高校大數據應用人才的培養研究和建設

李 鵬

（江蘇大學教師教育學院，江蘇 鎮江 212013）

1 背景

隨著信息技術的飛速發展，新一代信息技術“大數據”引起了產業界、學術界和政府的共同關注。國務院于2015 年發布《促進大數據發展行動綱要》和工業和信息化部于2016 年印發《大數據產業十三五發展規劃（2016-2020）》，成為“全面推進我國大數據發展和應用，加快建設數據強國”的標志[1]，這標志著我國已經邁入大數據發展新時代，社會的發展和國家的戰略都必須緊跟時代發展的步伐，需要大批在大數據領域復合型創新型卓越的信息技術人才，對大數據人才的重視已然上升到國家的層面。

2001 年，Cleveland W S 提出了一個數據科學行動計劃，指出了數據科學需要發展的重要方面（跨領域數據分析能力、數據建模和方法、數據計算能力、學科規劃、工具、基礎理論）[2]。數據學科本身的研究方向就廣泛，另外由于大數據技術迅猛地發展，使得大數據人才供需整體數量不斷增加，人才需求缺口不斷擴大，崗位供需不平衡，地域供需不平衡，求職者學歷錯位明顯等現象[3]。高校作為信息技術類人才培養的主要輸出陣地，在大數據發展新時代，有必要有義務為大數據和其他相關領域輸送專業型人才。面對新時代、新任務和新形勢，社會對高校輸送的人才的質量和需求也上升了新的層次。大數據專業是設計數學專業、信息專業、統計學專業、計算機科學專業、財經專業等多個專業復合型交叉學科，除了具備扎實的理論知識外還需要通過大量的實踐訓練[4]。表1 顯示的是自2016 年，全國各類院校就已陸續開設大數據專業建設工作，開設大數據專業院校數量穩步增長。2018 年至2019 年，教育部根據大數據發展趨勢和人才需求還新增了12 個與大數據相關的本科專業，這些新增的本科專業都為了培養復合型應用型大數據人才提供有力保障[5]。

表1 大數據相關專業各批次獲批院校數量（所）

在眾多院校開設大數據專業建設中，各個院校都在積極主動地探索一條大數據背景下人才培養環節需要關注的重點和難點。中國科學院計算技術研究所的王元卓等綜合分析了大數據專業建設與人才培養中選用教材、課程體系設置、師資配置等現狀，進而提出了一種適應大數據專業建設與人才培養的方案[6]；中國農業大學的李輝以結合本校實際討論了在農業類高校中建設大數據相關專業的必要性，梳理了部分農業類高校大數據相關專業建設的現狀，提出一種基于OBE理念的農業類高校大數據專業培養方案，以及相應的教學改革措施[7]；青島大學的王晶瑩等從大數據和計算社會學兩個方向出發，分析了問題、現狀和時代背景特征，討論了從大數據到計算教育學涉及的概念、動因和出路等若干關鍵要素[8]；重慶大學的馮永等針對大數據融合人才培養目標不明確、教學體系與大數據智能化行業發展要求尚不明確等問題進行體制改革[9]；南京大學的劉虹等就如何培養計算機金融交叉學科領域高層次人才進行積極探索，通過對比中美兩國在招生方式、課程設置、考核評價等方面為綜合型人才培養提供參考和借鑒[10]。全國多所高校協同創新、采用多學科融合型培養模式，設立大數據人才培養課程體系和培養方案。

2 應用型大數據人才培養面臨的挑戰

2.1 大數據知識體系龐大

大數據目前已經形成了龐大的知識體系，對于打算學習大數據專業的學生，需要學習先修知識如Linux基礎、Java/Python 語言基礎、數據庫基礎知識，這部分基礎課程的學習時長一般地會在1 年至2 年，這是一個循序漸進的過程。目前主要流行的大數據技術有三個：Hadoop、Spark 和Flink，這3 個技術也是大數據專業的核心課程。Hadoop 一般用于政府和企業數據倉庫的搭建，利用分布式文件系統HDFS、分布式數據庫Hbase、數據倉庫工具hive 和政府企業原先用的數據庫的數據搭建數據倉庫；對于 Spark 生態圈，則需要講授 SparkRDD 各種算子的使用、Spark Streaming、Spark SQL 和MLlib 的使用；對于Flink 技術，講授其基本原理和核心API，掌握這部分核心知識，能夠讓學生快速構建出大型的離線或實時的應用項目[11]。因為大數據課程體系的龐大，高校缺乏專業的大數據師資力量，缺乏完善的、系統性的課程體系，制定的教學計劃和教學課時無法使得學生全面、深入地掌握大數據的各項技術。

2.2 教學實驗設備和實訓環境不完備

大數據因為其“4Vs”特點：容量性（volume），多樣性（variety）、速度（velocity）和價值（value）[12]，然而對于一般學校教學實驗室并不能提供理想的實驗環境，因為大數據迭代更新快，學校之前的實訓課題題目不能定期更新、課題內容過時、題目數量少導致實訓的教學質量和效果往往難以保障。這也導致了教師無法從實驗環節充分了解學生的實操情況，最后只能依據考試成績的高低來判斷學生的學習情況。Boyd和Crawford 認為，大數據不僅數據量大，而且涉及搜索、匯集和交互引用大型數據集的能力[13]，這也對實驗室的硬件提出更高的要求。這些問題的存在使得應用型大數據人才的培養在數量和質量上都無法滿足社會對優秀人才的需求。

3 應用型大數據人才培養方案

3.1 教育理念的轉變

大數據人才培養方案需要兩步走：理論知識+實踐應用。理論知識是基礎，對于今后工作中遇見的問題，可以借助理論知識進行基礎排查；實踐應用是能力，通過不斷地實踐訓練可以進一步提高解決問題的效率和質量。提高大數據應用型人才的培養，離不開高等院校與廣大教師，離不開學院實訓課程與企業實訓的經驗，通過推進學科與學科之間、學校與政府、學校與企業之前的深度融合，僅僅依靠學校老師所講授的知識和技能是遠遠達不到預期的教學質量的，強化校企合作，學校可以根據企業定向指定人才培養計劃和方案[14]。通過將企業內新的技術與學校新的科研成果融入教學內容，對大數據專業的教學進行升級改革。

3.2 定制詳細的人才培養目標

根據應用專業的方向和培養目標，根據大數據就業行情、產業現狀及未來發展的趨勢以大數據崗位分支為導向，建立大數據技術支持、大數據應用開發、大數據運維方向，并根據培養方向和培養目標制定詳細的培養計劃、完善課程體系。同時根據設立方向的側重點設置相應的大數據實訓環節，逐步提高學生的綜合能力。

3.3 線上教學對線下教學的改變

“互聯網+”和線下教學結合的方式，為大數據人才培養提供源源不斷的動力，采用混合教學模式，充分利用開放式教學資源，利用數據教育平臺的資源，有針對性、選擇性地學習，推動線上線下教學模式的改革，大大提高了學習的靈活性和主動性，疫情防控期間各大高校借助騰訊會議、釘釘等各類交流平臺的線上授課，也加速了互聯網教育的滲透[15]，輔助教學工作穩健落實。

3.4 任務驅動實踐教學

因為大數據技術本身的特殊性，學生無法在短時間內充分掌握大數據全部的知識，因此可以考慮通過教學案例，引導學生掌握案例涉及的章節內容，通過模擬不同的場景，制定不同的案例任務加深學生對知識的理解，夯實大數據基礎知識和技能，并采用小組輪流答辯展示的形式，提高學生們參與的積極性，促進不同案例任務學生的知識交流，讓學生接觸到大數據技術對于應用開發場景中的便捷和高效。

3.5 完善實驗室設備

實踐環節是大數據應用型人才培養中非常重要的環節，因為大數據時間對設備的硬件、數據的體量有要求，所以學校可以整合資源，根據學科特點、大數據人才培養方向積極籌建實訓基地，高校還可以聯合政府、事業單位和大型民營企業共同建立實訓平臺，信息化基礎設施逐漸完善，教學資源也逐漸豐富，為人才培養質量和數量提供支持。

3.6 完善人才評價體系

學校的教學質量最終會工作中得到體現，人才培養目標、專業建設、課程體系建設都離不開實際工作的評價，應用型大數據人才更是如此。因此需要建立對應的人才評價體系，按照難度的容易、級別的高低，采用開放式的試題重點考核學生的知識和技能掌握情況和解決問題的創新能力，鼓勵學生考取企業級的證書和國家級的技能證書，以使人才培養真正地滿足產業和企業的需要[16]，彌補產業人才的缺口。

3.7 鼓勵學生參加競賽

因為學校的實訓課程時間有限，為了讓學生進一步鞏固和學習新的知識，高校教師對于專業基礎扎實，動手能力強的學生，老師可以組織感興趣的同學，組織學生參加大數據及其相關的競賽活動。另外可以將部分相關的科研工作對大數據感興趣的學生開放，逐步累積科研和項目經驗，培養學生解決復雜問題和獨立開發的能力[17]。學校也可以制定靈活、公平、公正、科學的獎勵制度，加大教學實驗室基礎設施建設和經費投入，提高學生參加競賽的積極性。

4 結論

大數據技術與傳統產業的深度融合，學校的理論教學和企業應用場景的深度結合是社會及人才培養的必然選擇。面對新的機遇和挑戰，高等學校需結合學校自身優勢，以政府、學校和企業的大數據作為推動人才培養的平臺，教師有目的性地選擇合適的教學實訓內容，并對學生進行理論知識的基礎講解和對應的實踐教學指導，鼓勵學生進入企業進行大數據實訓。深化校企深度融合，把培養大數據人才的重點放在提高解決問題能力的實操上，鼓勵學生參加大數據及其他相關專業的競賽，鍛煉學生的數據分析、處理能力，使學生在今后就業更優優勢。應著重將課程的重點放在課程實際創造價值方面。高校對專業人才的培養模式進行改革，本身就是一項具有挑戰且艱巨的任務，會受到多方面因素的影響。參與教學的各位老師需要在教學工作中，需要進行不斷地歸納、分析和總結經驗，不斷地探索既要有科學內涵的理論支撐又要體現培養復合型創新型人才培養的新模式，這樣培養出來的學生才能在今后的就業中更具優勢。