高職大數據應用人才培養研究

（徐州工業職業技術學院 信息工程學院，江蘇 徐州 221140）

0 引言

隨著計算機信息技術的快速發展，數據處理模式從大型計算中心到個人PC機時代，再到如今的分布式并行計算模式。數據來源也日漸豐富，除了傳統的業務數據，還包括來自物聯網的傳感數據，以及互聯網產生的海量非結構化數據等等。數據已經成為一種戰略性資源，成為生產要素之一。2013年開始人類邁入大數據時代，大數據技術在各行各業得到了重視，對這方面人才的需求也急劇增加。2014年3月將大數據首次被我國寫入政府報告，自此中國大數據行業開始迅速發展，大數據人才需求急劇增加。

國務院2015年正式印發《促進大數據發展行動綱要》，將大數據發展上升為國家戰略[1]。在此背景下，教育部為了落實《綱要》精神，2016年開始在北京大學等三所本科院校設立數據科學與大數據技術新專業。同年，教育部在普通高等學校高等職業教育（專科）專業設置管理辦法中，增補了大數據技術與應用專業。大數據技術是一個多學科交叉融合的新興專業，涉及計算機應用、數學、信息技術、網絡技術以及其他應用領域的業務知識。培養什么樣的人才、如何培養符合市場需求的人才是各個院校都在探索的問題。本文分析高職大數據人才培養中存在的問題，以市場需求為導向探討高職大數據人才培養模式。

1 高職大數據人才培養現狀

1.1 學生能力差異大

隨著高職教育的發展變革，高職院校的辦學形式多樣化，學生生源呈現出多元性。普高有提前錄取、高考招錄、注冊入學等，還有中職對口單招、社會人員全日制招生。學生的來源也存在地域多樣性。招收的學生的基礎素質參差不齊，在學習能力、學習態度等方面存在著很大差異。如何因材施教是擺在高職大數據人才培養前的一個挑戰。

1.2 人才培養方向定位難

大數據是一個跨學科專業，懂得計算機科學、數學統計、行業業務知識的復合型人才是市場的寵兒。跨學科培養復合人才模式對學生素質、教師能力、教學條件的要求非常高，顯然在高職院校很難普及實現。同時大數據技術已經滲透到各行各業，每個行業的數據集特征、分析挖掘目的都不盡相同。因此，各行業對大數據人才的知識結構、經驗、思維方式的需求不同。受學制、教學條件的制約，學校人才培養不可能面面俱到。如何根據市場的需求定位本校大數據學生的培養方向，制定合理的課程體系是一個難題。

1.3 教學資源少，實踐條件不足

大數據是一個新興的專業學科，可用的教學資源非常少，特別是針對高職院校的教學資源就更少。社會培訓教學資源沒有相應的標準，知識不成體系，很難適合學校教學的需求[2]。實踐能力是應用性大數據人才培養的核心。滿足大數據教學、實踐訓練的分布式集群實驗室是目前許多高職院校所欠缺的。同時，缺乏來源于真實行業案例的大數據集是高校大數據實踐中存在的另外一個重要問題。

1.4 師資力量薄弱

目前大數據專任教師大部分都是從計算機相關專業調劑過來的，很少有教師經過完整的大數據學科體系培訓，對大數據知識結構和課題體系的認識不夠，教學能力還需要時間錘煉。同時，有些教師對大數據行業的發展、市場需求不是很了解。師資力量薄弱造成了人才培養計劃的制定不夠合理，人才培養定位不準確，影響了大數據應用型人才的培養質量。

2 大數據人才需求分析

人力資源與社會保障部于2020年4月30日發布了《新職業—大數據工程技術人員就業景氣現狀分析報告》，報告分析了當前中國大數據行業人才需求狀況和未來幾年的預期。報告對27家大數據行業典型企業的人力資源情況進行調研分析的結果。

根據報告目前大數據人才崗位主要分為初級分析類、挖掘算法類、開發運維類、產品運營4個方向。自重初級分析類和產品運營類崗位的比例占到44.45%，挖掘算法、開發運維崗位占比55.55%。初級分析類和產品運營崗位的技能要求相對低些，是高職畢業生將來就業的主要崗位。數據表明這類崗位的需求占比高，說明高職大數據畢業生的就業前景良好。

而對大數據人才專業來源，統計數據表明計算機類人才占比約35%，數理類占比約29%，這個兩個專業是大數據技術發展的基礎。但同時經濟管理類以及其他類專業人才占比也達到35%，說明應用領域業務知識也是大數據發展的重要支撐之一。既懂得計算機、數學統計，又了解業務知識的綜合性人才最受市場歡迎。分析當前各企業大數據人才招聘來源情況，社招大數據人才占比達到驚人的65.21%，而高校畢業生只占12.31%。究其原因，一方面是2019年以前大數據專業的大學生尚未畢業，校招沒有合適的畢業生供企業選擇；另一方面，大數據是一個多學科交叉的專業，具有工作經驗的復合型人才更受企業歡迎。這對大數據人才培養而言是契機，同時也是挑戰。要根據市場需求，因勢利導，選準培養方向、調整人才培養方案，培養受企業需求的人才。

3 高職大數據人才培養模式構建

3.1 深化校企合作機制

“產教融合，校企合作”是職業院校的重要辦學模式。企業相比于學校有信息優勢，對市場人才需求、科技發展方向、技術需求等信息把握的比學校及時。通過校企合作，學校可以及時根據市場需求調整培養目標、培養方案。同時，學校可以從企業中聘請生產、服務第一線的實用性技術人才，讓學生接受較新的、實用的技術。同時企業可以作為學校的經常性的實踐基地，通過見習、實訓的方式讓學生了解企業生產管理方式、生產標準，培養吃苦耐勞的意志品質。

來自于生產實踐的真實數據集是大數據實踐教學的重要資源。由于市場競爭保密的需求，企業一般不愿意將企業真實數據集與學校分享。通過校企合作，學校教師融入到企業的科技工作中，實現雙贏，企業真心愿意與學校分享成果，共同提高人才培養的質量。

3.2 以市場需求為導向，建設課程體系

各高校開始大數據專業的時間都比較短，在課程體系建設方面均處于摸索階段，沒有成熟模板可以借鑒。作為一個新的專業，學校首先要深入用人單位調研，了解市場需求。大數據技術在各行業中應用廣泛，涉及的領域較多，學校教育不可能面面俱到。

學校應立足于服務地方的理念，調研地方優勢產業的大數據人才需求，以及需求崗位涉及的專業技能。立足于自己學校的辦學條件，以市場為導向，定位培養目標，建設自己學校特色的大數據課程體系。

3.3 加強師資隊伍培養

高水平的專任教師隊伍是確保人才培養質量的前提。大數據是一門新興的交叉學科，對于高職院校的老師而言也是一個新的挑戰，要求老師不僅要懂網絡、編程，還得懂數學統計、各種挖掘算法、行業業務知識等。因此，必須通過加強培訓的方式提高現有教師的水平。一方面可以從一線企業和重點高校聘請大數據專家到學校開展授課培訓；其次，可以派骨干教師到國內大數據水平較高的高校進行體系學習；另外，可以通過到一線企業鍛煉的方式提高教師實踐水平。在培訓挖潛的同時也可以引進企業高級技能人才到教師隊伍中，提高雙師型教師的比例[3]。

4 結語

高職院校開設大數據技術于應以市場為導向，兼顧學校辦學條件和地方優勢經濟行業需求。通過深度調研定位人才培養目標，制定符合市場需求的人才培養方案、課程體系。加強校企合作，提升高職院校培養的學生質量。