问题——数字化转型提速，复合型人才的结构性短缺更明显。随着产业数字化、治理数字化持续深入，既懂算法与数据工程，又熟悉业务流程和治理规则的人才需求不断上升。有关政策推进数字中国建设时多次提出要加强数字领域紧缺人才培养，重点补上“技术与管理脱节”的短板。用人端的反馈也较集中：纯技术人才并不少，但能把数据能力真正嵌入管理决策、合规治理和业务落地的“跨界型”人才相对欠缺，影响了数据要素价值的释放。 原因——岗位能力模型升级，单一学科培养难以完全匹配。数据岗位正从“做数据”扩展到“用数据、管数据、治数据”，能力要求不再只看编程、建模和算力调度，还要覆盖统计推断、运营分析、风险识别、合规管理、数据治理框架以及组织协同等内容。同时，企业和公共部门在数据资产管理、数据安全合规、业务智能决策上的投入加大，推动人才标准从“技能型”走向“复合型”“体系型”。在这种变化下，高校单一专业的课程体系往往难以覆盖“技术—业务—治理—决策”的完整链条，需要通过学科交叉升级培养模式。 影响——双学位交叉培养有望提升供给质量，更好对接国家需求与产业升级。北京邮电大学依托信息科技优势与学科积累，推出“人工智能+大数据管理与应用”双学士学位项目，说明了面向需求的专业设置思路。项目由经济管理学院与人工智能学院联合建设，分别依托管理科学与工程、智能科学与技术等基础，强调从培养端打通技术与管理之间的断点。课程设置突出“硬技术+强治理”：一上夯实编程、机器学习与深度学习、大数据技术等能力底座，保证数据处理与算法实现的工程素养；另一方面配置统计分析、运筹优化、数据治理、商务智能与决策优化等模块，帮助学生从管理视角理解数据价值形成与决策逻辑，提升将技术转化为组织能力和业务成果的综合能力。 对策——以产教融合和科研牵引提升实践比重，打通“学研用”。针对交叉学科容易“面广不够深”的风险，项目在培养中引入双导师机制和科研实践导向：学生既接受校内导师的系统训练，也通过行业导师了解真实场景中的数据工程流程、合规边界与业务约束，并依托校内科研平台参与课题与项目实践。该做法有助于学生在本科阶段形成“问题定义—数据获取—模型构建—效果评估—治理合规”的完整工作闭环，降低从课堂到岗位的能力落差。同时，依托学校与信息通信、互联网平台、金融科技等行业单位的合作基础，课程内容可通过实习实训、联合课题和场景案例库持续迭代，尽量做到与产业技术演进同步更新。 前景——就业面更广，但门槛也更高，竞争力取决于“深度交叉”和“持续学习”。从岗位方向看，接受技术与管理双重训练的毕业生，既可进入数据挖掘、算法研发、商业分析、智能运营等岗位，也可面向金融科技、风险管理、量化分析、数据资产管理等领域，并在数据治理、企业数字化转型与公共治理数字化等方向拓展空间。但双学位意味着更高的学习强度与能力要求，学生不仅要完成扎实的技术训练，还要建立管理分析框架与治理意识。面向未来，随着数据要素市场化配置推进、数据安全与合规要求趋严，以及行业对模型可解释性和可落地性的重视提高，真正具备竞争力的人才需要在某一方向形成扎实专长，同时具备跨域协作与持续学习能力，才能在快速迭代的数字产业中保持优势。
数字经济成为全球竞争焦点后，人才培养模式创新已成为重要议题。北邮的这个探索，为缓解复合型人才结构性矛盾提供了可参考的路径，也反映出高等教育面向国家重大需求进行调整的方向。随着更多高校打破学科边界、深化产教融合，我国数字时代的核心竞争力有望获得更稳固的人才支撑。