“三阶递进、五维协同”数据分析人才培养模式的探索和实践
2017-09-06岑仲迪黄剑徐爱民
岑仲迪 黄剑 徐爱民
摘 要 本文探讨数据分析人才的“三阶递进、五维协同”培养模式,从时间维度构建“案例嵌入、项目驱动、校企协同”三阶逐次递进模式,从空间维度构建涵盖课堂教学、研讨教学、实践教学、学科竞赛和学生科研五个维度的培养体系。
关键词 数据分析 项目驱动 校企协同
中图分类号:G642 文献标识码:A DOI:10.16400/j.cnki.kjdks.2017.07.020
The Exploration and Practice of the Training Mode of “Three-Step Progressive and Five-dimensional Cooperation”
CEN Zhongdi, HUANG Jian, XU Aimin
(Business School, Zhejiang Wanli University, Ningbo, Zhejiang 315100)
Abstract This paper discusses the training model of “three step progressive and five dimensional cooperation”for the data analysis talents.From the time dimension the three step progressive model of “case-study, project-driven, school-enterprise cooperation” is constructed. From the space dimension the training system with five dimensions including classroom teaching, discussion teaching, practice teaching, subject contest and scientific research is constructed.
Keywords data analysis; project-driven; school-enterprise cooperation?
0 引言
近年來,大数据技术越来越受到社会各领域的关注。美国政府将大数据技术视为“未来社会发展的新石油”,将其作为战略性技术大力发展。[1]市场研究机构IDC发布预测报告[2]称:中国的数据分析市场至2019年的复合年均增长率将达23.1%。
数据分析市场的快速发展,必然会带来大量的数据分析人才需求。据2014年9月1日的《中国科学报》报道:广东数据分析人才缺口达百万。[3]中国商业联合会数据分析专业委员会秘书长蒋文伟表示:“社会越来越认识到数据分析的重要性,但是数据分析人才的体量小、市场需求大,人才难觅成为了当前数据分析产业发展的瓶颈。”数据分析市场的快速发展,一方面为数据分析人才提供了良好的就业机会,另一方面也对目前我国高校数据分析人才培养模式提出了严峻挑战。[4]
1 数据分析人才的知识能力素质要求
按照百度百科的定义,数据分析是指应用统计方法对收集获得的大量数据进行分析,提取有价值信息、形成有效结论的过程。数据分析主要由识别信息需求、收集数据、分析数据、评价并改进数据分析的有效性等步骤组成。
根据对国内主流招聘网站的数据分析岗位的统计分析,可以发现企事业单位需要的数据分析人才大多是复合型人才,并需要具备很强的实践能力,能够有效解决企事业单位的各类实际数据分析问题。[5]数据分析人才需要掌握数学、统计学、计算机科学等学科知识,需要具有较宽的知识面。[6,7]教育咨询专家徐晓颖博士在2015年数据分析行业峰会演讲时提出:“数据人才需要有数据思维,一是量化思维,相信一切都可以量化分析的;二是关联思维,相信一切都是关联的;三是实验思维,相信一切皆可试,所有一切都是可以通过数据去挖掘去发现的。”数据分析人才不仅需要掌握数据采集能力、分析建模能力、软件熟练运用能力、结果分析解释能力等核心技能,而且还需要具备较强的实践能力、创新意识和团队合作意识。[6,8]
2 注重实践能力培养的模式探索
数据分析的目的是挖掘数据中隐藏的信息和知识,数据分析离不开实践和应用。传统教学缺乏真实的数据分析环境,缺乏实际项目的演练和实践,缺乏知识的综合应用训练。针对传统教学模式的缺陷,已有不少高校大力推进校企合作培养数据分析人才。[9,10]本文结合我院统计学专业的建设实践,探讨数据分析人才的“三阶递进、五维协同”培养模式。
2.1 “三阶递进、五维协同”培养模式的理论框架
根据数据分析岗位的知识、能力和素质要求,着眼于“基于问题解决的实践能力培养”的培养目标,我们形成了“能力引导、强化应用”的育人理念,实践了“三阶递进、五维协同”培养模式。
2.2 三阶递进模式(时间维度)
根据学习认知规律,我们构建了逐次递进的三阶模式:案例嵌入、项目驱动、校企协同,实现人才培养与行业实际的“零距离”。
(1)企业案例嵌入,激发学习兴趣。案例教学是连接理论教学和实践教学的桥梁。将企事业单位的实际案例引入课堂教学,可以让学生更容易理解数据分析的思维方式、基本理论、基本方法。课程案例教学内容的设计和组织,可以通过企业导师和高校教师共同协作来完成。
(2)强化项目实训,深化产教融合。教学实践中,我们强化项目化导向来开展课程开发和课程设计。对于低年级课程,引进一些趣味性强、实用性好的课程设计类实践项目,促进学生初步掌握数据分析的基础知识和基本技能,加深学生对数据分析的专业认知。对于高年级学生,实施项目综合实训、顶岗实习和毕业设计等教学环节,全面提高学生的数据分析实践能力、应用能力和创新能力,从而提升学生的就业竞争力。
(3)创新校企协同,完善产教融合。我院数据分析人才培养一直致力于探索政校企合作的应用型人才培养模式,促进行业企业深度参与培养过程,强化培养学生的实践能力和创新能力。目前已与二十余家企事业单位进行校企合作,共建数据分析实训实习基地。
A.成立政校企合作管理咨询委员会。聘请行业专家、企事业单位技术总监和高级管理人员和校内外教师共同组建“政校企合作管理咨询委员会”,明确专业发展战略、发展方向和人才培养目标,参与人才培养的专业教学计划。
B.合作开发项目化课程。开展以企事业单位实际项目为导向的课程开发和课程设计,政校企共同开发课程,包括重构项目化的课程内容重构、层层递进设置实训项目、引入行业最新技术及规范等。
C.提供实习环境和实践指导。企事业单位为学生的认识实习、技术实习和毕业设计等提供场地、设备和指导教师;毕业生以实习生身份参与企事业单位的数据分析工作,为企事业单位提供服务。双方互惠互利,实现“双赢”目的。
D.量身定制行业数据分析师。只有数据分析技术与具体行业相结合,才能保证数据分析有用武之地。因此通过校企协同,让学生有机会参与具体行业的数据分析项目,以实现培养特定行业数据分析师的目标。
E.产学研合作促进双能师资队伍建设。数据分析行业特点是知识更新快、新技术和新设备层出不穷。因此,把有潜力、学历较高的教师派驻企事业单位进行产学研合作,既能達到培养双能师资队伍的目的,也能增强企事业单位的研发力量。
2.3 五维协同体系(空间维度)
基于系统论观点,围绕专业核心能力的培养,从空间维度上构建涵盖理论教学、研讨教学、实践教学、学科竞赛和学生科研五个维度的培养体系。这五个方面相互促进、相互融合,充分贯彻了“能力引导、强化应用”的育人理念。
(1)理论教学的问题性导向。传统的理论教学课堂,教师负责教、学生负责学,没有能够有效地调动学生的学习积极性和学习主动性。研究性学习教学模式注重学生主动参与知识的获得过程,注重学生知识的自我建构。基于这一教学理念,数据分析课程的研究性教学改革,以问题性导向来开展教学设计,以合作探究来组织课堂教学。
(2)研讨教学的合作性导向。为补充和深化理论课堂的学习,选择一些与理论知识点联系紧密、具有一定趣味性或者很强应用性的问题,作为讨论课的主题。首先将讨论主题提前布置给学生,让学生在课堂外以小组的形式开展探究和合作讨论,然后在课堂上由各组进行阐述和提问,开展组与组的讨论与交流。
(3)实践教学的项目化导向。我们将企事业单位的实际项目引入课程教学,使学生在项目认知、数据采集、数据预处理、数据分析、模型构建、结果解释、引申应用等系列训练过程中学习数据分析基础知识,掌握数据分析基本技术,拓展数据分析专业素养,提升实践能力和创新能力,实现“学中做、做中学”,培养贴近行业需求的高素质应用型数据分析人才。
(4)学科竞赛的行业性导向。我们的数据分析人才培养注重学科竞赛调动学生的学习积极性,促进教学活动与行业产业的深度融合。数据分析类专业的学生积极参加了数学建模竞赛、挑战杯竞赛、统计调查大赛、证券投资大赛、政务数据开放创新应用大赛等各类学科竞赛,参赛学生人数占专业总人数85%以上,提高了学生的数据采集、数据分析、结果解释、引申应用等实践能力和创新能力。
(5)学生科研的应用性导向。深化校企合作、强化项目实训的“产教融合”教学模式,提升了学生参与实际科研项目的积极性;贴近行业实际的科研训练,提升了数据分析能力、实践能力和社会发展能力。在校内外导师的共同指导下,学生主持完成了各级各类的数据分析相关创新创业项目。
3 结束语
根据多年的办学探索和实践,我们提出了“基于问题解决的实践能力培养”的应用型人才培养目标,形成了“能力引导、强化应用”的育人理念,探索和实践了“三阶递进、五维协同”数据分析人才培养新模式。新模式解决了人才培养与行业有效贴近问题,解决了知识点割裂问题,解决了教学活动缺乏学生的积极参与问题,使得我们培养的数据分析人才掌握核心技能、贴近行业实际、具备良好发展性品质。
*通讯作者:岑仲迪
基金资助:本文受宁波市软科学项目(2015A10045)、浙江省哲学社会科学规划课题(15NDJC243YB)、浙江省高等教育课堂教学改革项目(kg2015330)资助
参考文献
[1] 新华网.美国推动大数据技术发展的战略价值及启示[OL]. http://news.xinhuanet.com/theory/2012-06/20/c_123311339.htm.
[2] 范晓.大数据市场年均增速将达23%[N].北京日报,2015-11-17.
[3] 朱汉斌,郭长胜.广东数据分析人才缺口达百万[N].中国科学报,2014-9-1.
[4] 韩际平.大数据时代的统计人才培养——对话著名统计学家袁卫[J].中国统计,2014(10):5-8.
[5] 谭立云,李强丽,李慧.大数据时代数据分析人才培养的思考及对策[J].黑龙江科技信息,2015(3):62.
[6] 黄晋.关于大数据人才培养的思考与探索[J].教育教学论坛,2014(11):201-203.
[7] 焦琳,赵聪,苗绘.大数据时代下财经院校应用型统计人才培养模式创新——以河北金融学院为例[J].时代金融,2015(3):57-58.
[8] 张海波,黄世祥.统计学专业学生大数据分析能力的培养方式选择[J].统计与决策,2014(24):66-68.
[9] 向程冠,熊世桓,王东.浅谈高校大数据分析人才培养模式[J].中国科技信息,2014(9):138-139.
[10] 苏理云,高红霞,胡爱平,陈彩霞.以数据分析为核心的应用统计学人才课程体系构建[J].教育教学论坛,2014(49):248-249.