大數據背景下數字化人才培養途徑研究

趙慧廣 張麗巍 王華偉

摘要：大數據的發展促進了企業的數字化變革，催生了市場對于數字化人才的需求，數字化人才的培養對于社會經濟的發展具有重要意義。本文首先分析了大數據產生的意義和大數據思維特征，然后對數字化人才培養可行性以及相應的策略進行了探討。

關鍵詞：大數據;數字化人才;培養途徑

在網絡信息時代各種數據量呈現爆炸式增長，并由此推動了大數據技術的產生。目前大數據技術已經在各行各業中得到了廣泛應用，對人們的工作模式和思維方式產生了重大影響，并有效促進了數字化人才的培養。因此本文探討大數據背景下數字化人才培養途徑，對于數字化人才在未來得到更好地成長和發展具有積極的意義。

1 大數據產生的意義和大數據思維特征

1.1 大數據產生意義

近些年隨著物聯網技術、互聯網技術以及云計算技術的不斷發展，數據量呈現指數式增長，對于大數據的處理和應用逐漸成為人們關注的重點。2005年Google公司參加由美國標準與技術研究所舉辦的翻譯比賽，Google公司在阿拉伯語到英語的翻譯中以及英語到中文的翻譯中均以顯著的優勢取得了第一名，其核心原因在于Google公司翻譯團隊應用了大數據技術，從而在翻譯中產生了質的飛躍。這次翻譯大會為人們提供了大數據模型樣板，同時開啟了大數據的發展時代。大數據技術產生后隨著計算機數據處理能力的不斷提升，大數據技術開始在各個行業中廣泛應用，并且取得了顯著的成果。天文學家托勒密利用大數據技術準確計算了太陽系所有行星的運動軌跡，Google公司利用大數據技術完成了谷歌無人駕駛汽車實驗，具有大數據思維的醫療診斷計算機可以自動為惡性腫瘤患者進行診斷。可見大數據技術已經在各個行業中進行應用，并有效促進了各個行業的發展。

1.2 大數據思維的特征

大數據的產生和廣泛應用對于人們的工作和生活方式產生了重大影響，同時有效帶動了人們思維方式的轉變。在大數據時代人們思維方式的轉變主要體現在三個方面。一是人們在處理數據時將傳統的對抽樣數據進行處理轉變為對所有樣本數據進行處理，分析問題的基礎數據發生了本質性變化，基礎數據更加完整，但是數據量相比以前顯著增大[1]。二是在數據處理中存在顯著的混雜性問題，由于不在抽樣而是采用全部的樣本數據，必然導致在樣本數據中有用數據和無用數據混雜迭代，為了有效解決該問題，需要通過多維角度來分析數據之間的相互聯系，構建多維度數據模型。三是在對數據進行處理過程中不需要再關注數據之間的因果關系，而是需要關注數據之間的相關性。基于以上分析大數據具有規模大、多維度以及相關性等特點，這為數字化人才的培養奠定了理論基礎。

2 數字化人才培養可行性分析

2.1 政府層面

我國政府已經將“由信息化向數字化發展轉型”上升到了國家戰略發展的高度，在國家政策的影響下各個行業均在積極發展數字化技術。特別是近幾年隨著人工智能技術、云計算技術以及大數據技術等一系列先進技術的發展，逐漸掀起了我國數字化發展的浪潮。目前物理世界中的所有活動均可以在計算機中通過數字化來進行表示，然后通過機器學習、物聯網以及區塊鏈等技術進行應用分析來體現這些數據在實際應用中的巨大價值[2]。數字化人才作為數字化技術的掌握著和應用者，對于數字化技術的推廣變革具有重要的作用。基于數字化人才對于各個行業發展的重要價值，我國在人才教育培養中應該本著數字化、信息化和智能化的培養原則，加大數字化人才的培養力度，著重用數字化思維來解決實際問題，有效促進科技成果的轉化落地。

2.2 企業層面

科學技術是第一生產力，人才作為科學技術的掌握者和應用者從根本上決定了科學技術的應用水平。對于企業來說，人才已經成為企業參與現代市場競爭的核心資源，只有先進的人才才能夠充分體現出先進技術在企業生產發展中的重要作用。目前隨著科學技術的不斷發展，全球企業已經開始進行第四次工業革命，云計算、大數據以及人工智能等先進技術必然將改變人們的工作和生活方式，成為社會經濟發展的新動力[3]。目前很多大中型企業在發展中要想實現自動化和智能化，必然要經歷數字化轉型，而數字化轉型最需要的便是數字化人才。

2.3 高校層面

數字化人才的培養主要來源途徑包括兩個方面，分別為企業和高校。相對來說企業培養的數字化人才更加偏重于實踐，而高校培養的數字化人才具有更加堅實的理論基礎和完善的理論體系，是數字化人才培養的主要途徑。一方面高校應該順應時代發展趨勢，創新變革傳統的教育理念，運用數字化技術對教學模式以及學科建設進行優化和完善，并且加大數字化教育方面的師資力量，制定科學合理的數字化人才培養標準。兩一方面高校在數字化人才培養過程中應該加強與企業之間的合作，通過雙方合作進一步明確數字化人才培養方向，提高數字化人才培養質量。

3 大數據背景下數字化人才培養途徑

3.1 在數字化人才培養中要注重整體性思維的培養

在數字化人才培養中應該從傳統的樣本思維轉變為整體性思維，可以通過云計算以及移動互聯網等途徑獲取相關的大樣本數據，不再對樣本數據進行采樣或者抽樣，從數據基礎上改變人才培養的思維模式，最終構建課程、平臺、服務和企業四位一體的數字化人才培養模式。同時在數據教學平臺上可以對數字化人才的行為進行有效分析，進而可以有效預測、評價和改進教學質量。此外還可以基于企業平臺關于數字化人才的招聘信息，來開展數字化人才針對性培養，有效促進數字化人才培養的良性運行。

3.2 在數字化人才培養中要注重容錯思維的培養

大樣本數據中既有結構性性數據也可能存在非結構性數據，同時具有海量級數據規模。基于大數據的特點，在對大數據進行收集整理和分析過程中一方面要提升獲取知識的能力，能夠從海量的數據中獲取自己想要得到的有效信息，另一方面傳統的精準思維模式受到巨大挑戰，在大數據分析中是否還需要進行精準分析有待于重新進行審視。如果在大數據分析中仍然執迷于傳統的精準性，可以斷定還沒有形成大數據思維。只有在數據分析中接受容錯，放棄對絕對精準的要求，在一定范圍內允許錯誤以及混雜性，才能夠從宏觀層面更好地對數據進行分析，發掘數據中所隱含的內在規律和價值，找到解決問題的關鍵所在[4]。因此在大數據背景下進行數字化人才培養應該注重培養數字化人才的容錯思維，只有這樣才可以更好理解大數據分析的精髓。

3.3在數字化人才培養中要注重相關思維的培養

由上述分析可知相關性是大數據自身的典型特點，大數據中由于含有大量的數據信息，而不同數據之間可能存在彼此之間的聯系，因此相關性分析是大數據分析的重要內容之一。通過相關性分析有助于更好了解大數據的結構特點，降低大數據的復雜程度，提供數據分析的可靠性和準確性。因此在數字化人才培養過程中應該加強對于相關思維的培養，形成相關思維和相關意識。具體來說可以在數字化人才培養過程中通過大數據平臺來分析不同事物之間的相關程度，并且基于相關分析結果建立數據相關性模型，加深對于相關思維的理解和認知，真正由傳統的因果思維轉變為相關思維，降低數據分析成本，提高數據分析質量。

3.4 在數字化人才培養中要注重智能思維的培養

大數據技術應用的重要領域便是智能領域，通過采用全樣本數據對問題進行分析，并通過機器學習等形成智慧化思維，從而有效實現行為的智能化和生命化，在生產經營管理中有效提高質量和效率，這也是大數據技術能夠得到快速發展的基礎。因此在數字化人才培養過程中應該加大智能思維的培養。目前人是最具有智慧的生物，其核心原因便在于人腦可以全樣本收集數據，分析數據，并基于所有數據之間的相互關聯來發掘數據深層次的內在聯系，最終做出歸納總結和邏輯判斷。在大數據時代背景下，人們可以利用大數據技術通過對海量數據的收集、整理和分析來發現數據隱藏的內在規律，并基于該認識來構建模型實現對未來數據的預測，即體現了大數據的智能判斷思維。2017年ALPHAGO與圍棋世界冠軍李世石進行比賽，最終以4比1的顯著優勢贏得比賽，充分體現了大數據智能思維的巨大力量。ALPHAGO之所以能夠贏得比賽便是后臺大數據大量運算的結果。因此我們應該充分認識到大數據的發展對于智能領域所帶來的重大突破，同時在數字化人才培養中應該注重智能思維的培養。

4 結語

目前我國已經全面進入了大數據時代，在大數據影響下產業的發展模式和發展理念均開始出現重大轉變，進而催生了市場對于數字化人才的旺盛需求。因此應該加大對于數字化人才的培養力度，注重培養數字化人才的整體性思維、容錯思維、相關思維和智能思維。

參考文獻：

[1]蘇青軍.企業數字化轉型人才的能力結構[J].產業創新研究，2019（11）：149-150.

[2]顧春燕.關于大數據時代企業數字化人才培養的思考及探索[J].經濟師，2018（06）：256-257.

[3]項寅，楊傳明.數字化人才需求導向下高校物流專業教學改革探索[J].物流技術，2020（02）：141-145.

[4]郭剛.數字化，是機遇更是挑戰[J].中國勘察設計，2019（02）：46-49.