新基建背景下數據分析人才能力體系需求及培養對策研究

賈艾琦 李欣怡 王丹陽 江菊

摘要：國家新基建背景下，運用數字化管理方式的數字化企業對于高素質的數據分析人才的需求也在增加。然而，高校培養的數據分析人才與數字化企業之間的需求仍存在一定的差距。本文通過對數字化企業對數據分析人才能力體系需求現狀及高校人才培養現狀的分析，為企業及高校針對數據分析人才培養方案提供解決對策，也為相關專業的本科生或有意愿成為數據分析師的畢業學生及相關人員提供針對性幫助。

關鍵詞：數據分析人才;能力需求;培養對策

1 前言

在經濟發展日趨激烈的今天，大數據時代已經到來，社會各行各業的數據呈現出高速增長的狀態，國家也提出以5G、人工智能、工業互聯網、物聯網為代表的新基建發展戰略，這不僅為數字化企業的經濟發展帶來新的機遇，也增加了數字化企業對數據分析人才的需求，數據分析人才短缺問題日益凸顯。近些年來，諸多高校開設了與數據分析相關的課程，通過專門的研究對數字化企業需求的數據分析人才進行分析探討，以增強彼此之間的共同認識，加強高校與數字化企業之間的對接[1]。因此，本文通過對數字化企業對數據分析人才能力體系需求現狀及高校人才培養現狀的分析，為企業及高校針對數據分析人才培養方案提供解決對策，也為相關專業的本科生或有意愿成為數據分析師的畢業學生及相關人員提供針對性幫助。

2 數據分析人才能力體系需求現狀及問題

2.1 數字化企業對數據分析人才的需求現狀

隨著經濟發展的持續改善，部分數字化企業已有大數據平臺，數據分析在數字化企業活動中起著越來越重要的作用，數字化企業對數據分析人才的需求現狀主要體現在下面幾點：

2.1.1 對數據分析人才的需求顯著增長

隨著大數據時代的來臨和信息技術的不斷發展，數據分析技術日益成為當今時代最重要的技術，大數據當之無愧地成為了新的革命核心，同時，國家工信部也編制了《大數據產業發展規劃》，大力支持高校探索建立大數據領域專業型人才和跨界復合型人才培養機制，因此，數字化企業對數據分析人才的需求熱度急劇擴大，只增不減。

2.1.2 數據分析崗位人員供需不平衡

數據分析人才崗位供不應求，工作機會最豐富，在數字化企業中其求職人數占比第一，但其人才供需的缺口仍高居榜首[2]。

2.1.3 對數據分析人才的能力體系要求明顯增高

數字化企業需要他們扮演一個團隊大腦或者指揮官的角色，具備一定的計算思維能力，能夠綜合運用數學、統計學、經濟管理等知識對數據進行處理與分析，并能夠運用各種決策方法與模型揭示出數據中所隱藏的信息和知識，同時能夠將收集的數據利用起來，通過網絡技術、存儲技術、計算機語言的開發等，實現高效率、高質量的數據取得、訪問、處理和分析，最終變成對數字化企業有利的價值，變成商業利潤[3]。

2.2 高校對數據分析人才的培養現狀

數據分析人才的培養是當前社會發展的需要，也是高校計算機高端人才培養的重要組成部分。國內外高校在數據分析人才培養方面有一定的共性，都強調基礎理論扎實、知識面廣、技術能力強，通過大量的跨學科整合，將實踐元素融入理論教學，進行實踐操作[4]，但國內外高校培養的人才與數字化企業之間的需求仍存在一定的差距，主要體現在以下幾方面：

2.2.1 專業知識定位模糊

隨著信息技術的不斷發展，數據分析不斷融入到人們的生活中。尤其近幾年，大數據已經成為火熱詞語之一，其出現的高頻程度已讓很多人逐漸意識到，數據分析是現實之需[5]，時代所趨。為此，有不少高校也紛紛審時度勢，增設了大數據專業，但大數據專業一哄而上，其繁榮的背后則隱藏著人才培養目標定位模糊的問題。目前市場急需掌握數據庫原理、算法及程序設計等技術，又懂得管理學、經濟學等輔助業務的專業知識的復合型數據分析人才，而高校人才培養與市場匹配度不高，教學以單一學科為背景，交叉性、跨學科的人才培養模式尚未形成規模、人才培養標準也較為模糊。專業技能要求不清晰使得培養的人才與企業所要求的知識、能力、素質標準存在較大偏差。

2.2.2 實踐教學資源不足

對于以培養應用型人才為目標的數據分析相關專業來說，實踐教學環節尤為重要。但在實際教學過程中，實踐教學條件無法滿足未來的專業發展需求。在傳統實驗室中的軟硬件環境僅能滿足基礎課程的教學要求，而對于數據分析人才培養所需要的私有云和公有云環境，目前大多數高校并未完成有效的云基礎設施建設，只是在現有機房基礎之上進行局部改造，嚴重阻礙了實訓環節教學質量的提升。實踐教學資源不足，教師重理論，學生輕實踐，教學主要還是以理論研究和基礎知識的講授為主，實踐教學課時偏少，難以保障教學的效果[6]。

2.2.3 師資力量薄弱

在高校中，專門從事數據分析領域的教師相對較少，且缺乏系統的實戰經驗。雖然有專業的教授和博士等作為支撐，但是師資隊伍缺乏階梯性建設，普遍存在著各種各樣的復雜問題，使新課程的安排和教學存在著不小的困難，以至于結構不合理，教學質量難以得到保障。在大數據背景下，數據分析相關技術發展較快，而高校對于相關數據平臺的了解比較匱乏、可供參考的信息來源較少，教師從備課到授課時間跨度較長，項目經驗較在授課時往往落后于當前技術環境。因此，培養方案易滯后于市場需求。

綜上來看，目前國內多數高校沒有捕捉到數字化企業需求與人才培養之間的相互關系，導致高精尖人才就業方向與所學專業不匹配，最終影響就業人數，高校如何能夠緊貼行業發展需求，培養和輸送符合數字化企業需求的數據分析人才，為產業發展提供人才保障，是高校當前數據分析人才培養的重中之重。

3 數據分析人才能力體系架構及培養對策建議

3.1 企業

3.1.1 明確數據分析人才培養標準、規范培訓體系

建立多元的培養標準，規范數據分析基本培訓和認證項目。企業與高校共同制定數據分析人才培養標準，并動態化的調整課程設置，一方面可以優化高校數據分析實踐指導過程，另一方面可以促進和完善數據分析人才能力體系的健全。同時，進一步優化數據分析人才培養環境，將技能考核和工作實踐相結合，最終為企業打造出一批高潛力的數據分析人才隊伍。

3.1.2 構建項目教學、微課程等培養模式

數據分析人才培養過程中，實踐能力與理論研究同等重要。學生不僅需要具備扎實的理論基礎，還應具備較強的實踐創新能力。項目教學就是根據企業實際項目制定教學方案，將企業的項目規范引入到專業教學體系中，將數字化企業實際項目引入校企合作模式中。引入校企合作項目可促進學生了解企業項目開發流程及重難點，有利于學生工作后迅速地適應企業要求，快速提高解決實際數據分析相關問題的能力。

3.1.3 增加應用骨干，擴大專家群體規模

進一步選拔在企業中既有縱向參與和推進，又有橫向對比和維護，具備多學科、多領域數據分析綜合能力的骨干力量。組建跨學科的數據分析技術團隊，通過深入的討論學習，打造數據分析骨干向數據科學家的轉換，建立擁有自主知識產權的專家系統。

3.2 高校

3.2.1 明確數據分析人才培養目標

數據分析相關專業具有較強的交叉性和實踐性，于是就要求所培養的人才要具備多學科知識，要具備扎實的理論基礎知識、較強的數據分析工具使用能力和創新實踐能力。因此，要以市場對數據分析人才的需求為導向，結合專業領域的發展趨勢及特征，制定符合實際的專業人才培養目標，從而做好學校課程設置和市場需求的良好對接。

3.2.2 強化理論知識培養，注重多學科交叉融合

為了提高高校學生的數據分析能力，首先要重視理論基礎課程的學習，包括統計學、高等數學、離散數學、線性代數、概率論與數理統計等。除此之外還需要熟練掌握一到兩門編程語言理論基礎，這些都是做數據分析的必需知識。在條件允許情況下，課程設置上要考慮到計算機類課程和經濟類、管理類課程，比如計算機應用基礎、經濟統計學、項目管理等課程。這樣下來不僅可以擴展學生知識結構，讓學生擁有較強的數據挖掘能力，還能讓學生進入企業工作后能更快地熟悉相關業務流程。

3.2.3 提高實踐應用能力，加強社會實踐

數據分析能力的培養更加注重過程培養，與枯燥的書本知識和課堂教學比起來，將統計學、數學和計算機等課程的專業知識和技能方法應用于解決實際問題的過程中更能讓學生親身體驗數據的識別、收集、整理、分析和評價的過程。通過提出具體問題，讓學生在現實情境中收集數據并整理分析，得出結論，在真正解決問題的過程中提高學生的數據分析能力。同時，社會實踐也是提高學生實踐能力的有效途徑。學校可以加強社會實踐環節，通過校企合作模式指導學生實習，從而增強學生的數據分析能力。

3.2.4 優化校企聯合培養方案

企業與高校合作制定數據分析人才培養方案。培養方案的制定應以市場需求為出發點，通過廣泛行業需求調研、專家咨詢共商共議確定。企業與高校不僅要共同教授數據分析理論知識、共同設計實踐內容，還需要將理論知識應用于實踐，抓重點，分層次，逐步提高高校學生數據分析能力。

3.2.5 提高各項硬通能力，形成終身學習的理念

在完成數據分析工作的過程中，管理能力和應變能力非常重要，有時一項大的數據分析工作是需要團隊合作完成的，于是具備較強的管理能力，能夠使得團隊發揮最大的效應，應變能力則可以處理許多突發事件。在完成工作以后，需要用清晰明了的語言進行解釋和陳述，因此，鍛煉好寫作能力，尤其是寫論文、寫報告的能力尤為重要。提高學生這類硬通能力也是高校教學指導需要考慮的重要目標。

終身學習能讓學生通過所學知識，解決實際問題，加深對理論知識的理解，在自我知識體系的優化過程中拓寬眼界，體會學習數據分析相關技能的樂趣，同時為市場輸送更多高質量的數據分析人才。

4 結語

新基建背景下，各行各業都對數據分析人才提出了更高的新要求，優秀的數據分析人才不僅要具備較強的數據分析能力，還要具備研發工作的各項硬通能力。企業要規范人才培養建設，進一步提升數據分析人才的能力;高校育人過程中，要以市場需求為導向，密切關注市場對數據分析人才能力體系需求的動向，及時跟上市場需要。同時，企業與高校要合作制定動態數據分析人才培養方案，做好高校課程設置和市場需求的良好對接。

參考文獻

[1] 王元卓，隋京言.應用型大數據人才培養[J].高等工程教育研究，2021（1）：6.

[2] 李莎莎，周競文，唐晉韜，王挺.數據科學與大數據人才專業課程體系分析[J].計算機工程與科學，2018，40（S1）：109-113.

[3] 徐濤.基于大數據分析的人才培養模式設計[J].現代電子技術，2020（20）.

[4] 張晶，易艷紅.大數據時代信息管理人才培養模式的創新實踐研究[J].圖書館學研究， 2018， 000（023）：2-7.

[5] 田琳琳.新基建背景下的人才需求與培育[J].新經濟導刊，2020（03）：36-39.

[6] 呂小光，姜樂，成青松.數據科學與大數據技術專業人才培養模式探析[J].淮海工學院學報（人文社會科學版），2018，16（09）：132-135.

基金項目：本文系南京工程學院大學生科技創新基金項目“國家新基建背景下數據分析人才能力體系需求及發展模式研究——以數字化企業為例”（項目編號：TB202108015）。

作者簡介：賈艾琦，女，漢族，籍貫：江蘇淮安，學歷：本科在讀，研究方向：信息管理與信息系統。