基于崗位畫像的數據科學應用型人才培養方案設計與探索

吳睿 王艷 程茜

引 言

隨著數字化時代的到來，數字化技術正在改變人們生產、生活的各個方面。高校作為培養人才的搖籃，在數字化轉型背景下承擔了更加繁重的任務和挑戰，對數據科學這一新興專業而言，專業人才培養的發展歷程較短，無法更大程度地滿足快速發展的企業需求。同時，各校專業建設的模式存在較大差異，在一定程度上使得在校學生知識面狹窄、相關工作經驗少、自身能力不高，等等。這些都會影響學生今后的工作能力，如缺乏實戰經驗使數據科學專業學生的能力不符合招聘企業高標準、嚴要求的用人原則，因此制訂科學的應用型人才培養方案成為各高校人才培養研究的新課題。

科學合理的人才培養方案設計，應以市場需求為導向，從職業分析入手，以培養滿足職業崗位需要的高素質應用型技能人才為目標，在對數據科學相關工作崗位、工作任務、工作過程、崗位要求等仔細研究的基礎上，確定知識、能力和素質培養目標和要求，培養適應社會發展需求的高素質應用型人才，即掌握扎實的數據科學理論和大數據專業知識，具有健全人格，會思考、善溝通，具有國際視野和創新精神，能夠選擇和使用先進的技術及工具，通過實踐研究利用數據解決商業問題的能力，能夠在大數據技術和大數據工程相關領域從事大數據分析、處理及應用開發等工作。

制訂人才培養方案的一般步驟和流程

西安歐亞學院于2018年3月成功獲批教育部第三批“數據科學與大數據技術”專業，實現學校專業建設的新跨越。為了更好地推進新專業建設，該院走訪了相關高校與企業，與北京大學、中國人民大學、西安交通大學在人才培養模式及課程體系、師資隊伍建設、高校實驗室及實訓平臺構建等方面進行深度探討，同時走進百分點集團、美林數據、東軟科技等大數據密集型企業了解大數據關鍵技術與崗位需求，挖掘數據科學與大數據專業建設的市場導向。

經過一系列的校企調研，研發出了一套數據科學人才培養方案制訂的整體流程。該流程在對社會發展需求和行業特色、企業人才需求、專業定位、崗位群進行廣泛調研論證的基礎上，分析了行業發展現狀及人才需求，依據行業和區域經濟發展，結合學校、教師、學生現狀構建專業課程體系，從課程設計與準備到教學準備即最后反饋與改進等方面進行專業人才培養方案的設計，如圖1所示。

圖1 人才培養方案的整體流程

數據科學專業崗位畫像

人才培養方案制訂最重要的一個環節：如何科學合理地制訂專業培養目標？通過對社會發展需求、企業需求及學生現狀的分析定位專業培養目標。其中，如何正確獲取企業需求信息？通過研究發現，結合自身專業優勢，采用線上線下相結合的方式可以最大化地獲取企業的需求信息。線下通過走訪企業獲得，線上通過崗位畫像實現。基于數據分析業務對數據科學專業所對標的企業崗位畫像的線上調研分析流程大致可以分為以下三個階段，如圖2所示。

圖2 基于崗位畫像的基本流程

首先，數據獲取階段。將該專業調研得到的學生預期就業崗位名稱作為關鍵詞，在國內影響力排名TOP5的招聘網站上抓取相關企業的招聘信息，并根據企業名稱進行去重（有很多企業不只在一個平臺上發布招聘信息），在這些招聘信息中有一個非常關鍵的信息（字段）“崗位要求”或“任職要求”，以非結構化形式呈現，通常是一串文本數據。而我們的業務目標就是需要從這類數據中提取相關信息。

其次，非結構化數據清洗與整理部分。對這類數據，采用對文本數據常用的處理方法，即文本分詞技術。當詞分好后，統計詞頻，并根據詞頻進行降序排列，提出高頻詞匯并進一步分析。當然，這一階段也是不斷更新詞庫的一個過程。不同專業由于其專業特點，涉及的詞庫也是不一樣的，需要基于專業特點不斷調整優化。

最后，由于需要從這些詞中挖掘到崗位要求、通識素養和專業技能的信息，所以采用數據分析中常用的打標簽的方法將文本中的詞分為三部分：（1）崗位的基本要求，如學歷、工作經驗等，把這些詞打上崗位的基本要求的標簽；（2）通識素養部分，如團隊合作、表達溝通、學習能力等，把這些詞打上通識素養的標簽；（3）專業技能部分，如專業知識、軟件操作等，把這些詞打上專業技能的標簽。通過可視化的方法展示。從而可以在任職要求這一信息（字段）中提取到通識素養的部分，這可以為后續通識教育課程和活動的安排提供可靠的依據。

表1 基于招聘數據的數據科學專業崗位需求的通識素養和專業技能

通過以上一系列崗位畫像，可以精準分析出本專業學生未來主要從事的崗位及需要具備的知識、能力和素養。以數據科學專業人才為例，主要從事的崗位有三種類型：第一類為商業數據分析師，這個工作用的最多的技能是SQL。數據分析或BI的需求更加短暫但即時，是根據當下的業務場景立刻給出數據分析的結論。這類人不用考慮太多產品化的思維，而是更加關注數據本身的含義，從不同維度的數據抽取和抽象背后的業務含義。第二類為數據工程師，這個工作一般是指從大量的數據中通過算法搜索隱藏于其中的知識的工程技術專業人員。這些知識可使企業決策智能化、自動化，從而使企業提高工作效率，減少錯誤決策的可能性，以在激烈的競爭中處于不敗之地。第三類為算法工程師，算法的涉及范圍是很廣的，下至簡單的一個邏輯判斷，上至卷積神經網絡等，都可能被稱之為算法。通常對這一類人群的學歷要求是最高的，還需要有一定的經驗沉淀，也需要更長的時間才能體現出明顯的價值。根據崗位需求分析的結果，企業需要最多的崗位類型是商業數據分析師，占比達到30%，說明商業分析這一崗位是企業需求量最大的崗位。

在聘用數據科學人才時，企業看重的是學習能力、行業敏銳度、創新能力、合作能力、責任心與敬業精神及專業知識和技能。學習能力是保證持續競爭力的關鍵，行業敏銳度是提早預測商機的基礎，創新能力是拉開差距的法寶，合作能力是團隊作戰的基本保證，責任心和敬業精神是職業化的基本前提，專業知識和技能是職業化的通行證。

以崗位需求為導向的人才培養目標和培養模式

學校在數據科學人才培養方面，一定要結合區域企業需求，明確人才培養定位，然后在這個基礎上進行專業定位，以保障學生在畢業后能夠勝任工作崗位，接受考驗。因此，學校在培養學生的過程中，要以學生的就業方向為基本導向，讓學生掌握基礎知識，學習內容符合社會發展與企業需求。由于數據科學是一個綜合性學科，針對就業目標不同的學生，培養方案也要進行相應的調整，增強他們的行業認知能力、適應能力，以應對復雜多變的外界環境。

西安歐亞學院數據科學與大數據技術專業的培養目標：培養面向大數據產業相關領域，堅持“數據+產業”的發展思路，培養有道德、會思考、善溝通，掌握數據科學理論、數據管理與分析方法及現代化信息處理技術，具備業務理解、數據分析及項目管理能力，畢業后能在互聯網、金融等領域從事數據管理、分析、決策等工作的應用型人才。

本專業培養模式如表2所示。將培養目標分解到不同學年，從大一的行業認知，到大四的綜合能力應用。針對不同年級的培養目標，匹配相應的課程與豐富多彩的專業類第二課堂活動，在此過程中，通過校企聯合的模式進行人才培養，實現學生入學就實戰的模式，提升學生的實戰能力。

表2 數據科學專業人才培養模式

制訂以崗位需求為導向的數據科學專業人才培養對策

1.構建數據科學專業的課程體系

當前，我們正處于“互聯網+”時代，信息化不斷加強，就業領域越來越廣泛，從業崗位越來越細分，所以課程體系設置應對不同的崗位需求進行設置。

課程建設應以技能培養為主，強化學生實踐能力，根據企業對數據科學人才的技能要求，學校設置相關實訓課程，在專業技能方面的課程有數據獲取與存儲類，數據展示可視化類，數據分析、數據挖掘類，數據分析軟件類，還有分析報告撰寫類。除了掌握專業技能之外，綜合素質也是數據科學人才在職業素養中必須具備的，通過本次調查發現，企業也非常需要對工作有敬業精神的人才，所以學校也應當重視對學生綜合能力的培養，尤其是需要學習團隊合作能力、自我學習能力、表達溝通能力、分析問題解決問題、職業道德等。

2.推進“雙導師”機制，提升師資力量

數據科學與大數據技術作為一個新興專業，普遍存在師資匱乏的問題，特別是普通二本院校的技能型教師更是短缺。因為師資問題導致很多專業課長期不能正常開設，而數據科學相關產業發展速度快，新技術新方法層出不窮，現有教師的專業知識結構也需要不斷更新。針對于此，西安歐亞學院數據科學專業實施校企聯合人才培養，與多家不同數據領域的企業建立戰略合作。通過“雙導師”建設，一方面積極引入企業成熟的師資資源，企業教師與學校專業教師聯合開發課程，基于“實際項目+真實環境”，多行業、多領域、全流程培養面向業界的應用型人才，滿足企業對人才的需求。另一方面學校教師也深入企業進行實踐，明白自己所教專業的現狀及發展趨勢，也可以把企業中的新技術、新案例補充進教學，以增強課堂趣味性。

3.真實項目在線實習，營造真實實習環境

數據科學與大數據技術專業和人工智能技術應用專業著眼于學生應用能力培養，構建并完善了實踐教學，將能力培養作為一項系統工程，從課程、活動、競賽、實踐構建等方面完善了以實踐能力培養為主線的一體化軟件人才培養體系。

與熊赳赳教育科技（北京）有限公司共同開發在線實習項目，為需要實習但缺乏機會的在校生提供安全、質量高、時間靈活的在線實習機會。項目的內容圍繞真實的商業問題展開，引導學員學會使用具體而重要的行業數據解決問題。學員在強大的導師與助教團隊的支持下，根據自己的時間節奏，通過自主學習完成精心設計的任務。這能夠幫助學生提高使用專業知識解決問題的能力，適應職場工作方式，為學生的職業成長提供助力。

在聯合產學項目方面，企業提出實際業務問題，并提供相關數據資料和行業知識；教師帶領學生將企業的實際業務問題轉化為數據可分析問題，并將問題拆解為子項目，指導學生利用所學的模型和算法解決這些問題。聯合產學項目將真正的企業真實環境帶入到了學校，師生不用出校就可以參與，從而得到提升。

每個項目的管理都是基于歐亞學院目前已經建立的有效的知識管理體系，對資源體系中的各個項目或流程實時跟進，精準收集產學研活動中產生的大量項目資源、數據資源和社會資源，并篩出其中的無效資源，再對保密內容進行脫敏處理，最后按照應用領域進行分類。

4.建立校企聯合實驗室，創造真實的企業環境

校企聯合實驗室是連接學校與企業的紐帶，分院致力于建設一流的聯合研究平臺，引進一流企業開展聯合研究，引入和編寫一流實景案例開展教學，打造與企業同步的校企協作環境。通過平臺關注師生參與知識應用和知識創新的情況，促進教師發展與學生進步。以聯合產學項目為例：企業提出實際業務問題，并提供相關數據資料和行業知識；教師帶領學生將企業實際業務問題轉化為數據可分析問題，并將問題拆解為子項目，指導學生利用所學的模型和算法解決這些問題。師生一起將企業項目轉化為教學案例或實踐案例再返回到教學之中，讓更多的學生受益。學生在參與整個項目的過程中不僅可以接觸到企業最新的業務知識和行業面臨的問題，同時還可以將所學理論和實踐有機結合起來。

目前該專業擁有一個聯合研究院和三個聯合實驗室，分別是與北大光華管理學院王漢生教師團隊合作的狗熊會數據科學研究院、與國內知名大數據企業百分點合作的深度學習實驗室、與西北地區數據頭部企業美林數據合作的可視化實驗室、與商智通共建大數據智能綜合實驗中心。目前與合作企業在金融、環保、物聯網、征信風控、教育等領域開展聯合項目研究10余項、轉化教學案例20余項，已完成合作開發課程《機器學習》《文本信息處理與應用》《教育大數據實踐》3門，正在開發的課程5門，學生參與科研發表論文10余篇。

結 語

西安歐亞學院數據科學專業注重產學研協同發展在應用創新型人才培養中的重要作用。一直以來，該院堅持課程與實踐相結合的人才培養特色，學生擁有將大數據知識運用于實踐的能力，不需要很多的職前訓練就能挑起解決問題的重任。因此，在面向業界的產學合作及教師日常開展的研究均實現了緊貼專業、緊靠教學，做有用的研究，提高產學項目在教學中的轉化，提升教學質量和學生學習效果。與此同時，該院加強與業界代表性企業間的聯系，通過校企聯合建立實驗室促進企業與人才培養的融合。