工程實踐及行業需求導向的大數據人才培養

徐國慶

摘 要：大數據作為國家新型戰略性產業，其發展與國家信息安全、產業結構升級、智能制造技術的發展緊密相連。隨著大數據應用于社會服務，相關技術專業人才的需求成為目前亟待解決的問題之一。如何在新形勢下優化高校相關課程，深化專業技術人才培養體系結構調整，實現高端大數據人才的培育成為工業高校面臨的問題之一。文中分別針對大數據人才的實際需求、面向大數據的專業人才培養模式、大數據時代的人才培養要求及大數據人才培養課程體系存在的問題進行了深入探討，提出了工程實踐及行業導向的大數據人才培養課程體系。

關鍵詞：大數據;人才培養;課程建設;工程實踐;工業技術;智能制造

中圖分類號：TP311文獻標識碼：A文章編號：2095-1302（2019）03-0-02

0 引 言

大數據時代的到來，對專業人才提出了大量需求。而就目前的人才培養來看，無論從數量還是質量上都遠未達到要求。大數據是隨著物聯網技術和數據處理技術的發展而發展的新型學科，是一門典型的多學科交叉的應用型技術，傳統的教學及人才培養模式已不能適應大數據的人才培養要求，如何在新的技術時代，改革教學模式，探討新的大數據人才培養途徑和方法，是高校工作者面臨的現實問題之一[1]。

1 大數據時代人才培養要求

大數據時代人才培養的具體要求出現了全新的定義與發展，其根本原因在于大數據本身就是一門全新的應用技術學科，在人才培養體系改革和設置過程中，首先要思考對技術的深入認識，并從如下方面進行研究[2-3]。

1.1 大數據是多學科交叉的一門綜合技術

大數據是一門多學科交叉的綜合技術，隨著信息技術從互聯網時代向物聯網時代發展，數據產生的方式和規模出現了重大的變化。互聯網時代的數據主要以多媒體形式及人與人之間的數據交流為主要渠道。涉及的學科主要以網絡技術、多媒體技術為主，而大數據是伴隨物聯網技術發展而產生的，其數據的產生方式除傳統互聯網之外，主要來源于物物互聯的方式。大數據時代的數據以海量、無規則、多類別、模式復雜為特點，是計算機技術、機器學習、統計學、人工智能、分布式存儲等眾多前言學科的交叉，其綜合性和復雜度超過了以往任何一種數據庫規模，其處理過程中需要用到多學科的綜合知識[4-5]。

1.2 大數據強調基礎與實踐并重

大數據來源于實踐，因此其數據處理與實踐結合尤為緊密，大數據人才需要具備扎實的理論知識，對人工智能、深度學習、統計分析等學科有足夠深入的理解和掌握，同時要求人才對海量數據的分布式存儲、Hadoop分布式數據庫、HDFS文件系統、MapReduce分布式數據處理、Spark架構等應用技術有熟練的運用能力，對相關人才培養課程的設置提出了新的要求。目前大數據人才的缺乏主要原因在于大數據對復合型人才的要求，傳統課程體系往往過于強調理論知識，忽視了對實踐技能特別是多學科綜合的實踐技能的培養[6]。

1.3 大數據與行業發展密切相關

大數據是深埋在沙下的金礦，其潛在的巨大商業價值是相關行業爭相追求的目的所在。大數據的研究最根本的動力是行業的價值驅動。以個性化的商品推薦為例，依托對個人海量大數據的標簽處理，實現對用戶的消費習慣、潛在意愿等進行深度挖掘，可實現精準的廣告投放，獲得傳統媒體投放廣告難以達到的投入收益比，這是行業大數據研究的核心競爭力。研究大數據要與行業緊密聯系，針對行業數據的特點，制定具體有針對性的大數據處理策略和方案，獲得最佳的分析結果。在大數據相關課程設置中要充分調研行業發展的最新動態，獲取行業對大數據人才的實際要求[7]。

2 目前大數據人才培養課程體系存在的問題

大數據作為新型學科，其發展的前沿性導致目前諸多高校對大數據人才培養的課程體系建設比較片面，對大數據人才培養的核心問題認識不足，在課程設置上隨意性較大，存在課程重點不突出、銜接隨意性大、基本投入不足、師資力量再培訓不足等問題，使得目前大數據人才培養質量距離行業的實際要求存在較大差距。

2.1 課程設置重點不突出，優勢不明顯

課程設置上，延續傳統的網絡工程、數據庫處理的課程體系，知識相對比較陳舊，缺乏對分布式數據處理、深度學習、多元統計分析等核心課程的更新和引入，內容和架構基本沒有太大的變化。特色和優勢不明顯，教學中仍然多采用課堂授課為主，對大數據的核心技術深入較少，往往只是在概念上的機械灌輸，實踐課程基本為傳統關系型數據庫的介紹和應用。學生難以對分布式數據庫的基本原理和應用、大數據特征、智能處理方法和實例結果有一個明確感性的認識，導致學科沒有突出的優勢，達不到培養的目標[8]。

2.2 對行業的前沿發展動向把握不夠

作為行業導向和技術結合較為緊密的學科，大數據與行業發展的關系是與生俱來、共同發展的。脫離了具體的行業應用空談大數據處理，是膚淺流于表面的。課程設置上，對行業的發展前沿缺少足夠的把握。按照摩爾定律的觀點，每18個月，技術上就會出現一次變革，物聯網技術領域尤其如此，其大數據更加具有時效性，因此單純圍繞現有的學科架構設置培養方案，忽視行業發展的影響造成了大數據人才培養模式的觀念滯后，培養質量難以與行業的實際需求對接[9-10]。

2.3 師資技術儲備更新不足

多學科交叉是大數據專業的特點，尤其是將分布式數據庫、物聯網技術、數據挖掘、深度學習等諸多前沿學科知識進行綜合應用是大數據最為顯著的特點。對師資的技術儲備、不斷學習、自我提升及緊跟技術發展前沿等提出了更高的要求。但目前師資配備上，由于缺乏對相關技術更新和跟進，師資知識結構存在較大滯后，難以應對大數據人才培養的知識深度要求，往往在課程設置上避重就輕，避實就虛，一些關鍵技術和課程一帶而過，或直接忽略，僅講述一些共識性較為落后的知識技術。師資技術的儲備不足導致了課程培養的效果難以達到實際要求[11]。

3 工程實踐及行業需求導向的大數據人才培養課程體系

大數據人才培養，應以工程實踐為抓手，以行業需求為目標，切實加強專業技能的培養和實踐過程，大力提倡應用型、實踐型人才培養。圍繞這一目標，在課程體系設置上要重視對實踐環節和實訓環節的教學課時投入[12-13]。

3.1 強化學科交叉，重視統計與計算機的融合

大數據的多學科交叉特點要求在課程設置上加以體現，特別是計算機相關學科和統計學科的結合，同時考慮到學時限制和難度控制，在課程知識點涉及面上以寬幅面、多實踐為導向。數學課程設置上，突出統計學、數據挖掘、大數據分析、非參數統計、多元統計分析、回歸分析、時間序列分析等應用類數學課程課時，大數據處理上，注重加強機器學習、分布式數據庫、Python大數據處理語言，實踐環節結合大數據的應用要求，加強Hadoop分布式數據庫應用、HDFS文件系統操作、大數據聚類分析等內容，切實提升學生的實踐技能。

3.2 強化實踐技能，重點培養解決問題能力

行業大數據處理對學生解決實際問題的能力提出了更高的要求，特別是一些互聯網巨頭公司在人才引進的考核指標上，明確指出了應具備的具體技能。如數據科學家崗位要求能夠全面實施大數據分析規劃，有很強的執行力;數據分析師則偏重于業務，系統架構設計和模型設計;數據工程師需要完成抓取數據、清洗數據、分布式存儲、云計算設計;數據架構師則針對數據中心的設計和架構，這方面的人才需求最為熱門;數據產品經理要求完成數據和業務結合，完成數據產品設計研發。

3.3 深化校企合作，引進企業課堂

大數據最終的應用場景在于行業產品研發，因此大數據課程架構中要密切加強與企業的合作，深化校企對接，在具體的執行過程中，可引入企業課堂，將企業的研發經驗和產品過程，甚至項目管理等相關環節的實際執行方案作為第一手實踐素材引入課堂，一方面可提升學生對大數據的實際應用的感性認知，一方面通過校企合作，建立聯合實驗室，促進學校實踐課程中的硬件設施的完善，進一步提升企業形象，實現校企雙方共贏發展。

4 結 語

大數據人才培養是一個系統工程，特別強調實踐過程應用，在具體的課程設置上，要充分考慮工程實踐及行業需求導向，加強學生的實踐技能及工程應用能力培養，同時應當切實加強與行業之間的聯系，通過建立聯合實驗室、引入企業課程、開辟實踐基地等舉措，為人才培養質量的提升創造良好的條件。

參 考 文 獻

[1]黃晉.關于大數據人才培養的思考與探索[J].教育教學論壇，2014（45）：201-203.

[2]李金昌.大數據與統計新思維[J].統計研究，2014（1）：10-17.

[3]邱東.大數據時代對統計學的挑戰[J].統計研究，2014（1）：16-22.

[4]曹耀欽，李發陵，周龍福.應用型智能科學與技術專業大數據課程群建設研究[J].計算機教育，2016（10）：62-64.

[5]李天源.應用技術型大學中外合作辦學項目人才培養目標之厘定及實現路徑[J].教育評論，2016（12）：31-35.

[6]王昕，陳超.“物聯網大數據”的生態發展模式與人才培養機制探索[J].教育教學論壇，2019（1）：53-58.

[7]陳曉紅.數字經濟時代的技術融合與應用創新趨勢分析[J].中南大學學報（社會科學版），2018（5）：1-8.

[8]胡伏湘，方玲玉.基于大數據思維的教育教學模式探析[J].湖南行政學院學報，2018（5）：25-29.

[9]吳新勝，李震，何鯤，等.基于物聯網的智能云服務應用研究[J].赤峰學院學報（自然科學版），2018（8）：25-28.

[10]于貴瑞，何洪林，周玉科.大數據背景下的生態系統觀測與研究[J].中國科學院院刊，2018（8）：832-837.

[11]陳桂芬，李靜，陳航.大數據時代人工智能技術在農業領域的研究進展[J].吉林農業大學學報，2018（4）：502-510.

[12]桂小林，王東，黃傳河.基于新工科理念的物聯網工程專業建設[J].中國大學教學，2018（7）：25-30.

[13]邱東.大數據時代對統計學的挑戰[J].統計研究，2014（1）：16-22.