者軟件工程與服務工程兩者的融合等。其內涵可以理解為研究面向服務的軟件工程原則、軟件工程方法以及軟件工程技術，同時利用相應的軟件服務設施和平臺，開發較高水平的軟件服務系統。[7]軟件開發者根據需求變化，在社會實際實用中，以面向服務作為主要建設目標。在開發的初期就要首先搭建好軟件的框架，充分利用編程語言、構思好編程思路，確保開發軟件能夠提供可靠的服務應用，保障軟件運行時的穩定與可靠。在實際的服務過程中，要求開發者運用分布式應用程序，以虛擬操作的方式提供用戶相應的服務。在應用中，融合大數據技術，能夠實現對數據進行編程，達到軟件互操作的效果，并提高對數據的主動協調。軟件工程開發工程師可以對數據信息共享，實現各種學習交流，對軟件進行協同開發，并結合用戶的反饋，對軟件系統進行優化處理，提高軟件的性價比。近年來，開源軟件是較為成功的軟件習作模式，但是，其采用常規的研究方法，應用價值還不是很高。與開源軟件相比，群體軟件工程屬于一種分布式軟件開發模型，能夠依靠網絡進行任務分配，并能實現創造性的查詢，通過眾包形式的開發，解決開發過程中的難題。并且，在整個開發過程中，眾包開發可以貫穿其全過程。所謂眾包，一如其字面含義，是一種分布式的生產開發模式和問題解決方案。通過該種方式，開源軟件和商業軟件均可通過網絡進行任務和責任分配。[8]隨著我國計算機科學技術的不斷發展進步，軟件工程技術也取得了長足發展，軟件服務工程也支持得到拓展和延伸。在大數據時代背景下，我們應當加快大數據技術和軟件工程技術的融合與創新，提升對海量網絡數據進行編程處理的能力，提高軟件的安全和效能，增強其穩定性和可操作性，進一步整合軟件工程系統的集成度。
4數據密集型科研第四范式
圖靈獎獲得者、關系數據庫研究專家詹姆士格雷(JamesGray)曾經從科學哲學的層面將人類科學研究模式總結劃分為最初的實驗科學階段，之后的理論科學階段，到通過模擬的方法進行的計算科學三個階段，相對應地稱之為科學研究的第一范式、第二范式、第三范式。但是伴隨著模擬連同實驗所產生的海量的數據，需要由軟件處理這些由各種儀器或者模擬實驗產生的海量數據，并將處理得到的信息和知識存儲于計算機中。之后，科研人員只需要對這些存儲于計算機中的少量數據進行分析研究，不再是直接通過儀器或者模擬進行研究。因而基于數據密集型科學研究獨特的技術以及其顯著的不同于以往研究的特點，詹姆士格雷在2007于其科研報告中提出了將這種數據密集型的科學研究模式從計算機科學類型中單獨區分出來的思想，隨之產生了一種被稱之為第四范式的新的科研模式。該報告整理后題名“吉姆格雷論e-Science:一種科研模式的變革”，成為微軟于2009的年首次全面對數據密集型數據進行描述的論文集《e-Science：科學研究的第四種范式》的開篇文章。[9]當前，相當多的計算機領域的專家學者對數據密集型科研第四范式予以了關注，并進行了相應的研究，探索出了相應的方式方法，第四范式的研究被認為是大數據時代背景下軟件工程技術研發的關鍵。信息化的發展與滲透，導致一切的事物都在隨之發生著變化。包括實驗、理論分析和計算科學均在數據泛濫的影響下與之前大不相同，軟件工程技術既要適應科研第四范式，又在其中扮演著更加重要的作用。傳統范式下的目的與探索之間不能夠很好地銜接，數據信息的應用效率難以保障，難以滿足項目管理目標的實現。數據密集型科研第四范式下的技術以及理論相關內容，與大數據技術特別是其中的存儲技術有著緊密的關聯性，其待探索的空間和應用價值相當廣闊，其數據信息研發急需相應的理論支撐，該范式下的軟件工程技術應用模塊，亦能夠對其他范式下的數據信息進行分析，對于更好地實現數據的存儲與處理，提升處理效率，有著重要的研究價值。在第四范式模式下，對集成密集型數據的軟件服務價值進行評估是首要的，需要摒棄以往的數據統計方法，構建新的針對大數據進行信息統計和分析的方法，這對軟件工程技術的發展起著重要的作用。在軟件工程技術的研究中，應當更新傳統理念，重視其對大數據的處理和分析能力，使軟件產業呈現全新的面貌，從而亦能促進其對大數據的數據分析能力。在第四范式的基礎上，亦能夠更好地支持第三范式，甚至于第一范式。該范式研究在我國軟件工程開發中還處于初級階段，軟件工程開發人員需在強化已有數據模型研究基礎上，加速由第三范式向第四范式的轉變，盡快實現其應用層面的服務價值。