大数据时代信息与计算科学专业数据分析人才培养①

谭义红，陈治平

[摘 要] 在大数据时代，社会各行各业都需要大量数据分析人才，尤其是大数据分析人才。为此，部分高校正在积极探索数据分析人才的培养模式。在分析大数据时代数据分析人才的应用场景、岗位需求的基础上，结合信息与计算科学专业的内涵和特征，提出了一套一般本科院校信息与计算科学专业数据分析人才培养模式，给出了明确的培养目标、课程体系的设置、实践教学及平台的建设意见。

[关 键 词] 数据分析人才； 信息与计算科学专业； 大数据； 人才培养

[中图分类号] G647 [文献标志码] A [文章编号] 2096-0603（2018）01-0054-02

自1998年信息与计算科学专业（以下简称信科专业）开设以来，专家学者和教学管理人员[1-2]一直在探讨一般本科院校信科专业到底能培养什么样的人才，如何培养等问题，但至今还没有形成统一的认识。随着大数据时代的到来，信科专业将迎来新的发展机遇。

一方面，在大数据时代[3-5]，社会将提供大量数据分析方面的就业岗位。盖特纳咨询公司预测大数据将为全球带来440万个IT新岗位和上千万个非IT岗位。麦肯锡公司预测美国到2018年需要深度数据分析人才44万～49万，缺口达14万～19万人。需要既熟悉本单位情况又了解大数据技术与应用的管理者150万，这方面的人才缺口更大。

另一方面，培养数据分析人才是信科专业的优势所在。信科专业涉及数学、计算机、信息、管理等学科。这一交叉学科的特点非常适合培养既有扎实数学基础、又具备计算机应用能力和信息处理能力的数据分析人才。

综上所述，在信科专业培养数据分析人才，不仅能为社会输送大量的数据分析人才，同时也给该专业的办学提供了新的发展空间。本文在分析大数据时代数据分析人才需求的基础上，结合信息与计算科学专业的内涵和特征，提出了一套一般本科院校信息与计算科学专业数据分析人才培养模式，给出了明确的培养目标、课程体系的设置、实践教学环节及平台的建设意见。

一、数据分析人才需求分析

大数据（Big Data）指的是所涉及的信息量规模巨大，以至无法通过目前主流软件工具在合理时间内实现采集、管理、处理，并成为帮助企业经营决策以达到更积极目的的数据。从某种程度上说，大数据是数据分析的前沿技术，从各种各样类型的数据中快速获得有价值信息的能力就是大数据技术。基于大数据的规模大、异构、产生速度快等特征，这给数据分析人才提出了更高的要求。

为了更清楚地理清社会需要什么样的大数据分析人才、学校应培养什么样的数据分析人才等问题，本课题组对当前大数据人才进行了深入的调研。下面主要从大数据的应用场景、大数据的岗位需求等方面进行阐述。

（一）大数据的应用场景

基于大数据的特点，大数据的应用场景主要包括以下五个方面：（1）收集大数据建立庞大数据库。（2）利用大数据分析客户的行为特征。（3）利用大数据实现运营分析优化。（4）利用大数据实现IT效率和规模效益。（5）利用大数据实现智能安全防范。

（二）大数据的岗位需求

随着大数据时代的来临，越来越多的人意识到数据正在成为政府、企业最重要的资产，并将决定着企业的未来发展。因此，获得大数据相关的人才，成为政府、企业当前迫切的需求。根据当前主流人才网站的招聘信息和大数据知识结构，可将大数据人才大致分为六类。

1.大数据分析师

岗位职责：在特定行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究评估、预测的专业人员。

知识结构和能力：数学基础：概率论和统计、数学建模等；数据分析技术和工具：SPSS/SAS/Python、数据挖掘技术、数据仓库、机器学习等；数据库技术：Mysql/nosql/Oracle等；云计算技术：Hadoop/MapReduce/Spark；行业知识：政府、金融、电信、医疗、电商等。

2.大数据应用开发工程师

岗位职责：负责搭建大数据应用平台以及开发分析应用程序。基于服務器端数据库、数据处理、分布式存储及实时并行计算、机器深度学习，通过前端数据可视化，实现商业数据挖掘、智慧决策等应用系统开发的高级人才。

知识结构和能力：基础知识：Linux、J2EE等；云计算技术：Hadoop集群/MapReduce /Spark等；数据库技术：Mysql/nosql/Oracle等；系统开发技术：Web技术/移动互联网开发等。

3.数据可视化工程师

岗位职责：负责在收集到的高质量数据中，利用图形化的工具及手段，清楚地揭示数据中的复杂信息，帮助用户更好地进行大数据应用开发。

知识结构和能力：基础知识：Linux；可视化开发工具：R/Spotifre/Qlikview；数据分析技术：数据挖掘、机器学习。

4.大数据管理工程师（DBA）

岗位职责：负责企业内部大型服务器、存储、数据安全管理工作，并对网络、信息安全项目进行规划、设计和实施，在数据安全方面有具体技术的人才。

知识结构和能力：基础知识：Linux；云平台、云计算技术：Hadoop集群；数据库技术：Mysql/Nosql/Oracle/MongoDB等。

5.大数据架构师

岗位职责：负责大数据系统研发，包括大规模非结构化数据业务模型构建、大数据存储、数据库构设、优化数据库构架、解决数据库中心设计等，实现对平台监控、辅助运维系统的开发。

知识结构和能力：核心框架：Hadoop、Spark、Storm等；云计算：MapReduce组件：通用算法、Yarn，HBase、Hive、Pig等重要组件。

6.数据科学家

岗位职责：将单位、企业的数据和技术转化为有用的商业价值，是联通海量数据和管理者之间的桥梁。

知识结构和能力：数据专业分析师能力管理知识。

二、信息与计算科学专业的内涵与现状

目前，信科专业的实际办学效果不尽如人意，主要原因有：（1）信息与计算科学是一个内容非常广泛的学科领域，要从中选择出“既能体现学科前沿，又能体现本校特色，既能符合本校教师专长，又能保证所培养的学生适应社会需求”的专业方向确非易事。（2）缺乏统一的教学规范，各学校在教学内容、课程设置及教学组织上差别很大，课程很难形成体系。虽然2003年制定了信科专业教学规范（试行稿），但在规范中，也没有明确专业方向，只是给出了指导性专业方向，还需由各个高校根据自身的条件，选择办学方向。

我校信息与计算科学专业自开办以来，一直致力于数据分析人才培养，开设了数据挖掘、数据仓库技术、数学建模、概率论与数理统计等相关核心课程，部分学生毕业后到证券、保险公司从事数据分析工作，在数据分析人才培养方面积累了一些经验。当然，这远远不能满足当前大数据时代的人才要求。因此，大数据时代的到来给信息与计算科学专业带来了千载难逢的发展机遇。

三、信息与计算科学专业数据分析人才培养模式

（一）培养目标

通过调研和专家论证，结合我系师资情况，制定了如下培养目标：本专业培养适应社会主义现代化建设和信息产业发展需要，德、智、体、美全面发展，具有良好的数学基础、熟练的计算机技能，掌握信息和计算科学的基础理论与方法，掌握大数据科学与技术所需要的计算机、网络、数据处理、数据分析等相关学科的基本理论和基本知识，熟练掌握大数据处理与分析技术，具备大数据分析能力，能够解决传统数据和大数据下的数据分析处理等实际问题的应用型人才。毕业生能在政府信息部门、金融部门、证券公司、医疗公司、咨询公司、网站服务商等从事数据分析、辅助决策等工作。

（二）课程体系设计

为了培养目标，提出“一个主线，两个平台，多个模块”的思路来设置课程体系。一个主线指以“培养大数据分析人才的能力和素质”为主线，搭建“公共通识平台”“学科专业基础平台”两个平台，以培养学生的基本素质，构建“计算机专业基础模块”“传统数据分析模块”“大数据平台模块”“大数据分析Ⅰ模块”“大数据分析Ⅱ模块”“综合实践模块”等六大模块，每个模块除开设相关课程外，还配套开设课程设计，并在一个学期完成。模块间既相互独立又紧密联系，最终围绕主线构成一个完整的课程体系。

（三）實践环节及平台搭建

我校作为一所地方应用型本科院校，一直非常重视实践教学平台的建设，2016年被确定为国家“十三五”应用型本科产教融合发展工程100所本科规划建设高校之一，建设的步伐将会进一步加大。信息与计算科学专业所在的计算机工程与应用数学学院，建设了一系列校内外实践教学平台，为培养大数据分析人才提供了强有力的支撑。具体做法如下：（1）通过验证型实验夯实理论知识。绝大部分课程安排一定实践课程，用于巩固和理解所学理论知识。（2）通过课程设计提升综合应用能力。每个模块对应一个课程设计，时间为2～3周，用于培养学生的分析、动手能力和综合运用知识的能力。（3）通过综合实践强化解决实际问题的能力。设置认识实习、专业实习、毕业实习、毕业设计，用于加深学生对未来工作环境的了解和认识，强化学生解决实际问题的能力。（4）产教融合减少“学”“用”之间的代沟。为减少“学”与“用”的脱节，应深入开展“产教融合”教学。一是聘请企业一线工作人员承担教学任务，担任主讲教师和指导老师，引入先进技术更新教学内容，共同编写应用型教材等；二是选派优秀教师到企业挂职锻炼、参加先进技术培训，培养一批既能教又能做的“双师型”专业教师；三是安排学生参加教师的科研团队、参加企业的实际项目开发，毕业设计做到真题真做。（5）搭建实践教学平台。一是构建校内实践教学平台，如构建大数据科研平台、云平台、综合实训平台；二是与业务相关的公司建立校外实践教学基地。

总之，在大数据时代，信息与计算科学专业的管理人员和教育工作者要紧紧抓住这个发展机遇，尽早对专业办学方向、人才培养模式进行改革。充分发挥专业的自身优势，加大对数据分析人才的培养力度。一来可改变该专业办学方向不明确的尴尬局面，二来可为社会培养更多的数据分析人才。

参考文献：

[1]陈敬华，刘超，明魏.关于地方高师院校信息与计算科学专业转型的思考：以湖北师范大学信息与计算科学专业为例[J].湖北师范学院学报（自然科学版），2016，36（4）：78-81.

[2]唐晓静.信息与计算科学专业应用型人才培养模式的研究[J].大学数学，2007，23（1）：9.

[3]CCF大数据专委会.2014年大数据发展趋势预测[J].中国计算机学会通讯，2014，10（1）：32.

[4]李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域：大数据的研究现状与科学思考[J].中国科学院院刊，2012，27（6）：647-657.

[5]王元卓，靳小龙，程学旗.网络大数据：现状与挑战[J].计算机学报，2013，36（6）：1-15.