大数据人才供需结构现状及培养策略研究

摘 要：近年来，大数据因其巨大的商业价值正在成为信息产业变革的新引擎，大数据发展也随之从理论研究步入实际应用之路。为了与大数据行业的迅猛发展保持一致，本文进行了大数据行业人才供需结构现状梳理，并基于社会需求有针对地提出大数据人才培养策略，对大数据时代相关专业人才培养具有重要的实践意义。

关键词：大数据；人才；供需结构；培养策略

计算机及移动互联网技术的不断发展、云计算及物联网应用的日渐丰富使数据在全球范围内呈现爆炸式增长，大数据时代已然到来。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些富有意义的数据进行专业分析，实现数据终极产出的“增值”。对于大数据这一新时代科技浪潮的核心科学技术，正需要一个新的角色来承担其处理工作，即大数据人才。因此，为了与大数据行业的迅猛发展保持一致，进行大数据行业人才供需结构现状梳理，并基于社会需求有针对地提出大数据人才培养策略，具有重要的实践意义。

1 大数据行业人才供需结构现状分析

按照相关职位职能，可以将大数据人才分为数据分析、数据挖掘、数据工程师、数据架构师四类。即使是初级职位，要求也是一专多能；高级职位则更要求对每个模块都有所理解，特别是对统计、编程、行业理解的要求格外严格。在这一背景下，现阶段大数据行业人才供需结构却存在岗位供需不均衡、地域供需不均衡、学历层次错位明显等现象。

1.1 岗位供需不均衡

根据国家信息中心发布的《2017中国大数据发展报告》显示，一方面，数据分析、系统研发等技术类岗位大多“供不应求”，反映出市场上大数据技术类人才更为稀缺；另一方面，发展迅猛的大数据领域吸引了大量传统信息化领域人才进入，导致项目管理类求职人数占比远高于招聘需求；目前数据分析类岗位工作机会最丰富，其求职人数占比位列第一，但人才供给仍相对不足。

1.2 地域供需不均衡

大数据行业就业市场较为活跃的城市主要集中在京津冀、长三角、珠三角、成渝等区域。其中，从各地人才流动情况来看，大数据人才主要流向目的地为信息化基础较好、占据数据资源优势或产业政策扶持力度较大的省份（如上海、浙江等），而人才流出意向较为明显的是中西部省份（如西藏、山西等）及东北地区；深圳、南京、大连、南昌、贵阳、合肥、天津等地大数据就业市场虽较为活跃，但人才供给相对不足。

1.3 学历层次错位明显

目前大数据行业求职者学历与招聘需求出现明显的错位。主要表现为低学历（大专以下）的招聘需求高于求职数量占比，而高学历（硕士以上）的招聘需求低于求职数量占比。大数据就业市场这种“高学低就”的现象可能原因有二：一是大数据产业正处于起步阶段，对技能型、操作型的低学历人才需求较高；二是面对就业压力，很多学生倾向于选择继续深造再就业。

2 大数据人才培养策略

大数据行业发展到今天，数据的开发人才以及算法分析人才已经形成了一个初步的培养体系，但是在数据的应用人才培养方面还不完善。十年树木，百年树人，人才培养有自身规律，大数据人才培养亦如此。针对目前大数据行业人才供需不均衡的现状，探索培养高层次大数据人才的路径、满足国家日益增长的需要，这是大数据人才培养协同创新的目标和使命。

2.1 开展政策研究，建立政策扶植体系

目前国内诸多省市主要通过给予户籍、医疗、子女上学、住房补贴、个税返还奖励等多方面的优惠政策引进大数据人才，虽然在一定程度上解决了大数据人才地域供需不均衡等问题，但人才引进终究是短期策略，在通过政策手段让引进人才本土化的同时，还应建立政策扶植体系，自行培养本土化数据人才：如鼓励引进的大数据人才开展培训，吸引本地IT人员共同学习交流；设立基金支持本地IT精英外出深造，并通过一系列优惠政策确保其学成之后回馈本土；建立大数据人才培养实训基地，制定相关政策标准，改革传统的人才培养模式， 对数据人才实行分级培养和产出，在确保人才质量的同时尽量缩短培养周期。

2.2 加强校企合作，探索人才培养方式

目前，国内大数据环境下数据管理需要具有较强的数据分析能力和计算机技术能力，其中，统计分析能力和计算机操作能力是大数据人才的核心竞争力，工作经验在招聘过程中也是大数据行业所关注的重点之一。将高校大数据系列课程教学内容分为理论教学与技术教学两方面，幫助学生树立大数据认知和意识；增加大数据技术实践课程，重点培养学生综合实践能力，满足社会就业需要；通过企业与学校联合办学、联合制定人才培养方案、合作开放课程和教学内容、设置实训项目、共建“双师（专业导师+企业家导师）”结构教学团队等方式，培养既懂得数据分析技术、又精通业务的专业人才。

2.3 加强协同创新，采取多学科交叉培养模式

大数据人才是多学科交叉型人才，不是某一个学科可以单独培养的。因此未来应重点提倡高校、科研院所、大数据公司、媒体机构、各领域用人单位在基础理论、实践教学、工程实践等方面的协同创新，建立集“政、企、产、学、研”于一体、学科交叉的人才培养平台。例如，由于大数据业务往往需要扎根于特定行业，综合利用数据挖掘、存储、分析和展现技术，并融入行业特色技术以满足用户需求，因此将企业运作过程中产生的业务大数据直接用于训练和研究，将为数据分析创造真实的基础条件，从而更有利于高层次、实用型、国际化的复合型大数据人才的培养。

参考文献

[1]方世敏.新时期对大数据人才培养的思考及研究[J].经营管理者，2015（15）：419.

[2]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（45）：201-203.

[3]马海群，蒲攀.大数据视阈下我国数据人才培养的思考[J].数字图书馆论坛，2016（1）：2-9.

[4]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.

[5]张宇敬，许美玲，臧丽娜等.京津冀协同发展背景下的大数据人才培养研究[J].经营管理者，2016（12）：115-116.

作者简介

王燕勤（1970-），女，汉，河北省石家庄，经济师（人力资源专业），从事人力工作多年，目前在天津蓝天太阳科技有限公司工作。