新工科背景下的大数据专业建设与人才培养

王元卓 隋京言

摘 要：近年来，大数据发展迅猛，并带动相关产业迅速发展。与此同时，大数据人才需求缺口巨大，因此高校纷纷开设大数据专业。本文首先分析了大数据专业建设与人才培养的现状，包括现阶段大数据的教材、课程体系、师资和实验室建设等状况，然后提出新工科背景下大数据专业建设与人才培养方案，并简要叙述方案内容，最后针对大数据教育生态的发展给出了相应的思考和建议。

关键词：大数据专业建设；新工科；人才培养；大数据教育生态

一、引言

1.大数据是产业发展的推动力

“大数据”概念从计算领域发端，并迅速发展，成为学术界、产业界和政府共同关注的热点，其蕴含的巨大应用价值和潜力已被广泛认知：提供了人类认识复杂系统的新思维和新手段，成为促进经济转型增长的新引擎，为政府提升治理能力提供了新途径，更是提升国家综合能力和保障国家安全的新利器[1]。党的十九大提出实施国家大数据战略，加快建设数字中国。世界各国也都把推进经济数字化作为实现创新发展的重要动能，在前沿技术研发、数据开放共享、隐私安全保护、人才培养等方面做了前瞻性布局。大批企业和资金纷纷进入大数据领域，大数据产业迅速发展。国内许多行业用户如互联网、电信、金融、交通等也都开始实际部署大数据平台并付诸实践，同时带动软件、硬件和服务市场的快速发展。大数据正在成为产业发展的重要推动力。

2.产业人才需求缺口大

大数据人才需求量大、薪资水平高、需求呈上升趋势[2]。据数联寻英发布《大数据人才报告》显示，截至2018年，全国的大数据人才仅46万人，未来3～5年内大数据人才的缺口将高达150万人。据职业社交平台LinkedIn发布的《中国互联网最热职位人才报告》显示，数据分析人才的供给指数最低，仅为0.05，属于高度稀缺。数据分析人才跳槽速度也最快，平均跳槽速度为19.8个月。截至2017年12月，大数据及人工智能岗位人才需求量比2016年猛增6倍多，大数据开发类增长幅度达到795%；根据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1 400万人，而在BAT企业招聘的职位里，60%以上都在招大数据人才。

目前企业大数据人才需求面临以下具体问题：

（1）合格人才短缺，招聘困难。人才供给虽大幅增加，但人才质量参差不齐，符合需要的人才数量依然有限。

（2）理论基础强，但缺乏应用实践能力。有些人才基础理论技术能力强，实际工作解决问题时缺乏业务与技术结合的灵活性。

（3）人才培养渠道有限，培养周期长。工作5年以上的大数据及AI人才是行业主力，大量存在于学术界和巨头公司，市场上大数据人才大多来自学术界、企业界或其他技术岗转岗，新鲜血液供给严重不足。

（4）市场人才争夺激烈，内部人才流失风险高。大数据人才平均工作1年后，市场工资大多翻倍，然而平均在职时间不超过2年。

3.大数据专业建设现状

大数据相关产业的高速发展，带来了大数据人才的严重短缺，大数据人才培养成为急迫的任务，因此从五年前开始就有高校着手培养大数据人才。2013年，西安交大、香港中文、浙大、厦大等高校设立数据科学研究中心或大数据中心，培养具有大数据思维和创新能力的复合型人才。2014年，北大和清华开始招收第一批大数据硕士，其中清华培养的第一批大数据硕士生分为5个方向：数据科学与工程、商务分析、大数据與国家治理、社会数据和互联网金融。2015年，北大元培学院设立面向本科生的数据科学实验班，中南大学招收大数据方向第一批本科生。然而，直至2015年大数据专业建设和人才培养依然处于力量薄弱阶段。

2015年8月国发〔2015〕50号文《促进大数据发展行动纲要》提出：“建立健全多层次、多类型的大数据人才培养体系。鼓励高校设立数据科学和数据工程相关专业，重点培养专业化数据工程师等大数据专业人才。鼓励采取跨校联合培养等方式开展跨学科大数据综合型人才培养，大力培养具有统计分析、计算机技术、经济管理等多学科知识的跨界复合型人才。”自此大数据专业建设才在各高校如火如荼地开展，设立大数据专业的学校数量呈指数级增长。截至2018年11月，教育部正式批准283所高校设立数据科学与大数据技术专业，其中，2016年3所高校获批，2017年32所高等院校获批，2018年248所高等院校获批。

4.信息技术新工科

2017年教育部提出了加快建设新兴工科的号召，同时工业和信息化部也对信息技术人才培养提出了新的需求。新工科是“以立德树人为引领，以应对变化、塑造未来为建设理念，以继承与创新、交叉与融合、协调与共享为主要途径，培养未来多元化、创新型卓越工程人才”[3]。教育部高教司理工处处长吴爱华提出要从五个方面建设新工科：“要树立创新型、综合化、全周期工程教育‘新理念，构建新兴工科和传统工科相结合的学科专业‘新结构，探索实施工程教育人才培养的‘新模式，打造具有国际竞争力的工程教育‘新质量，建立完善中国特色工程教育‘新体系。”[4]总之，新工科代表的是最新的产业或行业发展方向，指的是正在形成的或将要形成的新的工程学科[5]，而信息技术新工科指的是信息领域最新的发展方向和新的学科。

为响应教育部和工信部的号召，中国软件行业协会联合国内部分高校、科研院所、行业企业联合组建了信息技术新工科产学研联盟（以下简称“联盟”）。联盟第一届理事会于2017年11月16日在北京正式成立，理事会由来自高校、科研院所、企业的50多位代表组成，理事长为北京理工大学梅宏院士。

联盟的愿景是：响应国家重大战略，面向以新技术、新业态、新模式、新产业为代表的新经济的发展需求，创新卓越人才培养体系，助力信息产业的超越式发展。基于这一愿景，联盟的使命是：探索面向产业需求的科技创新模式，培育产学研深度融合育人的生态环境，创建大工程观卓越人才的培养范式，形成信息产业创新人才的评价体系，引领我国信息技术专业的跨越发展。

大数据与智能计算工作委员会于2018年1月14日正式成立，是新工科联盟成立的首批工作委员会，主要职责是推动数据技术与产业应用结合的多学科、多行业交叉融合的新工科发展，培养兼具数据知识和应用视野的大数据工程人才，建设新兴交叉学科的“大数据专业”。大数据工委目前有高校会员40个、企业会员5个，支持单位为阿里。大数据工委下设5个工作组：教材体系工作组、专业建设工作组、创新学院工作组、创新基地工作组、评价竞赛工作组。

本文将首先分析大数据专业建设与人才培养的现状，包括现阶段大数据的教材、课程体系、师资和实验室建设等现状；然后提出适用于这些现状的大数据专业建设与人才培养方案，并简要叙述方案内容；最后针对大数据教育生态的发展给出相应思考和建议。

二、现状分析

经过数年发展，目前国内大数据专业建设与人才培养领域依然存在很多问题，教育教学生态尚不完善。主要问题包括缺乏系统化和规范化的标准化教材、缺乏系统性的课程体系和内容、师资力量不足、教学实验资源匮乏等。

（1）缺乏系统化和规范化的标准化教材。国内开设数据科学与大数据技术专业或开设大数据相关课程的学校越来越多，对大数据教材的需求越来越大，然而目前国内高校的大数据教学尚处在摸索阶段，无统一教材，有的选用教师自己的教案。

高校或科研院所對大数据教材的需求主要分为两类：一类是开设了大数据专业的学校需要一整套完整的大数据教学丛书；另一类是未开设大数据专业的学校单独开设一至两门大数据相关课程时，需要知识体系完整又不空泛的导论类教材及实验类教材。

（2）缺乏系统性的课程体系和内容。大数据专业建设尚在探索发展过程中，尚未形成标准统一的系统性课程体系。大数据专业是一个多学科交叉融合的专业，需要根据不同层次的需求和不同的人才培养目标，合理设计和融合多个学科的课程内容和知识体系。

（3）师资力量不足。大数据教学科研资源严重匮乏，缺少足够的教学师资，可配置和指导学生实验的专业师资严重不足。

（4）教学实验资源匮乏。高校基础实验环境薄弱，缺乏面向大数据的分布式系统，无法满足学生多机集群实验环境需求，实验数据、实验教案、实验手册、项目实践经验严重不足，大数据实验开展困难。项目实训缺失，高校大数据专业目前难以培养实用性人才所需的专业能力，与实际应用脱轨，教学效果大打折扣。

三、大数据专业建设与人才培养方案

在调研及实践的基础上，大数据专业建设与人才培养方案基本成型。该方案主要包括课程建设、师资培养、教学环境建设、企业实训实习、实验室建设、科研项目、人才评估中心、人才输出、专家团队等九部分内容，基本覆盖了计划建设大数据专业的高校的需求。高校可结合自身的具体情况和相关需求，参考本方案的全部或部分内容并动态进行组合来实施大数据专业建设与人才培养。

1.课程建设

根据企业对大数据人才的不同层次需求，以应用型大数据工程师和研究型大数据分析师为培养目标，培养具备扎实的数学与计算机科学基础、具备统计与优化的数据分析与建模能力、具备专业化行业知识的数据应用解决方案设计能力、具备“新工科”素质能力的创新创业型人才，使其未来能够立足不同行业，从事数据分析与管理决策等工作。

课程体系包括主干课程、通识课程、专业基础课程、核心课程、特色课程、实验模块、实习实训模块等。

关于教材方面，中国计算机学会大数据专家委员会正在编写的大数据教材系列丛书采用“1+3+X”的体系，即：以《大数据导论》为基础，并有针对性地设置《大数据管理》《大数据处理》和《大数据分析》三本关键技术课程教材，以及X本领域应用教材。该套教材系列丛书既适合高校大数据专业的专科生、本科生以及研究生系统地学习大数据相关知识与技术，也适合从事大数据相关技术的企事业单位研究人员、工程师作为参考用书。

《大数据导论》从技术层面为大数据相关专业本科生、研究生及科研人员，提供一本全面介绍大数据相关知识的专业通识教材，其系统地介绍大数据涵盖的内容，包括数据与大数据、大数据获取与感知、大数据存储与管理、大数据分析、大数据处理、大数据治理、大数据安全与隐私等，同时还介绍了部分行业中大数据的典型应用案例，反映了大数据在社会经济生活中的重要价值。《大数据管理》首先综述数据管理系统的发展，指出发展大数据管理系统是历史的必然，并沿着数据模型和系统构件两个维度上展开。在数据模型的维度上，主要介绍关系、键值对、图和文档数据模型及其语言；在系统维度上，介绍系统结构、存储与组织、查询处理、事务管理、故障恢复等话题。《大数据处理》包括大数据处理基础技术、大数据处理编程与典型应用处理、大数据处理系统与优化三个方面。该教材以大数据处理编程为核心，从基础、编程到优化等多个方面对大数据处理技术进行系统介绍，使读者能够快速入门，同时体会大数据处理系统的设计理念与优化方法本质。《大数据分析》包括大数据分析方法和理论、典型大数据分析任务以及大数据分析系统与应用。该教材特色是理论联系实际，本书从基础理论，典型任务以及系统应用多个方面对大数据分析相关知识进行了系统而详细的介绍，使得读者能够快速入门，体会大数据分析技术的本质特征，领略大数据技术带来的创新理念。“X”本系列教材包含面向各行各业的大数据应用的知识与技术，且将随着产业界大数据应用的发展进行更新迭代。

2.师资培养

为适应与促进大数据专业建设的快速发展，培养符合企业需求的大数据人才，需要对从事大数据教学的教师进行有针对性的培训，使其具备坚实的计算机专业知识，掌握丰富的数据科学分析方法和工具，熟练使用常见的大数据分析平台和环境，具备新工科的教学方式方法和数据科学思维，能够从事大数据相关专业的教学，并在大数据技术特定教学方向上具有突出专长。

师资培训的内容与课程体系建设相关联，包括专业通识、核心课程、特色课程和实验实训等，并对教师进行新工科教学方法改革和创新培训。改变传统的教学模式、教学方法，让教学内容和方式更加智能化和高效化，把教师从简单、机械的“教学”工作中解放出来，从而能投入更多的时间和精力，创新理论知识和工程实践相结合的教育内容、改革教学方法，专注“育人”，从而使学生将来的潜力和能力不落后于时代的发展。

针对大数据师资培训的不同需求，开展定期与不定期的师资培训班，形式包括在线培训、研习班培训、系列培训、高端培训等多种组合。

3.教学环境建设

教学环境建设包括基础实验环境建设和大数据综合应用实训环境建设。以云平台架构为基础，以虚拟机形式为用户提供大数据实验环境，适合高校高并发实验开展的模式。大数据实训平台系统为学生提供了从大数据环境搭建到数据处理的整个流程，确保支撑大数据专业人才培养的各个阶段课程实验内容的有效开展。

4.企业实训实习

实训实习是高校实践教学的重要环节之一，实训实习基地是开展实践教学、培养学生实践能力和创新精神的重要场所。学生通过在学校实训或去企业实习等机会进行锻炼，提升了学生的实践动手能力，未来更加契合企业的实际需求，也帮助企业完成了智力引进。

企业实训实习课程体系建设立足学校、学生、企业实际，从实际项目出发，由校方完成公共基础课和专业基础课，企业完成专业技能教育、就业技能教育和实践创新教育。具体方式可采用由企业安排技术专家来学校开展实训，或者学生统一去企业实习

5.实验室建设

大数据教学实验室建设始终贯穿以学生为本的理念，以培养创新人才为核心，以促进学生知识、能力、素质协调发展为指导，以提高教学质量为目的，深化实验教学体系、教学内容以及教学方法等方面的改革，提高实验教学质量和管理水平。实验室应具备齐全的实验设备、先进的实验水平和规范的管理体制，实现实验室完全开放、实验室有效配合教学相关内容，切实为学术动手锻炼提供条件支撑，并将实验教学与科研成果转化有机结合、现场实验与线上仿真实驗虚实结合、实验室与企业紧密联合。

大数据实验室提供行业典型项目案例及行业数据，涉及诸如互联网、运营商、金融、电子商务、政府等多个领域，提供完整的端到端业务流程演示与上机操作训练，让学生真正了解大数据行业背景以及企业实施技术需求。

6.科研项目

在当前科技革命和产业变革不断加速，新技术、新模式、新业态不断涌现的现状下，传统的教育方式无法引导学生面向学术界、工业界的最新问题，以及提供解决问题的必要背景知识储备和一手技术资料。这迫切需要培养造就能够适应新形势、新需求、新变化的优秀科研人才。科研项目方案从科研项目立项建议、科研项目辅导、企业委托项目三个主要方面，给出新工科背景下的科研解决方案，充分整合高等院校、科研院所和行业企业的力量，打造产学研深度融合的科研环境。

将科研项目纳入大数据专业与人才培养建设方案，一方面可以为学生参与国家、省市科研项目给出解决方案，提高学生的科研动手能力，并提高人才培训课程或实训基地的技术品牌影响力；另一方面，也可以与合作企业构建更加紧密的合作渠道和合作通路，成为企业研究型项目人才需求与学生科研实践之间的桥梁。

7.人才评估中心

根据大数据人才培养目标，以及大数据人才在知识结构的二专多能复合（专业知识、数据思维）的特点，建立大数据人才的能力模型、评价指标体系以及评价方式，建立大数据人才培养的定性和定量化标准，推动人才输出和人才的社会化流动。

8.人才输出

根据大数据人才培养目标，将人才分为应用型、研究型两类。根据不同企业的诉求，输出应用型、研究型大数据人才。通过4大技能3个维度19项标签对大数据人才进行量化分析，利用量化分析结果，帮助企业自动匹配与所需岗位相似度高的大数据人才。

9.专家团队

充分利用信息技术新工科产学研联盟、CCF大数据专家委员会、联盟大数据与智能计算工作委员会的资源形成专家团队，充分发挥行业大数据专家的智力资源，组织有经验的专家帮助学校定制化设计专业建设方案。大数据专家团队包括战略顾问、教学指导专家、创新就业指导专家、行业专家和科研专家等，为学校提供战略指导、师资培训、教学授课、创新创业指导、科研支持等帮助，并为政府、企事业单位等提供智力支撑、决策辅助。

四、推动大数据教育生态发展的思考

大数据专业建设应立足长远的视角，培养“政、产、学、研、创”一体的交叉复合人才。大数据教育生态的可持续发展离不开高校、地方政府、企业和教育主管部门的协同合作，因此各方均需思考如何在其中更好地发挥自己的作用。

1.针对市场对大数据人才需求的特点，高校需探索新的教育教学模式，思考如何使大数据专业建设方案落地，培养出符合大数据用人单位需求的人才。

（1）高校可开设跨学科融合的课程。大数据专业是多学科交叉融合的专业，需要从多学科角度并结合领域应用知识培养产业需要的合格的大数据人才。

（2）高校可与企业紧密合作。大数据专业实践性较强，而高校普遍缺乏大数据实践的环境，因此采用校企合作的方式有利于培养出真正符合市场需求的大数据人才。

（3）高校可采用“双师制”教学。高校教师专业理论知识扎实但缺乏工程经验，吸纳企业工程师参与教学将有利于提升学生的专业技能。

（4）高校可将学生实践、实习等成绩计入学分。大数据是一个面向应用的专业，实训实习等实践类课程在大数据人才培养过程中占据比较重要的地位，将实践实习等成绩计入学分，有利于提升学生的实践能力。

2.大数据教育生态发展，是一项多方协同合作的艰巨任务，地方政府需思考如何引导大数据教育生态的发展。

（1）地方政府可组建集中式的大数据教育基地。大数据教育基地可以作为高校与企业合作的桥梁，为高校师生提供集中式的培训，也可对社会上相关人才开展大数据技能培训。

（2）地方政府可引进优秀的大数据教师和企业技术开发人员，形成高起点的人才培养基地，为企业输送人才。

（3）地方政府可出台政策鼓励优质师资人才跨区域流动，弥补大数据师资不足的现状。

3.大数据人才培养的目标需与企业的人才需求相结合，因此企业需思考如何发挥企业的优势，实现校内校外相结合共同培养大数据人才，降低企业培养成本和招聘成本，降低人才流失率。

（1）企业可鼓励大数据人才走进高校传授专业技能，对接学校教育与产业需求。

（2）企业可接受本科生实习，给学生提供接触真实案例的机会，培养应用型人才。企业用人时可优先选择人才，促进生态循环。

（3）企业可通过研发任务的形式将任务交给学校完成，一方面解决研发人员紧缺的问题，另一方面培养大学生的创新能力。

4.大数据专业建设尚缺乏完整的标准和体系，教育主管部门需思考如何制定和完善人才培养和评价的体系。

（1）教育主管部门需对教材进行内容审定并推荐教材和参考案例，为大数据教育提供系统化、规范化的培养内容。

（2）教育主管部门需尽快出台人才评价标准体系，为人才培养和人才输出提供可靠依据。

（3）教育主管部门需设立教育专项资金，推动大数据人才培养的进程。

参考文献：

[1] 梅宏. 大数据导论[M]. 北京：高等教育出版社，2018.

[2] 李翠平. 新工科背景下以数据为中心的计算机专业教学改革[J]. 中国大学教学，2018（7）：22-24.

[3] 钟登华. 新工科建设的内涵与行动[J]. 高等工程教育研究，2017（3）：1-6.

[4] 吴爱华，侯永峰，杨秋波，等. 加快发展和建设新工科 主动适应和引领新经济[J]. 高等工程教育研究，2017（1）：1-9.

[5] 林健. 面向未来的中国新工科建设[J]. 清华大学教育研究，2017，38（2）：26-35.

[责任编辑：余大品]