以需求和就业为导向的高职大数据技术专业人才培养模式研究

吴立知

（贵州职业技术学院，贵州 贵阳 550023）

0 引言

2017 年，国务院办公厅颁发《关于深化产教融合的若干意见》中指出，要深化职业教育、高等教育等改革，发挥企业重要主体作用，促进人才培养供给侧和产业需求侧结构要素全方位融合，培养大批高素质创新人才和技术技能人才，为加快建设实体经济、科技创新、现代金融、人力资源协同发展的产业体系，增强产业核心竞争力，汇聚发展新动能提供有力支撑。该意见的出台，对于推进高职院校培养以职业需求和就业为导向专业技术人才，实现应用型、技术技能型人才培养，促进院校的科研与产业相结合，提升科技成果转化率，促进我国经济发展新旧动能持续转化，提升产业的核心竞争力，具有重要的指导意义。

但是，不管是从时间还是经验看，目前国内培养大数据相关专业人才的院校都尚处于起步阶段，学校教育与大数据市场需求脱节严重。面对当前对大数据人才巨大的需求量缺口，现有研究尚缺乏针对我国大数据相关人才市场的需求分析，尤其是就业市场对大数据相关的各级各类人才的需求情况等数据分析尚处于空白[1]。

1 大数据技术专业现状分析

贵州职业技术学院大数据技术专业自2018 年开办以来，始终坚持“立德树人、德技并修”的育人理念，以就业为导向，致力打造贵州大数据技术技能人才培养高地。专业积极响应国家“实施大数据战略”、服务于区域经济发展，重点培养大数据、云计算、人工智能等方面的跨领域新型复合型人才，重点培养学生掌握程序设计、云计算数据中心建设与维护、虚拟化技术、数据可视化技术、大数据安全技术、数据建模、数据仓库与数据挖掘的基本知识，具备数据存储、大数据平台维护、大数据研发、大数据分析和大数据应用的高素质技术技能型人才。

表1 大数据技术专业职业面向

初始岗位：能胜任大数据运维工程师、初级数据分析工程师、爬虫工程师等岗位。

发展岗位：学生毕业3～5 年后，能胜任技术支持工程师、大数据运营工程师、大数据售前工程师等工作。

但在专业发展过程中，人才培养与企业需求和对口就业之间的问题开始慢慢凸显出来，重点表现在以下几个方面：

1.1 人才培养与市场需求脱节

目前，大数据技术专业与企业进行交流与对接主要通过企业调研以及毕业生作为纽带的形式。对接的企业在经营规模，经营领域，企业资质上较为一般，不具备行业示范性。学校的人才培养与示范性企业关联度不够高，在培养过程中无法深度融入企业的工作流程，培养的人才与企业真实需求有偏差，致使学生就业难、专业对口率低等问题逐渐显现。

1.2 教师队伍职业属性不强

作为高职院校的新兴专业，现有的大数据技术专业教师队伍年轻化，经验丰富的优秀教师多为跨专业转型人员，在日常教学中，专业教师知识和技能储备不够，存在跨专业转型期的边学边教、对新兴技术和核心课程教学难度大等问题。

表2 职业岗位能力分析表

专业教师的企业实践经验也有待提升，没有全面深度参与优秀企业的真实项目，无法通过企业项目，企业工作流程引导学生，进行职业化人才培养[2]。

1.3 实践课程数目较少

大数据技术专业综合实践课程主要包括数据清洗和数据分析两部分实践，总课时为216，配比不高，实践类课程多以课本教学内容为主，很少引入行业应用案例，无法提升学生的核心技能，学生学习兴趣不高。

同时，学院虽然有专门的工作室用于承接企业项目，但学生无法全面参与，且在课程设置中没有针对农业、金融、交通、电力等行业的专项实践训练。

1.4 学生实习就业渠道单一，实习就业体系不健全

学院学生就业主要通过自主择业，以及老生带新生的形式，就业渠道单一，在选择实习单位时，学校无法给予学生专业的推荐，致使学生实习单位的专业对口率低，很多学生流入服务、物流类等专业不相关的企业。

同时实习就业体系有待完善提升，没有根据学生能力发展、认知进程、知识水平进行系统化、体系化、针对性的开展实习就业活动，为学生的职业生涯奠定良好地基础。

1.5 1+X“岗课赛证”融通有待提升

学院大数据技术专业开展的“1+X”职业技能等级认证为Python 程序设计和云计算方向，与大数据分析、大数据应用相关度不高。且目前的“1+X”通过专门开展证书课程进行学习，没有将“1+X”融入现有的课程体系，课证融通有待完善；同时在比赛端没有特别指向性参与相关职业技能竞赛，赛证融通有待完善。

2 大数据技术专业人才培养模式改进

为适应国内及国际IT 行业发展新趋势，深化产教融合，大数据技术专业应结合学院的基础与优势，以行业需求和就业为导向，积极探索校企合作和协同育人机制，以新技术产业发展为契机，以提升人才培养质量、服务贵州区域经济发展为目的，探索校企高度融合的协同育人机制；优化人才培养模式，校企共建共享优质教学资源；打造高水平“双师型”教师团队；组建集教学、实训与生产与一体的实训基地，提高专业的技术协同创新能力。

2.1 创新人才培养模式，打造高质量职业教育高地

大数据技术专业应构建基于真实生产环境“任务式”的创新人才培养模式，该模式将围绕产、教、学、研、训一体化教育生态模式，引企入教，以企业需求为出发点，培养专业的应用型人才。创新校企双方共建共育，即由学校教师讲授专业基础课程，校企双方共同教授专业核心课，同时引进企业实际项目和应用场景，以真实企业项目的任务式教学模式进行教学，由企业工程师和学校教师引领学生在线上或线下共同开展教学活动，并带领学生进行项目成果的转化。通过“双师制”教学，创新人才培养模式，培养创新型、复合型人才。通过模式创新与实践，服务区域经济发展的同时，输出更多科研成果，打造独具特色的教育生态平台示范基地，推动学校人才培养模式创新实践。

2.2 以真实项目为导向，建设教材与课程教学资源

根据职业教育国家教学标准，贯彻党和国家在课程设置、教学内容等方面基本要求，依托企业行业资源、建设专业实践应用能力较强的教材和课程教学资源，对接高技能人才岗位职业能力需求。

依托企业和行业资源，引入大数据技术应用真实项目作为教学资源，重新修订课程教学大纲、课程标准、教案、实验实训项目、课程试题库等在内的大数据专业教学资源和教学实验管理平台，聘请行业导师到校进行专业核心课程的实训教学，并安排专业教师到企业进行顶岗实习和师资培训，共同开发专业教材和课程教学资源。

2.3 “双师型”师资团队建设

联合大数据企业合作伙伴，引进具备实战经验及前沿技术的企业级工程师，可与院校老师共同完成教学任务，建立教学资源库，共同参与教学研讨会议与活动，全面培养、提升专业师资的工程实操经验及教学业务能力，同时，专业教师申请到企业挂职，从整体上将专业教师打造成具备理论授课经验和实践指导技能的双师型教师。

2.4 打造体系化学生实习通道

为了满足专业学生在企业进行实践学习的需求，需要建立对应的校外实训基地。校外实践基地可依托大数据行业企业场地进行建设，为学生校外实习实践提供场地支持。校外实践基地建设完成后，可承担的教学活动包括：实习实践、企业见习、认知实习、大学生竞赛、毕业设计、大学生创新项目、企业项目实践接入等。

通过体系化和专业化的实习，引导学生参与大数据应用真实项目的开发和设计工作，在工作中加深对专业知识的巩固和查漏补缺，并为学生的毕业和就业提供更多的岗位推荐和应聘机会，力求使学生通过三年的在校学习和校外实习均能进入对口的大数据技术企业和岗位就业，从根本上解决学生就业面窄、专业对口率低等问题。

2.5 推广社会服务，扩大学校影响力

以大数据技术的应用和推广为目的、建立“1+X”证书专业认证培训基地，并开展“1+X”认证培训、企业培训等服务，将基地综合服务平台有效推广利用。基地将以“大数据与人工智能”作为主要的培训方向，致力于辅助“大数据与人工智能”复合型、交叉型学科建设，提升大数据与人工智能领域从业者、高校教师、科研人员的大数据与人工智能技术应用水平。

通过基地的专业推广和技术服务，将大数据技术更多地服务社会，进而提升专业知名度，扩大学校在贵州地区的影响力。

3 总结

随着国内信息技术的发展，企业和社会所需要的人才类型正逐步精细和多样化，高职院校如何采取有效方式培养与社会发展接轨的合格人才成为学校和企业深入研究和探讨的课题[3]。大数据技术专业作为一个新兴专业，更应重视培养高技能水平人才，除了理论知识水平较高，还要保证具有较强的操作技能，与企业的用人需求高度相符[4]。因此，对于高职院校大数据技术专业人才培养模式的研究将是一项长期的工作，要时刻关注企业需求，不断调整学生实习和就业方向，从而保障专业的和长久性。