以需求为导向的大数据人才定制化培养模式与策略研究*

刘贵容，秦春蓉，林 毅

（重庆邮电大学移通学院，重庆 401520）

随着信息技术的高速发展和信息应用的全面普及，人类迈入大数据时代，与之对应的是市场对大数据人才的需求也急剧增加。然而，大数据人才具有技术性强、多学科交叉融合度深、实践经验丰富这些特征，导致大数据人才供给严重不足。针对大数据人才荒这一现状，我国地方政府和各个高校都在不断探索，寻找可行的培养方式，培养不同层次的大数据人才[1]。

一、大数据人才培养的难点与对策

1.超学科培养模式难以实现

大数据人才是典型的跨学科高级复合型人才，具备不同学科体系的知识结构，一般精通计算机科学、统计学、信息技术、软件工程、人工智能、可视化、信息经济学、网络科学、社会科学、决策科学等多学科知识。所以，大数据需要一种跨学科的培养模式——超学科[2]人才培养模式，但是，目前还没有单个学院或专业具备大数据人才培养能力[3]。

2.专业培养方向难定位

大数据最初发展于天文学和基因学，后应用于互联网行业、工业制造、健康医疗、金融保险、公共行政管理、现代农业、文化与教育、卫生与安全、军事与国防等各个领域。每个行业的大数据特征均不完全相同，分析目的也不相同，这导致各行各业需要不同经验和不同思维的大数据人才。而对于学制有限的某一专业，不可能面面俱到，那专业培养方向如何定位？如果定位于培养基础层次的通用性人才，这种通用性大数据人才是否真的是企业所需，是否真的能尽快融入到具体行业中开展工作？而精确到某一个行业开展专业领域大数据人才培养的话，学生就业面窄，不利于学生的职业发展。

3.大数据实践条件尚不成熟

大数据人才培养的核心是处理“大数据”的实践能力培养。所以，大数据人才培养的核心是要拥有“大数据”，并学会处理大数据。首先，大数据从何而来？其次，对杂乱无章的非结构化大数据处理的框架技术、挖掘算法、可视化语言运营的软硬件实验室谁来构建？高昂的投资成本与经济效益之间的矛盾如何平衡？这些问题，单凭高校的某一个专业无法一一解决，需要高校几个专业的融合发展、政府扶持和企业参与才能合理打造大数据培养计划。

4.校企合作深度不够

大数据人才培养，校企合作保障其数据条件的实现。但是，企业往往考虑商业信息泄密的风险而选择形式合作，核心业务数据与关键算法技术是很难全面共享的。另外，合作中的利益冲突，沟通与协调成本都使得企业不愿意深入参与。流于形式的校企合作，使得大数据人才培养没有了土壤和根基，仅凭校内的理论培养无法为社会输送真正的大数据人才。

5.师资力量匮乏

师资是人才培养的主体，师资的知识体系决定着学生的知识体系，师资的实践经验决定着学生的职业远景，师资的战略眼光决定着专业发展方向。然而，大数据人才短缺也意味着大数据师资的严重短缺[3]。目前，一些高校教师积极转型学习大数据，但是转型期需要一定的时间，且转型效果难以估计。师资的短缺还导致专业书籍和教材的缺乏，教研教改、学术科研成果不明显，最终导致高校大数据人才培养很难落实到具体的专业培养中去，很多教师采取一边自我学习一边摸索教学的方式培养学生，其培养效果可想而知。

二、大数据人才培养模式与策略研究

综合上述大数据人才培养的难点与对策，基于社会需求的大数据人才定制培养模式能较好地规避这些难点问题。抓住了社会需求这个源头，人才培养方向不再盲目，课程设置、学分安排、实践教学、师资团队构建也都逐一明了，学生行业应用能力得到提升，还能帮助学生解决实习与就业问题，实现多方共赢。在图1中，高校可以通过校政企联合、校企联合方式[4]直接获取社会上各个机构对大数据人才的需求特征，也可以通过间接渠道获取需求，然后根据需求有针对性地定制化培养大数据人才。联合培养的大数据人才再应用到这些社会机构中去，并根据应用效果进行联合培养效果的评估，根据评估结果调整联合培养计划，实现良性循环的人才培养模式。以需求为导向的定制化培养模式具体分为三种：

图1 以需求为导向的定制化大数据人才培养模式

1.校政企联合培养模式

（1）模式内涵

校政企联合培养模式是指政府牵头和出资建设大数据人才培养项目，推进跨高校、跨学科、跨领域的大数据产业发展；高校主要负责师资团队建设以攻克大数据技术难关，挖掘数据价值，并培养大数据人才；企业负责提供数据实践的条件，甚至与高校联合培养数据人才，并为培养的数据人才提供实习、就业与培训机会。

（2）典型例子

校政企联合培养模式的典型例子是贵州省大数据产业发展项目。贵州省政府通过政策扶持，优惠奖励政策鼓励高校和企业发展大数据产业。目前，“贵阳造”大数据人才培养计划在国内大数据产业领域已经崭露头角，其培养模式具有一定的领头作用。国内顶尖的云计算研发和营运公司北京讯鸟软件有限公司2013年落户贵阳，并在政府牵头下与贵州财经大学签订校企合作协议，双方联合成立云计算研究实验室、人才培养基地；贵州轩通大数据科技有限责任公司与贵阳市经济贸易中等专业学校联合建立“贵阳市大数据产业技能人才培养示范基地”，与中国科学院、贵州大学、贵州民族大学、贵州师范大学等高校院所签订了校企合作协议，以建立实习基地、实训基地、就业基地、联合实验室及在校企合作培训教学专业等方式培养大数据人才；北京信者科技有限公司与贵州大学、贵州民族大学、贵州师范大学、贵州师范学院、遵义师范学院、贵阳护理学院、贵州工业职业技术学院合作，在这些高校内建立大数据试验中心、云平台、大数据培训和研发基地、开发DS-BOX等。

（3）策略分析

贵州省内类似的校政企联合发展，提高产学研融合度的案例非常多。可见，校政企联合培养模式是大数据人才培养较为常见的一种模式，但从全国范围来看，还不普及。由于该模式需要政府牵头，还要协调企业参与，资金投入与人才投入又较高，要解决的大数据项目规模大、难点多，很多地方政府也都在尝试学习中，导致很多地方院校没有机会得到政府扶持与鼓励，校政企联合培养模式也就无法实施了。从这个层面上说，政府首先应该提高对大数据的认知，然后制定地方大数据产业发展计划和扶持政策，协调当地院校和本土企业，促成校政企联合培养模式的具体实施。但是，各个地方政府都在着力发展大数据，难免造成重复建设和资源浪费，政府制定地方大数据发展战略时，不要盲目扩张，应该具备全局视野和前瞻性，以便未来有更好的柔性、低成本和高效益。

2.校企合作培养模式

（1）模式内涵

校企合作模式是高校与企业的联合培养，在这种模式下，基本没有政府参与，高校主要负责跨学科师资团队的构建，解决企业发展运营中的各种问题，定制化培养企业所需的专业人才；企业在该模式中，仍然充当数据支持者的角色，为高校人才培养提供真实数据，甚至提供企业导师作为辅助师资，配合高校培养大数据人才，最后为这些数据人才提供职业发展的机会。

（2）典型例子

IBM公司与诸多高校联合推出的“百企大数据A100”计划是这种模式的典型例子。为了推进大学与企业合作，探索如何应用大数据提升企业营销效率，IBM与香港中文大学市场学系、对外贸易大学国际商学院、西南交大经济管理学院等联合宣布推出“百企大数据A100”计划。加入该联盟的高校将向100所拥有B2C数据的企业投放专业的教授、研究生及本科生，帮助企业进行数据库整合、数据库挖掘、市场决策支持、产品推荐、社交聆听等大数据领域的分析和研究。IBM为此计划提供了全面免费的软件使用和技术支持，共同建立营销工程实验室。

（3）策略分析

校企合作培养是大数据人才培养中最为普及与可行的培养模式。这种合作中，合作难度与要求低于校政企合作，其跨界领域也不如校政企合作宽阔，合作团队的组建也不复杂。往往是企业与高校协调沟通就行，无需多机构协调沟通。但是，校企合作的最大弊端是合作形式化，企业出于各种考虑很难与高校深入合作。正如前文所述，解决办法只有科学严密的合作协议才能保障企业的参与积极性和合作利益。

3.项目模拟培养模式

（1）模式内涵

没有校企合作的高校缺乏实践环境，难道就不培养大数据人才了么？没有真实的企业数据条件，就模拟创造数据条件，尝试培养初级层次的大数据人才，或者为后续大数据人才的更高一级学习打好基础。基于这种思想，采取模拟项目培养模式较为可行。可以通过网络收集行业数据，比如向统计机构和研究中心购买数据，也可以通过网络爬虫软件收集网络数据，然后指导学生实践分析。另外，也可以通过实地调研或问卷调查的方式收集数据，然后进行统计分析，培养学生数据处理能力。

（2）典型例子

重庆邮电大学移通学院信管专业在转型培养大数据人才方面，虽然有校企合作企业，但是合作过程中很难达成共识，业务也就无法深入开展。得不到校企合作的真实数据，移通信管专业采取社会第三方渠道获取某行业数据，并指导学生收集他感兴趣的行业发展数据，然后模拟企业运营要求进行数据统计和挖掘分析。

（3）策略分析

这样的项目模拟培养模式，在一定程度上培养了学生数据分析的基本技能和大数据分析思维，但是离真正的大数据人才相差甚远。项目模拟培养模式只能作为入门级大数据人才的培养方式，待信管专业积累更多的大数据发展经验和师资团队后，可以摈弃这种模式，采取更为有效的校企合作模式或校政企联合模式，真正培养企业所需的大数据人才。

大数据人才荒与大数据人才培养落后的矛盾给高校大数据人才培养带来发展机遇，但也带来了挑战。通过校政企联合培养、校企合作培养、项目模拟培养，可以较好地解决当前大数据人才培养的超学科难融合、专业定位难、校企合作不深入、数据实验基础条件差、师资力量缺乏等问题。在大数据产业高速发展背景下，政府的大力扶持和数据产业链的完善，都会给高校大数据人才培养提供更好的产学研生态环境，高校必将能摸索出更好的人才培养模式，满足社会用人需求。