数据工程应用型人才多维度课程体系研究

李雪菁

摘要：随着高等教育事业的发展，普通本科高校应用型人才培养体系改革已经成为我国高等教育教学改革的热点，而课程体系的改革又是此次改革的重点内容之一。紧扣复合型、应用型的定位，以优化结构、提高质量为方针，以“学生企业落地”为目的，研究基于岗位能力素质模型的数据工程应用型人才多维度课程体系。在相关研究的基础上，对传统的岗位能力素质模型进行重构。从培养目标、课程体系实证、考核机制、师资队伍培养几个维度对数据工程的课程体系进行研究。

关键词：数据工程；应用型；高等教育；课程体系；多维度

中图分类号：G642.0 文献标识码：A 文章编号：1009-3044（2018）09-0132-03

Abstract：With the development of higher education， reform of training system of applied talents in regular universities has become a hot spot in the reform of higher education in China. And the reform of curriculum system is one of the key contents of the reform. This thesis takes the direction of data engineering in computer science as an example. It adhere to the "applied， local， international and pro industry" positioning. "Student enterprise landing" for teaching purposes， research on multi-dimensional curriculum system of applied talents based on competency model. The paper is based on the analysis of the corresponding research at home and abroad， reconstruct the traditional competency model. From the training target， empirical study of curriculum system， evaluation mechanism， training of teachers， the paper studies the curriculum system of applied talents training.

Key words：data engineering； applied talents； higher education； curriculum system； multidimensional

1 引言

當今社会正在经历一场由大数据引发的社会革命。多样化的数据、巨大的数据量以及它们潜在的商业价值已经开始对社会发展等产生深远的影响。国内外都已深刻认识到大数据分析的重要战略地位和意义。在2015年的全国“两会”上，李克强总理提出，“将推动移动互联网、云计算、大数据、物联网发展”[1]。数据工程是“互联网+”的核心技术之一。最新数据工程技术发展方向是近年IT产业的最新技术发展方向，应用前景广阔，因此这方面的专业人才需求量巨大。据Gartner公司提供的数据，截至2016年将有440万的IT工作将支持大数据，仅美国就有190万IT工作产生。据市场研究结构IDG报告，2015年全球IT业薪资上涨排名前15的岗位中，数据工程类占了7个（根据我校的培养定位，数据工程7类岗位中有3类是适合应用技术型人才的），如表1。据麦肯锡（McKinsey）预测，到2018年，美国在“深度分析”人才方面将面临14～19万的数据分析技术人才缺口[2].据数联寻英《全国首份大数据人才报告》显示，目前我国大数据人才仅有46万人，未来3～5年内大数据人才缺口将高达150万人，而目前的人才培养，无论是规模还是质量水平，都远远达不到要求[3-4]。

在这样的背景下，目前国内外很多高校都陆续开设数据工程的系列课程。如：哥伦比亚大学，弗吉尼亚大学，圣彼得大学等。国外高校在设置课程时通常根据知识范围与人才培养的侧重点不同，主要分为三个方向：面向大数据分析方向、面向大数据平台方向、面向深度计算分析方向。总的来说，大数据分析方向更多是面向金融学专业的，大数据平台方面的课程更多是在传统计算机专业开设的，深度计算分析的课程是面向理学院的学生开设的。

在我国，很多高校也开设了数据工程方向的课程。值得注意的是：国内开设的相关课程基本都是针对硕士研究生层面。例如，2013年1月，北京航空航天大学成立国内首个“大数据技术与应用”软件工程硕士项目，课程是针对大数据应用的三个主要层面（数据管理、系统开发、海量数据分析与挖掘）设置的。2014年，西安电子科技大学设立大数据技术与应用专业研究生，课程侧重培养学生的大数据平台架构和高级分析能力。2015年西安交通大学软件学院开设数据工程类硕士研究生专业，课程重点培养学生大数据分析（绩效管理、风险分析、决策管理和内容分析等）。

通过调查发现，国外大学更侧重于大数据理论的研究，而国内大学更注重于大数据的实现技术。

国内外已有的相关课程，为本研究提供了不可或缺的理论支撑和经验积累，亦为本文研究思路提供了重要的启发与借鉴。但目前公开资料显示国内外尚没有针对应用技术型本科开设的系统的数据工程类课程体系。因此实际中不能照搬目前部分高校已有的课程。

2 岗位能力素质模型（Competency Model，CM）

岗位能力素质模型（Competency Model，CM）也称为胜任力模型，是指担任某一特定的任务角色所需要具备的能力素质的总和。它是由美国著名的组织行为研究者大卫·麦克利兰（David McClelland）提出“能力素质”概念之后逐步发展起来的[5]。

对于CM模型的研究是近几年来国内外学者的热点问题之一。简单地说，CM模型的理论价值在于优化人岗匹配，達到人事相宜，人适其事，事得其人。而这恰恰符合应用型高层次人才培养的目的。经典的CM模型分为：冰山模型及洋葱模型。所谓冰山模型是指：CM模型中的知识、技能、行业素质根据不同表现划分为表面的“冰山以上部分”和深藏的“冰山以下部分”，即知识与技能属于表层的胜任力特征，这两者相对来说比较容易改变和发展 ，而行业素质则是不容易培养并发现的[5]。

3 数据工程应用型人才多维度能力模型构建

3.1培养目标确定

1）转型后课程体系特点

传统的计算机专业课程体系与数据工程课程体系是有非常大区别的。传统计算机专业重视特定领域的知识传授，课程体系是“通识课"专业基础核心课"专业选修课"实践实习”一条龙模式。相比之下，数据工程是一个全流程体系，要求现场工程师在了解行业应用背景的前提下具备独立的项目实施能力，且需要了解计算机、应用数据等多学科的基础知识。

目前教育转型后课程体系（包括数据工程专业）存在急需解决的两个重要问题：

（1）传统的人才培养课程体系及考核机制已不能胜任转型后的人才培养的能力要求；

（2）针对教育转型后的应用型技术本科层次的人才培养急需完善且与企业需求接轨的培养课程体系及相应考核机制。

2）应用型数据工程人才现状

我校的信息科学与技术学院根据学生培养定位情况，开展云计算支撑技术、数据分析与应用、金融IT数据分析作为计算机技术（数据工程）学科的发展方向。2016年8月，我校顺利进入“教育部-中科曙光”联合推出的“数据中国百校工程”项目，将成立曙光大数据学院。研究中调研大量文献[6-8]，同时邀请来自曙光信息产业股份有限公司、复旦大学、上海交通大学、同济大学、上海大学、IBM公司、联想集团、Infosys公司、上海华钦信息科技股份有限公司、上海新南洋集团、上海鑫湛信息科技股份有限公司、ISTQB/CSTQB、上海滔瑞信息科技有限公司等企业与高校的专家，就相应课程体系设置等内容开展咨询讨论。

根据调查结果显示，目前数据工程人才状况存在以下问题：

（1）具有交叉复合型知识人才匮乏

“数据工程”在其全流程的技术链上，对不同专业方向的各个环节从业人员的技术能力要求和行业经验不同。需要技术人员不但具备传统计算机专业知识，更需要具备与其专业方向配套的知识。但是目前国内高校及研究所培养出来的学生，知识结构体系还停留在传统教学模式下，这非常不利于学生自身发展，更不利于行业发展。

（2）行业应用性差

数据工程的实践性是非常强的。与其他学科一样，数据工程同样强调深厚的理论基础，但同时更加注重丰富的实践。在不同技术链中，对项目研发、运营、运维和管理分析领域急需具备丰富实践经验的复合型人才[9]。目前的应届生几乎没有实际经验，普遍需要进行再培训，甚至是基础培训。

（3）缺乏相应职业素养

目前的数据工程人才仅具有专业技术和知识，但是这样不利于企业的发展，更不利于我国数据工程人才结构的完善。越来越多的企业希望这些人才要具备一定的职业素养。

3）数据工程人才必备素质特点[10]

（1） 多学科交叉特点

数据工程是一个面向数据全流程的技术，即涉及计算机方面又涉及通信、自动化、数学等多领域的学科应用，具有多学科交叉特点。

（2） 行业应用性强特点

数据工程的课程实践性是非常强的。与其他工程类课程一样，数据工程同样强调深厚的理论基础，但同时更加注重丰富的实践。每家公司对大数据工作的要求不尽相同：有的强调数据库编程；有的突出应用数学和统计学知识；有的则要求有咨询公司或投行相关的经验；有些是希望能找到懂得产品和市场的应用型人才。

（3） 具有一定的职业素养特点

若数据工程人才仅具有专业技术和知识，是不利于企业的发展，更不利于我国数据工程人才结构的完善。越来越多的企业希望这些人才要具备一定的职业素养，即能够理解现有和新兴的专业技术，而且具有较强的沟通、项目管理等能力，这样更能够推动协同性工作。

基于前期大量的调研结果，从实际项目需求来看，上海大量企业缺少中等层次的大数据分析人员。这符合我校的人才培养定位。我校信息学院计算机技术专业（数据工程方向）在过去的学科建设过程中，团队已取得了一些高质量科研成果，并将其应用在教学工作中，成效显著。2016年8月，我校顺利进入“教育部-中科曙光”联合推出的“数据中国百校工程”项目，将成立曙光大数据学院，2016年4月，学院“数据工程应用技术型人才培养模式研究”获得市教委民办高校科研项目自主，2016年与上海华钦信息科技有限公司成立华钦金融IT学院，2014年12与IBM公司成了大数据联合实验室。项目将所研究的数据工程应用型人才的课程体系及考核机制与校企合作相结合。这也是本文研究围绕的核心内容。

3.2基于CM模型的数据工程应用人才多维度课程体系实证

如图1所示，根据CM模型理论，对人才培养分为：知识培训、技能培训、职业素养培训。我校开展的数据工程三个方向：云计算支撑技术、数据分析与应用、金融IT数据分析，对于从业人员的技术能力要求、行业技能及职业素养的要求是不同的。因此要在掌握计算机专业知识基础上，针对不同的专业方向对数据处理全流程（包括数据定义、管理、挖掘和智能分析等），及数据处理各环节关键技术进行分析，并找到不同专业间的关联与制约，针对不同的应用岗位确定相应的专业知识。

（1）按“数据工程培养方向"关键技术实施"知识体系”的思路，分析适合我校学生特点的行业应用背景下的岗位能力要求，研究确定对应岗位能力的项目实施所需关键技术，进而分析确定相应的知识原理。

（2）根据岗位能力要求，分析具体操作能力对应的知识领域与行业项目实施能力要求，构建相应的“多学科交叉+行业应用+职业素养”多维度复合能力结构框架，探索应用技术型人才培养的课程体系建设。

A.将企业课程进入传统计算机专业课程体系。

B.将企业课程与数据工程专业课程融合。

C.将职业素质教育引入课程体系。

（3）通过分析应用技术型人才培养的关键技术，探索校企深度合作模式，同时开展“嵌入式”教学模式，即企业实习贯穿教学，具体体现为：

A.搭建实训平台，模拟企业工作流程，引进企业项目实施案例，完成学生技术实施能力的模拟训练；

B.共建校企合作实践基地，引进企业技术专家，参与课程教学过程，改革教学方案与技术评估考核方式（如：项目设计、技术实施与结果展示，现场操作演示等）；

C.对应不同专业方向（金融IT数据分析、数据分析方法应用、云计算支撑技术）的学生，每个学期安排到对应企业实习培训，使学生将课堂所学内容与企业项目具体实践结合。

（4）对比分析传统培养模式与数据工程人才培养定位，将企业职业素养相关贯穿于课堂中的课程体系与企業实习中。

在教学中引入相应职业素养课程，请企业专家参与课程教学。同时，在企业实习中结合相应素质教育课程对学生进行评估考核。

具体研究思路如图2所示。

4 教师队伍建设

教师队伍建设是实现能力培养方案最重要的保障。研究通过与企业的技术交流和应用项目研发，并请企业专家进课堂的方式，提升专职教师的教学素养。

从图1所示模型可知，对多维度应用型人才的培养包括三个层次。因此，对师资结构也进行了相应的调整与规划。整合了教学、科研和管理教师队伍，完整覆盖从知识培养、技能培养、专业素质培养全部环节的研究队伍结构及学科支撑体系。

另外，以职业能力素养为课程体系建设的最终目标，在教学团队的组建上，突出“跨学科”特征，打破原有课程体系，冲出组织壁垒，淡化组织概念[11]。在这个过程中专职教师参与项目实施，提升教师的技术水平和行业经验。同时，邀请企业专家参与课程改革，提高师资队伍的理论素养。建设适应新技术发展的师资队伍。

5多维度应用型人才课程体系完善

5.1“双盲”考核机制构建

基于CM模型构建的多维度课程体系，需要有相应的评价考核机制。这不但是对学生能力培养结果的考核也是对该课程体系的评价。评价机制可反作用于多维度课程体系，并根据研究结果更有针对性加强学生实际项目能力培养。

具体考核办法拟采用“双盲”的方式，即选取1～2门选修课程，授课的教师、企业专家及学生将被分为两组，且不会被告知评价的内容及目的等。一组采用多维度课程体系授课，另一组采用传统课程授课。课程结束后，对比两组学生完成实际项目的结果，进而对该多维度课程系统进行评价。

5.2以研究带动教学

教育与研究两驾马车是相辅相成，互相促进的。在课程体系构建的同时，更要展开数据工程方向的科研。

6总结

本文按照我校学生特点，确定专业定位，进而研究确定岗位对应关键技术要求，在此基础上对相应的课程体系及相应的考核机制进行研究。数据工程是一个面向数据全流程的技术体系，不同专业方向的技术要求各不相同。岗位能力素质模型（CM）强调的是不同岗位所要具备的职业素养。在“数据工程”的技术链上，对不同专业方向的各个环节从业人员的技术能力要求和行业经验不同。将CM模式引入到课程体系中可以探索应用技术型人才培养课程体系的新思路，使学生通过本科教育真正做到“企业中落地”。在理论研究中是具有非常实际意义的，是对现有研究的有益补充。

参考文献：

[1] 国际在线. 解读2015年政府工作报告16个改革重点[J]. 中国建筑金属结构， 2015（4）：22-23.

[2] 夏大文， 张自力. DT时代大数据人才培养模式探究[J]. 西南师范大学学报（自然科学版）， 2016， 41（9）：191-196.

[3] 数联寻英.数联寻英顺利举办大数据人力资源论坛[EB/OL].（2016-07-2） [2016-07-26]. http：//www. shulian -xunying.com/detail-10-48-1.html.

[4] 张志钢， 赵黎强， 高天迎. 面向大数据应用的计算机科学与技术专业人才培养方案研究[J]. 天津教育， 2017（1）：32-33.

[5] Mcclelland D. A critique of the latent damage Expert System[J]. Information & Communications Technology Law， 1998，7（1）：15-30.

[6]高斐. 大数据应用技术专业人才技能探究[J]. 电脑知识与技术， 2016，12（33）.

[7] 吴明念. 基于应用型本科院校的大数据实验室建设探究[J]. 电脑知识与技术， 2015，30（16）：6-7.

[8] 史修松. 大数据环境下地方高校应用人才培养初探[J]. 理论观察， 2013（11）：134-135.

[9] 杨春林.关于提高工程应用型本科院校大学生就业能力的实践与思考——以淮阴工学院为例[J].时代教育（教育教学版）， 2013，1（54）：27-33.

[10] 马林霞，郭建如.从高新技术企业需求看高层次人才培养[J].中国高等教育， 2008（5）：45-47.

[11] 侯筱蓉，赵文龙，罗丽娟，等. 基于协同教学理论的高校学习型教学团队建设[J]. 医学信息学杂志，2012，33（7）：86-89.