信息管理专业数据挖掘人才培养模式研究

李海林+杨丽彬

摘 要： 数据科学时代，以数据为核心的信息管理与信息系统专业承担着数据挖掘人才培养的重任。针对传统信息管理专业课程设置和人才培养的特色与特点，本文分别从理论教学、实验教学、实践教学和双模式人才培养等方面对该领域的数据挖掘人才培养模式进行了分析，比较传统信息管理与数据科学这两种人才的教学体系与培养模式。该人才培养模式不仅有助于信息化时代向数据科学时代转变，也为信息管理专业的数据挖掘人才培养提供新的教学改革思路。

关键词： 信管管理专业； 数据挖掘； 人才培养模式； 大数据； 教学改革

中图分类号：G420 文献标志码：A 文章编号：1006-8228（2017）11-92-03

Research on data mining talent cultivation mode of information management specialty

Li Hailin1， Yang Libin2

（1. School of Business Administration， Huaqiao University， Quanzhou， Fujian 362021， China； 2. Office of Academic Affairs， Huaqiao University）

Abstract： In the era of data science， the specialties of information management and information system， which take data as the core， bears the important task of training data mining talents. In view of the characteristics and features of the curriculum setting and personnel training for traditional information management specialty， this paper from the theoretical teaching， experiment teaching， practical teaching， personnel training and the dual mode talent training and other aspects， analyzes the training mode of the data mining talent， and compares the teaching system and training mode for the talent of traditional information management and talent of data science. The talent training mode proposed in this paper will not only help the era of information change to the era of data science， but also provide new teaching reform ideas for the training of data mining professionals in information management specialty.

Key words： information management specialty； data mining； talent cultivation mode； big data； teaching reform

0 引言

信息管理与信息系统专业通常被简称为信息管理专业，其目的是培养适应国家经济建设和科技进步发展且具备良好的数理基础、管理学和经济学等相关理论知识、信息技术和系统开发及应用的专业人才[1]。信息管理专业以管理信息系统为核心课程，培养学生掌握管理信息系统的系统规划、系统分析、系统设计、开发与实施以及系统管理与维护等方面的技能，具备一定的系统开发和应用能力。随着大数据时代的到来，信息管理专业人才势必会接触更多的数据信息，并且需要对管理信息系统中积累的数据进行挖掘与分析，获取有利于企业发展的信息与知识。

互联网数据呈指数级增长，半结构化和非结构化的数据类型也普遍存在，使得局限于结构化数据管理与分析的传统管理信息系统显得有些力不从心[2]。虽然运用智能分析技术嵌入管理信息系统产生了决策支持系统，但其研究的数据对象依然针对传统结构化或半结构化的数据处理、分析与研究，很难实现其他复杂数据类型进行有效管理与分析。

随着大数据的产生与发展，从各类数据源中获取信息与知识的方法和技术已逐渐被人们所接受，数据挖掘与分析也成为高校其他专业所熟悉的课程名词，这也说明了数据挖掘的重要性和影响力。数据挖掘研究的對象就是数据或信息，对数据和信息的清理与集成、选择与变换以及挖掘与分析获得相关模式与知识，使得该专业学生具备学习数据挖掘的知识储备和理论基础，能够培养出具备系统设计开发、信息管理和知识发现等技能的高级人才[3-4]。

本文在传统管理信息专业培养模式的基础上，探索和分析该专业下数据挖掘人才的培养方法，分别从理论教学、实验教学、实践教学以及双模式人才培养机制等方面来研究，为信息管理专业数据挖掘人才培养提供相关教学的改革和发展思路。

1 理论教学

信息管理与信息系统专业以管理信息系统课程为核心，要求学生具备一定的数学基础和程序设计能力，因此在传统信息管理专业的教学计划中通常开设经济数据、线性代数、面向对象技术和数据库系统原理与应用等基础性课程，并开设企业资源计划原理与应用、信息系统分析与设计以及IT项目管理等专业核心课程，让学生系统地掌握管理信息系统的规划、分析、设计、开发与维护等理论知识。如表1所示，传统信息管理专业教学主要使学生能够掌握信息管理和信息系统的基本理论和知识，提高管理信息系统的分析、设计和实现技术以及信息组织、分析研究、传播与利用的能力[5]。endprint

表1 传统理论教学与革新理论教学的课程设置比较

[课程性质 传统教学 革新教学 数学相关课程 经济数学、线性代数、概率统计、运筹学 高等数学、高等代数、概率与数理统计、运筹学和高级统计学等 学科基础课 管理学、数据结构、面向对象技术、数据库系统原理与应用、网站建设与Web编程、管理信息系统和生产与运作管理 管理学、数据结构、面向对象技术、数据库与数据仓库、数据分析与可视化语言、网站建设与Web编程、管理信息系统，R或Pathon语言 专业核心课 企业资源计划（ERP）原理与应用、信息系统分析与设计和IT项目管理等 企业资源计划（ERP）原理与应用、信息系统分析与设计、数据挖掘、机器学习 ]

数据挖掘是一个受多个学科影响的交叉学科，其包含了统计学、数据库系统、机器学习、信息科学和可视化等。数据挖掘理论和算法的应用还将会涉及到具体应用领域的知识背景，例如管理学、经济学、金融学、生物医学和物理学等学科理论与知识。

为了更好地培养学生具备数据挖掘的能力，在原有信息管理专业主体课程设置的基础上修改并添加有效培养学生具备数据处理、分析与挖掘能力的课程体系。然而，由于数据挖掘过程中，所使用的技术和方法需要学生有较强的数学基础、扎实的算法设计和程序实施能力，所以教學改革中的课程设置需要提高学生数学理论与应用基础，即将原有较为简单的数学课程更改为高等数学、高等代数和高级统计学等，进而为掌握数据挖掘理论与方法的提供必要的数学逻辑思维和知识推导能力[6]。与此同时，为了使学生具备一定的数据处理和分析能力，需要掌握基本的数据挖掘任务和方法，主要包括认识数据、数据预处理、关联分析、模式发现、分类、聚类和异常检测等数据挖掘和机器学习理论和知识。除此之外，学生要有管理信息系统相关前期课程的学习，如数据结构、面向对象程序设计、数据库与数据仓库、网站建设与Web编程和数据分析和可视化语言等计算机理论和技术，并结合数据处理语言R或Pathon，使得学生能够独立完成对数据分析任务的解析与挖掘，具备较好的算法分析、系统开发与维护以及计算机程序设计能力。

2 实验与实践教学

实验教学场所主要是在机房，实验教学的目的是提高学生对抽象理论知识的理解，培养学生的上机操作能力。在传统信息管理专业的实验教学中，主要是提高学生对管理信息系统的开发和设计能力，使学生能够进一步理解管理信息系统相关课程中的抽象理论和知识，培养学生对数据和信息的组织、检索和管理的技能。而基于数据挖掘的实验教学，除了要对数据处理及管理外，还要使学生能够从海量数据中发现潜在有价值的信息和知识，这就要求学生必须在理论课程中认识数据、预处理数据、数据仓库、分类、聚类和预测检测等具体方法。同时，由于数据挖掘理论与方法的抽象性及处理问题的复杂性，在实验教学设置课程中，通过具体实际存在的小型数据进行挖掘与分析，结合具体案例背景问题进行数据挖掘，以便学生更好地掌握和理解数据挖掘相关技术和方法在实际应用领域中的作用和意义。

与实验教学相比，实践教学可以进一步巩固课堂教学中的理论知识并且加深理解。实践教学必须理论联系实际、具体问题处理与分析、培养学生掌握科学方法和提高动手能力的重要平台。实践教学通过社会实习基地的具体任务或教师主持的具体科研项目来让学生参与任务和项目的研究与实践，在巩固数据挖掘相关理论和方法等基本知识和技能的同时，提高运用数据挖掘技术进行社会化大数据分析的能力。另外，扩展学生和教师对大学生创新创业等国家级赛事的参与面，让教学过程融入奖励与竞争机制，增加学生和教师对数据挖掘理论学习和实践应用的兴趣度。

3 双模式人才培养

大多数据高校将信息管理专业安排在经济管理或工商管理等具有文科性质的学院中，学生的知识基础通常具有文科和理科双重背景，但专业基础知识和技能的扎实程度不如管理学、经济学、工学或理学等专业方向的学生。根据学生的基本特点，提出双模式人才培养，即针对学生自身的知识储备，提出管理信息系统和数据挖掘两个方向的人才培养。

管理信息系统专业方向人才培养模式需要教师通过对一年级学生基本学习情况和学习兴趣的了解，然后详细介绍管理信息系统专业方向所需要的基本知识、将会掌握的技能和未来就业情况等说明，在尊重学生兴趣和志愿的前提下，鼓励学生从二年级开始对未来的课程选择和技能学习作出明确计划，围绕掌握管理信息系统方向的知识和技能来开展学习。教师根据管理信息系统专业方向的人才培养机制出发，重点开展管理信息系统分析及设计、计算机程序设计、数据库原理、企业资源计划、生产管理计划、财务管理系统等方向的理论课程和上机实操，集中于对学生进行管理信息系统相关专业课程的学习实践技术的培养。同时，结合基本的数据挖掘知识，学生了解信息系统产生数据、信息和知识给企业带来的潜在价值，为其能与数据挖掘方向人才培养模式的学生有数据和信息上的交叉和共鸣，这样有利于学生开展智能化决策系统和专家系统的设计和开发。

数据挖掘方向人才培养模式则需要有较好的计算机科学技术和数学理论基础，结合智能算法、数据挖掘、机器学习和统计学等学科知识，使用R语言和Pathon两种语言来处理和分析相关行业的数据。学生需要具备较强的数学分析和逻辑思维能力，有一定的算法分析和设计技能，对算法和新技术的学习能力较强。由于数据挖掘方向学生对信息管理知识了解程度较为不足，需要教师在大一期间对数据挖掘方向学生进行针对性的讲解，让学生了解学习数据挖掘在大数据时代背景下的意义、目的、挑战及前景。通过具有案例的分析和讲解，让学生真正理解数据挖掘相关知识和技能在当今社会发展的重要性和作用。在课程学习过程中，需要注重培养学生对数据挖掘算法的管理和创新，提高大学本科生在数据挖掘领域中对新算法、新方法和新技能的创新，结合实践教学拓展数据挖掘在具体实践领域中的应用创新。与此同时，根据导师的教学研究计划和相关的科研项目，让学生参与实际的科学研究，培养学生对数据挖掘理论、方法和应用等方面的学术创新。

4 结论

本文在传统管理信息专业培养模式的基础上，探索和分析该专业下数据挖掘人才的培养方法，分别从理论教学、实验教学、实践教学以及双模式人才培养机制等方面来研究。在理论教学方面在保留传统管理信息系统主体课程前提下，加强数据挖掘、机器学习和统计学等数据科学研究必要的课程。在实验和实践教学环境中，注重教学案例分析与实际项目的研究，提高学生对实际数据的处理与分析能力。同时提出了信息管理与数据挖掘双模式培养机制，使得同一专业下能够培养多元化的社会人才需求。信息管理专业数据挖掘人才培养模式的研究，有利于提高传统信息管理专业对社会发展的适应性，而且能够在传统模式下为数据挖掘人才培养提供相关教学改革和发展思路。

参考文献（References）：

[1] 杨丽彬，李海林，张飞波.大数据环境下的管理信息系统发展

研究[J].大数据，2016.2（01）：86-98

[2] 崔羽，高连伟.大数据环境下的管理信息系统升级与改造[J].

规划师，2015.31（11）：100-103

[3] 李海林.大数据环境下的数据挖掘课程教学探索[J].计算机

时代，2014.2：54-55

[4] 王欣，张毅，丁涛.管理信息系统课程教学改革与实践研究[J].

东北电力大学学报，2012.32（5）：56-58

[5] 查先进，杨海娟.大数据背景下信息管理专业人才培养模式

改革创新影响因素研究—以湖北高校为例[J].图书情报知识，2016.2：21-29

[6] 邵俊明，杨勤丽.理论创新驱动的数据挖掘课程教学改革[J].

计算机教育，2017.4：92-93endprint