基于岗位画像的数据科学应用型人才培养方案设计与探索

吴睿 王艳 程茜

引 言

随着数字化时代的到来，数字化技术正在改变人们生产、生活的各个方面。高校作为培养人才的摇篮，在数字化转型背景下承担了更加繁重的任务和挑战，对数据科学这一新兴专业而言，专业人才培养的发展历程较短，无法更大程度地满足快速发展的企业需求。同时，各校专业建设的模式存在较大差异，在一定程度上使得在校学生知识面狭窄、相关工作经验少、自身能力不高，等等。这些都会影响学生今后的工作能力，如缺乏实战经验使数据科学专业学生的能力不符合招聘企业高标准、严要求的用人原则，因此制订科学的应用型人才培养方案成为各高校人才培养研究的新课题。

科学合理的人才培养方案设计，应以市场需求为导向，从职业分析入手，以培养满足职业岗位需要的高素质应用型技能人才为目标，在对数据科学相关工作岗位、工作任务、工作过程、岗位要求等仔细研究的基础上，确定知识、能力和素质培养目标和要求，培养适应社会发展需求的高素质应用型人才，即掌握扎实的数据科学理论和大数据专业知识，具有健全人格，会思考、善沟通，具有国际视野和创新精神，能够选择和使用先进的技术及工具，通过实践研究利用数据解决商业问题的能力，能够在大数据技术和大数据工程相关领域从事大数据分析、处理及应用开发等工作。

制订人才培养方案的一般步骤和流程

西安欧亚学院于2018年3月成功获批教育部第三批“数据科学与大数据技术”专业，实现学校专业建设的新跨越。为了更好地推进新专业建设，该院走访了相关高校与企业，与北京大学、中国人民大学、西安交通大学在人才培养模式及课程体系、师资队伍建设、高校实验室及实训平台构建等方面进行深度探讨，同时走进百分点集团、美林数据、东软科技等大数据密集型企业了解大数据关键技术与岗位需求，挖掘数据科学与大数据专业建设的市场导向。

经过一系列的校企调研，研发出了一套数据科学人才培养方案制订的整体流程。该流程在对社会发展需求和行业特色、企业人才需求、专业定位、岗位群进行广泛调研论证的基础上，分析了行业发展现状及人才需求，依据行业和区域经济发展，结合学校、教师、学生现状构建专业课程体系，从课程设计与准备到教学准备即最后反馈与改进等方面进行专业人才培养方案的设计，如图1所示。

图1 人才培养方案的整体流程

数据科学专业岗位画像

人才培养方案制订最重要的一个环节：如何科学合理地制订专业培养目标？通过对社会发展需求、企业需求及学生现状的分析定位专业培养目标。其中，如何正确获取企业需求信息？通过研究发现，结合自身专业优势，采用线上线下相结合的方式可以最大化地获取企业的需求信息。线下通过走访企业获得，线上通过岗位画像实现。基于数据分析业务对数据科学专业所对标的企业岗位画像的线上调研分析流程大致可以分为以下三个阶段，如图2所示。

图2 基于岗位画像的基本流程

首先，数据获取阶段。将该专业调研得到的学生预期就业岗位名称作为关键词，在国内影响力排名TOP5的招聘网站上抓取相关企业的招聘信息，并根据企业名称进行去重（有很多企业不只在一个平台上发布招聘信息），在这些招聘信息中有一个非常关键的信息（字段）“岗位要求”或“任职要求”，以非结构化形式呈现，通常是一串文本数据。而我们的业务目标就是需要从这类数据中提取相关信息。

其次，非结构化数据清洗与整理部分。对这类数据，采用对文本数据常用的处理方法，即文本分词技术。当词分好后，统计词频，并根据词频进行降序排列，提出高频词汇并进一步分析。当然，这一阶段也是不断更新词库的一个过程。不同专业由于其专业特点，涉及的词库也是不一样的，需要基于专业特点不断调整优化。

最后，由于需要从这些词中挖掘到岗位要求、通识素养和专业技能的信息，所以采用数据分析中常用的打标签的方法将文本中的词分为三部分：（1）岗位的基本要求，如学历、工作经验等，把这些词打上岗位的基本要求的标签；（2）通识素养部分，如团队合作、表达沟通、学习能力等，把这些词打上通识素养的标签；（3）专业技能部分，如专业知识、软件操作等，把这些词打上专业技能的标签。通过可视化的方法展示。从而可以在任职要求这一信息（字段）中提取到通识素养的部分，这可以为后续通识教育课程和活动的安排提供可靠的依据。

表1 基于招聘数据的数据科学专业岗位需求的通识素养和专业技能

通过以上一系列岗位画像，可以精准分析出本专业学生未来主要从事的岗位及需要具备的知识、能力和素养。以数据科学专业人才为例，主要从事的岗位有三种类型：第一类为商业数据分析师，这个工作用的最多的技能是SQL。数据分析或BI的需求更加短暂但即时，是根据当下的业务场景立刻给出数据分析的结论。这类人不用考虑太多产品化的思维，而是更加关注数据本身的含义，从不同维度的数据抽取和抽象背后的业务含义。第二类为数据工程师，这个工作一般是指从大量的数据中通过算法搜索隐藏于其中的知识的工程技术专业人员。这些知识可使企业决策智能化、自动化，从而使企业提高工作效率，减少错误决策的可能性，以在激烈的竞争中处于不败之地。第三类为算法工程师，算法的涉及范围是很广的，下至简单的一个逻辑判断，上至卷积神经网络等，都可能被称之为算法。通常对这一类人群的学历要求是最高的，还需要有一定的经验沉淀，也需要更长的时间才能体现出明显的价值。根据岗位需求分析的结果，企业需要最多的岗位类型是商业数据分析师，占比达到30%，说明商业分析这一岗位是企业需求量最大的岗位。

在聘用数据科学人才时，企业看重的是学习能力、行业敏锐度、创新能力、合作能力、责任心与敬业精神及专业知识和技能。学习能力是保证持续竞争力的关键，行业敏锐度是提早预测商机的基础，创新能力是拉开差距的法宝，合作能力是团队作战的基本保证，责任心和敬业精神是职业化的基本前提，专业知识和技能是职业化的通行证。

以岗位需求为导向的人才培养目标和培养模式

学校在数据科学人才培养方面，一定要结合区域企业需求，明确人才培养定位，然后在这个基础上进行专业定位，以保障学生在毕业后能够胜任工作岗位，接受考验。因此，学校在培养学生的过程中，要以学生的就业方向为基本导向，让学生掌握基础知识，学习内容符合社会发展与企业需求。由于数据科学是一个综合性学科，针对就业目标不同的学生，培养方案也要进行相应的调整，增强他们的行业认知能力、适应能力，以应对复杂多变的外界环境。

西安欧亚学院数据科学与大数据技术专业的培养目标：培养面向大数据产业相关领域，坚持“数据+产业”的发展思路，培养有道德、会思考、善沟通，掌握数据科学理论、数据管理与分析方法及现代化信息处理技术，具备业务理解、数据分析及项目管理能力，毕业后能在互联网、金融等领域从事数据管理、分析、决策等工作的应用型人才。

本专业培养模式如表2所示。将培养目标分解到不同学年，从大一的行业认知，到大四的综合能力应用。针对不同年级的培养目标，匹配相应的课程与丰富多彩的专业类第二课堂活动，在此过程中，通过校企联合的模式进行人才培养，实现学生入学就实战的模式，提升学生的实战能力。

表2 数据科学专业人才培养模式

制订以岗位需求为导向的数据科学专业人才培养对策

1.构建数据科学专业的课程体系

当前，我们正处于“互联网+”时代，信息化不断加强，就业领域越来越广泛，从业岗位越来越细分，所以课程体系设置应对不同的岗位需求进行设置。

课程建设应以技能培养为主，强化学生实践能力，根据企业对数据科学人才的技能要求，学校设置相关实训课程，在专业技能方面的课程有数据获取与存储类，数据展示可视化类，数据分析、数据挖掘类，数据分析软件类，还有分析报告撰写类。除了掌握专业技能之外，综合素质也是数据科学人才在职业素养中必须具备的，通过本次调查发现，企业也非常需要对工作有敬业精神的人才，所以学校也应当重视对学生综合能力的培养，尤其是需要学习团队合作能力、自我学习能力、表达沟通能力、分析问题解决问题、职业道德等。

2.推进“双导师”机制，提升师资力量

数据科学与大数据技术作为一个新兴专业，普遍存在师资匮乏的问题，特别是普通二本院校的技能型教师更是短缺。因为师资问题导致很多专业课长期不能正常开设，而数据科学相关产业发展速度快，新技术新方法层出不穷，现有教师的专业知识结构也需要不断更新。针对于此，西安欧亚学院数据科学专业实施校企联合人才培养，与多家不同数据领域的企业建立战略合作。通过“双导师”建设，一方面积极引入企业成熟的师资资源，企业教师与学校专业教师联合开发课程，基于“实际项目+真实环境”，多行业、多领域、全流程培养面向业界的应用型人才，满足企业对人才的需求。另一方面学校教师也深入企业进行实践，明白自己所教专业的现状及发展趋势，也可以把企业中的新技术、新案例补充进教学，以增强课堂趣味性。

3.真实项目在线实习，营造真实实习环境

数据科学与大数据技术专业和人工智能技术应用专业着眼于学生应用能力培养，构建并完善了实践教学，将能力培养作为一项系统工程，从课程、活动、竞赛、实践构建等方面完善了以实践能力培养为主线的一体化软件人才培养体系。

与熊赳赳教育科技（北京）有限公司共同开发在线实习项目，为需要实习但缺乏机会的在校生提供安全、质量高、时间灵活的在线实习机会。项目的内容围绕真实的商业问题展开，引导学员学会使用具体而重要的行业数据解决问题。学员在强大的导师与助教团队的支持下，根据自己的时间节奏，通过自主学习完成精心设计的任务。这能够帮助学生提高使用专业知识解决问题的能力，适应职场工作方式，为学生的职业成长提供助力。

在联合产学项目方面，企业提出实际业务问题，并提供相关数据资料和行业知识；教师带领学生将企业的实际业务问题转化为数据可分析问题，并将问题拆解为子项目，指导学生利用所学的模型和算法解决这些问题。联合产学项目将真正的企业真实环境带入到了学校，师生不用出校就可以参与，从而得到提升。

每个项目的管理都是基于欧亚学院目前已经建立的有效的知识管理体系，对资源体系中的各个项目或流程实时跟进，精准收集产学研活动中产生的大量项目资源、数据资源和社会资源，并筛出其中的无效资源，再对保密内容进行脱敏处理，最后按照应用领域进行分类。

4.建立校企联合实验室，创造真实的企业环境

校企联合实验室是连接学校与企业的纽带，分院致力于建设一流的联合研究平台，引进一流企业开展联合研究，引入和编写一流实景案例开展教学，打造与企业同步的校企协作环境。通过平台关注师生参与知识应用和知识创新的情况，促进教师发展与学生进步。以联合产学项目为例：企业提出实际业务问题，并提供相关数据资料和行业知识；教师带领学生将企业实际业务问题转化为数据可分析问题，并将问题拆解为子项目，指导学生利用所学的模型和算法解决这些问题。师生一起将企业项目转化为教学案例或实践案例再返回到教学之中，让更多的学生受益。学生在参与整个项目的过程中不仅可以接触到企业最新的业务知识和行业面临的问题，同时还可以将所学理论和实践有机结合起来。

目前该专业拥有一个联合研究院和三个联合实验室，分别是与北大光华管理学院王汉生教师团队合作的狗熊会数据科学研究院、与国内知名大数据企业百分点合作的深度学习实验室、与西北地区数据头部企业美林数据合作的可视化实验室、与商智通共建大数据智能综合实验中心。目前与合作企业在金融、环保、物联网、征信风控、教育等领域开展联合项目研究10余项、转化教学案例20余项，已完成合作开发课程《机器学习》《文本信息处理与应用》《教育大数据实践》3门，正在开发的课程5门，学生参与科研发表论文10余篇。

结 语

西安欧亚学院数据科学专业注重产学研协同发展在应用创新型人才培养中的重要作用。一直以来，该院坚持课程与实践相结合的人才培养特色，学生拥有将大数据知识运用于实践的能力，不需要很多的职前训练就能挑起解决问题的重任。因此，在面向业界的产学合作及教师日常开展的研究均实现了紧贴专业、紧靠教学，做有用的研究，提高产学项目在教学中的转化，提升教学质量和学生学习效果。与此同时，该院加强与业界代表性企业间的联系，通过校企联合建立实验室促进企业与人才培养的融合。