四層融合、四階遞進式高職學生大數據應用能力培養的實踐研究

周桃義

摘要：隨著大數據時代的到來，大數據已經影響到社會生活的各個方面，數據分析和處理能力是現代大學生所需具備的基本能力之一。在大數據環境下需要高職院校結合社會的需求創新應用型人才培養的模式。本文分析了新時期高職學生數據能力的要求以及數據能力的培養，提出四層融合、四階遞進式高職學生大數據應用能力培養改革與創新模式。

關鍵詞：四層融合;四階遞進;高職;大數據應用

中圖分類號：TP399 文獻標識碼：A

1新時期的數據環境和對高職學生的大數據能力要求

1.1新時期的數據環境

現代社會和產業存在著豐富的數據源，真實可靠的數據能夠反映和代表社會與產業的現狀、發展和趨勢。新時期是數據應用并將產生巨大能量的時代，大數據的出現和廣泛應用一方面推動了數據科學的進步，另一方面將作為生產力為政府部門、行業和企業制定政策與決策提供支撐。

采用傳統數據采集方法和數據統計方法一般會受到樣本數量的限制，傳統的數據采集方式如電話、攔截、人戶等受到被各種因素的影響則會使數據產生失真，數據分析所采取的統計分析方式一般會受到不同假設和條件的限制、其統計模型的構建則具有一定的局限性。

大數據的產生使數據在采集、歸納和分析方面產生了巨大變革，大數據將傳統數據中的樣本數據變成一個具有海量數據規模的數據包，從而使數據的數量和廣泛性產生了質的變化，既能夠從更加全面、多維度、多層次的時間與空間方面進行數據獲取且使數據做到在交叉情況下呈現，另一方面使數據更加真實和全面反應社會元素的實際和變動軌跡。這種從不同維度獲取并不斷變換的數據，將決策者能夠從更廣域的視角和高度來審視問題，同時做到從多視角產生的數據鏈上返現問題。大數據時代將為新時期的社會資源整合和產業進步帶來活力，也將推動數據時代不斷革命。

但是，面對我國大數據時代的到來社會各方面的準備則顯得不足，現在大數據的理念沒有真正建立，大數據的應用尚不廣泛，大數據的平臺推廣還有很大提升空間。因此，我國雖然已經步人數據大國之列，但每年新增數據量僅是美國的7%，歐洲的12%，如制造業，所采用的技術、工藝和設備等關鍵數據與應用則遠遠落后于工業4.0下的德國。此外，從目前的數據資源的標準化來看也存在著完整性低、準確性差、利用價值不高的情況，從而在一定程度上使數據的真實性和可行度大大降低。

1.2數據環境下，高職學生大數據能力的缺失

目前，高職學生的數據與大數據觀念的淡薄是普遍的，數據和大數據的應用能力普遍較差。經過對2019年全國職業教育四種核心期刊所發文章的檢索，涉及數據運用并能以數據作為理據的文章不足20%，在2019人大復印資料（職業教育類）全文轉載的文章中，運用數據進行分析并做出判斷的為6篇。在全國一類核心期刊《教育與經濟》中刊發的文章中雖然每篇均采用了教育經濟學和統計學方法，但涉及數據分析大多只涉及相關分析，有的則應用的是統計軟件。

此外，在課程設置方面，國內高職院校普遍缺乏對學生數據和數據分析能力的課程，截止到2019年，國內高職院校中只有36所開設了統計大類專業且幾乎都是該院校的邊緣化非重點專業，普遍存在著規模小、辦學水平低、教學條件差的狀況，工科專業一般不開設統計課程，商科專業只開設《統計基礎》，且課時有限，實訓條件只限于校內Excel的軟件操作，從而導致了學生普遍缺少對新時期下數據應用的理念和必要的數據能力。大數據類專業是近3年來各高職院校普遍開設的專業之一，據統計在浙江省47所高校院校中開設大數據專業有5所，主要包括大數據管理與應用、大數據采集與應用、大數據采集與管理專業等專業。目前，國家尚未制定大數據類專業國家教學標準，各院校在人才培養定位和培養模式方面各異，專業設置能夠和區域經濟和產業深度融合的甚少，校企合作辦學尚處于較低的水平。

1.3高職學生數據能力培養定位

新時期大數據環境將對大數據人才構成強勁的需求。高職大數據人才培養著重于大數據應用，其能力培養定位是面向新興電子商務、跨境電子商務、互聯網科技類等企業一線需要的大數據系統管理員、Hadoop運維工程師、大數據清洗、大數據數據分析員等崗位，具備大數據平臺搭建與運維、利用平臺或工具進行大數據采集、清洗、分析、可視化等專業實踐能力，同時具有良好的職業道德、創業精神和健全的體魄，適應我國社會大數據應用發展所需的復合型專業人才。

2四層融合、四階遞進式高職學生大數據能力的培養

2.1四層融合下大數據應用人才培養規格

新時期大數據應用人才培養規格包括四個層面。一是與數據相關的數據知識、數據能力和數據素養;二是與數學相關的數學知識、數學能力和數學素養;三是與大數據相關的大數據知識、大數據能力和大數據素養;四是與數據庫相關的數據庫知識、數據庫能力和數據庫素養。

（1）數據知識包括數據概念、數據特點和數據結構;數據能力包含對數據結構分析、利用數據進行建模和利用數據進行決策分析的能力;數據素養涵蓋提高對數據的敏感性、對數據價值的理解以及對數據的批判性思維。

（2）數學知識包括高等數學、概率論和統計學等;數據能力包含數據運算和數據作圖能力、對問題優化分析的能力、進行變化趨勢分析的能力;數學素養涵蓋了具備抽象思維、邏輯推理、空間想象的素質、利用已有知識學習新知識的素養、對各類問題進行科學分析、優化分析的意識。

（3）大數據知識包括大數據基本概念、大數據特點和大數據結構;大數據能力包括大數據的采集、大數據的清洗、整理、分析以及大數據可視化處理等;大數據素養涵蓋了優良的職業操守、嚴謹求實的科學態度和勇于創新的精神以及良好的服務意識。

（4）數據庫知識包含數據庫、數據庫管理系統、數據庫系統的基本概念、表的概念以及主鍵的概念等;數據庫能力包括數據庫的安裝、數據庫的查詢與維護（增、刪、改）和數據庫設計和維護的能力;數據庫素養涵蓋了具備高度的專業責任感、積極主動和細致耐心的工作態度以及樂觀向上的人生態度和自強不息的奮斗精神。

四層融合的具體示意圖如圖1所示。

由圖1可以看出，高職學生的大數據能力是諸如數據、數學、大數據及數據庫等相關專業知識的融合，學生只有具備了這些相關專業的綜合能力才能在未來就業崗位中立于不敗之地。

2.2四階遞進下大數據應用人才的職業能力

高職學生應具備數據采集能力、數據清洗整理能力、大數據分析能力和大數據應用的能力。具體見表1。

從表1可以看出，傳統數據能力主要體現在對數據樣本的采集、歸納和分析，而數據方法則以統計方法為主;在大數據環境下數據能力則體現在對大數據的認知、采用大數據工具進行海量數據的采集、大數據整理和大數據的應用等方面，高職學生大數據四階遞進式能力如圖2所示。

從圖2可以看出，高職學生大數據能力的培養主要體現在四個方面，而且他們之間是遞進關系。學生大數據能力的培養是基于學生對大數據的認知，學生只有對大數據有了一定認知之后，才會有針對性的利用爬蟲等工具進行大數據的采集。學生在采集了海量的大數據之后還需要學會對大數據的整理工作，包括大數據的清洗、分析統計和可視化等工作，其中包括清洗規則的制定，清洗代碼的編碼，清洗代碼的執行工作;大數據的分析統計包括利用數學知識對大數據進行關聯性分析和離散度分析;大數據的可視化工作是利用諸如Matplotlib等工具進行數據的2D或者3D的可視化表示。學生學習大數據最終的目的是能夠利用大數據解決實際問題，學生利用大數據為企業解決了諸如前景預測、趨勢分析等實際問題也才能夠達到學習大數據的目的，也就是大數據專業所需要達到的培養目標。。

3主要實踐教學環節

科學設置實踐教學環節，完善頂崗實習制度有利于學生提高大數據實際能力。按照崗位能力需求的思路設計實訓教學體系，合理安排綜合性實習項目，確保實踐教學課時比例超過50%。主要綜合性實踐教學安排見表2。

4實施路徑

4.1強化新時期下高職學生大數據培養的意識

大數據技術與應用是個新興專業，復合型、高質量的人才培養將帶動“IT時代”走向“DT時代”。大數據是現代信息技術廣泛應用的產物，海量數據的采集是現代信息技術時代的特征和應用基礎，采用大數據應用方法可以更加全面、廣泛、真實地反應現實社會的本質，反應產業發展與變革的內在要素，反應新技術、新工藝在廣泛應用中所需要的數據存儲、交換與分析的結果，彌補傳統數據采集與分析的缺陷。同時，大數據技術與應用專業建設和人才培養將更加豐富計算機科學、統計學和應用數學的內涵和外延，并推動物聯網與移動互聯網的快速發展。

4.2在校企合作基礎上整合高職大數據教學資源

大數據技術與應用專業學生的培養既需要像阿里云這樣大數據公司的平臺支持，也需要各院校之間的相互合作。大數據平臺集成業界最前沿的大數據應用，一方面將提供簡單易用的管理功能;另一方面將針對教學實訓的場景量身定制實驗開發調試環境、實驗運行管理以及教學管理等功能。同時，通過整合來自海內外的豐富案例資源，提供多行業、多門類，具有極強實踐性的實驗課程和數據集，將實際企業大數據工程、分析，應用項目引入到課堂，實現學生走出校門，在真實的數據環境中得到知識學習和能力訓練。

4.3根據“數據和數據能力”培養的特點構建實訓教學體系

通過探索“政企校行”四方聯動，項目引領技能遞進的人才培養模式，以學生為核心、教師為主導、項目為載體的理實一體化教學模式，形成產學研一體的合作平臺，使學生在職業道德、專業技能、職業素質等方面得到社會高度認可。大數據專業人才的培養構建實訓教學體系如下表所示。

由表3可知，建立產學研用一體化的創新人才培養機制，進一步完善了基于中小企業大數據技術應用崗位群對知識能力需求的實踐課程體系。形成“專業基礎實訓課+專業發展實訓課+專業選修實訓課”三維一體專業實踐教學體系。構建完善的實踐教學體系需要在校內建設滿足專業教學和一般實訓課程需求的校內實驗基地，同時與國內有名的大數據學院等相關大數據平臺提供商或云計算平臺供應商合作，為教師和學生提供能夠滿足大數據實訓需要的在線實訓平臺。

4.4加強相應的教師隊伍和實訓條件建設

人才的培養離不開一支優秀的教師隊伍，教師隊伍的建設是專業人才培養的基礎，只有夯實了教師隊伍建設的基礎，才能為人才的培養提供強有力的保證。教師隊伍的建設包括以下幾個方面：

1）隊伍結構

對于高職院校的專業而言，專任教師和在校學生數比例不能低于1：25，具備雙師素質的教師比例不低于60%，專任教師隊伍需形成教授一副教授（高工）一講師（工程師卜助教（助理工程師）+企業教師，雙師素質加雙師結構型團隊。

2）專任教師

對于從事大數據技術與應用專業的教師而言首先必須具備高校教師資格;有理想信念、有職業道德情操、有扎實的大數據知識、有教師的仁愛之心，且具有夯實的理論知識和較強的實踐能力;在學歷要求方面需要具有相關專業本科及以上學歷;同時具有較強的理實一體化和信息化教學能力，具備基本的科學研究能力并能參與課程教學改革。

3）專業帶頭人

實行校企雙帶頭人結構。專業帶頭人應具有副高及以上職稱（含高級工程師），對國內外的大數據及相關行業已經專業發展能夠及時把握;同時能夠和一些科技型企業和大數據專業公司取得良好的合作關系;對關聯性企業的人才需求能夠準確把握;對專業的教學設計和專業研究能力較為突出，同時能夠組織團隊教師開展科研工作，在院校所在的區域或者大數據技術領域具有一定的專業影響力。

4）企業教師

兼職教師主要從大數據技術公司與大數據行會協會以及同類高職院校進行聘任，兼職教師和專業教師一樣需要具備過硬的思想政治素質、良好的職業道德和傳統的工匠精神，同時具有中級及以上相關專業職稱，且有教學經驗能承擔專業課程教學、實習實訓指導和學生職業發展規劃指導等教學任務。

4.5教學模式應以任務驅動和項目導向為主

任務驅動教學法是從淺顯的實例入手，帶動理論的學習和應用軟件的操作，學生圍繞一個共同的任務活動中心展開學習，教師以任務的完成結果檢驗和總結學習過程。而項目導向教學法以“項目為主線、教師為引導、學生為主體”，目標指向的多重性、培訓周期短，見效快、可控性好、注重理論與實踐相結合。通過“項目”的形式進行教學，使學生在解決問題中習慣于一個完整的方式，所設置的“項目”包含多門課程的知識。

高職院校數據與數據分析能力的人才培養教訓模式應以實踐為導向應用靈活多樣的教學方法，以應用能力為取向對教學效果進行評價。通過在產教融合下合理設置大數據專業，通過校企合作不斷進行人才培養模式、課程體系和教學方法改革，在“1+X”制度下切實將大數據學歷證書教育與不同等級的職業資格證書教育相融合。

5結束語

隨著5G技術的發展和推廣，人工智能、云計算、物聯網的應用會更加豐富，越來越多的傳感設備和移動終端將接入網絡，未來社會將是一個以“大數據”為核心技術的智慧科技時代，因此，“大數據”時代已經來臨。據最新統計，未來3-5年，中國數據分析人才的缺口將達150萬之多。高職院校作為培養應用型人才的主要基地，需要關注當今時代大數據技術人才的培養，為人工智能、云計算、物聯網、大數據這樣的新興產業發展輸出滿足社會和企業需求的高層次、實用性、國際化的復合型專業人才，確保我國科技產業始終處于持續高速的發展狀態。