时间：2023-03-23 15:11:21
导语：在区块链技术论文的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了九篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。
区块链，是指通过去中心化和去信任的方式集体维护一个可靠数据库的技术方案。该技术方案主要让参与系统中的任意多个节点，通过一串使用密码学方法相关联产生的数据块，每个数据块中包含了一定时间内的系统全部信息交流数据，并且生成数据指纹用于验证其信息的有效性和链接下一个数据库块。
区块链是一种类似于NoSQL（非关系型数据库）这样的技术解决方案统称，并不是某种特定技术，能够通过很多编程语言和架构来实现区块链技术。实现区块链的方式种类也有很多，目前常见的包括POW（ProofofWork，工作量证明），POS（ProofofStake，权益证明），DPOS（DelegateProofofStake，股份授权证明机制）等。
区块链的概念首次在论文《比特币：一种点对点的电子现金系统（Bitcoin：APeer-to-PeerElectronicCashSystem）》中提出，可以把比特币看成区块链的首个在金融支付领域中的应用。
二、区块链的特征及其意义
根据区块链定义，可以总结区块链有如下这四个特征：去中心化、去信任、集体维护、可靠数据库。
去中心化：整个网络没有中心化的硬件或者管理机构，任意节点之间的权利和义务都是均等的，且任意节点的损坏或者失去都会不影响整个系统的运作。
去信任：参与整个系统中的每个节点之间进行数据交换是无须互相信任的，整个系统的运作规则是公开透明的，所有的数据内容也是公开的。
集体维护：系统中的数据块由整个系统中所有具有维护功能的节点来共同维护的，而这些具有维护功能的节点是任何人都可以参与的。
可靠数据库：整个系统将通过分数据库的形式，让每个参与节点都能获得一份完整数据库的拷贝。除非能够同时控制整个系统中超过51%的节点，否则单个节点上对数据库的修改是无效的，也无法影响其他节点上的数据内容。
（一）为系统数据提供可靠架构
在区块链的结构中没有中心化组织的架构，每个节点都仅仅是系统的一部分，且每个节点的权利相等，网络黑客摧毁或篡改部分节点的信息，对整体系统及数据没有影响，而且节点越多越安全。
（二）为资产交换提供智能载体
区块链具有可编程性的特性，并辅以一系列的辅助方法，可以确保资产，尤其是金融资产的交易安全可信。例如，工作量证明机制，篡改区块链上的数据，需要拥有超过全网51%的算力；智能合约机制，以程序代替合同，约定条件一旦达成，网络自动执行合约；互联网透明机制，账号全网公开而户名隐匿，且交易不可逆转；互联网共识机制，通过各节点共识确保交易的正确性等。
（三）为互联网金融建立信任关系
区块链可以在人与人之间不需要互信的前提下，交易各方通过纯数学的方式建立信任关系，且信任关系建立的成本极低，并使弱信任关系通过算法建立强信任连接，从而促成价值交换的活动，甚至是金融交换活动。
（四）是一体化金融的解决方案
区块链在金融领域的应用范围很广，通过公共账本可以实现包括客户身份识别、资产登记、资产交易、支付结算等应用，通过大数据系统可以记录、传递、存储、分析及应用各类数据信息，实现物理世界与数字世界、现实世界与虚拟世界的无缝链接。
三、区块链技术在资产证券化方面可能的应用方式
资产证券化是一种结构性融资技术，也是一种基于多笔不同资产上附着的现金流进行管理的资产管理手段。与贷款、债券、股权等传统金融产品相比，资产证券化产品呈现出结构复杂，参与主体多，操作环节多，数据传递链条长，数据及现金流传递分配过程繁复，信用触发性条款设置保障安全性等特异性产品特征。从资产的转售交割、现金流打包-分割-重组-分配到证券登记结算流通，都依赖于中介机构的信用，后期的现金流管理以及相应信用机制的触发也让产品后期管理需要非常多的人工投入。依赖人工处理的交易信息经过多道中介的传递，使得信息出错率高，且效率低下。在一个中介权威机构中，通过中心化的数据传输系统收集并保存各种信息，然后集中向社会公布的传输模式同样使数据传输效率低，成本高。而区块链通过数据的分布式存储和点对点传输，打破了中心化和中介化的数据传输模式，无疑可以深入应用到资产证券化的不同环节：
（一）金融资产的出售结算
第一个潜在用途就是提高金融债权资产转让效率，解决流动性需求与资产转让时效不匹配的问题。金融资产如贷款的出售是一个非常繁琐、耗时的过程，结算需要长达几周的时间。区块链技术则是解决其中一些核心问题的关键。
通过区块链技术可绕过中间支付清算系统，实现点对点即时支付，大大缩减支付到账时间，从按日结算，缩短到以分钟为计量单位的结算效率。
（二）现金流管理
资产证券化的现金流管理也是较为复杂的结构。多个资产的现金流分为本金现金流和利息现金流流向特殊目的机构设在监管机构的不同账户，现金流进入账户后根据约定条件投向指定特征的资产，并在约定时间按照约定条件由特殊目的机构控制人支付到对应证券的由证券托管结算机构控制的各证券独立账户，再由托管结算机构支付给不同的投资人。这一过程中，同一个资产产生的现金流可能被拆分到不同的证券账户中，不同资产产生的现金流也可能兑付给同一个证券持有人，也可能某一笔资产的本金现金流和另一笔资产的利息现金流包括它们的利息在经过管理人重组之后，拆分给不同证券的持有人。上述几种情形是最基本的现金流支付情况，涉及信用触发和信用保障条款后，现金流分配将更为复杂。在结构上，不同证券设计了不同的现金流支付频率和信用触发机制，也由不同的内外部信用保障机制，如多余现金流抵扣和外部现金储备账户的回拨、流动性支持等。此外，还有发生违约事件后，大规模的现金流支付分配顺序改变。
因此，在现金流管理上，区块链技术的应用至少能够在以下两个方面对资产证券化产生重要作用：
一是能缩减银行等机构服务成本。上述资产和现金流的管理、划付、分配等业务涉及的系统维护与后台工作，往往由不同机构、机构内不同部门、部门内不同岗位的人工操作，面临长流程、多环节。区块链去中心化技术，为简化并自动化这些手工服务流程提供了可能，如实现自动记账功能以及自动审计功能。德勤审计师目前已经开发出基于区块链技术的自动审计服务平台Rubix，通过与SAP和Oracle等各种财务报告系统对接，实现包括贸易合作关系管理、实时审计功能、土地登记功能等应用。
二是利用智能合约的功能，实现现金流的自动划拨以及资产循环投资购买等后续产品的管理功能，尤其是对信用触发机制条款的调动。可编程的智能合约功能，可随意给交易合同添加各种不同的交易条件。通过智能合约，可以给数字货币施加限制条件，为改变目前依赖大量人工完成现金流分配、划拨以及实现各种交易结构设计的信用条件提供了可能。资金的归集和分配将完全通过区块链技术来实现，公开透明，效率将显著提高。
（三）改善增信环节转移的高成本
由于通常对应了多笔资产（可能是上千笔），每笔资产对应着不同的外部担保，因此在实践中资产证券化目前没有真正实现担保随同金融债权资产的转让，只是通过法律条款约定了保留完善担保的权利，在真正出现需要履行担保的情况时再转移担保。在当前我国经济环境下，这一条款实际上是由发起银行通过自身信用提供了隐性担保的，但是也对发起银行造成了隐性义务和偿付压力。尤其是保证担保和信用保险的情形下，担保人（或者是贷款承保人）往往是发起银行的合作机构，但不是新的特殊目的机构的合作机构，可以通过履约主体变更进行违约代偿责任履行的抗辩。基于区块链技术，建立点对点的增信保障平台，降低增信转移的成本，以信用保险为例，利用区块链技术可建立点对点的互助保险平台，一旦单一主体发生符合特定条件的违约事件，其他参与这一平台的保险参与者将直接缴纳费用给被违约主体。
（四）证券交易与再融资
互联网解决的核心问题是信息制造和传输，但始终不能解决价值转移和信用转移。所谓的价值转移是指，在网络中每个人都能够认可和确认的方式，将某一部分价值精确地从某一个地址转移到另一个地址，而且必须确保当价值转移后，原来的地址减少了被转移的部分，而新的地址增加了所转移的价值（即避免出现“双花”）。信用转移是价值转移的必然结果，表示价值的转移获得所有参与方的认可，且其结果不能受到任何某一方的操纵，取得了系统内的公信力。这一价值可以是货币资产，也可以是有价证券、金融衍生品等实体资产或者虚拟资产。
在目前的互联网中也有各种各样的金融体系，包括许多政府银行提供或者第三方提供的支付系统，但本质还是依靠中心化的方案来解决。即通过某个公司或者政府信用作为背书，将所有的价值转移计算放在一个中心服务器（集群）中，尽管所有的计算也是由程序自动完成，但是却必须信任这个中心化的人或者机构。事实上通过中心化的信用背书来解决，也只能将信用局限在一定的机构、地区或者国家的范围之内，所以价值转移的核心问题是跨国信用共识。
区块链技术实现了价值去中心化的互联网传递，为金融互联网搭建提供了基础，其中证券交易市场是区块链存在发展机遇的领域。传统证券交易中，证券所有人发出交易指令后，指令需要依次经过证券经纪人、资产托管人、中央银行和中央登记机构这四大机构的协调，才能完成交易。这样的模式造就了强势中介，金融消费者的权利往往得不到保障。在同一共识原则区块链技术系统下的证券可以点对点交易，买方和卖方能够通过智能合约直接实现自动配对，并通过分布式的数字化登记系统，自动实现结算和清算。不再需要中央化的登记结算机构，也不再受到交易时间的限制。资产证券化的产品在交易上也采用传统证券交易模式，通过区块链进行资产证券化产品交易，可使更广泛的参与者在去中心化的交易平台上自由完成交易，且可实现24小时不中断运作。对于认可这一“区块”价值的机构，可以接受“区块链”代表的证券持有人再融资，不用担心对应证券资产的转移和“双花”，因为每一笔交易都公开透明、可追本溯源。
（五）证券化资产的管理
资产证券化产品投资人会议举办的程序较债权代表和股东代表复杂，一是涉及的权益结构复杂，二是证券资产类型复杂，某一资产的违约可能需要涉及不同投资人会议提出表决意见，成本过高。这就涉及通过资产管理人执行投票，由于涉及可能的利益冲突，需要对管理人资格谨慎地约束和条件授权。投票流程是资产管理人向人发出投票指令，指令随后被传递给投票分配者，再由投票分配者将指令传递给托管人，托管人请求公证人根据对管理人的授权对投票指令进行公证，然后向登记方申请并完成登记，最后投票信息汇总。这是一个非常复杂且非标准化的流程，投票信息存在被不正确传递或丢失的风险。
而在区块链技术的支持下，投票可以透明简化，直接公开在区块链技术搭建的投票应用系统里，结果供委托人查询。
此外，另一个证券化资产管理方向――证券化基础资产的获取和管理，在未来可能通过区块链技术搭载的物联网设备实现也许是一个更为长远的设想。根据IBM的设想，区块链技术搭载的物联网管理体系下每个设备都得能自我管理，设备彼此相连，形成分布式云网络，只要设备还存在，整个网络的生命周期就可以大幅延长，运行维护成本显著降低。而基于信息管理系统下发生的物流及现金流可以成为高度分散性资产现金流的证明，从而为证券化交易创造信用依据，不再依赖商业信用链上核心企业的信用。
四、需要解决的问题
由于区块链在金融领域应用前景十分广阔，巴克莱银行、瑞士信贷集团、摩根大通在内的9家全球顶级银行已加入一个由金融技术公司R3领导的组织，着手为区块链技术在银行业中的使用制定行业标准和协议；而纳斯达克在2015年12月30日完成了基于区块链平台的首个证券交易，对于全球金融市场的去中心化有着里程碑的意义。但是，区块链技术仍有需要解决的问题才能大规模广泛开展实际应用。
（一）高耗能问题
数字货币经济学中也存在所谓的“不可能三角”，即不可能同时达到“去中心化”“低能耗”和“安全”这三个要求。区块链是否在节约中心化成本问题的同时又过度使用了电子能耗成本呢？技术的应用要考虑其系统的整体性。
（二）数据库存储空间问题
区块链数据库记录了从创建开始发生的每一笔交易，因此每一个想参与进来的节点都必须下载存储并实时更新一份从创世块开始延续至今的数据包。如果每一个节点的数据都完全同步，那区块链数据的存储空间容量要求就可能成为一个制约其发展的关键问题。
（三）处理大规模交易的抗压能力问题
目前的区块链技术还没有真正处理过全世界所有人都共同参与进来的大规模交易，目前已投入使用的区块链系统中的节点总数规模仍然很小。一旦将区块链技术推广到大规模交易环境下，区块链记录数据的抗压能力就无法得到保证。
（四）安全性问题
目前的区块链技术是基于非对称密码学的原理，但随着数学研究和量子计算机技术的进一步发展，这些非对称加密的算法能否被破解呢？也许在未来，基于数学原理基础上的算法安全性会变得越来越脆弱，那时的区块链技术就失去了信任这一最根本的基石。对于这个问题，市场中目前正在整合更强的加密原理。
随着区块链技术优势的认识越来越深刻，越来越多的资本、人才、资源正在源源不断地被投入到相关技术的研究中，相信区块链技术的上述缺陷得到解决只是时间问题。
1992.07~1998.12由刚刚入行逐步成长为专业技术骨干。
1999.01~2002.05（因业绩突出，2000.03提为通信室主任）。
2002.06~2011.02副所长（因技术能力强，承担多个集团公司大型重点项目2002.12破格提为高级工程师，其中经过国家统一入学考试，成绩优良，得以进入XX大学XX学院，2003.10~2007.03在XX工程专业在职研究生，毕业论文评为优秀5%）。
2011.03~今，XXXX公司副总工程师。
2011.06，经公司提名任命为兼任XXXX科技有限公司（XXXX控股子公司）XX分公司经理，拓展业务，组建团队，实现从无到有。至2014年将团队规模扩大到XX人，公司年度经营业绩达到合同XXXX万元，收款XXXX万元，公司各方面走上正轨，实现了自主经营及盈利。
2015年组建XXXX集团智能制造创新中心，兼任创新中心主任工程师，开始研究适合高端制造业的应用技术，对集团公司智能制造的创新发展，起到了较大地推进作用！
2019年5月，担任公司副总工程师兼任XXXX中心主任工程师，对于BIM技术开发应用，信息化、智能化、数字化融合发展方面，做了大量的研究和探索，同时作为公司主管信息化和知识管理副总工程师，承担了XXXX公司知识管理牵头工作，梳理了公司各类知识模块，向集团公司科技信息部呈报了总体规划、实施计划，制定了内部知识管理工程的规章制度、编码规则、实施方案、平台开发等一系列纲领性文件。
积极学习并掌握新技术发展动态，利用工作间隙和业余时间，组织技术人员参加展会、论坛、技术交流活动，对计算机网络技术、软件技术、自动控制技术以及智慧园区、大数据、云计算、物联网、AI赋能行业等最新技术等的深入学习和研讨，并在实际项目中大量创新应用，取得了较好的效果。不断学习，不断总结，不断进取，与智能化系统的新技术和国际、国内先进水平保持同步，保持公司智能化设计在行业专业领域的技术领先，并进一步应用到工程项目中去，形成良性循环和积极互动效应；关注国家的经济发展动向，在前瞻性的技术发展方向进行不断尝试，不断地进行技术储备和更新，进一步提高专业技术水平和解决复杂系统的统筹设计能力。
在智慧工厂领域，重点关注数据采集、数据集成、数据挖掘、数据应用等智能制造相关技术，逐步形成独有的解决方案；
在智慧园区建设领域，开展了广泛的调研和总结，形成了独有的体系化专业解决方案；
在智能建筑领域，着眼于顶层设计并较为系统性地掌握了IT&IB技术融合，应用于新智慧建筑的顶层设计技术。重点关注绿色、节能、安全技术，在新技术发展，新产品研发的应用方面有所突破；
通过近三十年的不断学习积累，无论在市场开拓、技术创新、质量管理、团队建设、人才培养等方面，均有很好的表现，取得了良好的效益，工作中有思路、有能力、有办法，善于解决技术及非技术难题；有大局观，能做到个人利益服从集体利益，集体利益服从公司利益。
在组织纪律性方面，能时刻按党员标准要求自己，任劳任怨，起好模范带头作用；
在个人素质方面，严格自律，遵守国家和单位的各项规章制度，把全部能力和精力放在解决技术问题上，不搞歪门邪道；
在专业能力方面，能承担急难险重任务，引领技术发展方向，培养打造核心技术及团队；
[关键词]互联网金融；高等金融教育；SWOT；教学改革
[中图分类号] G642 [文献标识码] A [文章编号] 2095-3437（2017）10-0008-03
2013年以来，互联网金融快速崛起并深刻影响着金融学子的学习生活、社会实践和思维观念。一系列互联网金融的新概念进入高等金融教育的视线：“大数据”、“云计算”、“社会征信”、“共享经济”、“数字货币”、“机器学习”、“人工智能”等，让金融专业的师生既兴奋又备感压力。互联网金融相对于传统金融的思维观念已经改变，经济和金融明显可分的界限被打破。当前，互联网“经济”、互联网“金融”和互联网下的“大数据”高度融合，浑然一体，不可分割。一切资金支付活动均通过移动终端进行，几乎不需要现实货币参与，点对点的资金流动使得“金融脱媒”趋势来得异常凛冽，基于大数据的分析解决了信息不对称的难题。受此影响，复合型人才和跨界发展不再是空洞的口号，传统金融教育的专才培养模式不再可行。互联网金融是新生事物，其实践远远走在了当前高等金融教育的前面，对传统高等金融教育产生强烈冲击，但也带来了变革和发展的机遇。因此，强化对互联网金融教育的研究，通过互联网金融思维重塑和再造高等金融教育势在必行。
一、互联网金融的优势和特点
（一）大数据优势
互联网金融首先是从“草根金融”兴起的，在民间金融“野蛮生长”和“乱象丛生”的时代中逐渐走向成熟，对传统正规金融形成强大压力。实际上，历史上非正规金融发展缓慢的根源在于一系列困境的桎梏：信息不对称导致严重的逆向选择和道德风险、社会征信缺失、无足值抵押等。互联网金融的出现，较好克服了这些顽疾，信息不对称可以依靠大数据技术有效缓解，移动终端的广泛使用结合人工智能使社会征信和债务催收都不再成为问题，在此基础上进一步催生了众筹、共享经济等变革创业方式、生活方式的全新业态。
（二）人工智能优势
与传统金融相比，人工智能效率高，错误率低，模型不断进行自主训练和优化，大大提高了适应性，在量化投资、决策咨询和风险控制等方面逐步取得优势。人工智能的核心是机器学习，互联网金融下每日新增的海量用戶数据，以及公司之间的数据共享使得感知机、决策树、随机森林、支持向量机、Logistic回归、BP神经网络等一系列机器学习的核心算法和模型不断“学习成长”，在实践中取代了传统基于人工授信、核查和对客户分类的工作模式。在不远的将来，这种开放、大维度、多渠道的人工智能下的“智能”金融，必然取得对银行依赖中央银行建立的封闭客户数据系统的优势。
（三）“互联网+”的后发优势
“互联网+”是一种全新的思维，智能化、去中心化、脱媒化、信息化以及便捷快速的推广模式催生了各类体量巨大的新兴业态，作为这些业态的基础和共同体，互联网金融拥有显著的后发优势，领先于传统产业成为近年创新创业的最大落脚点。
（四）规模优势
2008年以来，互联网金融的交易规模迅速扩大，经营上的规模优势日益明显，各项交易成本明显下降。与传统金融业态不同，互联网金融由一系列的产业链构成：征信、借贷、催收和服务等环节可分散于不同的公司，在业务模式上可以灵活分散也可有效整合，每一环节聚焦其优势业务，可将规模优势带来的低成本优势发挥到极致。
（五）双创优势
2013年以来，互联网金融的交易成本低，可有效缓解信息不对称问题，交易效率高等的优势愈发明显，不断与其他行业形成跨界融合发展，催生创新，推动创业，极具双创优势。一是依托互联网的移动支付业务的快速发展，不仅远程支付场景不断完善，近场支付也在爆发；二是支付产业链的受理端及其延伸的综合金融增值服务——海量支付数据以及数据驱动的增值服务，为互联网金融企业带来了新的发展；三是区块链技术的融合运用引爆了“跨境支付”的探索热潮；四是在P2P等典型的互联网金融业务模式上，从以往只提供信息中介服务平台的模式创新发展出了引导P2P平台与担保机构合作、整合线上与线下服务以及增加债权转让等服务的新型模式；五是利用大数据、云计算和人工智能等技术帮助互联网金融公司开展客户的理财或量化投资业务；六是基于互联网的共享经济大大便利了人们的生活体验和观念。
二、当前高校金融教育应对互联网金融冲击的SWOT分析
表1是高校金融教育应对互联网金融冲击的SWOT分析矩阵，在理论和实践两个层面为当前高校金融教育如何应对互联网金融的影响提供了分析思路和依据。
（一）优势
首先，传统金融教育具有雄厚的人才基础和优势。自20世纪80年代我国建立高等金融教育事业以来，到目前为止高等金融教育已取得质的突破，金融专业的品牌认可、高考招分、学生素质、国际化程度、毕业后的薪资水平、社会评价等各项指标均处于各行业的前列。同时，国内金融领域在国际一流期刊发表的论文数量也在整个社会科学领域处于领先地位。其次，当前高校金融专业的培养方案和课程设置一般采取模块化搭建的思路，从公共基础、学科基础、专业培养、素质教育和实践实习等方面进行模块化管理，具有良好的可拓展性，互联网金融的相关课程可根据不同专业需要，进行优化组合，体现功能性。第三，互联网经济和互联网金融给高校师生带来了良好体验和观感，高校师生有充分的积极性迎接新专业的建设和发展。
（二）劣势
传统金融教育是单一化的金融专才培养模式，一般分为货币经济、金融市场、投资、金融工程、银行经营与管理、公司金融、家庭金融等方向，注重对货币、投资、资产定价、股票、债券和财务等“纯金融”知识的讲授，对大数据、人工智能和机器学习等涉及计算机与统计学习等跨领域的知识鲜有涉及。在互联网金融的冲击到来之后，我们发现业界需要复合型的跨界人才，单一聚焦金融领域的教学思维和模式开始变得落后和陈旧，金融教育需要“混业发展”。另一方面，教材建设相对滞后。目前，比较缺乏互联网金融的专业教材：一是自编教材的质量令人担忧；二是优秀的互联网金融的国外教材引用较少；三是互联网金融跟风开设课程的现象比较突出，没有因地适宜，教学内容和难度都过犹不及，影响了教学效果。 （三）机遇
互联网金融是朝阳产业，带来了巨大的发展机遇。当前，互联网金融行业的人才极度缺乏，不得不采取“挖墙脚”的无奈之举，导致银行业人才流失严重。限于人才奇缺，互联网金融目前的进入门槛较低，人员素质和水平良莠不齐，原因在于高校对互联网金融人才的培养处于摸索阶段，传统金融教育毕业的学生青睐于在正规金融行业就业，对以民营企业为主的互联网金融行业心存疑虑甚至偏见，人才供给严重不足。显然，传统金融教育向互联网金融教育转型发展的机遇巨大。不仅如此，互联网金融还在科研立项、论文选题、学生的实习实践、就业创业、高校金融教育的学科点申报、专业建设和师资培养等方面开拓了广阔空间，前景可期。另一方面，相对于传统的金融业而言，互联网金融是典型的跨界金融，从一开始就在进行业务模式的细分和产品之间进行内部整合。互联网金融也正在逐步通过用户、大数据和场景的互动来实现对银行、证券、保险、基金和资产管理等传统金融机构进行强有力的整合运作。互联网金融的跨界整合实现了不同行业功能的有机结合，推动了我国区域经济在空间和深度上的拓展。互联网金融需要既懂得信息技术又懂得金融业务、营销和管理知识的跨界复合型人才，这就对高等金融教育提出了更高的要求。但是从高等金融教育实践来看，金融、计算机及营销和管理类专业的教育还是各自为政，独立培养，忽略了跨界知识的构建，导致学生难以适应社会对复合型人才的需求。
（四）挑战
首先，传统金融教育“分业培养”的理念和当前互联网金融“混业发展”的现实需求严重冲突，需要解决“并轨”发展问题。其次，传统高等金融教育的课程设置和培养体系相对成熟，然而，互联网金融的实践远远走到了学校教育的前面。再次，互联网金融教育强调“长尾性”。与传统金融的“二八定律”正好相反，互聯网金融的优势在于服务80%的小微客户，推广的是普惠金融的理念。但在传统金融教育中关于普惠金融、微型金融的相关课程几乎从不开设。消除“教育偏见”达到在正规金融和非正规金融之间的教育平衡，更加注重“长尾性”仍然任重道远。
三、结语
高等金融教育承担着为金融行业输送急需人才的重任，也是社会和家长的关切所在。互联网金融是未来金融行业的制高点，需要高校金融教育培养复合型人才，要求他们具备金融学知识，理解金融业务的原理，掌握信息化技术并能对大数据进行分析，还要具有一定的营销和管理能力。因此，主要的启示有如下几点：（1）注重学科交叉，优化课程设置，培养复合型人才。（2）加强师资建设，促进传统金融教育向互联网金融转型发展。（3）加强互联网金融的“产学研”的合作，树立“干中学”的务实求真精神。对此，高校金融教育是有优势的，要秉持开放理念加强彼此合作，使研究向应用转化。（4）加强对大数据和人工智能的关注，引入相关课程。此外，在互联网金融风险高发的背景下，高等金融教育也要积极承担社会责任，适时向社会进行互联网金融知识的推广和普及，提高民众规避风险的能力，达到普及金融教育的目的。
[ 参 考 文 献 ]
[1] 刘小铭.浅析互联网金融现状及风险[J].经营管理者，2016（23）：313.
[2] 杨竹清，张超林.互联网金融对我国高等教育金融的启示[J].金融教育研究，2016（5）：82-88.
[3] 刘源.论技术经济学课程的分阶段培养模式[J].中国市场，2016（48）：167-169.
[4] 谢水园.企业的业务骨干参与大学课堂教学常态化研究——以《国际贸易实务》为例[J].亚太教育，2016（30）：89.
[5] 谢水园.论外贸通关实务课程中多种教学方式的运用[J]. 中国市场，2014（22）：149-150.
[6] 胡烨丹，潘锡泉.互联网金融语境下的金融职业教育模式创新[J].中国职业技术教育，2015（34）：93-95.
[7] 刘变叶.互联网时代金融学专业人才培养面临的挑战及应对措施[J].工业和信息化教育，2015（5）：1-5.
关键词：大数据；软件工程；软件服务工程；第四范式
自上个世纪90年代初，信息高速公路在美国提出以来，历经近30年的发展演进，信息技术发展突飞猛进，信息化领域的新技术、新词语层出不穷，诸如IT技术、互联网技术、大数据技术、区块链技术、人工智能等。并且对人们的生产、生活方式产生了深刻的影响，认为现在进入了大数据时代、万物互联时代、智能化时代等。笔者认为，一直以来，其中除了硬件的发展，还有两个关键因素同样值得关注，一是数据，其是基础和目的；二是软件，其是方法和工具。唯如此，才能实现在软件生命周期即设计、开发、运行、优化，实现与大数据生命周期即获取、清洗、集成、分析、呈现等的互动。[1]换言之，现在来说，就是大数据和软件工程，二者助推了信息技术的发展，同时也是信息化的产物，在大数据时代背景下，研究软件工程技术的应用，对于经济社会的发展有着十分重要的意义。
1大数据和软件工程简述
1.1大数据简述
沃尔玛的“啤酒与尿布”是众所周知的大数据经典案例，大数据已经是当今信息社会炙手可热、耳熟能详的词汇，而且已形成共识，即人类已经进入大数据时代。上个世纪80年代初，《第三次浪潮》一书风行全世界。该书作者美国社会思想家阿尔文托夫勒就在文中将人类社会发展划分为三次浪潮，即以“农业文明”为主导的第一次浪潮，以“工业文明”为主导的第二次浪潮，以“信息化”为主导第三次浪潮。[2]其中首次提出了“大数据”（BigData）一词，并且，以“第三次浪潮的华彩乐章”这样的用词对其进行热情的讴歌。[3]全球著名咨询公司麦肯锡于2011年5月了《大数据：创新、竞争和生产力的下一个前沿》报告，公认此报告宣告了大数据时代的到来。由于大数据概念的提出源于不断的发展实践，其本身并没有严格、权威的定义。通常认为，大数据的大即大数据集的规模一般应达到10TB左右，现在已经达到了PB级的数据量。维基百科称“大数据”是这样一个术语，即其是用以描述用传统的数据处理应用软件无法完好处理的庞大的或者复杂的数据集。但“大数据”这一概念并不仅仅指数据规模的庞大，还包括对这些数据对象的处理以及应用活动。IBM提出大数据通常具有“5V”特征：Volume（数据体量大）、Variety（数据类别多样）、Velocity（处理速度快）、Veracity（数据真实性高）、Volume（数据价值高）。[4]大数据技术分类并分平行关系，而是呈纵向、层级状结构，详见图1所示。
1.2软件工程简述
软件工程本身并没有严格、权威的定义。并且，也是直到20世纪60年代初才出现了“软件”一词，于此之前，更多的是程序的概念，后来人们认识到与程序相关的文档也有着相当重要的作用，才有了“软件”一词的出现。软件发展至今天，已经远远不是程序个体或者程序员合作的方式能够完成的，即使能够完成，也会是效率低下、程序运行可靠性差，或者说根本就无法完成。于是，在1968年召开的大西洋公约学术会议上提出了软件工程的概念,简单理解，就是以工程的方法来进行软件系统设计、开发、运行、维护、优化等技术的总和，进一步言之，就是用“计算机科学、数学管理科学等原理，以工程化方法制作软件的工程”，属于一门交叉学科。[5]通常认为其包含有四个要素：（1）软件工程目标；（2）软件工程范型；（3）软件工程过程；（4）软件工程原则。
2大数据与软件工程的结合方式
宏观上讲，软件工程是比大数据更为宽泛的概念，大数据的技术与应用被软件工程所涵摄。如图1所示意，虽然大数据的各项技术与应用属于垂直领域，而软件工程牵涉的是横向领域，更加关注软件产品及软件系统工程上的实现及其管理。但是，大数据无论是其产品还是其系统的完成与落地，都离不开软件工程方法论的支持。换言之，软件工程的方法与技术贯穿于大数据的开发与应用，大数据也只是在软件工程发展过程中出现的概念。软件工程开发具有综合性，其应用渗透于各个学科和领域，大数据的技术与应用当然是软件工程所关注和研究的对象，或者说大数据技术的每一环节都离不开软件工程的支持。大数据应用的基础是要依赖数据链条的完整性，采用相应的算法于海量的数据中进行规律分析，算法要依据相应的实际环境进行相应的升级，遵循开发的基本原理，充分调整数据分布，从而在研究过程中将大数据技术与软件工程方法结合起来。并在开放的环境中通过网络与通信技术实现数据的共享，在此过程中，软件技术和水平亦能得到进一步的提高。在二者相互作用渗透的过程，软件效率得到提高，软件效益得以提升，从而实现客户需求的最大化。在软件开发过程中，还需要有必备的硬件和软件的支撑，来支持相应的数据流，随着数据流的增长，对于硬件和软件就会有更高的要求。工程技术人员在对数据流进行分析研究的同时，专家学者还会对在线服务进行研究。但是，数据流是重点，包括对数据流的使用方法的研究，对支撑数据流的软件和硬件的研究。另外，从软件工程开发角度看，无论是在服务端还是在用户端，软件的运行当然会产生大量的数据流，都将产生大量的数据信息，这些数据流对于软硬件的使用寿命有着决定性的影响。因此，在软件工程的开发中，对于海量数据产生的环境下，更有必要做好数据流的管理，要高度重视数据流的分析研究，并且对于原始数据进行深入的研究也应该引起重视，以期延长软件的使用周期。[6]
3大数据时代的软件服务工程
软件服务工程即所谓的面向服务的软件工程，强调的是其相对于传统软件工程的扩展。近些年来得到了很快的发展，已经成为当今时代的主流社会需求之一，服务功能已经是软件开发的基本原则。另一方面，也可以将其直观理解为“软件（Software）+服务（Service）+工程（Engineering）”三个方面的交叉融合，或者软件工程与服务工程两者的融合等。其内涵可以理解为研究面向服务的软件工程原则、软件工程方法以及软件工程技术，同时利用相应的软件服务设施和平台，开发较高水平的软件服务系统。[7]软件开发者根据需求变化，在社会实际实用中，以面向服务作为主要建设目标。在开发的初期就要首先搭建好软件的框架，充分利用编程语言、构思好编程思路，确保开发软件能够提供可靠的服务应用，保障软件运行时的稳定与可靠。在实际的服务过程中，要求开发者运用分布式应用程序，以虚拟操作的方式提供用户相应的服务。在应用中，融合大数据技术，能够实现对数据进行编程，达到软件互操作的效果，并提高对数据的主动协调。软件工程开发工程师可以对数据信息共享，实现各种学习交流，对软件进行协同开发，并结合用户的反馈，对软件系统进行优化处理，提高软件的性价比。近年来，开源软件是较为成功的软件习作模式，但是，其采用常规的研究方法，应用价值还不是很高。与开源软件相比，群体软件工程属于一种分布式软件开发模型，能够依靠网络进行任务分配，并能实现创造性的查询，通过众包形式的开发，解决开发过程中的难题。并且，在整个开发过程中，众包开发可以贯穿其全过程。所谓众包，一如其字面含义，是一种分布式的生产开发模式和问题解决方案。通过该种方式，开源软件和商业软件均可通过网络进行任务和责任分配。[8]随着我国计算机科学技术的不断发展进步，软件工程技术也取得了长足发展，软件服务工程也支持得到拓展和延伸。在大数据时代背景下，我们应当加快大数据技术和软件工程技术的融合与创新，提升对海量网络数据进行编程处理的能力，提高软件的安全和效能，增强其稳定性和可操作性，进一步整合软件工程系统的集成度。
4数据密集型科研第四范式
图灵奖获得者、关系数据库研究专家詹姆士格雷(JamesGray)曾经从科学哲学的层面将人类科学研究模式总结划分为最初的实验科学阶段，之后的理论科学阶段，到通过模拟的方法进行的计算科学三个阶段，相对应地称之为科学研究的第一范式、第二范式、第三范式。但是伴随着模拟连同实验所产生的海量的数据，需要由软件处理这些由各种仪器或者模拟实验产生的海量数据，并将处理得到的信息和知识存储于计算机中。之后，科研人员只需要对这些存储于计算机中的少量数据进行分析研究，不再是直接通过仪器或者模拟进行研究。因而基于数据密集型科学研究独特的技术以及其显著的不同于以往研究的特点，詹姆士格雷在2007于其科研报告中提出了将这种数据密集型的科学研究模式从计算机科学类型中单独区分出来的思想，随之产生了一种被称之为第四范式的新的科研模式。该报告整理后题名“吉姆格雷论e-Science:一种科研模式的变革”，成为微软于2009的年首次全面对数据密集型数据进行描述的论文集《e-Science：科学研究的第四种范式》的开篇文章。[9]当前，相当多的计算机领域的专家学者对数据密集型科研第四范式予以了关注，并进行了相应的研究，探索出了相应的方式方法，第四范式的研究被认为是大数据时代背景下软件工程技术研发的关键。信息化的发展与渗透，导致一切的事物都在随之发生着变化。包括实验、理论分析和计算科学均在数据泛滥的影响下与之前大不相同，软件工程技术既要适应科研第四范式，又在其中扮演着更加重要的作用。传统范式下的目的与探索之间不能够很好地衔接，数据信息的应用效率难以保障，难以满足项目管理目标的实现。数据密集型科研第四范式下的技术以及理论相关内容，与大数据技术特别是其中的存储技术有着紧密的关联性，其待探索的空间和应用价值相当广阔，其数据信息研发急需相应的理论支撑，该范式下的软件工程技术应用模块，亦能够对其他范式下的数据信息进行分析，对于更好地实现数据的存储与处理，提升处理效率，有着重要的研究价值。在第四范式模式下，对集成密集型数据的软件服务价值进行评估是首要的，需要摒弃以往的数据统计方法，构建新的针对大数据进行信息统计和分析的方法，这对软件工程技术的发展起着重要的作用。在软件工程技术的研究中，应当更新传统理念，重视其对大数据的处理和分析能力，使软件产业呈现全新的面貌，从而亦能促进其对大数据的数据分析能力。在第四范式的基础上，亦能够更好地支持第三范式，甚至于第一范式。该范式研究在我国软件工程开发中还处于初级阶段，软件工程开发人员需在强化已有数据模型研究基础上，加速由第三范式向第四范式的转变，尽快实现其应用层面的服务价值。
购物车(0)