“大數據分析”職業技能人才培養的研究分析

趙艷云，李振軍，李玉軍

（深圳技師學院，廣東 深圳 518116）

0 引言

習近平總書記2022 年8 月19 日向世界職業技術教育發展大會致賀信，強調“職業教育與經濟社會發展緊密相連，對促進就業創業、助力經濟社會發展、增進人民福祉具有重要意義”。習近平總書記的重要賀信，深刻闡述了職業教育對促進經濟發展和民生改善的重要作用，為推動現代職業教育高質量發展指明了方向。政府對大數據行業的支持政策也在不斷完善。如“雙創”政策鼓勵企業創新，“互聯網+”戰略推動數字經濟發展，“數字中國”建設等[1]。

國內職業教育迎來春天的同時，大數據行業市場規模也在逐年增長。據市場研究機構尚普咨詢集團的數據，2022年已經超過了3000億元。細分市場中，基礎設施服務(數據中心建設和運營、硬件設備等)約占40%；數據服務(數據挖掘、分析、建模等)約占30%，數據應用(大數據應用系統和平臺、大數據服務等)約占25%[2]。

如何把握住發展的機遇培養出更多更好的技能人才？如何培養出更具有競爭力的“大數據”技能人才？相對來說，“大數據分析”其實是職業教育“夠得著”“做得好”的一個分支方向，但是目前財經專業和商務專業大數據技能人才的相關研究探討較多，計算機類大數據技能人才的探討較少，“大數據分析”這個分支的探討尤其少；相關培養模式、師資建設和具體課程的探討較多，從課程體系建設到教學實施進行研究分析的較少。

1 了解職業教育和學術教育的異同點

國內如今的教育方式主要分為兩種：一種是注重學習和文化素質的培養的“學歷教育”，另一種是側重于技能技術培養、注重實戰操作訓練、致力于培養社會各類技術崗位的“職業教育”，兩者缺一不可。

職業教育的畢業生和學歷教育的畢業生相比，沒有學歷的優勢，但是專業對口性強、到崗實戰能力強，這也是開展職業教育、培養職業技能人才的重點原則。所以近些年來職業教育提倡“產教融合、校企合作、工學結合、知行合一”。即在辦學層面深化“產教融合、校企合作”，在教學層面落實“工學結合、知行合一”，把“職場”和“學?！薄皪徫弧薄敖虒W”相結合，以實際工作崗位能力需求為引領，進行課程體系開發和實踐，進而培養出更有職場競爭力的技能人才。

2 確定匹配職業教育的“大數據分析”實際工作崗位需求

從目前市場上的人才需求觀點來看，大數據技術方向的人才大致可以分為以下3個方向：偏重基建與架構的“大數據架構”方向、偏重建模與分析的“大數據分析”方向、偏重應用實現的“大數據開發”方向。

其中大數據分析方向的人才更多注重的是數據指標的建立、數據的統計、尋找數據之間的聯系、數據的深度挖掘和機器學習，并利用探索性數據分析的方式得到更多的規律、知識，或者對未來事物預測和預判的手段。大數據分析方向研究的主要方面包括：

1）數據庫應用：關鍵詞有RDBMS、NoSQL、MySQL、Hive、Cassandra等。

2）數據加工：關鍵詞有ETL、Python等。

3）數據統計：關鍵詞有統計、概率等。

4）數據分析：關鍵詞有數據建模、數據挖掘、機器學習、回歸分析、聚類、分類、協同過濾等。

其中：“數據庫應用”“數據加工”是通用的技術技巧或者工具性的能力，主要是為了幫助分析師調用或提取自己需要的數據，這些技巧的學習成本相對較低，而且在工作場景中不可或缺，因為快速獲取所需數據是數據分析師必備基本技能；“數據統計”“數據分析”是分析師工作的主業，要有比較好的數學素養或者思維方式，還要對相關業務知識有一定了解。因為各行各業的業務形態都是千差萬別的，只有對這些業務形態和業務流程有了充分的理解才能對數據分析做到融會貫通，才有可能正確地建立模型和解讀數據，分析出正確、有價值的結論[3]。

“數據分析”或“大數據分析”相關的招聘信息很多，但是需要結合職業技能教育的特點和層次，在“產教融合、校企合作”的基礎上，先篩選出適合職業技能教育畢業生的崗位，再針對崗位實際能力需求進行課程開發和實踐，這樣教育出來的學生才是符合市場需求的技能人才。

和大數據相關、對數據分析技能有需求的工作崗位主要包括兩種：一種是主要工作內容是數據分析，還有一種是相關崗位對數據分析技能有需求的大數據相關崗位。

結合和校企合作企業的交流結果，以及本人2023年2 月在“51job”招聘平臺以“大數據分析”作為關鍵詞，“學歷要求”選擇“初中及以下”“高中/中技/中專”“大?！?；“工作年限”選擇“在校生/應屆生”“1-3 年”，其他不限，進行搜索的結果，結合職業教育畢業生能夠勝任的工作崗位及對應的崗位職責、任職要求、薪資水平等要素，匯總、整理和數據分析相關的內容如下表所示：

上表中的“崗位職責”的內容從1到5基本上正好覆蓋了日常工作中“數據分析”常規工作的整個流程：從“確定數據分析的需求”到“數據的收集、獲取”……直至最后的“數據分析結果的輸出和可視化展現”。

相應的工作崗位有的“崗位職責”較為單一，只覆蓋流程中的個別環節，比如“數據管理員”主要負責數據的整理和匯總，“數據分析專員”主要負責數據的分析和挖掘——數據的清洗、整理、存儲；有的則綜合性較強，“崗位職責”的內容從數據的獲取到數據的清洗分析，到輸出報表都有要求，薪資也相應較高。

3 根據崗位需求設置課程內容

如果要在教學層面落實“工學結合、知行合一”的原則，結合表1的內容可知“大數據專業”的分支“大數據分析”技能人才培養相關課程的實踐能力培養目標：“崗位職責”就是學生“學習目標”中的“能力目標”，任職要求中提到的各種軟件就是相應的課程學習內容。具體包括以下內容：

表1 數據分析相關的崗位招聘信息匯總分析

3.1 Excel或WPS等辦公軟件的學習

Excel 的功能其實非常強大，它不僅具有強大的數據處理和分析工具，也可以做出很多美觀、高級的圖表。大部分學生在小學和初中階段已有一定的基礎，但比較薄弱，學生如果能夠通過學習掌握vlookup、sumif、len 等相關函數的應用，掌握數據透視、數據可視化等數據篩選和輸出的操作，就能夠滿足一些小規模數據分析的應用場景需求，也能夠為Python等課程的學習打下一定的基礎。

2023 年3 月16 日，微軟正式發布由AI 驅動的辦公神器Microsoft 365 Copilot，能夠讓Word、PPT、Excel等軟件的工作效率都飆增。不過雖然Copilot 可以輔助提升辦公效率，但是AI生成的內容非常可能出現一些錯誤，內容還是需要人來把關的[4]，所以Excel 等辦公軟件以及下面提到的其他軟件的學習還是有必要、不過時的。

3.2 MySQL等數據庫軟件的學習

數據庫對于大數據的意義不言而喻，如表1 中所示：經典數據庫軟件很多，熟練掌握至少一種即可。重點在于培養學生具有較強的SQL代碼能力、熟悉海量數據處理和性能優化操作。開設在計算機系的大數據專業一般都會開設數據庫課程，如果能將大數據存取數據的典型應用作為教學案例，讓學生在完成案例的過程中掌握數據庫軟件的安裝配置、數據庫和數據表的常用操作、Transact-SQL 語言的基礎運用等操作，同時培養學生的技能遷移能力，那么學生在數據分析工作中的數據庫相關操作也沒有問題，日后的工作中再接觸類似的應用場景也將能很快上手。

3.3 Python語言的學習

Python 是一門語法簡單但功能強大的編程語言，編程基礎薄弱的學生也可以學好。Python 可以應用于大數據的挖掘、清洗、分析和可視化，而且數據分析庫功能齊全，還提供了非常豐富的API 和工具，讓程序員可以輕松編寫自己的擴展模塊。Python 的第三方庫功能非常強大：基于Numpy、專門為爬蟲而生的Scipy庫；包括Scipy、Matplotlib、Pandas等庫、能提供數組支持，進行矢量運算的Numpy 庫；提供了Python 的數據繪圖工具、常用于二維作圖的Matplotlib 庫、數據挖掘必備、數據處理函數很強大的Pandas庫等都是學習使用Python進行數據分析需要學習的內容，也是職業教育學生能夠學會、學好的內容。

3.4 Power BI等報表軟件的學習

面對大數據時代不斷更新的海量數據，報表軟件無需使用者具備太多的專業技術背景就能高效地進行數據的錄入、分析、可視化呈現，功能非常強大。而且權限管理也非常成熟，能夠滿足不同用戶對數據的需求，能夠讓用戶對數據的分析更輕松更徹底，從而幫助決策者更好地做出對企業有利的決策。國有軟件帆軟、水晶報表等和國外的Power BI、Tableau 等報表軟件，各有所長，熟練掌握一種即可。想要培養學生的實戰能力，有了Excel和數據庫學習的基礎后，學生需要通過實際案例的學習掌握數據連接、數據分析、可視化圖表和儀表板等常用操作。

其實上面提到的4門技術課程，每一門學好、學精都能找到相關的工作。如果除了技術之外還能掌握一些數據分析方法和統計原理，掌握一門類似SPSS這樣的統計軟件，能夠更好地勝任數據統計的工作，將會更有職場競爭力。在教學安排方面，建議學習順序為：Excel 等辦公軟件——MySQL 等數據庫軟件——Python語言——Power BI等報表軟件。

4 教學實施中的要點

如前所述，和學歷教育不同，職業教育更側重實戰能力，所以教學實施的過程中要注意以下幾點。

4.1 注重課程思政，落實“立德育人”

全面推進課程思政建設是落實“立德樹人”根本任務的戰略舉措，這要求每位教師都有全員、全過程、全方位“三全育人”的大格局，理解課程思政的內涵、將課程思政的理念全面貫徹到日常教學中，把價值觀引導融入知識傳授和能力培養中，幫助學生塑造正確的三觀，適應新時代要求，進而培養出不但有高技能、更有高素養的技能人才，為黨育人、為國育才，培養出能夠擔當民族復興大任的時代新人[5]。

學生們學習大數據分析技術不但應當掌握相應的知識和理論，更應該培養大數據思維、了解大數據倫理、培養數據安全意識、尋找大數據行業的創業機會。教師在選取教學案例時也應盡量精心選取能夠展現我國近幾十年來的發展成就、科技創新的案例，增強學生的愛國情懷和創新意識；選取數據安全的案例增強學生的倫理道德、法律意識和安全意識；選取社會民生的案例引導學生關注數據背后的意義和價值，激發學生的社會責任感，激勵學生腳踏實地，努力奮斗。

4.2 準確、合理、適度的制定教學大綱

教學大綱是課程教學的指導文件，制定課程教學大綱要結合專業人才培養的整體要求，從課程在人才培養中的地位和作用出發，準確、合理地設計課程的教學目標和教學內容。與此同時，職業教育課程的教學大綱的內容不但要充分考慮崗位需求和學生基礎，還要注重知識目標和能力目標、素養目標的側重。知識目標是為能力目標服務的，設置原則是適度、夠用，培養能力目標沒涉及的知識點可以不出現在大綱中或者標注“*”供選擇。相比較而言，更要注重學生職業能力和職業素養的培養。

以Python 課程為例，在最基礎的“Python 基礎”和“分支語句和循環語句”等內容之后，就可以從網絡爬蟲、數據清洗等實際問題需要的知識和技能出發去編寫大綱，不必拘泥于知識體系的完整、要和常見的Python學習文檔或教程一樣詳細完整，同時注重編程思維的啟發、編程習慣和學習能力的培養。

4.3 科學、規范地編寫教學計劃

教學計劃對教學工作有規范性、指導性的作用。編寫教學計劃的教師不能只是將大綱要點直接羅列完畢，而是要高屋建瓴，有全局觀，不但要將大綱中學習目標所提到的內容都涵蓋進去，還要根據學生的基礎，根據真實的工作任務及過程，將大綱提到的學習內容從淺入深、從單一到綜合地融入典型工作任務，讓學生在完成項目、任務的過程中自然地學習相關的知識、掌握相應的技能，從而從宏觀的課程角度實現“工學結合、知行合一”。

還是以Python 課程為例，序列、字典等組合數據的學習建議不要單獨安排在前期的理論學習中，而是融入到相關項目的“知識鋪墊”中，讓學生帶著解決問題的思維去思考為什么采用、如何應用此種數據類型。

4.4 課堂教學的組織和實施真正落實“工學結合、知行合一”

課堂教學是落實教學設計、實現教學目標的關鍵環節。為了更好地實現教學效果，教師需要營造接近企業實戰的學習情境，采用項目驅動教學法或任務驅動教學法激發學生的自主學習能力，通過翻轉課堂、小組合作等方式把知識點的學習和實踐的嘗試放到課前，把課堂時間更多地用來確保每位學生保質保量地完成當堂實踐任務和總結提升，重點放在培養學生用所學技能解決實際問題的能力，使用行業常用的評價標準對學生的工作成果和工作過程進行評價。從微觀地課堂教學的角度落實“工學結合、知行合一”。

以Power BI 課程“銷售數據分析”任務為例，可以把教學組織分以下3步。

1）自主學習

將任務的發生背景和需求、需要分析處理的源數據、相關預備知識和操作示范視頻分發給學生提前學習，培養學生的自主學習能力、合作能力。

2）思考和實踐

引導學生根據所給的資料討論和梳理完成本次任務“銷售數據分析”的工作流程、探討存在問題和解決方法，老師講解、示范必要的操作之后，讓學生在嘗試和實踐中完成任務，然后老師根據行業標準對實踐成果進行評價。這樣不但可以讓學生提前了解行業標準，避免閉門造車，更可以培養學生思考問題、解決問題的實際能力。

3）總結和拓展提升

先引導學生總結歸納本次“銷售數據分析”任務的工作流程和方法、工作要點以及完成用到的知識、技能，再引導學生思考這些知識、技能的其他應用場景，然后老師再進一步拓展提升，同時布置拓展任務，進一步提升學生用所學問題解決實際問題的能力。

4.5 真正落實“以教師為主導，以學生為主體”

客觀來說，相比學歷教育的學生而言，大部分職業教育學生的理論基礎、學習習慣、學習能力都偏差，這是客觀事實。傳統的教育方式，抑制了學生主觀能動性的發揮，縮小了學生全面發展的空間。

正因如此，職業教育的老師需要給學生更多的引導、鼓勵和支持：學習任務的梯度、層次設置要清晰合理、同時適當提供學習資源，從而幫助學生提升學習效率和學習效果；更多地通過設置問題和作業引導學生掌握好的學習方法，而不只是口頭說教指點；任務評價標準清晰、全面，反饋及時、正面，從而幫助學生改善學習習慣、提升自信；通過總結和拓展任務的設置提升學生的知識遷移能力等。

只有真正接受職業教育學生的現狀，針對他們的實際情況進行教學和引導，才能更好地激發他們的學習熱情和主觀能動性，培養出更多、更好的技能人才。

4.6 擁抱“互聯網+”，實現“智慧化教學”

當前市面上《大數據分析》教材良莠不齊，適合職業教育學生的教材選擇更少，適應性也不強，但是“互聯網+”時代老師可以尋找網絡資源來豐富學生的教材。比如上面所提到的Python 等課程內容在互聯網上都有很多優質的、最新的學習資源，比如“中國慕課”“學習強國”等優質課程平臺、“嗶哩嗶哩”“知乎”等優秀的資源分享平臺。學生在學習時遇到的問題在互聯網上也基本都已經有問有答，所以教師在教學的過程中可以綜合利用網上已有的教學資源，把更多的精力放在和學生的互動、培養學生實際解決問題的能力上，擁抱“互聯網+”,實現“智慧化教學”。

與此同時，老師的這種做法也體現了遇到問題主動探索、積極嘗試通過互聯網等各種課外資源解決問題的精神。這種跳出環境限制、主動尋找資源來解決問題的意識和能力，會在今后的工作中讓學生更容易打開工作局面、快速提升能力，受益匪淺。

5 總結

除了大數據分析，大數據專業還有很多其他技術人才培養的分支方向，比如以研究大數據技術為主的技術研發人員、以研究大數據架構體系為主的架構設計人員等，只是這些方向對于職業教育的學生來說難度更大。

但不論是哪個專業方向，職業教育最忌諱的就是脫離市場實際需求、閉門造車。不論哪種技能人才的培養，如果能將產業行業最新技術標準、崗位需求、發展趨勢，作為人才培養的指南，并且保持動態更新，確保及時將新技術、新工藝融入課程；將企業真實工作場景和實訓環境引入，作為學生的學習環境；找準定位，腳踏實地，將培養的目標定在企業最需要的地方，并切實做到“以教師為主導，以學生為主體”，必將能夠為社會發展提供更多的高素質技能人才、能工巧匠、大國工匠。