經濟學的課程切割與經濟資訊實作

一個學科倒底需要哪些東西呢？
有人說就是知識(Knowledge)，有人說技術勝於一切。
無論怎樣說，都是正確的，只是我們切入的觀點不同而產生很多的方法。

既然如此，經濟教育可以說是在台灣扎根得很早。從國小課本就出現比較利益法則，其後陸陸續續在教科書上出現經濟學的觀念。我不知道這樣做是否適切，問題出在於授課的老師是否有受過正統的經濟學訓練！或者他們自己有自我培訓自己的經濟學知識，而非片面的隻言片語。

在讀經濟學時，大學教授總是會跟我們說國富論的出現是有條件的，亞當斯密先提出了道德情操論，才有了國富論，換言之，人民的道德水準要到一定程度才能夠有國富論當中的：人追求自利，最終達到國富。

現在回想起來，在自由經濟的社會上若缺少了道德素養，恐怕就是暴民主義，或另一個極端就是愚民主義了。

若是讀經濟系的學生大概會發現從大一到博士班，所讀的經濟學不脫個體經濟學與總體經濟學，只是換了樣子。低年級用圖表與數字表示，高年級用數學表示，在高等一點的教育就變成了數學與符號的世界。

也莫怪會有這樣的話語出現：讀經濟學就像是上山學屠龍功夫，等學成後下山，才發現世間沒有半條龍影，更遑論一條龍影出現。

隨著時代的演變，經濟學除了這些，還很容易被人批評：你會的供給需求圖對嗎？一定是曲線嗎？一定是直線嗎？

經濟學家總是會這樣回話：這是示意圖。

既然這樣，那為何我們不能拿出數字來，直接展現出經濟觀念呢？

所以，我們提出了這樣的想法：將經濟學概念與EXCEL結合，用數字展現出生活常識與經濟觀念，特別是買賣觀念貫串出經濟學的想法。

為什麼你願意買？為什麼你願意賣？
你買(賣)東西的行為如工業工程的生產流程一樣，被分解開來，然後被觀察，找出關聯與原則來，轉變成數字，反映心理活動與外在表現。

這代表著經濟學的課程可以重新被設計，切割成
大一：需求供給模型一套
大二：最適化理論一套
大三：市場結構一套
大四：應用模型一套
碩一：數理模型的最適化理論一套
碩二：數理模型的市場結構一套
博士班：數值模擬與隨機動態模型一套


以上的課程切割僅就個體經濟學為主軸。如果是國際貿易，那可以算是應用模型系列，變化多端，就像股市分析技術可以配出不同的技術指標或不同長短時間的搭配使用。

這些課程更重要的是除了理論知識的傳授外，更需要輔助電腦技能幫助學生建立一課兩套的訓練。在理論知識了解後，繪製出圖像式觀念，轉變成流程圖，建置出數字與圖表，形成應用分析。

甚至可以形成一課雙師的方式進行授課，讓課程不是只有理論課程，同時也帶了技能，如此達到了經濟資訊實作的理念，同時也符合業界的人才需求：理論+技能實務

學習經濟學不會是空談，而會是實際實務的應用！！

大數據人才培訓方向

2015年大數據的人才需求看似都是工程師類，實際真實狀況卻是，工程師可以找到，寫程式也沒問題，但是資料怎麼分析卻沒有人可以分析。如果說財經資料最龐大，華爾街早已經使用大數據分析財經走勢，那麼這肯定也是金融海嘯後的事情了。

大數據需要的技能可分為四類：

• 資料分析(data analysis)
• 資料取得(data acquisition)
• 資料探勘(data mining)
• 資料結構(data structures)

最根本的問題還是在於

• 大數據怎麼定序？
• 大數據該怎麼分析？

當上面兩個問題解決了，那麼軟體才可以著手進行撰寫。根據大數據定序方法，將其以母體方式討論，只有對與錯的分別，沒有任何的模糊地帶，這才是大數據告訴我們的真相。於是公司的營收與背後的製程將成為隨機變數與機率分配，透過資料形成的機率分配進行測定，了解各隨機變數之間的因果關係，從而為公司提供最佳的決策意見，甚至公司可能發生的問題也可從中發現。

不過有趣的是，無論是Cisco、IBM、Oracle與各自的供應商、合作夥伴或供應鏈的公司群都增加對大數據的人才需求，唯有IBM反而是減少。

資料來源：富比世雜誌

其實這是因為IBM走行銷而非研發，更進一步來說，IBM並沒有需要大數據分析人才。
有意思的點是IBM的廣告多是提供顧問服務，若顧問服務不需要分析，那麼IBM就沒有需要大數據分析人才。

但是，大數據代表公司的所有資料，IBM不需要公司的所有資料就能夠分析出公司所有完整狀況，提供公司顧問服務，這顯得有點矛盾。

因此，可以知道IBM只走行銷路線！
缺少大數據分析的顧問服務，對IBM將是很大的衝擊！

另外一點就是美國的幾家大公司都認為大數據人才需求必須具備的技能都是電腦程式，不過，電腦程式工程師是否也是統計專家或財經專家，這有待商榷。

所以大數據人才培訓的方向，除了程式工程師外，更重要的是基礎的研究人才：分析人員！
大數據分析師將是成為主要的人才之一，偏偏都缺少了這樣的人才培訓。

問題在於人員看到大數據，但沒有軟體可以分析，想要讓軟體出現，又需要人員對資料定序，定序的原則須符合統計原則，就像雞生蛋、蛋生雞的問題一樣。

即便如此，分析人員在沒有大數據可以分析下，可以透過適度大的數據資料，經由分析之報表，練習如何解讀公司現況或是金融現況，從而推導出未來可能發生狀況或走勢，進而訂出策略。

人才培訓概念

基礎人才與中階人才都是屬於實務人才，所以在訓練基礎人才與中階人才時給與他們的訓練就是屬於技能性的訓練，讓他們可以在職場上具有未來三至五年的存活技能。例如：Word排版能力、文字組織能力、EXCEL分析能力、簡報說明能力、專業基本知識能力等。

不過，相比於基礎與中階人才，高端人才可分為兩種，一種是實務人才，另一種則是基礎研究人才。高階實務人才就是目前所見的CEO，而多出來的基礎研究人才，則是做高端研究的人員，這類人員是走在所有實務之前，就如同是開路先鋒一樣，先在各領域研究出新的理論，並且在理論與實務之間還有一層人員進行如何將理論轉為實務的資訊人員。

這群資訊人員將理論轉為實務可用的系統後，這些系統就會被使用在適用的行業內。

因此，在教育體系內同樣也該運用如此方法去落實人才的培訓機制。以目前從高中職、大學、研究所等體制來看，各科系所設計出來的課程規劃多是多種人才的部分技能訓練，換言之，如果就讀單一科系的話，那些人員進入職場就會產生巨大的職能落差。

現階段的人才訓練不是單一科系培訓出來的人員就可以進入職場，反而需要接受更多的訓練後才能上手他們的工作內容。也就是說，現在的工作內容與校園職能培訓並沒有對等上，多數技能都是需要多種不同領域的課程組合在一起，並且內容需要搭配多種能力的訓練。所以在制定所謂核心能力或專業能力的訓練時，更需要注意課程連接性與職場契合度。

例如，基礎課程會是眾多進階課程的基礎。基礎的內容又如何與進階內容結合，可以讓進階內容不需要再次說明基礎內容，如此既可以省時，又可以有效率地讓人員吸收課程內容。

補習班的興起就是課程內容的整合度夠，課程內容各單元間的連接性夠，可以有效率地讓人員吸收課程內容。雖然學歷逐漸無效了，但歸納其原因不外乎就是學習的內容過於理論，流於表面。最終詢問他們在高等教育下學習到什麼可用的內容時，皆是無法答覆出個所以然。當進入職場的新進人員連自己所學習的內容都無法自己整理後說出，那麼等於是他們學習過程沒有任何效果。

教育體制的改革是有必要性的，但是卻不需要繼續僵固下去。
我國培育的人才是為了讓人民在職場上存活，更甚者是可以成為終身志業。絕非現在所見的一灘死水，或是捨教育體系而就證照體系。

最近美國MIT的教授Andraw Lo也鄭重對美國提出報告書，指出美國的科學研發支出下降，影響美國未來的競爭力，特別是其他地區，如歐盟與中國，對科學研發支出的比重持續增加中。

而我最近也有看到過去是計量經濟學指標性期刊Econometrica，最新一期的內容竟然將應用性的論文放在前面三篇，回想過去吾輩之人看到Econometrica無不以崇高的態度去看待，因為那裏頭的內容多是高深的數學模型推導出來的眾多理論結果，進而持續推動計量經濟學的演進。但此次，卻讓我失望了，實務性、應用性的文章做為前三篇論文，這是否顯示計量經濟學的工具已經沒有進步了。

在這樣的急迫又摸不著邊際的時代下，你想學什麼？你想成為怎樣的人？
沒有人將套餐配好給你，並且適用於特定的行業。
這也讓我想起最近要來台灣開發市場的中國商家【海底撈】，本業是火鍋，卻另外提供很多免費的服務。試想我國的教育體制，本業是教育，但是學生就讀一個科系後即使讀完科系之課程後，卻只部分符合業界人才需求。這樣的人才放在全世界恐怕也是不足以立即在職場上生存，而需要較多時間在磨合與培育自己。

請問教育體系的主導人員們：
下一個10年人員培訓計畫，你們準備好了嗎？