7月19日，为探究数学专业人才在数据科技领域的应用现状与发展前景，数智未来调研团成员走访了年华数据科技有限公司，与公司总经理姚滔展开深入访谈。姚滔总经理结合企业业务实际，分享了数学专业人才在数据科技领域的作用、企业对人才的需求标准以及校企合作的见解，为理解数学与数据科技的融合发展提供了实践视角。
年华数据科技有限公司的核心业务主要分为两大块：一是自研数据中台产品，这一平台如同数据的 “中央厨房”，能够对接各类数据库，汇集多方数据后进行业务分析、建模建库，最终为应用端提供数据支撑，就像咖啡店通过汇总各门店订单数据来分析消费偏好，从而优化仓储配送与定价策略；二是基于该平台为客户提供数据开发服务，包括数据建模等，例如通过复杂的统计分析，将不同业务系统的数据转化为有价值的信息，为客户决策提供支持。公司的服务对象涵盖运营商（如中国移动、中国联通，助力其分析用户消费与流失情况以制定政策）和政府部门（在智慧城市建设中，支撑 “一网统管” 实现城市全貌实时掌握、“一网通办” 推动数据共享减少民众跑腿）等。
在公司的业务运营中，数学专业人才主要在数据建模和数据分析方面发挥作用。他们凭借较强的数学逻辑性，能完成多维度的统计分析；同时，数学背景带来的数据敏感性也至关重要，能及时发现数据中的不合理之处，比如快速识别 “一家咖啡店一天卖出 100 万杯咖啡” 这类异常结果。此外，将实际需求转化为逻辑步骤的条理性，也是数学人才的一大优势，如同使用大模型时，能精准描述需求而非模糊表述。
目前，公司的研发岗、数据开发岗，甚至财务、销售岗都适合数学专业毕业生。其中，数据开发岗负责数据建模，要求具备统计分析能力，能将业务数据转化为有价值的分析结果；研发岗写代码虽无需过深的数学知识，但需要清晰的逻辑和条理。总体而言，理解数据模型、掌握统计分析方法，能为决策提供指标数据是核心要求。姚滔总经理强调，民营企业更看重应用能力和基础技能，业务层面有数学背景是加分项，但数学算法并非公司运作的核心基础，不像大型企业那样需要专门部门研究高深算法。
谈及未来对数学专业人才的需求趋势，姚滔总经理表示，需求肯定存在，但更倾向于复合型人才。纯数学专业人才若不会写代码、不懂业务，难以满足企业需求；而 “数学 + 计算机” 的复合型人才，比如既懂算法又会用 Python 调参，或兼具数学能力与大数据业务知识的人，因上手快而更受青睐。需求数量虽不会减少，但企业会更注重人才的 “实用性”，即能快速投入工作且具备认真负责的工作态度。
对于数学专业人才需具备的能力，姚滔总经理认为，首要的是将现实需求转化为抽象逻辑的能力，这是核心且困难的环节，相比之下，后续用代码呈现逻辑、通过数据流动实现需求则相对简单；其次是认真负责的工作态度；再者是实践能力，需要多参与项目，用真实数据锻炼；团队协作能力也不可或缺，毕竟项目推进依赖团队合作；此外，数据敏感性（能迅速察觉异常数据）和运用大模型工具搭建知识库的能力（如利用腾讯 IMA 整理信息）也很重要。
展开全文
在与高校的合作方面，公司曾与贵州的高校开展过实习合作，但效果欠佳，不少学生实习仅是为获取证明。姚滔总经理表示，企业更希望与高校开展课程合作，将数据中台操作、数据建模案例等转化为选修课，实现定向培养，不过此前与贵州大学的合作因高校课程调整复杂、成本问题未能达成。他认为，当前高校培养的数学专业学生与企业需求存在明显差距，主要体现在重理论轻实践：学生可能掌握数据库理论，却不会使用 Excel 高级功能；即便 985 院校毕业生，理论功底扎实，但在数据中台建模时仍可能无从下手，需要重新培训。同时，学生对大模型的运用也局限于搜索功能，缺乏利用其搭建知识库、分析数据的能力，这都是实践不足导致的。
若开展深度合作，姚滔总经理认为最需要的是深度实训。例如，在大三、大四阶段，企业派工程师进校园授课，使用真实案例和脱敏数据（如非敏感订单数据）让学生参与完整项目流程（从数据汇集到建模）；或让学生直接加入企业小项目，边做边学，这样优秀学生毕业后可直接上岗，减少企业培养成本，而非仅仅挂 “实训基地” 的牌子。对于高校数学课程设置和实践教学，他建议多增加实践环节、减少纯理论讲授，比如开设数据建模实战课程，提供脱敏数据供学生练习；在教授 Python、SQL 等工具时结合具体场景，同时加强 Office 三件套（Excel、Word、PPT）和大模型提示词撰写等职场刚需技能的教学。
姚滔总经理还指出，数学专业人才在跨学科融合方面有巨大潜力未被充分挖掘。比如 “数学 + 金融” 可投身量化分析，像梁文锋将量化领域的算法积累应用于大模型开发，推动了行业发展；“数学 + 自动驾驶” 能参与视觉数据处理的数学模型构建；在数据要素流通领域，设计数据价值评估模型以保障数据安全交易，也离不开数学能力。从企业用人角度，他建议数学专业人才应向复合型方向发展，可选择 “数学 + 人工智能算法模型”“数学 + 大数据模型”“数学 + 计算机” 等路径。若侧重技术，需补充编程和算法调优能力；若侧重业务，则要学习行业知识以理解数据对决策的支撑作用。毕竟企业需要的是能解决实际问题的人才，而非仅懂理论者。
此次访谈从企业实践出发，展现了数学专业人才在数据科技领域的应用场景与发展路径，也为高校人才培养与企业需求的精准对接提供了有益参考。
—end—
来源｜数智未来调研团
编辑丨吴维婷
审核｜崔巍返回搜狐，查看更多