一、专业简介
本微专业紧扣国家数字中国建设战略，顺应数字经济与人工智能融合发展趋势，贯彻落实《关于加强数据要素学科专业建设和数字人才队伍建设的意见》精神。基于OBE理念，以“AI协同的数据驱动决策”为核心，构建“业务场景→数据获取→AI工具→多维分析→战略落地”的完整的培养闭环。专业整合数据科学、工商管理、计算机技术与人工智能等多学科资源，面向数智化转型发展需求，培养“懂业务、精技术、会AI、能决策”复合型数据分析人才。
二、培养目标
本微专业以OBE理念为指导，立足数字经济产业岗位能力需求，围绕数字经济与人工智能赋能实体产业的发展需求，构建以“数据技术应用+AI工具实操+商业分析能力+决策转化能力”为核心的人才培养目标体系。通过整合跨学科教学资源与产业实践资源，培养学生掌握商业数据分析核心理论、熟练运用AI分析工具，能在真实商业场景中通过数据与AI技术解决定价、库存、投融资、营销等多层级商业决策问题，具备良好商业数字素养与职业伦理意识的应用型数据分析人才。
三、学制、学分与结业要求
学制1年,共15学分,学生在规定时间内修满培养方案规定的全部课程且考核合格后，可获得九江学院商业数据分析与决策微专业学习证明书。
四、课程设置与教学计划
共设置6门课程（共15学时，其中理论152学时、实践80学时）。独立开班，每学期集中在周六、日上课。
| 课程名称 |
课程代码 |
学分 |
总学时 |
学时分配 |
考核方式 |
开课学期 |
周学时 |
起止周 |
授课单位 |
| 讲授 |
实践 |
线上 |
线下 |
| 商业数字素养导论 |
61721401 |
1 |
16 |
16 |
|
|
16 |
考查 |
2026-2027（1） |
2 |
1-16 |
北京中云国创数据科技有限公司 |
| 战略管理与产业分析 |
61721402 |
3 |
48 |
32 |
16 |
12 |
36 |
考查 |
2026-2027（1） |
3 |
1-16 |
管理学院 |
| 商业数据科学 |
61721403 |
3 |
48 |
32 |
16 |
12 |
36 |
考查 |
2026-2027（1） |
3 |
1-16 |
计算机与大数据科学学院/管理学院 |
| 数智化运营管理 |
61721404 |
2 |
32 |
16 |
16 |
10 |
22 |
考查 |
2026-2027（2） |
2 |
1-16 |
管理学院 |
| 商务数据挖掘与分析 |
61721405 |
3 |
48 |
32 |
16 |
12 |
36 |
考查 |
2026-2027（2） |
3 |
1-16 |
管理学院 |
| 数据商业决策模型 |
61721406 |
3 |
48 |
32 |
16 |
12 |
36 |
考查 |
2026-2027（2） |
3 |
1-16 |
管理学院 |
| 总计 |
15 |
240 |
160 |
80 |
58 |
182 |
|
|
|
|
|
五、课程简介
| 序号 |
课程名称 |
课程简介 |
| 1 |
商业数字素养导论 |
本课程作为微专业入门先导课，旨在帮助学生建立正确的商业数据思维。课程将深入浅出讲解国家数据要素政策、数据伦理规范、数据安全与隐私保护等核心内容，结合前沿商业案例与课堂研讨，引导学生理解数据在商业场景中如何驱动创新与决策。教学采用案例分析与课堂研讨相结合的模式，通过真实商业案例启发学生思考数据价值，借助课堂辩论与小组讨论强化其对数据伦理困境的辨析能力，为后续专业学习筑牢思想与伦理基础。 |
| 2 |
商业数据科学
|
本课程为微专业的技术基础课，通过Python数据分析工具，帮助学生从零基础掌握数据处理技能。课程内容涵盖Python编程基础，并重点讲解Pandas、NumPy等核心库在数据采集、清洗、转换和整合等数据处理过程中的实际应用。教学设计采用“理论讲解+AI辅助编程+商业场景应用”的方式，教师在讲解编程基础和核心原理后，通过AI辅助编程工具引导学生进行编程实践，使学生能够在真实商业场景中应用所学知识。通过反复操作与实践，学生将深化对工具和技术的理解，确保能够熟练运用技术工具，为后续的商业分析和决策提供有力支持。
|
| 3 |
战略管理与产业分析 |
培养学生的宏观商业视野，系统讲授战略分析、战略制定与战略实施的核心框架，涵盖内外部环境分析、竞争战略、公司层战略等经典理论，帮助学生理解企业决策的底层商业逻辑，学会从战略高度审视数据价值。教学采用理论讲授与案例研讨相结合的方式，通过剖析江西省“1269”、九江市“9610”产业，以及知名企业战略转型与决策案例，引导学生将理论应用于实际场景，提升全局观与战略思维，为后续将数据分析结果转化为战略建议提供坚实逻辑支撑。
|
| 4 |
商务数据挖掘与分析 |
本课程作为连接技术与业务的核心课程，分模块培养学生商业数据分析与解决实际问题的能力，基础模块涵盖描述性统计分析，重点讲授Python、Excel及BI工具在数据可视化、核心指标计算与业务洞察中的应用，以销售、运营等商业场景为背景，通过项目制教学引导学生完成从业务理解、数据处理到可视化呈现的全流程实践，掌握数据分析到决策支持的系统方法；进阶模块聚焦预测性分析能力提升，系统讲解聚类、分类、回归等主流机器学习算法，结合客户分群、销量预测等商业场景挖掘数据规律、构建预测模型，采用“算法原理+案例实战”模式，指导学生运用Python的Scikit-learn库完成建模、评估与调优，让学生既理解算法原理，又能实现算法在实际商业问题中的落地应用，全方位培养学生解决复杂商业问题的综合能力。
|
| 5 |
商业数据决策模型 |
本课程聚焦复杂大数据环境下的商业量化决策，深度融合AI人机协同理念，依托Python及各类AI分析工具，系统讲解如何将数据分析结果落地于定价决策、库存优化、营销预算分配、投融资决策等多层级商业决策场景。课程中指导学生结合AI工具构建专业决策模型，通过AI辅助完成模拟计算、多维度方案优化等工作，借助AI的算力与分析优势提升商业决策的科学性、准确性与效率；教学设计采用“案例研究+AI工具模拟演练”模式，围绕企业定价、库存、投融资等真实决策案例，引导学生通过AI人机协同的方式搭建量化决策模型，利用AI工具对不同决策方案进行仿真比较、智能评估，最终结合AI分析结果形成可落地的数据驱动决策建议，培养学生基于人机协同解决复杂商业决策问题的核心能力。
|
| 6 |
数智化运营管理 |
本课程聚焦于数字化转型背景下的企业运营优化，探讨如何利用数据分析技术提升企业的核心运营流程，包括供应链管理、客户关系管理和流程优化等。学生将学习如何识别运营中的瓶颈，并运用数据技术设计优化方案，以提升运营效率和企业竞争力。教学设计采用“理论框架+商业案例”的方式，在讲解数字化运营优化的理论框架后，通过分析制造、零售等行业的商业案例，帮助学生针对具体运营场景设计数据驱动的解决方案，从而实现理论与实践的深度融合。
|
六、教学团队简介
| 姓名 |
出生年月 |
学历 |
职称 |
职务 |
主要从事专业 |
授课课程 |
所在单位 |
| 许松涛 |
1973.12 |
博士 |
教授 |
院长 |
会计学 |
商业数据科学 |
管理学院 |
| 戴雯杰 |
1978.9 |
硕士 |
讲师 |
教研室主任 |
管理科学与工程 |
商业数据挖掘与分析 |
管理学院 |
| 李建波 |
1982.7 |
本科 |
高管 |
总监 |
商科大数据 |
商业数字素养导论 |
北京中云国创数据科技有限公司 |
| 郭景娟 |
1978.8 |
博士 |
教授 |
教研室主任 |
大数据 |
商业数据科学 |
计算机与大数据科学学院 |
| 刘婷 |
1979.4 |
博士 |
副教授 |
|
商业数据挖掘 |
商业数据决策模型 |
管理学院 |
| 熊剑春 |
1971.11 |
硕士 |
副教授 |
|
数据挖掘与分析 |
商业数据决策模型 |
管理学院 |
| 欧阳满花 |
1982.8 |
硕士 |
讲师 |
|
RPA财务机器人 |
商务数据挖掘与分析 |
管理学院 |
| 谈俊宏 |
1994.8 |
博士 |
讲师 |
教研室副主任 |
运营管理 |
数智化运营管理 |
管理学院 |
| 尹小勇 |
1980.6 |
博士 |
讲师 |
教研室主任 |
战略管理 |
战略管理与产业分析 |
管理学院 |
七、招生对象及选拔方式
（一）招生计划
2026年招生人数为30人，最低开班人数20人。
（二）招生对象及要求
面向全校大二、大三全日制本科在校生招生。主修专业学有余力、对商业数据分析与决策有浓厚兴趣，且具备一定数理基础和信息素养者均可报名。
（三）选拔方式
按主修专业学科综合成绩排名，择优录取。
八、联系方式
联系人：戴老师 联系电话：13767259550
地 点：管理学院智能会计教育实训中心立信楼615B
