在数字经济加速发展的背景下，商业分析正在经历深刻变化。作为第六届美团商业分析精英大赛学术顾问，上海财经大学统计与数据科学学院院长冯兴东教授在采访中表示，技术演进正在重新定义商业分析人才的培养标准。问题的关键在于，传统培养方式与行业实际需求之间存在差距。冯教授指出，过去财经类院校统计专业学生普遍“重理论轻实践”，在工程落地和实际应用上相对薄弱，这也成为能力提升的主要障碍。早在十年前，学院就已注意到此趋势，并在研究生复试中增设了编程能力测试。 造成差距的更深层原因，是技术环境在短时间内发生了巨大变化。近年来智能化技术快速发展，自动编程能力明显增强，使得传统教学中强调的基础编程技能相对不再稀缺。冯教授认为，当下更需要的是既理解业务逻辑，又能把想法转化为可落地方案的复合型人才。 这一趋势也对高校课程体系提出了新要求。冯教授分析，“一人一公司”式的创业模式正在成为现实，其前提是对业务流程的准确理解和对痛点的有效识别。因此，传统《数据结构》《数据库》等课程设置需要重新审视，教学重心应从技术细节的堆叠，转向分析思维与业务能力的培养。 针对这些变化，冯教授提出了更系统的改革思路：一是适当精简传统计算机课程内容，并将自动编程等新技术融入教学；二是强化面向真实业务任务的课程设计，例如围绕供应链管理等场景组织教学；三是把创新思维与业务理解作为培养重点。通过“任务驱动型”教学，学生更容易在学习过程中建立与行业需求的直接连接。 展望未来，冯教授认为，这轮调整将推动统计学科向更务实、更贴近应用的方向发展。随着培养模式转型，新一代商业分析师有望具备更强的实践能力与创新能力，为数字经济提供更匹配的人才支撑。同时，这也将促进高校与企业在人才培养和课题实践上的更深合作，形成更顺畅的产学研互动。
大模型技术的兴起并非对传统学科的否定，而是对教育方式的一次提醒。在该关键节点——高校需要看到——核心竞争力不在于让学生熟练掌握某一种工具，而在于培养他们理解业务、提出问题并解决问题的能力。从“技术中心”转向“业务中心”，不仅会重塑高等教育的价值定位，也将为产业升级提供更适配的人才支持。