基于职业需求分析的大数据技术与应用职业本科专业人才培养体系构建

彭光彬，张旭东，邓永生

（重庆机电职业技术大学 信息工程学院，重庆 402760）

0 引言

2019 年5 月底国家正式批准15 所高职院校升格为职业本科院校，正式开启了《国家职业教育改革实施方案》中提出的“开展本科层次职业教育试点”工作。至此，在我国的本科教育体系中出现了三种类型的本科：普通本科、应用型本科（从普通本科转型而来）、职业本科。职业本科教育具有明显的职业特性，它是一种以职业主义为导向、以技术应用为核心的本科阶段高等教育[1]。因而，在编制职业本科院校人才培养方案时应充分考虑用人单位对人才的需求条件。

2016 年，教育部批准北京大学、中南大学等3 所高校首设“数据科学与大数据技术”专业，截至2019 年3 月，已批准设立“数据科学与大数据技术”专业的高校多达400 多所。在15 所首批职业本科院校中设置“大数据技术与应用（专业代码810206）”本科专业的院校有4 所。可见，相当多的学校都开设有大数据相关专业，每所学校根据自身的擅长与侧重点不同，分别开设在计算机相关学科下或统计相关学科下。

1 大数据人才职业需求分析

职业需求的调研一般有两种方法：一是走出去，与产业密切联系；二是直接从强大的互联网中获取数据。显然，从经济及是否全面的角度来看，后者更具吸引力。本研究选取了前程无忧（51job）网站上4 288 条与大数据相关的职位作为研究对象。选取的方法是：采用全文搜索关键词“大数据”，通过Python 爬取24 小时内的职位信息，再通过数据清洗得到最终数据。将获取到的职位、职责、职位资格数据通过结巴（jieba）分词，然后使用词云（WordCloud）进行可视化，如图1—图3 所示。

图1 大数据相关岗位词云图

图2 大数据相关岗位职责词云图

图3 大数据相关岗位技能要求词云图

1.1 相关岗位分析

从图1 可以看出，大数据相关岗位主要集中在大数据开发工程师（包括大数据工程师）、数据分析师、大数据架构师、数据挖掘工程师、大数据算法工程师等几个职位上，另外还有部分高级职位如大数据专家、大数据经理等，这与大多数人对大数据职位的印象差不多。因此，大数据技术与应用专业面向的主要职位有：大数据开发工程师、数据挖掘工程师、数据分析师、大数据算法工程师、大数据架构工程师等。学生刚毕业时可以从事大数据开发、大数据运维等相关工作，3～5 年后可从事数据分析、数据挖掘等相关工作，部分优秀的学生可以从事大数据架构设计、大数据算法设计等高端工作。

1.2 相关岗位的核心职责分析

从图2 可以看出，大数据相关岗位的职责主要集中在设计、开发、挖掘、模型（建模）等关键词上。基于此，提取出大数据相关岗位的核心职责有：①从大数据业务需求出发，设计、搭建及实现大数据平台架构、重要业务模块及核心框架；②基于某个大数据平台如Hadoop 生态系统，开发分布式存储、计算及分析业务；③根据大数据模型，编写采集、清洗、挖掘、分析、可视化大数据程序；④根据业务需求、数据特点，选择合适的数据挖掘算法及统计分析方法，从大数据中挖掘出有价值的优质数据；⑤持续不断地监控并优化大数据平台，及时发现如性能、安全、隐私等方面的问题，快速定位问题并进行技术难题攻关。

1.3 相关岗位的核心要求分析

从图3 可以看出，大数据相关岗位的技能要求主要集中在团队合作、机器学习、Hadoop、Spark、Hive、HBase、Scala、Java、Python、数学/统计学、数据库等关键词上。因而，可以总结出大数据相关岗位的核心要求：①具有团队协作精神，有创新意识，有良好的沟通表达能力；②具有扎实的数学、统计学基础，有较好的外语综合应用能力；③具有较强的发现问题、分析问题及解决问题的能力；④具有扎实的Java、Python 等语言的编程功底，具备非/关系型数据库的设计、管理使用基础；⑤熟悉Linux 系统操作，熟悉Hadoop、Spark 生态圈相关技术；⑥具备基本算法基础，熟悉常见的数据挖掘算法；⑦有一定的机器学习、人工智能基础，能使用相关开源库编写机器学习、人工智能程序；⑧具有科技文献检索能力，能根据相关论文优化实现相关算法，具备初步的科技论文写作能力。

2 基于职业需求的人才培养模式探索

2.1 典型的大数据人才培养模式

大数据技术涉及多个学科领域，不但与计算机、信息论等学科相关，还涉及数学与统计学，甚至还牵涉领域相关的知识。即使单从计算机学科来看，不但涉及分布式网络、并行计算技术，还涉及机器学习、物联网、人工智能等新兴技术，因此大数据技术是一门交叉技术。从人才培养的模式来看，比较典型的如中南大学的基于新工科的人才培养模式[2]：遵循工程教育标准，实施以学习效果为导向、学生为主体、教师主导的教学方式，以服务课程目标实现来选择教学方法；又如桂林航空工程学院的“三三四”培养模式[3]：三化、三性、四结合；文献[4]提出的“2+2”应用人才培养模式也基本适用于大数据技术等专业的人才培养。这些人才培养模式强调了教学的方法及其效果的评价。文献[5]提出了市场机制导向下应用型人才培养模式，该模式包含3 个互相关联的内涵：一是确立面向市场的人才培养价值取向；二是建立适应市场需求及其变化的人才培养机制；三是明确以市场细分为前提的人才培养目标定位。显然该人才培养模式的关键在于如何适应市场需求及其变化，在这方面，文献[6]提出了敏捷式的人才培养新模式，一定程度上解决了市场需求与人才培养的矛盾。

2.2 以学生为中心的“敏捷式”人才培养新模式

敏捷式人才培养模式借鉴软件开发领域里的项目管理方法，以市场的人才需求进化为核心，采用迭代的方法，不断拥抱变化，针对人才培养方案、课程标准与课程内容以及授课方法不断优化演进，从而接近或达到用人要求。在文献[6]中提出了一种“迭代式的教学管理”方法，其遵循的优先关系是：首先考虑教学内容的必要性，其次考虑教学过程的灵活性，再次考虑人才培养的保障性要求，最后考虑学生如何更轻松愉快地进行知识与技能获取的需求。

尤其需要指出的是，敏捷式人才培养模式同市场机制导向下的应用型人才培养模式一样，高校的人才培养并不是亦步亦趋市场的人才需求，而应该具有一定的前瞻性，这种超前和引领意识应该来源于高校对大数据学科的发展方向和热点领域的把握。虽然最后考虑的是学生需求，但整个敏捷式人才培养模式过程都应该是以学生为中心的。以学生为中心的教学活动，并不是指教师围着学生转，也不是指教师与学生角色、身份、地位的高低，而是指教学理念、管理理念、服务理念的转变，教学方法、评价手段的转变[7]。教育的目的不在“教”而在“学”，“学”的主体是学生，而不是教师。因此评价教育教学活动的标准是：是否有利于学生可持续发展，是否有利于学生全面发展，是否有利于学生个性特长发展。

以学生为中心的教育理念要求学校为不同个性的学生创设不同的学习成长环境，如有的学生喜欢钻研学习，那么可以为这部分学生专门指定可供选择的指导教师，也可采取“2+2”应用人才培养模式[4]的导师制；有的学生热衷创新和创业，那么学校可开设相关创新创业课程，让学生参加创新和创业大赛，甚至可以让学生半工半读或休学创办企业。

综上所述，大数据学科是一门新兴、交叉学科，其本身是在快速发展变化中，职业本科院校在人才培养模式的选择上应以市场需求（职业需求）为导向，以学生为中心采取敏捷式人才培养新模式，从而培养出德、智、体、美、劳全面发展，掌握自然科学理论、计算机科学、数据科学、统计学等相关领域的基础知识、基本技能和基本方法，通过工程实践及技术应用能力的系统化训练，面向工业大数据、社会大数据、金融大数据等领域，培养具有大数据工程项目集成能力、应用软件开发能力、运维管理能力以及一定的大数据科学研究能力，能从事大数据采集与治理、清洗、分析、挖掘、可视化等技术岗位，并具备大数据项目集成应用、管理、维护和服务的高层次技术技能人才。

3 职业本科院校大数据技术与应用专业课程体系设置

3.1 课程设置力求体现技术性与职业性

职业本科教育不同于普通本科教育。普通本科教育培养的是理论研究型人才，强调学科教育，而职业本科教育培养的是高层次技能型人才，相对高职专科教育，在强调理论的深度和广度的同时，非常注重实践技能和思维方式的培养，并突出技术的先进性与解决实际工程的能力。因此，在设置职业本科课程体系时，除设置必要的、充分的理论课程外，还应设置大量的教学做一体化课程和综合实践性课程，图4 显示了所有专业性课程中（不包括通识性课程如高等数学等，也不包括拓展性课程如工业大数据、人工智能等）这三类课程的设置情况，其中设置了16 门教学做一体化课程和8 门综合实践性课程，此二者的课程数量远高于理论性课程，这体现了课程设置的技术与职业特性，且大量的理实一体化课程使得学生理论扎实、技能突出，理论与实际的有效结合有利于学生更透彻地理解相关理论，从而能正确地将相关技术应用于不同的场景之中（图4 中所示课程为示例课程）。

3.2 “四阶段”的课程体系

图4 大数据技术与应用本科专业各类课程设置情况图

根据大数据学科的发展以及市场对大数据人才的需求调研情况，结合地区（立足重庆，辐射西部）及学校实际，从学生认知基础出发，制定出科学的人才培养目标及相应的培养规格，并据此制定出了合理的大数据技术及应用本科专业的课程体系。该体系既体现了立德树人的根本任务，也彰显了健全德技并修、工学结合的育人机制，同时在深化产教融合、校企合作以及课证融合方面做出了一些大胆尝试。图5 是大数据技术及应用本科专业的主要课程设置图，分成四阶段。

图5 “四阶段”大数据技术与应用本科专业课程体系设置图

1）基础阶段：科学人文素养养成阶段。

除常规必设课程外，开设了大学语文、创新创业教育等课程。

2）专业基础阶段：大数据相关职业基础养成阶段。

主要开设了程序开发相关课程（Java、Python）、计算机相关课程（计算机网络、数据结构、操作系统、数据库）、应用统计分析课程。

3）技术提升阶段：大数据相关职业技术提升阶段。

主要开设了Hadoop生态圈相关技术课程（大数据存储与处理技术、Hadoop 大数据开发技术、Spark 应用开发技术）、数据分析与挖掘技术课程（数据分析与挖掘技术、Python 大数据分析实战）、机器学习课程、云计算课程以及可视化技术课程，另外还开设了大数据综合项目实战课程。

4）技术升华阶段：大数据相关职业技术升华阶段。

此阶段主要是根据岗位典型工作任务而设置的综合实训课程。

3.3 “双应用能力”的生成

在这4 个阶段，以数学和计算机等相关课程为基础重点塑造学生2 个方面的应用能力（如图6 所示）：一是软件开发技术方面的编码能 力，以Java 和Python 为基础，逐步过渡到大数据技术方面的应用开发；二是大数据技术方面的应用能力，主要以数据分析与挖掘为主线，统筹兼顾数据获取、清洗与可视化等相关技术，再开设工业、金融、社会等相关领域的大数据课程，从而使学生具备大数据相关领域项目的应用开发能力。

第三、四阶段的一些课程采取校企合作授课的模式，邀请企业方经验丰富的工程师带着项目来校授课，目前已与阿里云、甲骨文、华为、中兴等公司达成相关校企合作协议，已建成800 m2的甲骨文大数据学院，拟建设500 m2的阿里云大数据工程实训中心。数据分析与挖掘技术等10 门课程采取“课证融合”模式实施教学，将“1+X”证书制度融入课堂。

图6 “双应用能力”生成图

除此以外，根据学生兴趣及自身发展状况，还开设了选修课程，其中必选课程为软件工程和工业大数据，每个学生至少选择4 学分的可选选修课程，包括如大数据服务与创新管理、人工智能、大数据技能认证、移动人机交互技术、物联网应用技术等10 多门课程。针对学生的特长，还设置了学科/技能竞赛、科学研究等创新型实践性选修课程。

4 “1+2”证书制度

大数据技术与应用本科专业已启动“1+X”证书制度，其中的“1”指的是学历证书，“X”指的是若干技能等级证书。“1+X”证书制度让“职业教育”与“学术教育”进一步融合，这将进一步提升职业教育的含金量。当前毕业生就业存在结构性矛盾，缺乏实践教育训练的本科生在择业时常面临“专业不对口”“眼高手低”的难题，“1+X”证书制度鼓励职业院校本科生在校考取职业技能等级证书，这是增强其就业竞争力的有效手段，同时助力职业本科院校培养更多能够“手脑并用”的高层次技能型人才。

通过调研大数据技术相关证书情况，结合职业岗位任务需求，大数据技术与应用本科专业将职业资格证书融入课程体系之中，推行“1+X”证书制度，将软件开发技术、大数据等相关职业资格证书纳入学生考证范围，实施“1+2”毕业准出制度，每个学生必须选考至少2 种职业相关认证证书方能毕业（见表1）。

表1 “1+2”毕业准出制度融入课程情况表

“1+2”毕业准出制度通过以下措施加以保障：与企业合作，将本专业主流证书考点引入学校；将主流证书的考取嵌入相关课程教学中；开展相关技能证书考前辅导培训；遵循国家职业资格认证考取策略指向，定期更新本专业证书考取目录及考核知识和要求；鼓励学生参加职业技能竞赛、科技创新等活动，以置换的方式达到职业证书毕业要求。

5 结语

试点职业本科教育是国家职业教育改革的重大举措之一，大数据技术与应用本科专业具有很强的职业特性，职业教育的人才培养体系构建一方面需要以市场对人才的需求为导向，另一方面也要有前瞻性和引领意识，同时在课程建设方面也要有所取舍。敏捷式人才培养体系的建设不是一蹴而就的，而是需要不断改进、反复打磨，最后形成比较科学的人才培养体系。“1+X”证书体制有力地促进了学生技能的培养，在增强学生就业竞争力的同时，使得职业本科院校能够培养更多“手脑并用”的高层次技能型人才。本文所述大数据技术与应用本科专业人才培养体系的构建从职业需求出发，以敏捷式人才培养新模式为抓手，“1+2”证书制度作为辅助，以此期望构建出一套行之有效的大数据人才培养体系。在执行这套体系的过程中，一定会碰到新的问题和困难，未来的重要工作就是迎接这些挑战，拥抱各种变化，以培养更多的合格的“手脑并用”的大数据技术高层次技能型人才。