信息管理專業數據挖掘人才培養模式研究

李海林+楊麗彬

摘 要： 數據科學時代，以數據為核心的信息管理與信息系統專業承擔著數據挖掘人才培養的重任。針對傳統信息管理專業課程設置和人才培養的特色與特點，本文分別從理論教學、實驗教學、實踐教學和雙模式人才培養等方面對該領域的數據挖掘人才培養模式進行了分析，比較傳統信息管理與數據科學這兩種人才的教學體系與培養模式。該人才培養模式不僅有助于信息化時代向數據科學時代轉變，也為信息管理專業的數據挖掘人才培養提供新的教學改革思路。

關鍵詞： 信管管理專業； 數據挖掘； 人才培養模式； 大數據； 教學改革

中圖分類號：G420 文獻標志碼：A 文章編號：1006-8228（2017）11-92-03

Research on data mining talent cultivation mode of information management specialty

Li Hailin1， Yang Libin2

（1. School of Business Administration， Huaqiao University， Quanzhou， Fujian 362021， China； 2. Office of Academic Affairs， Huaqiao University）

Abstract： In the era of data science， the specialties of information management and information system， which take data as the core， bears the important task of training data mining talents. In view of the characteristics and features of the curriculum setting and personnel training for traditional information management specialty， this paper from the theoretical teaching， experiment teaching， practical teaching， personnel training and the dual mode talent training and other aspects， analyzes the training mode of the data mining talent， and compares the teaching system and training mode for the talent of traditional information management and talent of data science. The talent training mode proposed in this paper will not only help the era of information change to the era of data science， but also provide new teaching reform ideas for the training of data mining professionals in information management specialty.

Key words： information management specialty； data mining； talent cultivation mode； big data； teaching reform

0 引言

信息管理與信息系統專業通常被簡稱為信息管理專業，其目的是培養適應國家經濟建設和科技進步發展且具備良好的數理基礎、管理學和經濟學等相關理論知識、信息技術和系統開發及應用的專業人才[1]。信息管理專業以管理信息系統為核心課程，培養學生掌握管理信息系統的系統規劃、系統分析、系統設計、開發與實施以及系統管理與維護等方面的技能，具備一定的系統開發和應用能力。隨著大數據時代的到來，信息管理專業人才勢必會接觸更多的數據信息，并且需要對管理信息系統中積累的數據進行挖掘與分析，獲取有利于企業發展的信息與知識。

互聯網數據呈指數級增長，半結構化和非結構化的數據類型也普遍存在，使得局限于結構化數據管理與分析的傳統管理信息系統顯得有些力不從心[2]。雖然運用智能分析技術嵌入管理信息系統產生了決策支持系統，但其研究的數據對象依然針對傳統結構化或半結構化的數據處理、分析與研究，很難實現其他復雜數據類型進行有效管理與分析。

隨著大數據的產生與發展，從各類數據源中獲取信息與知識的方法和技術已逐漸被人們所接受，數據挖掘與分析也成為高校其他專業所熟悉的課程名詞，這也說明了數據挖掘的重要性和影響力。數據挖掘研究的對象就是數據或信息，對數據和信息的清理與集成、選擇與變換以及挖掘與分析獲得相關模式與知識，使得該專業學生具備學習數據挖掘的知識儲備和理論基礎，能夠培養出具備系統設計開發、信息管理和知識發現等技能的高級人才[3-4]。

本文在傳統管理信息專業培養模式的基礎上，探索和分析該專業下數據挖掘人才的培養方法，分別從理論教學、實驗教學、實踐教學以及雙模式人才培養機制等方面來研究，為信息管理專業數據挖掘人才培養提供相關教學的改革和發展思路。

1 理論教學

信息管理與信息系統專業以管理信息系統課程為核心，要求學生具備一定的數學基礎和程序設計能力，因此在傳統信息管理專業的教學計劃中通常開設經濟數據、線性代數、面向對象技術和數據庫系統原理與應用等基礎性課程，并開設企業資源計劃原理與應用、信息系統分析與設計以及IT項目管理等專業核心課程，讓學生系統地掌握管理信息系統的規劃、分析、設計、開發與維護等理論知識。如表1所示，傳統信息管理專業教學主要使學生能夠掌握信息管理和信息系統的基本理論和知識，提高管理信息系統的分析、設計和實現技術以及信息組織、分析研究、傳播與利用的能力[5]。endprint

表1 傳統理論教學與革新理論教學的課程設置比較

[課程性質 傳統教學 革新教學 數學相關課程 經濟數學、線性代數、概率統計、運籌學 高等數學、高等代數、概率與數理統計、運籌學和高級統計學等 學科基礎課 管理學、數據結構、面向對象技術、數據庫系統原理與應用、網站建設與Web編程、管理信息系統和生產與運作管理 管理學、數據結構、面向對象技術、數據庫與數據倉庫、數據分析與可視化語言、網站建設與Web編程、管理信息系統，R或Pathon語言 專業核心課 企業資源計劃（ERP）原理與應用、信息系統分析與設計和IT項目管理等 企業資源計劃（ERP）原理與應用、信息系統分析與設計、數據挖掘、機器學習 ]

數據挖掘是一個受多個學科影響的交叉學科，其包含了統計學、數據庫系統、機器學習、信息科學和可視化等。數據挖掘理論和算法的應用還將會涉及到具體應用領域的知識背景，例如管理學、經濟學、金融學、生物醫學和物理學等學科理論與知識。

為了更好地培養學生具備數據挖掘的能力，在原有信息管理專業主體課程設置的基礎上修改并添加有效培養學生具備數據處理、分析與挖掘能力的課程體系。然而，由于數據挖掘過程中，所使用的技術和方法需要學生有較強的數學基礎、扎實的算法設計和程序實施能力，所以教學改革中的課程設置需要提高學生數學理論與應用基礎，即將原有較為簡單的數學課程更改為高等數學、高等代數和高級統計學等，進而為掌握數據挖掘理論與方法的提供必要的數學邏輯思維和知識推導能力[6]。與此同時，為了使學生具備一定的數據處理和分析能力，需要掌握基本的數據挖掘任務和方法，主要包括認識數據、數據預處理、關聯分析、模式發現、分類、聚類和異常檢測等數據挖掘和機器學習理論和知識。除此之外，學生要有管理信息系統相關前期課程的學習，如數據結構、面向對象程序設計、數據庫與數據倉庫、網站建設與Web編程和數據分析和可視化語言等計算機理論和技術，并結合數據處理語言R或Pathon，使得學生能夠獨立完成對數據分析任務的解析與挖掘，具備較好的算法分析、系統開發與維護以及計算機程序設計能力。

2 實驗與實踐教學

實驗教學場所主要是在機房，實驗教學的目的是提高學生對抽象理論知識的理解，培養學生的上機操作能力。在傳統信息管理專業的實驗教學中，主要是提高學生對管理信息系統的開發和設計能力，使學生能夠進一步理解管理信息系統相關課程中的抽象理論和知識，培養學生對數據和信息的組織、檢索和管理的技能。而基于數據挖掘的實驗教學，除了要對數據處理及管理外，還要使學生能夠從海量數據中發現潛在有價值的信息和知識，這就要求學生必須在理論課程中認識數據、預處理數據、數據倉庫、分類、聚類和預測檢測等具體方法。同時，由于數據挖掘理論與方法的抽象性及處理問題的復雜性，在實驗教學設置課程中，通過具體實際存在的小型數據進行挖掘與分析，結合具體案例背景問題進行數據挖掘，以便學生更好地掌握和理解數據挖掘相關技術和方法在實際應用領域中的作用和意義。

與實驗教學相比，實踐教學可以進一步鞏固課堂教學中的理論知識并且加深理解。實踐教學必須理論聯系實際、具體問題處理與分析、培養學生掌握科學方法和提高動手能力的重要平臺。實踐教學通過社會實習基地的具體任務或教師主持的具體科研項目來讓學生參與任務和項目的研究與實踐，在鞏固數據挖掘相關理論和方法等基本知識和技能的同時，提高運用數據挖掘技術進行社會化大數據分析的能力。另外，擴展學生和教師對大學生創新創業等國家級賽事的參與面，讓教學過程融入獎勵與競爭機制，增加學生和教師對數據挖掘理論學習和實踐應用的興趣度。

3 雙模式人才培養

大多數據高校將信息管理專業安排在經濟管理或工商管理等具有文科性質的學院中，學生的知識基礎通常具有文科和理科雙重背景，但專業基礎知識和技能的扎實程度不如管理學、經濟學、工學或理學等專業方向的學生。根據學生的基本特點，提出雙模式人才培養，即針對學生自身的知識儲備，提出管理信息系統和數據挖掘兩個方向的人才培養。

管理信息系統專業方向人才培養模式需要教師通過對一年級學生基本學習情況和學習興趣的了解，然后詳細介紹管理信息系統專業方向所需要的基本知識、將會掌握的技能和未來就業情況等說明，在尊重學生興趣和志愿的前提下，鼓勵學生從二年級開始對未來的課程選擇和技能學習作出明確計劃，圍繞掌握管理信息系統方向的知識和技能來開展學習。教師根據管理信息系統專業方向的人才培養機制出發，重點開展管理信息系統分析及設計、計算機程序設計、數據庫原理、企業資源計劃、生產管理計劃、財務管理系統等方向的理論課程和上機實操，集中于對學生進行管理信息系統相關專業課程的學習實踐技術的培養。同時，結合基本的數據挖掘知識，學生了解信息系統產生數據、信息和知識給企業帶來的潛在價值，為其能與數據挖掘方向人才培養模式的學生有數據和信息上的交叉和共鳴，這樣有利于學生開展智能化決策系統和專家系統的設計和開發。

數據挖掘方向人才培養模式則需要有較好的計算機科學技術和數學理論基礎，結合智能算法、數據挖掘、機器學習和統計學等學科知識，使用R語言和Pathon兩種語言來處理和分析相關行業的數據。學生需要具備較強的數學分析和邏輯思維能力，有一定的算法分析和設計技能，對算法和新技術的學習能力較強。由于數據挖掘方向學生對信息管理知識了解程度較為不足，需要教師在大一期間對數據挖掘方向學生進行針對性的講解，讓學生了解學習數據挖掘在大數據時代背景下的意義、目的、挑戰及前景。通過具有案例的分析和講解，讓學生真正理解數據挖掘相關知識和技能在當今社會發展的重要性和作用。在課程學習過程中，需要注重培養學生對數據挖掘算法的管理和創新，提高大學本科生在數據挖掘領域中對新算法、新方法和新技能的創新，結合實踐教學拓展數據挖掘在具體實踐領域中的應用創新。與此同時，根據導師的教學研究計劃和相關的科研項目，讓學生參與實際的科學研究，培養學生對數據挖掘理論、方法和應用等方面的學術創新。

4 結論

本文在傳統管理信息專業培養模式的基礎上，探索和分析該專業下數據挖掘人才的培養方法，分別從理論教學、實驗教學、實踐教學以及雙模式人才培養機制等方面來研究。在理論教學方面在保留傳統管理信息系統主體課程前提下，加強數據挖掘、機器學習和統計學等數據科學研究必要的課程。在實驗和實踐教學環境中，注重教學案例分析與實際項目的研究，提高學生對實際數據的處理與分析能力。同時提出了信息管理與數據挖掘雙模式培養機制，使得同一專業下能夠培養多元化的社會人才需求。信息管理專業數據挖掘人才培養模式的研究，有利于提高傳統信息管理專業對社會發展的適應性，而且能夠在傳統模式下為數據挖掘人才培養提供相關教學改革和發展思路。

參考文獻（References）：

[1] 楊麗彬，李海林，張飛波.大數據環境下的管理信息系統發展

研究[J].大數據，2016.2（01）：86-98

[2] 崔羽，高連偉.大數據環境下的管理信息系統升級與改造[J].

規劃師，2015.31（11）：100-103

[3] 李海林.大數據環境下的數據挖掘課程教學探索[J].計算機

時代，2014.2：54-55

[4] 王欣，張毅，丁濤.管理信息系統課程教學改革與實踐研究[J].

東北電力大學學報，2012.32（5）：56-58

[5] 查先進，楊海娟.大數據背景下信息管理專業人才培養模式

改革創新影響因素研究—以湖北高校為例[J].圖書情報知識，2016.2：21-29

[6] 邵俊明，楊勤麗.理論創新驅動的數據挖掘課程教學改革[J].

計算機教育，2017.4：92-93endprint