信息管理與信息系統專業大數據分析人才培養模式研究

呂成功 魏亞雙

摘要：在大數據時代背景下，大數據分析能力已成為企業的核心競爭力，企業對大數據分析人才的需求不斷增加，如何培養此類人才成為信息管理與信息系統專業亟待解決的問題。首先提出大數據人才能力結構模型，分析大數據相關人才能力的市場需求情況，比較大數據人才與信息管理與信息系統專業人才的能力特征，分析該專業培養大數據分析人才的優勢與不足，在此基礎上，提出大數據分析人才應具備的知識能力結構。最后，該文建立面向項目實踐的信息管理與信息系統專業人才大數據分析能力培養模式。

關鍵詞：大數據分析；信息管理與信息系統；人才培養

中圖分類號：G434 文獻標識碼：A 文章編號：1009-3044（2018）03-0123-03

Abstract： In the context of big data era， big data analysis capability has become the core competitive ability of firms. The need to big data analysis talents is increasing continuously. How to train this kind of talents has become a problem which has to be settled urgently. First， present a structure model for the capabilities of big data talents， analyze the market demand of these talents， compare the capabilities of big data talents and those of information management and information system talents， analyze strengths and weaknesses in training big date analysis talents in this major， then， on the basis of all the work above， achieve the knowledge and capability structure which should be owned by big data analysis talents. In the end， build a big data analysis capability cultivation mode facing practical programs for the talents who major in information management and information system.

Key words： Big Data Analysis； Information Management and Information System； Talents Cultivation

近年來，大數據時代的到來為經濟發展帶來了新的機遇，社會對大數據人才的需求進一步增加，大數據人才短缺問題凸顯。分析挖掘數據價值已成為企業發展的新動力，企業對大數據分析人才的需求不斷增加，并對其提出了更高的要求。據麥肯錫預測，美國到2018年對數據相關管理人才的需求量大約為150萬人，其中，需要14～19萬的數據分析專家[1]。2015年，我國業界專家估算：未來五年，我國大數據人才需求至少為100萬人，而目前大數據人才儲備量尚不足10萬人[2]。如何培養大數據人才以滿足需求成為我國現階段亟待解決的問題。

針對大數據人才短缺問題，美國哥倫比亞大學、加州大學伯克利分校、華盛頓大學等均開設《數據科學導論》課程，紐約大學、南加州大學、英國鄧迪大學設立“數據科學”碩士學位，復旦大學、香港中文大學、清華大學等國內頂尖高校也在數據科學領域設立學科或開設課程[3]。我國在設立數據學科方面尚處于起步階段，尚未形成完備的大數據人才培養體系，且不同應用領域對大數據人才的能力需求也有很大的不同，無法以統一的標準來培養大數據人才，大數據人才的培養還存在著一定的困難。喬治.魯米里奧蒂斯認為，大數據人才的首要能力并不是統計和分析能力，而是跨界能力：即具備扎實的數學、統計學、概率論和計算機基礎，并兼具商業知識和分析消費者需求的能力[4]。大數據相關專業應結合各自的特點，發揮自身優勢，同時注重跨界能力，培養具有不同能力特征的各類大數據人才。信息管理與信息系統（以下簡稱“信管”）專業作為大數據相關專業之一，應順應時代發展的潮流，發揮優勢、改進不足，培養大數據分析人才以滿足社會需求。

1 信管專業大數據分析人才培養優劣勢分析

信管專業要實現大數據分析人才的培養目標，首先要分析社會大數據人才的需求特征、大數據人才需具備的能力。然后要分析信管專業人才的能力特征，發掘其與大數據人才能力的交叉點，并進一步分析信管專業在大數據分析人才培養方面的優勢與不足，為大數據分析人才培養模式的研究提供依據。

1.1 大數據人才能力分析

本文依據大數據人才能力的不同層次，將其分為三個類別即大數據工程技術人才、大數據分析人才和數據科學家，分析市場所需的大數據人才的能力，其相關能力要求如圖1所示，據此進一步分析各類人才的主要能力特征比較如圖2所示：

1） 大數據工程技術人才。這類人才主要負責數據平臺的搭建和運維，數據的收集、整理、存儲以及清洗、組織等大數據處理工作。大數據工程技術人才應具備編程能力，熟練使用Hadoop、MapReduce等技術平臺，掌握ETL技術對數據進行有效篩選、構建數據倉庫等各類大數據處理技術，具有較強的技術背景。

2） 大數據分析人才。此類人才通過數據分析挖掘來輔助高層的決策工作、預測相關趨勢。大數據分析人才需精通數據分析語言R、Python等、能夠熟練運用工具進行數據分析挖掘工作，并且對統計學、管理學、社會科學等學科有較深刻的理解，具有大數據分析能力，能夠發掘數據中蘊含的事實，對行業未來進行有根據的預測，利用數據輔助決策，且通常具有較強的溝通能力，能夠與客戶建立信任度。

3） 數據科學家。數據科學家善于研究并編寫優秀算法，熟悉大智能知識、善于建立數據模型，具備良好的溝通能力，具有遠見與洞察力，能夠從數據中發現價值，是相對于數據技術、分析人才而言，更高層次的大數據人才。專家學者對數據科學家都有自身的見解，例如學者 Chris Wiggins 認為數據科學家應該具備三大能力：分析能力、技術能力、溝通合作能力，認為數據科學家不僅能夠利用統計工具和數學工具進行數據分析與可視化，還要具有一定的技術能力和溝通交流能力[5]。數據科學家作為大數據高端綜合人才，通常具備深厚的教育背景，質優量少，嚴重供不應求。

綜上，大數據工程技術人才側重于技術工具的運用，對大數據處理技術能力要求較高；數據科學家，能夠編寫優秀的算法、創建數據模型、發現數據價值，具有深厚的教育和研究背景；大數據分析人才須熟練使用數據分析挖掘工具，利用數據分析結果預測趨勢、輔助決策，要了解業務知識，具備溝通和管理能力。

1.2 信管專業人才能力分析

信管專業現階段的人才培養方向主要有信息系統管理工程師、產品經理等人才類型，各類人才的主要能力類型如圖3所示：

信息系統管理工程師作為信息系統的開發、維護與管理人員，要求具有編程和算法能力，基礎知識扎實，具有信息系統開發運維能力、數據管理與信息分析能力；產品經理是一類綜合管理型人才，要求在掌握基礎知識、了解各類底層技術的基礎上，熟悉業務知識，還要兼具管理能力、遠見與洞察力。

1.3 信管專業在大數據分析人才培養方面的優勢與不足

信管專業培養大數據分析人才優勢如下：第一，信管專業人才具備編程和算法能力，有信息系統平臺開發經驗；第二、信管專業人才掌握廣泛的業務知識，管理能力突出，可以將數據分析工作與企業業務聯系起來，從而提高數據分析的準確性和效率；第三，信管專業人才溝通能力強，能夠高效準確地將數據分析結果傳達給非數據分析專業人員、如企業的決策者等；第四，信管專業人才具備一定的數據管理與信息分析能力，對于大數據的分析有基礎作用。

信管專業人才與大數據分析人才的能力結構相比也存在不足：第一，信管專業人才的數學和統計學思維能力不足，數據可視化能力也比較欠缺；第二，在大數據的時代背景下，信管專業人才已有的數據管理與信息分析能力遠不能滿足大數據分析人才對數據分析能力的要求。

2 大數據分析人才的知識能力結構

對于信管專業大數據分析人才而言，數據分析和管理的綜合能力是數據分析人才的核心競爭力；數學統計學思維、編程以及數據可視化能力也是不可或缺的重要部分；而在數據建模能力和大數據處理技術能力不作重點要求。結合大數據人才的市場需求情況以及信管專業的培養優勢與不足，提出大數據分析人才的知識能力結構，將信管專業大數據分析人才知識能力分為五個維度，如圖4所示：

1） 數學和統計學思維能力。數學和統計學思維是大數據分析的基礎，對于分析預測具有至關重要的作用。數學思維往往能促進數據工作者發現數據特征和趨勢從而更好的發掘數據價值。描述性分析、回歸分析、聚類分析、主成分分析等統計分析方法是數據分析處理的有力工具。高校信管專業除了進行課堂教學以外，監督學生加強課后練習與擴展，以此提高學習精度與應用知識的能力，鍛煉數學與統計學思維。

2） 編程能力。編程能力已成為數據工作領域最基本、最普遍的能力，學習編程，不僅要學習這門語言，而要明白從需求收集到分析、編程、再到測試、維護的整個過程。編程能力的提高需要大量的練習和積累，可引導信管專業學生自行學習優秀教材，安排課堂上機練習，并為學生提供課下練習機會和場所，設置相關任務對其進行考核。

3） 數據分析挖掘能力。挖掘數據價值是大數據分析人才的核心能力，可以輔助決策者進行決策、預測市場趨勢。大數據分析人才都應能夠熟練使用如R、Python等主流數據分析工具進行數據分析與挖掘工作，并要掌握大量的數據分析方法和模型。高校信管專業可為學生提供大數據分析相關的實踐機會，設置項目實踐任務并對其驗收考核，通過實習實踐，增強信管專業人才數據分析與數據挖掘能力。

4） 數據可視化能力。可視化是利用諸如圖形、表格或報告等形式將有意義的數據分析成果和分析人員相關見解清晰地表現出來，讓非數據型專業人才如決策者、客戶等能夠清楚的理解數據分析的結果。數據可視化是數據分析成果的表現過程，在整個數據分析過程發揮價值的過程中具有不容忽視的作用，信管專業可設置相關能力培養課程，并為人才提供實踐的機會。

5） 業務知識與溝通能力。分析的目的在于指導業務實踐，豐富的業務知識有助于更有針對性的發揮數據分析的作用，而溝通能力讓信息的傳達更有效。除課堂知識外，學生可通過參加項目實踐和校外實習實踐學習業務知識、鍛煉溝通能力，提高社會競爭力。

3 大數據分析能力培養模式

為了滿足社會對大數據分析人才的需求，培養信管專業人才的大數據分析能力，除了開設相關課程外，項目實踐具有至關重要的作用，本文以項目實踐為主線，建立從指導、監督實施到結果控制的大數據分析能力培養體系，如圖5所示：

項目實踐旨在通過實踐活動培養人才的大數據分析能力，主要分為三個環節：第一、建立能力培養體系，確定整體方向，規定具體實踐過程與方法，為后續的實踐工作提供基礎；第二、按照時間階段安排實踐內容，從簡單到復雜實現層層遞進，邊實踐邊反饋，培養信管專業人才大數據分析能力；第三、在項目實踐全部結束后，進行實踐成果評價，為以后的實踐工作提供指導。三大環節緊密聯系，共同構成大數據分析能力培養模式。

第一環節：培養過程體系化。

制定大數據分析能力培養計劃，將大數據分析能力培養過程按時間劃分為三個階段，邊學習邊實踐，同時不斷改進實踐過程。第一學年開始至第二學年，利用課下大作業形式進行實踐訓練，主要培養學生的邏輯思維、統計思維、大數據思維。第二學年至第三學年，在專業課學習過程中，安排學生進行小型數據分析項目實踐，提升學生專業技術能力。第三學年開始，進行較復雜的綜合項目實踐，通過引導學生，小組合作，全面提高學生大數據分析能力。各個階段要進行及時的評價與反饋，不斷改進計劃實施過程，大學四個學年形成緊密聯系的大數據分析能力培養體系。

第二環節：項目實踐過程安排。

根據四個學年內對信管專業人才的培養階段不同，從思維和基本能力的訓練到綜合大數據分析能力的養成，項目實踐過程由淺及深，主要分為三大步驟：

1） 簡單項目實踐，這一階段重在分析思維的養成，主要安排在第一到第二學年，可通過布置具有綜合性的大作業等形式拓展學生思路，項目通常較為簡單，為后續的綜合實踐奠定基礎。

2） 小型綜合項目實踐，這一時期，專業課程正陸續展開，學生的基礎知識基本扎實，也具備了一定的分析思維，這時逐漸擴大項目規模，組織學生進行小規模綜合項目實踐，進一步提高大數據分析能力。

3） 復雜綜合項目實踐，在前兩個階段的基礎上繼續擴大項目范圍，從第三學年開始。高校可與企業合作，從企業獲得大數據分析領域待解決的問題，確定項目，規定合理的項目起止時間，要求學生進行自由組隊，分析問題，提出解決方案，并進行項目實踐。

第三環節：實踐成果評價。成果評價是對教師在實踐訓練中教學質量以及學生的學習效果的綜合檢驗。項目時間截止后，組建專門的實踐成果評價團隊，綜合分析各項目成果，根據產出成果以及學生表現和貢獻分別對各組成員進行分數評定，并據此對教師的教學指導成效加以評定，最后進行綜合評價，找到學生的優勢所在，同時找到不足之處引導其加以改進。將實踐過程不斷改進更新，提高教師教學能力，增強信管專業學生的大數據分析能力。

4 結論

在大數據時代的浪潮下，將信管專業發展成為面向大數據分析人才培養的專業已成為大勢所趨。高校要抓住大數據時代的發展機遇，促進信管專業的轉型發展，將信管專業人才培養為理論知識豐富、實踐經驗充足，具備卓越的大數據分析能力，掌握商業業務知識和管理技能，能夠為社會提供源源不斷強大支持的智能大數據分析人才，促進我國社會的發展進步。

參考文獻：

[1] 閆娜. 大數據視角下信息管理與信息系統專業建設研究[J]. 圖書館學研究，2013（11）：9-12.

[2] 陳桂龍. 九三學社中央：加強大數據人才隊伍建設[J]. 中國建設信息，2015（7）：21.

[3] 朱揚勇，熊贇. 大數據時代的數據科學家培養[J]. 大數據，2016（3）：106-112.

[4] 《哈佛商業評論》：數據科學家，二十一世紀最性感職業[J]. 21世紀商業評論，2012（19）：17.

[5] 迪莉婭. 高校數據科學專業碩士課程設置研究[J]. 教學研究，2014（6）：39-43+124.

[5] 馬海群，蒲攀. 大數據視閾下我國數據人才培養的思考[J]. 數字圖書館論壇，2016（1）：2-9.

[6] 汪祖柱. 大數據背景下的信息管理與信息系統專業課程建設[J]. 宿州學院學報，2015（2）：119-122.

[7] 王有剛，胡笑梅. 信息管理與信息系統專業本科生實踐能力培養模式探討[J]. 赤峰學院學報：自然科學版，2014（16）：186-188.