基于大數據技術的計算機應用人才培養模式研究

摘? ?要：隨著社會的發展與進步，對于計算機應用人才的需求也越來越高，社會需求往往跟人才培養容易造成供需矛盾，為了滿足社會發展需求，近年來計算機人才培養模式也發生了轉變。為了滿足于大數據技術相關崗位人才需求，文章基于大數據技術的計算機應用人才培養模式做出研究分析。

關鍵詞：大數據技術;計算機應用人才;培養模式;研究分析

隨著信息互聯網時代的到來，云計算、大數據、移動互聯網等技術也得到了空前的發展。據不完全統計，到2018年，全球范圍內的大數據崗位將出現14～19萬相關性人才缺口。而根據我相關機構調查發現，我國將會在未來3～5年內來自企業、政府、媒體等機構迎來新一輪大數據相關性人才，相關崗位將達到100萬左右。所以，當今社會相關行業人才的數量和質量都無法滿足社會需求，擴大相關性人才的培養將越來越重要。

1? ? 大數據時代本科人才需求

就目前來看，我國市場對于大數據類型的相關人才主要將集中在3個大的層面：技術（IT、軟硬件、系統）、數量（數學、建模、算法）、業余領域（與業務相關聯大數據內容）。從以上可以看出，首先，大數據需求的相關性人才應該擁有大數據獲取跟整合的能力，能夠按照相關要求跟目標定義來實現軟硬件體系的數據處理跟保存。其次，大數據技術具有很強大的數據分析能力，能夠對相關信息進行抽取、轉化并作相關算法跟建模的能力，為相關決策提供重要依據。最后，相關人員要有強大的抗壓能力，具有協同工作能力，有很強的責任心。所以，對于計算機應用專業類人才的培養，除了要注重培養團隊協作精神外，還需要培養他們數據分析能力與問題處理能力[1]。

2? ? 大數據崗位知識結構分析

計算機應用類專業作為大數據方向教育的基礎，將在教學中提供相關大數據理論參考、專業性知識跟實踐能力。通過相關鍛煉，以滿足大數據相關崗位人才要求，相關就業范圍如下。

2.1? 大數據研發工程師

主要可從事互聯網、制造零售、金融、IT等領域，主要任務包括了設計、大數據產品建設與開發、業務建模、大數據項目需求分析。

2.2? 大數據產品工程師

主要可從事互聯網、制造零售金融、IT等領域，主要任務包括了設計、大數據產品建設與開發、業務建模、大數據項目需求分析。

2.3? 大數據售前工程師

主要可從事互聯網、制造零售金融、IT等領域，主要任務包括了數據相關的集成工作，這些有開發、測試跟調優、大數據相關性產品的測試以及測試報告的編寫。

2.4? 大數據運維工程師

主要可從事互聯網、制造零售金融、IT等領域，主要任務包括了大數據平臺的搭建、維護、調優以及管理跟監控。

2.5? 數據挖掘工程師

主要可從事互聯網、制造零售金融、IT等領域，主要任務包括了常規性數據報告的制定跟信息挖掘，此外根據公司戰略需要進行數據相關建模工作。

2.6? 數據分析工程師

主要可從事互聯網、制造零售金融、IT等領域，主要任務包括了數據采集及數據處理工作，并對數據進行相關整理，做相應規劃、編寫數據說明文檔、明確用戶方的業務體系。

3? ? 大數據方向培養目標分析

大數據方向的研究對象將會是海量數據研究，這就需要具備扎實的科學理論基礎，并且具備交叉應用能力，所以大數據知識的學習就要強調理論學習跟能力訓練。相關人才在培養方面要注重將書本知識運用與實踐相結合。可以發現，對相關人才的培養目標是培養具有較好專業素養、科學素養、人文素養等特點的人才，同時，還要掌握大數據基礎理論跟基本專業知識，有數據工程實踐能力，能夠在相關行業作到研發、相關技術的應用跟設計工作[2]。該相關職業能力目標如下。

（1）熟練掌握SQL的相關計算跟存儲過程調優，兼具優秀的邏輯分析能力。

（2）必須兼具優秀的計算機基本理論跟技術知識以及數據挖掘的常用算法。

（3）具備數據處理、清洗以及轉換等能力。

（4）具備很強的思維邏輯能力，兼具較強的文檔編輯能力跟較高的溝通表達能力。

（5）掌握當前環境下最廣泛的數據挖掘編輯程序PYTHON。

（6）此外還需要掌握主流的HADOOP處理技術，這些就涉及了Hive、Mapreduce、hbase等技術。

4? ? 知識體系分析

從大數據崗位的要求出發，對相關知識結構做分析，以本科類人才為目標，做相關數據知識的結構劃分。

4.1? 知識領域圖譜

整個歸納總結是參考大數據內容而進行的，從知識、能力以及技術做了3個層次劃分，并參考當代大數據類型人才的需求目標，做了一定劃分，具體包括：環境工具、開發技術、交流溝通、項目管理、職業技能、模型分類、算法分析與設計等重點內容。

4.2? 教育知識體系

大數據教育知識體系由知識領域、知識單元、知識點3個部分構成。

（1）知識領域將是最高層領域，所代表的意義是特定的科學領域。用于組織、分類或者描述大數據相關知識理論體系，并且每一個知識領域前會劃分出BD加該領域的英文縮寫。

（2）相關知識領域又做進一步劃分，并作為更小單元來體現，代表各個知識的不同領域方向，而相關英文縮寫標準將用知識領域縮寫后的小寫英文字母后綴來表示。

（3）整個體系結構的最底層將是知識點。英文也叫topic，將代表知識單元中單獨的主題模塊。

相關知識領域的劃分將對應知識單元，如在知識領域內的BD-CMP計算機基礎（程序設計基礎、算法與數據結構、分布計算、計算機組織結構、程序設計語言等），BD-FND數學和工程基礎（數學加固、軟件的工程基礎、統計學基礎等），BD-PRF職業實踐（團隊激勵、交流溝通技能、職業技能），BD-DES數據規劃（數據規劃概念、采集模型設計、格式和成分結構設計、數據規范化與標準化、設計支持工具與評價等）等知識領域[3]。

4.3? 課程體系

對知識領域的貫穿和覆蓋將由課程體系的教學來表示，課程體系內將通過對各個知識點進行前導后繼等關系實現知識點的配合。同時，利用學識設計跟知識點鏈接，聯系起相關知識單元，從而實現相關知識域的教學流程。

4.4? 實踐能力的培養體系分析

系統化的工程時間體系將更加符合大數據相關性人才專業知識的鞏固，也將有利于培養相關專業職業道德和行業規范。相關大數據培養方向將對學生掌握相關基礎知識提出要求，而相關能力也要滿足范圍才可以，同時，要具備大數據相應領域的專業性知識能力。

總的說來，主要涉及幾個大的方面能力培養，包括工程分析與設計能力、面向領域的應用能力、工具的使用技能以及過程管理與控制能力。其中，主要形式包括了綜合課程設計、課程實驗、項目實驗、專業實習跟畢業設計等方面。專業素質跟職業道德的訓練也將會貫穿于整個時間教學活動的方方面面，并且將會達到潛移默化的作用[4]。

大數據背景下，計算機技術是一門實踐性和創新性較強的學科。因此，計算機專業教學勢必要變更傳統教育模式，從人才培養流程上構造課內實驗、課外實踐、課程設計、畢業設計、企業實習等不同層次的多維實踐訓練體系。大數據在海量數據、實時數據、社交網絡分析等方面的應用主要來自于企業，所以，具備大數據技術專業人才的培養需要企業參與。同時，在互聯網時代，大數據已成為企業核心戰略資源，也是企業創新的原動力，而企業大數據人才的供應需求離不開高校的培養輸送。為此，應構建學校、在線平臺、企業實習基地等多途徑的立體時間訓練體系，打造在校內外聯合實習，校企互利雙贏，線上、線下教學相結合的實踐教學模式。

5? ? 結語

新時代背景下信息互聯網技術得到了空前發展，隨之而來的大數據技術也得到了飛速發展，大數據相關產業給很多高校帶來了新的機遇，同時，對于相關計算機應用型專業也提出了新的挑戰。要抓好新形勢下的機遇，就需要相關高等院校做好相關培訓與教育改革工作，完善學校計算機應用類專業的教學制度，整合相關教育資源，確保相關性人才能夠更好地發展。此外，學校相關教學目標也要明確，注重理論與實踐相結合，從而培養滿足社會需求的大數據相關人才。作者簡介：唐星光（1976— ），男，湖南永州人，講師，學士;研究方向：計算機應用。

[參考文獻]

[1]曾梅蘭.大數據背景下中職計算機應用技術移動學習的研究[J].電子技術與軟件工程，2019（3）：135-136.

[2]董琰.大數據背景下中職計算機應用技術移動學習的研究[J].現代商貿工業，2017（32）：63-64.

[3]賀瑞，許元斌，柳歡，等.基于大數據技術的智慧城市建設初探[J].自動化與儀器儀表，2017（6）：69-71，74.

[4]陳靜，張敏，張玲.大數據時代計算機應用技術專業教學內容研究[J].自動化與儀器儀表，2015（11）：173-174，177.

Abstract：With the development and progress of society， the demand for computer application talents is getting higher and higher， the demand of society often leads to the contradiction of supply and demand with talent training， in order to meet the needs of social development， in recent years， the mode of computer talent training has also changed. In order to meet the demand of big data of technical posts， this paper studies and analyzes the training mode of computer applied talents based on big data technology.

Key words：big data technology; computer application talents; cultivation model; research and analysis.