高职院校大数据分析人才培养的几点思考

张旭

【摘 要】在分析了大数据分析人才特点的基础上，结合高职教育的特点提出了高职院校大数据分析人才培养的几点意见。

【关键词】大数据;人才培养

在大数据时代，数据分析越来越成为我们工作生活中一个最基本的技能。大数据人才的培养，正是基于这样一个时代的发展背景。大数据人才的适用领域非常广泛，有着巨大的社会需求。他们的就业遍及生物、医学、经济、社会、媒体、金融、教育、政府各个方面，只要有数据的地方，他们都可以施展才华。目前，中国大数据方面的人才主要集中在百度、阿里巴巴、京东等电子商务企业和腾讯等网络媒体大数据公司中，我国相关部门预计3到5年内，来自政府、媒体、企业等方面的数据工程师和数据分析师的需求将达100万人左右，而目前的人才培养，无论是规模还是质量水平，都远远达不到要求。

一、大数据分析人才特点

大数据人才不是某一个学科可以单独培养的，其“交叉”学科的特点决定大数据人才是多学科交叉型人才。学生进行数据分析，要有数据库和软件等计算机方面的知识，还要有数学和统计方面的知识和能力，涉及统计学和计算机科学与技术两个一级学科，到社会后还需要财经、新闻、生物医学和管理等方面的知识。所以，大数据人才的培养，也需要计算机、统计学、数学等多学科共同参与。而对于高职院校大数据分析人才的培养，要遵循高职教育的特点，这是一类应用型人才，必须重视实践环节。他们毕业后不是去做研究，而是投身业界，要能很快上手。这样的人才培养，不是仅在学校、在实验室、研究室里就能够培养出来的，而是要到实践中去，解决实际问题。这就需要大数据企业、媒体单位参与合作，他们把实际工作中遇到的问题带来，大家一起研究解决，把企业运作过程中产生的大数据拿过来，学生直接用这些真实的数据进行训练和研究。

二、高职院校大数据分析人才培养的几点思考

（1）教育教学模式的选择。课程设置上，根据大数据人才需求，大数据分析人才的培养主要集中在6大核心技能：大数据分析计算机基础、大数据分析统计基础、大数据分布式计算、大数据挖掘与机器学习、非结构化大数据分析和大数据建模。而高职院校的学生要想掌握上述技能确实很难，每一核心技术都需要深厚的数学功底和计算机软件基础，因此，高职院校开设大数据分析专业必须脱离基础的理论，把重点直接放在行业应用上，重点掌握数据库和分析软件的分析使用上。师资配置上，每一项技能不是由一位老师来上，而是一个教学团队，团队老师中要有企业专家参与，一起研究一门课程。教学方式上，要有别于传统的课堂讲授，采取案例教学和讨论班的方式，最好全部开发成项目教学的方式，也可以是一个团队共同完成一个项目。项目最好结合企业的实际业务，让学生参与到项目解决的过程中。

（2）项目教学注意的问题。结合大数据分析核心技术，将核心课程设置成一个个小项目，从数据采集入手，从一个可以提高业务绩效的行业领域着手，从一个分析更多数据可以获得更多信息的领域着手。鼓励试验项目和创造性思维，一边进行试验，一边进步和学习。企业内存储后就再没有使用过的数据称为“暗数据”，鼓励学生考虑这些数据的价值，让“暗数据”重见天日，可能带来新的有价值的信息。比如帮助在线购物者决定衣服是否合身的企业，它分析顾客数据来帮助零售商更好的了解顾客的偏好。分析工具的选择，尽量不要跟随R语言热潮，或选择底层的编程语言，可视化的非编程软件对于高职学生已经足够，同样适用于高级分析项目，可完成80%的预测分析工作。要超越传统的分析方法，不要仅是报告数据，还要将数据集成到业务流程中，高级分析项目真正的竞争优势是当你使用那些数据时，创建预测模型。最后，要告诉学生，不要认为分析一定会被采纳。一个分析项目失败的一个原因是相当不错的分析项目完成后，但没有被采用。所以，要教会学生这样的思维，要培养学生的交流合作能力，与业务部门密切合作，可以避免这类问题。如果没有业务合作伙伴在过程中的支持，就不要开始项目，即使这个项目很值得进行。

（3）分析软件的选择。Excel、SPSS、SAS、R、Matlab每一种软件都有其基本的数据分析功能，最简单的就是Excel，每个人都在用大量的基本功能。你如何制定出一个报告或电子表格，你创造什么样的规则。Excel适合所有的人。你可以使用它的基础水平的统计，基本的数据分析和可视化。Excel是学习大数据分析基本功能的一款入门级的学习管道。我们每个人一般都只是了解其一些基本功能，例如制作出一份报告或电子表格。但其实我们可以通过其创造一些相应的规则。通过利用其基础的统计功能，实现一些基本的数据分析和可视化。但针对不同规模的项目也需要不同的工具。对于有5000行数据的分析项目，采用诸如SAS或R这样的工具无疑将是矫枉过正，但若采用Excel的将是非常完美的。而若是有20万行的数据，Excel的功能就明显不够强大了。这时，你就需要大数据软件和编程知识，但并不拘泥于一种特定语言。但不需要特定拘泥于关心采用哪种语言。如果能够用一种语言来实现，那么其必然有能力以别的语言来实现。因此，培养学习能力远比选择什么样的软件重要得多。

参考文献：

[1]孟小峰.慈祥.大数据管理：概念、技术与挑战[J]计算机研究与发展，2013，50（1）.

[2]谭立云，李强丽，李慧.大数据时代数据分析人才培养的思考及对策[J].黑龙江科技信息，2015.（3）.