大數據產業人才供給現狀及優化提升

柴建偉

（廊坊燕京職業技術學院，河北 廊坊 065200）

中國“十四五”規劃作出了“加快數字發展，建設數字中國”的戰略部署，強調積極發展大數據產業，促進大數據和數字經濟的深度融合。在如此有效的政策環境下，大數據產業的人才短板并未得到有效解決，雖然中國已經超過600 所高校開設了大數據相關專業，但是仍然無法滿足大數據產業的人才需求。而人才供給的問題主要體現在高職院校課程體系有效性不足、培養模式落后、教師的專業素質不足等。而這些問題都成為影響大數據產業人才供給的關鍵因素。因此，針對大數據產業人才供給和優化提升的研究就顯得尤為重要。

1 大數據概況

1.1 大數據的概念

大數據是信息技術發展到新階段的產物，很多學者也對大數據的概念進行了研究。有學者認為大數據是社會各行各業所產生的大量結構化和非機構化數據，通過對這些數據的沉淀和分析，市場主體能總結出企業運營的經驗[1]，并提升未來規劃決策的科學性，從而推動管理模式的創新。也有學者認為所謂大數據，指的是一種更有效率的信息資產，這種資產通過新的處理模式變得更加具備決策力和流程優化能力[2]。除此之外，還有學者認為大數據的數據規模和要求的數據處理速度都大大超過了傳統數據軟件的處理能力，具備數據規模大、處理速度快和價值密度低等特征[3]。

基于大數據可以延伸至大數據產業的概念。大數據產業指的是以數據生產、加工、分析和服務為主的經濟活動，包括數據資源建設、大數據產品開發、銷售和租賃，以及信息技術服務等相關活動。

1.2 大數據的特征

第一，大數據具有海量性。在傳統的數據時代，一個存儲單位MB 就可以滿足人們的需求。而隨著時代的發展，存儲單位已經從MB 上升到TB 和PB。傳統的數據處理工具和存儲工具已經無法滿足海量數據的處理要求。而隨著信息技術的不斷更新發展[4]，人們的社交網絡和智能終端每天都會產生大量的數據信息，這些都成為大數據的來源。動輒幾十甚至數百TB 的數據迫切需要更加智能的算法和更加科學的數據處理技術來統計和分析。

第二，具備多樣性。大數據的來源是非常豐富的，而且大數據是多層級的，比如廣泛存在于社交日志、網絡數據以及手機通話記錄等。

第三，大數據具備高速性。由于大數據的容量非常大，要求相關的處理工具能快速篩選有效信息，并清理無關信息，因此，大數據的服務器可以做到對數據的及時清理[5]。

第四，價值性。大數據具有較高價值是其核心特征，現實中產生的很多數據并不具備較高的數據機制，而大數據技術卻可以從海量數據中挖掘或者預測出具有較高價值的數據，并且通過機器學習去深入挖掘數據信息中的價值點，從而運用到社會生產和運營的一切領域。

2 大數據產業人才供給現狀

2.1 市場環境

2015 年，國務院發布了《促進大數據發展行動綱要》，由此拉開了建設大數據產業格局的序幕。根據相關數據統計，2020 年中國大數據產業規模達到了6388 億元，同比增長率超過18%。從產業機構的特點來看，大數據產業主要分為軟件、硬件和服務市場。其中傳統硬件業務占據大數據市場的40%以上，而大數據服務所占市場比重為33%，最后為大數據軟件市場，約占比25%。軟件市場主要集中在了終端用戶查詢分析、人工智能軟件和關系型數據倉庫三個方面。從應用市場格局來看，互聯網、政府、金融為大數據的主要應用領域。由于互聯網和金融領域具備較好的大數據建設基礎，研發力量較為雄厚，其在數字化建設和轉型上處于領先地位。而政府主要通過大數據來推動政務服務的信息化建設進程，政府將大數據應用到了數據共享、民生服務、市場監督等層面，此外醫療服務和工業大數據領域具有廣闊發展前景。大數據產業鏈在這些環節得到了延長，未來市場可期。

2.2 人才供給情況

大數據通過概念優勢和技術優勢產生了新內容、新格局、新市場，也催生出了大量崗位需求。而相對人才供給的不足也成為阻礙大數據產業發展的重要因素。2020 年中國的大數據產業人才缺口超過250 萬人，而預計未來五年，人才缺口數量將保持35%左右的增長速度，市場對人才的總供給量約為2000 萬人。根據賽迪智庫的統計結果以及各大人力資源機構給出的調研分析報告，大數據人才的就業現狀體現在以下幾個方面：

第一，就學歷層次而言，當前大數據市場人才的學歷布局存在碩士以上、本科、專科和專科以下。其中本科學歷占比最高，超過60%，而碩士及以上學歷占比為近20%，大專及以上學歷占比為15%。由此可見，大數據是一個專業性質較強的產業類型，對人才的知識素養要求較高，同時也存在一定數量的基礎崗位，需要大專層次人才勝任。第二，從專業來源來看，大數據人才的專業來源為計算機類、經濟管理類和數理化類，其中計算機專業類型占比較高，因此，有學者將大數據經濟稱之為“新工科經濟”。第三，從人才招聘的渠道來看，大體分為校招、社招、內部推薦、專業機構培訓等類型，其中社會招聘是人才供給的主體形式，占比超過65%，而內部推薦和培訓和校招占比較為接近，約為15%。第四，從大數據崗位的薪資待遇來看，大數據行業人才的薪資待遇較高，其中一萬元以下和一萬元至兩萬元的人才占比均為近35%，而兩萬元以上的人才占比為25%。最后，從工作內容來看，大數據的崗位類型大體分為初級分析、算法挖掘、開發運維和產品運營四個方面，其中初級分析類包括商務數據和業務數據分析師，而算法挖掘包括算法工程師和數據科學家等類型。開發運維類包括數據開發工程師和數據庫管理員等，其中占比較高的為初級分析類和崗位運營類。

3 大數據產業人才供給中存在的問題

人才供給的數量和質量受到多重因素的影響，比如市場環境因素、培養主體因素和人才個人因素等。總體而言，當前大數據人才供給中存在以下問題。

3.1 學科建設時間較短

自2014 年大數據被寫進政府工作報告時開始，大數據產業就進入“井噴”式的增長狀態中，因此，各個高校紛紛創造條件申請開設大數據有關專業。從《普通高等學校本科專業備案和審批結果》來看，在2016到2020 年這四年間，數據科學和大數據技術是審批最多的專業類型。截至2020 年底，有超過600 所高等院校開設了大數據有關專業，其中既包括高水平的“雙一流”高校，也包含普通高校。從上文學術中可知，大數據人才每年的缺口高達250 萬人，而大數據相關專業學生畢業的最早時間為2020 年6 月份，顯然，這無法滿足市場的人才需求。

3.2 課程體系有效性不足

數據科學與大數據應用專業是一門綜合性較強的學科，對教師和課程體系建設的要求較高。一方面，大數據科學專業涵蓋了數學、統計、計算機以及機器學習等多個領域，而高校教師并不具備豐富的大數據應用知識，大多數都是對大數據的理論進行了研究，因此，很多高校只能將計算機、數學和統計學等專業教師雜糅在一起。這些教師具備特定專業的知識能力，卻缺乏對大數據深度教學的能力。另一方面，大數據專業要求高校開展學科建設和課程設計。在教材選擇上，由于大數據的應用已經非常細化，因此，找到實用性較強的教材存在一定難度，而純工具類的教材并不能構成課程的完整內容。最后，數據科學專業對硬件和軟件的要求較高，而普通院校很難滿足此方面的要求。

3.3 培養模式不足

基于大數據的特點，數學科學學科復雜程度較高，而且，隨著大數據產業的發展，其已經深深嵌入各種細分領域。因此，學科教學除了必要的理論教學之外，還應該包含實踐教學的培養模式。實際上，很多高校的大數據教學在實踐教學中的比重嚴重不足。一方面，大數據教學需要真實的案例作為依托，比如電子商務、農業和醫療大數據領域等，因此，高校需要配備大量的數據，更新大數據設備，這些都是實踐教學的基礎。顯然，很多高校在實踐教學硬件建設上是滯后的。另一方面，大數據的教學應該緊密聯系實際，以保障學生就業為基本導向，實行“產教融合”的模式。而很多高校受限于地區經濟的限制，很難在當地找到可以合作的大數據應用企業，這給學生實踐能力的提高造成了阻礙。

4 大數據產業人才供給的提升策略

4.1 完善政策、制度建設

在保障人才供給方面，政府應該加強頂層設計，做好制度建設。首先，政府應該明確大數據人才供給的發展規劃，并給予產業發展必要的支持，優化和推動大數據學科專業建設，建設一批具有產業特點、專業精度和市場契合度的精品專業。其次，有關部門應該給予大數據專業足夠的經費支持，提高師資培訓經費和基礎設施建設經費，為學科教學創造良好環境。最后，積極推動大數據行業職業技能證書建設，規劃“崗、課、賽、證”的多元素的培訓體系。

4.2 優化教學內容

一方面，高等院校應該進一步優化課程教學內容，搭建“綜合到專業”的課程體系。綜合指的是課程體系應該包括大數據的有關理論課程，比如大數據理論、技術和工具類課程。綜合類課程的主要目的是激發學生的學科興趣，培養學生的大數據思維。而專業指的是根據學生興趣搭建不同類型的專業課程體系，比如數據架構課程體系、系統開發課程體系、數據產品經理等課程體系。課程體系完美契合了當前市場上的崗位需求，具有明顯的就業導向原則。另一方面，高校還應該建立課程的優化調整機制。信息技術的發展淘汰了很多技術，因此，高校課程應該緊緊抓住學科應用的最新動態，實時調整已有的課程體系，做到面向崗位，與時俱進。

4.3 完善培訓體系

大數據學科教學的重要目標是向社會輸送技能型和實用型的綜合人才，因此，高等院校應該完善課程培訓體系。數據科學人才的培養應該是政府、企業和市場主體的共同責任，因此，應該實行“政、企、校”相互融合的培養體系。首先，政府應該積極宣傳數據科學在促進經濟發展，實現個人價值方面所起到的作用，吸引更多生源選擇數據科學專業。其次，企業和學校應該建立聯合培訓機制。有條件的學校可以和企業共同建立“雙導師”制度。學校教師主要負責理論課程教學，而企業導師則重點負責實踐教學。最后，加強“校企實訓基地”建設。企業可以為高校的課程建設提供建議，而學校可以為企業發展輸送大數據人才，實現“合作共贏”，共同發展。

4.4 完善教學評價機制

為了保證大數據人才的培養質量，高校應該堅持“嚴進嚴出”的原則，完善人才評價機制。一方面，除了學分積累，考試成績之外，高校應該格外注重項目實踐效果的評價。實踐作品和任務完成狀況體現了學生的大數據綜合能力，具有重要參考價值。因此，在綜合評價中應該加大實踐項目成果的比重。另一方面，高校建立“證書體系”的評價模式，要求學生在畢業之前考取若干職業技能證書，并換算成為學分，納入考核機制。完善的評價機制是一種提升學生素養的倒逼機制。

4.5 平衡人才供給

當前，大數據人才供給主要體現出兩種結構性矛盾，一種是區域供給方面的矛盾。中西部地區的大數據產業人才缺口長期難以滿足。因此，有關地區可以從醫療、住房、職稱評價方面給予傾斜，引入大數據人才。而另外一種是人才素質的結構性矛盾。隨著大數據產業發展的不斷深入，高端型和復合型人才成為大數據行業的“香餑餑”。針對這種情況，各個企業要建立完善的人才培養機制，制定大數據人才職業發展規劃，與其引入“外來和尚”，不如按需培養，而且按需培養的人才更加具有忠誠度。供給的平衡是促進大數據產業發展的重要因素。

大數據是新興產業，是科技發展的趨勢，應引起有關部門的重視。當前大數據市場上表現出人才供給不足的情況，針對這種情況，必須從多個角度入手，采取多樣化措施，如完善課程設置、完善教學評價機制、加強制度建設等。只有這樣，才能促進大數據產業的發展。