高职大数据应用人才培养研究

2021-11-22

无线互联科技 2021年3期

（徐州工业职业技术学院信息工程学院，江苏徐州 221140）

0 引言

随着计算机信息技术的快速发展，数据处理模式从大型计算中心到个人PC机时代，再到如今的分布式并行计算模式。数据来源也日渐丰富，除了传统的业务数据，还包括来自物联网的传感数据，以及互联网产生的海量非结构化数据等等。数据已经成为一种战略性资源，成为生产要素之一。2013年开始人类迈入大数据时代，大数据技术在各行各业得到了重视，对这方面人才的需求也急剧增加。2014年3月将大数据首次被我国写入政府报告，自此中国大数据行业开始迅速发展，大数据人才需求急剧增加。

国务院2015年正式印发《促进大数据发展行动纲要》，将大数据发展上升为国家战略[1]。在此背景下，教育部为了落实《纲要》精神，2016年开始在北京大学等三所本科院校设立数据科学与大数据技术新专业。同年，教育部在普通高等学校高等职业教育（专科）专业设置管理办法中，增补了大数据技术与应用专业。大数据技术是一个多学科交叉融合的新兴专业，涉及计算机应用、数学、信息技术、网络技术以及其他应用领域的业务知识。培养什么样的人才、如何培养符合市场需求的人才是各个院校都在探索的问题。本文分析高职大数据人才培养中存在的问题，以市场需求为导向探讨高职大数据人才培养模式。

1 高职大数据人才培养现状

1.1 学生能力差异大

随着高职教育的发展变革，高职院校的办学形式多样化，学生生源呈现出多元性。普高有提前录取、高考招录、注册入学等，还有中职对口单招、社会人员全日制招生。学生的来源也存在地域多样性。招收的学生的基础素质参差不齐，在学习能力、学习态度等方面存在着很大差异。如何因材施教是摆在高职大数据人才培养前的一个挑战。

1.2 人才培养方向定位难

大数据是一个跨学科专业，懂得计算机科学、数学统计、行业业务知识的复合型人才是市场的宠儿。跨学科培养复合人才模式对学生素质、教师能力、教学条件的要求非常高，显然在高职院校很难普及实现。同时大数据技术已经渗透到各行各业，每个行业的数据集特征、分析挖掘目的都不尽相同。因此，各行业对大数据人才的知识结构、经验、思维方式的需求不同。受学制、教学条件的制约，学校人才培养不可能面面俱到。如何根据市场的需求定位本校大数据学生的培养方向，制定合理的课程体系是一个难题。

1.3 教学资源少，实践条件不足

大数据是一个新兴的专业学科，可用的教学资源非常少，特别是针对高职院校的教学资源就更少。社会培训教学资源没有相应的标准，知识不成体系，很难适合学校教学的需求[2]。实践能力是应用性大数据人才培养的核心。满足大数据教学、实践训练的分布式集群实验室是目前许多高职院校所欠缺的。同时，缺乏来源于真实行业案例的大数据集是高校大数据实践中存在的另外一个重要问题。

1.4 师资力量薄弱

目前大数据专任教师大部分都是从计算机相关专业调剂过来的，很少有教师经过完整的大数据学科体系培训，对大数据知识结构和课题体系的认识不够，教学能力还需要时间锤炼。同时，有些教师对大数据行业的发展、市场需求不是很了解。师资力量薄弱造成了人才培养计划的制定不够合理，人才培养定位不准确，影响了大数据应用型人才的培养质量。

2 大数据人才需求分析

人力资源与社会保障部于2020年4月30日发布了《新职业—大数据工程技术人员就业景气现状分析报告》，报告分析了当前中国大数据行业人才需求状况和未来几年的预期。报告对27家大数据行业典型企业的人力资源情况进行调研分析的结果。

根据报告目前大数据人才岗位主要分为初级分析类、挖掘算法类、开发运维类、产品运营4个方向。自重初级分析类和产品运营类岗位的比例占到44.45%，挖掘算法、开发运维岗位占比55.55%。初级分析类和产品运营岗位的技能要求相对低些，是高职毕业生将来就业的主要岗位。数据表明这类岗位的需求占比高，说明高职大数据毕业生的就业前景良好。

而对大数据人才专业来源，统计数据表明计算机类人才占比约35%，数理类占比约29%，这个两个专业是大数据技术发展的基础。但同时经济管理类以及其他类专业人才占比也达到35%，说明应用领域业务知识也是大数据发展的重要支撑之一。既懂得计算机、数学统计，又了解业务知识的综合性人才最受市场欢迎。分析当前各企业大数据人才招聘来源情况，社招大数据人才占比达到惊人的65.21%，而高校毕业生只占12.31%。究其原因，一方面是2019年以前大数据专业的大学生尚未毕业，校招没有合适的毕业生供企业选择；另一方面，大数据是一个多学科交叉的专业，具有工作经验的复合型人才更受企业欢迎。这对大数据人才培养而言是契机，同时也是挑战。要根据市场需求，因势利导，选准培养方向、调整人才培养方案，培养受企业需求的人才。

3 高职大数据人才培养模式构建

3.1 深化校企合作机制

“产教融合，校企合作”是职业院校的重要办学模式。企业相比于学校有信息优势，对市场人才需求、科技发展方向、技术需求等信息把握的比学校及时。通过校企合作，学校可以及时根据市场需求调整培养目标、培养方案。同时，学校可以从企业中聘请生产、服务第一线的实用性技术人才，让学生接受较新的、实用的技术。同时企业可以作为学校的经常性的实践基地，通过见习、实训的方式让学生了解企业生产管理方式、生产标准，培养吃苦耐劳的意志品质。

来自于生产实践的真实数据集是大数据实践教学的重要资源。由于市场竞争保密的需求，企业一般不愿意将企业真实数据集与学校分享。通过校企合作，学校教师融入到企业的科技工作中，实现双赢，企业真心愿意与学校分享成果，共同提高人才培养的质量。

3.2 以市场需求为导向，建设课程体系

各高校开始大数据专业的时间都比较短，在课程体系建设方面均处于摸索阶段，没有成熟模板可以借鉴。作为一个新的专业，学校首先要深入用人单位调研，了解市场需求。大数据技术在各行业中应用广泛，涉及的领域较多，学校教育不可能面面俱到。

学校应立足于服务地方的理念，调研地方优势产业的大数据人才需求，以及需求岗位涉及的专业技能。立足于自己学校的办学条件，以市场为导向，定位培养目标，建设自己学校特色的大数据课程体系。

3.3 加强师资队伍培养

高水平的专任教师队伍是确保人才培养质量的前提。大数据是一门新兴的交叉学科，对于高职院校的老师而言也是一个新的挑战，要求老师不仅要懂网络、编程，还得懂数学统计、各种挖掘算法、行业业务知识等。因此，必须通过加强培训的方式提高现有教师的水平。一方面可以从一线企业和重点高校聘请大数据专家到学校开展授课培训；其次，可以派骨干教师到国内大数据水平较高的高校进行体系学习；另外，可以通过到一线企业锻炼的方式提高教师实践水平。在培训挖潜的同时也可以引进企业高级技能人才到教师队伍中，提高双师型教师的比例[3]。