基于勝任力模型的大數據人才培養研究

張 明

（廣東郵電職業技術學院 移動通信學院，廣東 廣州 510630）

0 引 言

21 世紀以來，互聯網、移動互聯網已深入到社會各方面，改變了人們生活工作方式。與此同時，物聯網、云計算、人工智能等新一代信息技術的迅猛發展，尤其是5G 技術的日益成熟，使得社會各領域的數據呈現爆炸式的增長。到2020年，全球需要存儲數據將高達35ZB，大數據相關處理技術受到廣泛的關注與應用。世界各國政府均高度重視大數據技術的研究和產業發展，紛紛把大數據上升為國家戰略加以重點推進，尤其是在安全、電信、醫療衛生、銀行、金融等關乎國計民生領域[1]。

大數據時代背景下，行業、企業之間的競爭，本質上就是專業人才之間的競爭。高職院校作為國家高等教育的重要組成部分，其教育特點為“市場需求、學生就業”。“如何為企業培養出勝任大數據崗位需求的專業大數據人才”成為高職院校急需解決的問題。教育部在2016 年將大數據技術與應用專業正式列入高職高專的專業目錄中，大數據專業仍屬于新的專業，對應的課程體系、人才培養方案處于摸索階段。當前，大數據人才培養主要存在幾個突出問題[2]：①課程體系有待完善，尚未有專門針對高職學生的大數據統一教材；②師資力量嚴重不足，尤其是具有實際大數據項目經驗的教師尤為匱乏；③高職院校大數據實驗實訓條件有限，軟硬件配套基礎設施保障不足，缺少真實行業案例；④大數據專業人才培養需有別于一般的計算機人才培養，人才培養模式有待更新優化。此外，大數據專業涉及知識體系較廣，技術更新較為頻繁，應用范圍廣泛，這就要求學生除掌握本專業核心課程外，還需要去學習掌握其他領域的知識。

針對大數據浪潮對大數據專業人才的素質和能力所提出的新要求，傳統高職院校人才培養模式已經不再適用。因此，高職院校應該主動求變，結合自身特點，充分整理各方資源，完善整個大數據專業的建設水平。勝任力模型作為區分優秀者與一般者的有效工具，具有完整的理論基礎及豐富的應用案例，被廣泛應用于人才選拔、能力測評、績效考核、培訓與開發等領域。

1 勝任力模型

20 世紀70 年代初期，哈佛大學麥克利蘭教授為解決美國國務院基于智力因素選拔外交官效果不理想問題，提出了“勝任力”概念，指出“勝任力”是那些能將工作中區分優秀者與普通者的動機、特質、自我形象、態度、價值觀等個人深層次素質[3]。勝任力模型則是對勝任力理論的結構表示，即將完成某項工作所需要的勝任力要素進行組合。具體地，假設完成某一項任務需要n個相關勝任力因素，其中第i要素可表示成Ci，那么該任務的勝任力模型可用集合CM={Ci}(i=1,2,…,n)來表征。當前勝任力模型主要分為冰山模型和洋蔥模型。

勝任力模型作為研究個體勝任某項工作任務的有力工具，可用于構建具體崗位的勝任力素質模型，滿足企業對人力資源管理的需求，被廣泛應用于人力資源管理領域，如文獻[4]中將勝任力應用于公務員的培訓體系優化中；文獻[5]則將勝任力應用于計算機專業創新人才的培養中。

2 大數據專業人才的勝任力模型構建

2.1 勝任力模型構建步驟

當前構建某一崗位或人才的勝任力模型常用方法包括行為法、職能分析法、情景法、績效法、多維度法等[6]。多維度法作為一種綜合性方式，能從更多維度去識別具體任務所需要的勝任力因素，故采用此方法構建大數據專業人才的勝任力模型。

作為高職院校，在開設大數據專業、構建專業人才模型時，需從多種角度進行綜合制定。一方面需堅持“面向市場需求”的宗旨，做到緊密結合當前大數據行業企業對專業人才的技能需求。具體可通過網絡爬蟲、數據挖掘等大數據技術手段，從互聯網中收集國內外企業發布的大數據相關崗位需求，還可以通過實地走訪調研的形式獲取公司的用人需求。另一方面需要立足高職學校自身情況，包括學生學情、培養定位、軟硬件資源等。高職院校在培養學生時，與本科院校不同，需要注重學生技能的培養，解決實際生產技術問題的能力，同時也要加強高職學生的職業化素養，使其能畢業即可適應崗位需求[7]。

2.2 大數據專業人才的勝任力模型

根據崗位工作內容、所需技能等不同，涉及大數據技術的崗位可分為大數據系統開發、數據分析、平臺運維等崗位。結合高職院校的學生培養定位，以及企業相關崗位技能需求，大數據專業人才的勝任力因素可分為通過學習即可掌握的一般勝任力，以及反映個體內心特征的核心勝任力。根據不同勝任力因素的作用及獲取的難易程度，可細分成大數據專業素質類、高級技能類、職業素養類、品質特征類、大數據思維五大方面[8]。不同類型的勝任力素質如下。

（1）大數據專業基礎知識。大數據的基礎知識指的是能從事大數據相關崗位所需要的基本技能，包括編程語言、計算機組成原理、操作系統、數據庫、大數據常用架構（如hadoop、Spark 等）等大數據專業知識。此部分技能是本專業學生畢業后進入大數據行業，從事相關工作的基礎。

（2）高級技能類。大數據處理技術的本質是從海量數據中分析挖掘出有價值的信息，所以大數據專業人才不僅需要具有專業基礎技能，還需要具有分析能力、創新能力以及領導能力等高級技能。這樣才能夠在實際工作中從全局、宏觀的角度分析問題，發現事物之間的內在聯系，進而高效處理專業問題。

（3）職業素養類。職業素養是一個專業人才的隱性特征。一個完整的大數據項目，涉及的知識領域、工作內容等都會比較龐大，就需要專業人才具有積極的工作態度、團隊合作意識、責任感等良好的職業素質。同時面對的數據可能包含了涉及他人隱私的個人數據，更加要求大數據從業者要有高度的職業道德。這些職業素養也是員工能在崗位、企業立足的重要保障。

（4）品質特質類。存于此層次的勝任力因素是人才的深層次品質特征，主要包括有工作責任感、競爭能力、隨機應變能力以及壓力的承受能力等。因為對于大數據行業的從業者來說，長期存于激烈的工作壓力以及外部競爭中，要求其要具有很強的競爭意識，需要保持旺盛的責任意識。

（5）大數據思維及創新精神。大數據時代的到來，不僅改變了人們的生產生活方式，還影響到了人們的思維方式。在信息的獲取及使用的角度上，已經從原先的抽樣的局部的數據，到現在的使用全量且實時的數據來提到信息，這就要求大數據專業人才要改變其思維模式。同時，大數據技術作為一項新興的技術，在和傳統行業結合、促進企業升級過程中，需要有極強的創新精神。具體地，如何將大數據技術與當前公司的已有業務結合，如何通過大數據開創新的增長點，都要求大數據專業人才具備敏銳的洞察能力、創新能力等高級勝任力因素。

3 勝任力模型在高職大數據專業人才培養中的應用

對于高職院校而言，在開設大數據專業、培養相關專業人才的過程中，需緊密結合高職教育的特點，并利用大數據人才勝任力模型，在課程體系設置、教學方式設定、校企合作等諸多方面加強創新探索，以切實培養、提升大數據專業學生的技術技能。

3.1 設置科學的大數據課程體系，重視人才培養差異性

從業務處理流程來看，大數據技術可劃分為數據采集清洗、數據存儲、數據挖掘、數據可視化以及數據隱私安全等技術范疇。相對應地，高職院校在開設大數據相關課程時，根據技術體系、難易程度、崗位需要等維度，應科學合理地設置通用基礎課、專業核心課以及專業實訓課等大數據課程體系。其中基礎課主要是入門需要的計算機組成原理、網絡基礎、編程語言（Java、Scala、python 等）、數據結構、數據庫以及大數據導論等基礎課程；專業核心課就涉及當前常用的大數據技術架構，包括非結構化數據庫、分布式存儲系統、Hadoop 技術、Spark 技術、Storm技術以及可視化框架等；項目實訓課是借助學校自身搭建的大數據實訓平臺，以及校企合作的大數據開發平臺，應用真實案例數據，按照企業項目研發方式實現數據采集清洗、數據存儲、數據分析挖掘以及最終的可視化等整個流程。只有將理論知識與實踐運用有機結合起來，才能有效地培養大數據專業學生扎實的理論功底以及過硬的動手能力，進而提高學生發現問題、解決問題的能力[9]。

在設置課程體系的過程中，高職院校也要立足于高職教育的特點和學生的學情，應重視高職學生的人才培養差異性。一方面為有效提升學生的崗位競爭能力，應當合理分配理論課程和實訓課程的學時，提高實踐課程的比重；另一方面為與本科院校相關專業學生的差異化培養，高職大數據專業應把平臺運維、數據采集以及數據可視化等作為側重方向。

3.2 改進與完善教學方法，注重案例教學

大數據技術是一項偏工程實踐類的技術。基于這一特點，依據勝任力模型，要求高職院校的大數據授課老師需要結合技術發展以及實際項目案例，改變傳統教學方式，注重案例教學，促使學生在實際項目開發過程中獲取大數據處理分析能力。在教學開展過程中，根據實際的大數據項目，模擬企業生產環境，讓學生置身于其中，進而引導其積極性，提升實戰水平。在案例教學開展過程中，為有效將理論與實踐結合起來，更加系統化地讓學生構建大數據技術體系，可將實際項目按照知識模塊、難易程度切分成不同的子項目，這樣更有利于激發學生的積極性以及學生的趣味性。在案例的選擇上，需要結合學生的技術水平，同時要具有一定的應用價值，以增加學習的實用性。通過實際的項目教學，引導學生去發現問題，進而主動解決問題，由被動轉為主動，進一步為將來工作打下良好的基礎。

3.3 增強校企合作，促進職業素養提升

職業素養在大數據專業人才勝任力模型中，處于重要位置。專業人才的職業素養的學習與提升，最有效的途徑為親身去企業參與在崗學習，這也是在大數據時代下，高職院校應該充分利用的培養模式。高職院校在增強與企業合作過程中，應當注重與外部企業進行信息共享，如企業的用人需求、學校的學生在校表現等信息，充分利用企業的生產設備、技術優勢，進而實現有針對性的人才培養。高職院校可結合自身特點，采用建立校外實訓基地、開展跟崗頂崗學習以及聘用企業工程師進行授課等多種合作方式。實訓基地建設方面，可與信譽高、具有相關大數據業務且有大數據人才需求的企業展開人才培養合作，建立穩定的校外實訓基地，讓學生參與到企業實際的業務開發中，促進其專業技能及職業素養提升。此外，可以聘用在行業具有較高影響力，具有豐富工程實踐經驗的企業工程師走進學校，以利用其更加貼切企業需求、行業發展等特點，制訂人才培養方案，為學生進行實訓教學。

3.4 開展多途徑教育，提升學生綜合能力

高職院校除正常的系統性授課教學，促使學生獲得基本的職業技能與素養外，還應當開展更多途徑的教育教學，全面提升學生的綜合能力。具體可以從以下幾個方面開展。

（1）鼓勵學生參與到大數據專業相關的技能競賽。當前互聯網、電信運營商等行業企業，每年都會舉辦與大數據技術相關的比賽，作為大數據專業學生應當積極參與到其中，充分利用企業提供的平臺、數據等資源開展動手實踐。通過參與科技、行業競賽有助于促進學生分析問題、解決問題等能力，還可以接觸了解當前行業的技術發展潮流，同時通過與不同團隊之間的PK 競爭，也可進一步提高學生的抗壓及競爭意識。

（2）引導學生參加專業教師的科研項目。大數據、云計算、人工智能等作為新一代信息技術，處于科學研究的熱點領域。專業教師除具有教學工作任務外，還會進行相關專業科研課題或項目。學校及相關教師可借助這樣的課題項目資源，帶領學生一起開展研究，進而培養學生嚴謹的思維，獲取最新的技術知識。

（3）開展專業性社團活動，進行創新創業。“創新創業”已成為時代旋律，大學生應該充分利用自身的專業知識，積極參與到專業的社團活動實踐中，通過開展創新創業活動，用專業技術解決實際問題，全面提升自身的綜合素質。

3.5 注重創新思維和大數據思維的培養

大數據技術作為一門新興技術，發展迅速，體現在技術知識的快速變化和技術應用的創新上。同時，結合大數據專業人才的勝任力模型，創新思維能力是判斷其是否勝任大數據創新工作的深層次因素。因此，高職院校在培養專業人才時應注重培養學生的創新思維和大數據思維能力。在具體的教學工作中，一方面，教師充分掌握學生的學習態度、學習特點和知識基礎，采取相應的教學方法和策略，形成師生和諧的教學氛圍；另一方面，積極引導學生自主學習，獨立思考，分析問題，討論問題，相互溝通，以有效完成教學任務。同時，教師可搭建一個開放的平臺，讓學生充分表達自己的觀點和意見，提出假設和推理。這有助于激發學生的創新思維、主動學習意識，提高團結協作解決問題的能力，培養學生綜合分析大數據思維的能力。

4 結 語

大數據浪潮的來臨，引發了高職院校對于大數據專業人才培養模式的思考。大數據人才培養需注意差異性，教學方式要結合實際項目，同時要注重學生大數據思維的培養等觀點。為進一步完善大數據人才的勝利力模型，將在后期的大數據教育教學工作中，重點圍繞實際項目案例、指導學生創新創業等方向，展開更為深入的研究與實踐，繼續為我國教育事業做貢獻。