数字经济背景下金融科技人才...——基于企业视角的实证分析_吴娟.pdf

2023年2月149学科建设DOI：10.19995/ki.CN10-1617/F7.2023.04.149数字经济背景下金融科技人才的需求及影响因素分析基于企业视角的实证分析吴娟 周聪 汪洋(南京城市职业学院(南京开放大学)江苏南京 210005)摘 要：数字经济背景下，金融科技人才需求剧增。调查问卷结果显示，企业对录用的金融科技人才满意度较高，通过进一步分析，发现知识储备、业务能力和职业素养等变量对企业满意度产生显著影响，企业迫切需要业务能力突出、知识储备全面的高素质金融科技人才。为此，本文得出结论，高职院校需深化产教融合，从人才培养、课程体系、核心素养等方面着手，实现多元主体共同培养。关键词：金融科技；产教融合；人才培养本文索引：吴娟，周聪，汪洋.数字经济背景下金融科技人才的需求及影响因素分析J.商展经济，2023(04)：149-152.中图分类号：F241.2 文献标识码：A1 问题提出2021年3月，我国正式发布 中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要，文件中的第五部分为数字化章节，主要介绍数字转型的内涵和数字发展中的各项要求。文件中提出要“加快建设数字经济、数字社会和数字政府”，“数字经济”是重中之重，是迎接“新时代”、立足“新阶段”、构建“新格局”、实现“高质量”增长的核心。数字经济落实到金融行业，就是数字金融，即金融科技。随着数字经济的快速发展，金融科技行业进入快速增长期。信息技术在金融领域发挥着越来越重要的作用，影响、冲击着传统金融业的方方面面，如保险、证券公司、银行等金融机构已经开始利用金融科技为客户提供全面综合的金融服务。金融科技影响着金融业，也导致金融人才需求结构产生变化。随着金融科技，即区块链、人工智能、大数据和云计算成为新时代金融发展的关键技术，金融科技人才的需求激增。根据相关数据统计，我国金融科技人才的缺口已超过150万。科学技术还在进步，人才缺口还将扩大。培养金融科技人才不是仅仅将计算机课程和金融课程简单叠加，而且需要将云计算、大数据、区块链等技术融入金融业务，这对我们的人才培养提出了更高的标准。金融与科技的深度融合，对人才能力结构提出了新要求。高职院校作为人才供给的主体，如何在金融科技快速发展下探索科学合理的人才培养模式，明晰哪些因素会影响企业对金融科技人才的满意度，具有重要的理论意义和实践价值。2 文献综述现有文献在金融科技人才需求问题方面关注度较高，主要集中在以下三个方面：2.1 金融科技人才需求规模2020年中国金融科技就业报告 显示，中国金融科技人才缺口将达到150万人。其中90%的企业将面临金融科技专业人才严重短缺的情况，82%的受访企业反映在招聘中遇到困难，46%的受访企业表示符合职位需求的人才较少，招聘困难。中国互联网金融协会等发布的 2021中国金融科技人才发展白皮书 指出，金融科技人才难获得、难使用。一项跨国测量显示，中国对金融技术的需求在10个样本国家中排名第一。事实上，金融科技人才短缺并不仅是中国现象，也是全球问题。例如，英国财政部、国际贸易和创新金融部在2019年9月联合发布的 英国金融科技国家报告 显示，英国有1600多家金融科技公司，预计到2030年，这一数字还将翻倍。目前英国金融科技的采用率达42%，企业需要较多的金融科技人才，市场需求巨大。在中国，金融科技虽然起步基金项目：江苏高校哲学社会科学研究项目“数字经济背景下基于产教融合的金融科技专业人才培养改革与创新研究”(2022SJYB0889)。作者简介：吴娟(1983-)，女，汉族，江苏南京人，讲师，硕士，研究方向：金融科技、证券；周聪(1987-)，女，汉族，江苏南京人，讲师，硕士，研究方向：会计；汪洋(1980-)，女，汉族，江苏南京人，副教授，硕士，研究方向：金融科技、保险。1502023年2月 商展经济较晚，但发展迅速。政府相关部门在金融科技领域加大了政策支持和投资，投资比例不断增长。随着金融科技行业的快速发展，社会对金融科技人才的需求急剧增加，具有金融科技专业知识背景的金融人才缺口将变得更大。2.2 金融科技人才需求特点金融科技强调金融和科技结合，金融科技人才必须是复合型人才。然而，学者们对复合型人才的理解有不同看法：有人认为就是金融业务知识、网络信息技术和营销技能的融合，也有人认为是数字创新、技术研发和金融知识的融合。蔡敏荣等学者对金融科技人才的需求内涵展开了全面分析，总结出内涵包括六个方面，分别是关键领域业务、核心技术、跨学科知识、五大思维、两个意识、七项能力。其中，“五大思维”指跨界思维、用户思维、国际思维、创新思维和迭代思维，“两个意识”指风险意识和合规意识，“七种能力”指创新与创业能力、自我控制能力、科学研究能力、公关协调能力、可持续学习能力、风险识别能力和营销能力。2.3 金融科技人才需求研究方法从相关文献来看，作者们主要采用四种方法研究金融人才需求，分别是理论推导、实地调查、统计分析和回归预测。例如，殷淑严和顾培亮建立了基于BP神经网络的人才需求预测模型，并使用多重替代模型对人才结构进行定量和动态分析研究；白旭光通过建立灰色GM(1，1)模型，分析并预测2017年至2024年山西省金融科技行业对人才的总需求；张洪涛和朱卫东利用灰色等维递补动态模型预测了未来几年社会对新技术人才的需求；马振华和刘春生通过引入灰色系统理论预测了高技能人才的需求。与现有研究相比，本文的创新之处在于：一方面，从企业视角研究金融科技人才需求，能够更加准确客观地回答当前紧迫而重要的一个问题，即“企业需要金融科技人才掌握哪些能力”；另一方面，采用实地调查的方法针对性地分析中国对金融科技人才能力需求的特点，通过建立回归分析模型来揭示能力特点与人才需求之间的内在关系。3 研究设计3.1 研究对象调查对象来自金融机构和非金融机构的人力资源部专家机构、经营部门主管、一线员工等，金融机构包括保险、银行、证券公司、交易所、清算支付公司；非金融机构包括金融科技公司和研究院等，共发放问卷500份，收回问卷458份，回收率为91.6%，剔除无效问卷23份，最终得到有效问卷435份。3.2 研究工具及变量设定本研究将影响企业对金融科技人才满意度的因素设为自变量，分为知识储备、业务能力和职业素养等因素；将企业对录用的金融科技人才是否满意设为因变量，并据此制定问卷。问卷包含四个部分，第一部分调查影响因变量的知识储备因素，包括基础知识、行业知识、产品业务知识、业务流程性知识、前沿跨领域知识；第二部分调查影响因变量的业务能力因素，包括可持续学习能力、风险识别能力、公关协调能力、营销能力、职业资格规划能力；第三部分调查影响因变量的职业素养因素，包括道德品质、责任感、自控能力、合作精神、风险意识；第四部分调查企业对录用的金融科技人才是否满意。自变量均采用李克特5点量表计分，对于因变量，将满意设为“1”，将不满意设为“0”。3.3 统计方法本研究中的因变量属于二分变量，可以采用二元Logistic回归展开分析。在构建的回归模型中，因变量设为S，取值分别为0和1，服从二元分布。影响S的n个自变量分别记为X1，X2，X3，Xn。基于此，设定模型，并使用SPSS22.0进行分析。(1)式(1)中S为企业对录用的金融科技人才是否满意，取值1表示满意，取值0表示不满意，如表1所示。4 用人单位录用金融科技人才的影响因素Logistic分析通过建立4个模型(见表1)，检验上述自变量对因变量的影响，结果如下。4.1 知识储备各因素影响分析模型1分析结果显示基础知识、专业知识、产品业务知识、业务流程性知识、前沿跨领域知识变量通过了显著性检验。基础知识是整个学习体系的根本，是学习新知识的基础，若基础知识掌握程度提高1个层次，企业的满意度将提升1.41倍；金融科技行业是一个高速发展的行业，行业知识可以让从业者对金融科技行业具备整体认知，清楚企业在行业中所处的位置，若行业知识掌握程度提高1个层次，企业的满意度将提升1.57倍；不同产品的行业和领域知识是不同的，优秀的员工必然对本行业中的产品业务了解深入，若产品业务知识掌握程度提高1个层次，企业的满意度将提升1.57倍。熟悉金融行业相关业务流程并根据流程处理业务，有利于降低企业的运营成本，提高对市场需求的响应程度，帮助企业获取最大利润，因此业务流程性知识掌握程度提高1个层次，企业的满意度将提升2.06倍；数字经济的发展推动金融行业数字化转型，需要具有信息技术和金融专业知识的前沿跨领域复合型人才，若前沿跨领域知识掌握程度提高1个层次，企业的满意度将提升1.6倍。当加入其他因素后(模型4)，所有因素依然具有高度显著性，说明企业对金融科技人才的知识储备要求较高，这是我们培养金融科技人才时需要重点考虑的。 2023年2月151学科建设4.2 业务能力各因素影响分析模型2分析结果显示，所有变量均通过了显著性检验。在倡导终身学习的当今社会，对金融业务具有乐学善学、勤于反思的学习能力，不仅能够不断丰富自己的知识，还可以使自己变得更优秀，能够胜任不同岗位，可持续学习能力提升1个层次，企业的满意度将提升1.78倍；金融科技人才从业的领域和金融相关，有效避免或化解金融风险的前提是具备敏锐的风险识别能力，在风险孕育、隐患生成、持续累积的演化过程中，及时识别风险显得尤为重要，风险识别能力提升1个层次，企业的满意度将提升2.02倍；良好的公关协调能力是现代社会生活中人的重要素质之一，在工作或社交场合具备良好的介入、适应、控制、协调等公关协调能力，有利于工作的顺利开展，公关协调能力提升1个层次，企业的满意度将提升1.53倍；营销能力是每一个员工的商业价值，能够营销业务产品，维护良好的客户关系可以帮助企业创造更多的利润，营销能力提升1个层次，企业的满意度将提升1.87倍；在职场，以需求为导向，做好自身的职业发展规划，提高自身职业素质与职业适应能力，职业资格规划能力提高1个层次，企业的满意度将提升1.78倍。当加入其他因素后(模型4)，所有因素依然具有高度显著性，说明企业对金融科技人才的业务能力要求较高。金融科技驱动服务效率提高，企业对从业人员的业务能力有了更高的要求。4.3 职业素养各因素影响分析模型3分析结果显示，所有变量均通过了显著性检验。具有忠诚正直、信守诺言、言行一致的道德品质，是立足社会的必要品质，对于金融行业从业者，道德品质是遵守职业操守的重要前提，道德品质提升1个层次，企业的满意度将提升1.73倍；对自己的工作敢于担当，具有保质保量认真负责完成的责任感，才能驱动自己勇往直前不停地努力，责任感提升1个层次，企业的满意度将提升1.48倍；自控能力指能够自我管理、自我控制，驾驭自我情绪，体现出一个人的成熟度，事业有成的人往往是能掌控自己的人，自控能力提升1个层次，企业的满意度将提升1.50倍；当今职场，承认个性和自我，更注重合作，合作精神是一种集体意识，是高绩效团队的灵魂，个人的成长、企业的发展都建立在合作的基础上，合作精神提升1个层次，企业的满意度将提升1.44倍；金融行业从业者在业务办理过程中需保持金融风险防范、评估和控制的意识，强化风险管控，风险意识提升1个层次，企业的满意度将提升1.61倍。4.4 各因素影响程度分析模型R2的值是判断每个影响因素对结果变量影响的重要参考因素，可以比较每个模型的整体解释力。模型4考虑了所有因素，R2值达到0.80，表明模型具有较好的拟合性，研究中的自变量对因变量具有较好的解释力。分析表明，在所有自变量中，业务能力的影响力最大，知识储备和专业素质的影响力依次递减。数字时代，金融服务趋于智能化发展，业务的服务边界逐渐模糊，客户对整体金融服务的需求超过了单一金融服务。这就要求员工具备高素质、全面综合的业务能力，这也是我们培养金融科技人才的目标。表1 企业录用金融科技人才满意度Logistic回归模型变量模型 1模型 2模型 3模型 4BEXP(B)BEXP(B)BEXP(B)BEXP(B)知识储备基础知识0.35*1.411.37*3.94行业知识0.45*1