高职院校大数据技能人才培养策略研究

郭娟 陈莹

摘   要：大数据技术的出现极大地影响了社会各个领域的发展，在政府机关、营销管理、医疗卫生、金融经济等不同行业的应用，为不同行业管理者制定正确的发展决策提供了重要依据，极大地推动了这些行业的发展。大数据人才指从事大数据开发、分析、运营、维护及安全等工作的专业人才。高职院校要从学生实际情况出发，并与大数据岗位需求相结合，制定科学、合理的大数据人才培养方案。文章对此进行了分析。

关键词：高职院校;大数据;技能人才

1    高职院校大数据人才需求现状

1.1  学生培养定位现状

高职院校主要为社会培养实践型、应用型人才，培养人才的过程中尤其要重视培养人才的实践能力。高职院校要注重培养学生的应用技能，提高他们利用所学知识解决实际问题的能力，不仅如此，还要重视培养他们的职业素养，使受教育者以最快的速度适应岗位需求，并在工作岗位上有所作为。

1.2  大数据人才需求现状

互联网技术的迅速发展，使大量的数据涌现出来，其中不乏垃圾数据，大数据技术是集合海量的、难以利用工具或方法进行储存、搜索、提取、共享以及分析的复杂数据的技术。大数据技术特征是数据规模超大化、数据转移快速化、数据类型多样化以及数据价值低密度化等。在社会不同领域引入大数据，有助于提高经济效益和社会效益[1]。

1.3  高职生大数据技能培养现状

通过调查研究，笔者了解到大数据岗位人才需求情况以及高职学生基本特征。与高职学生特征相符合的大数据技能主要涉及大数据分析、大数据开发与应用、大数据可视化、大数据爬取等方面。高职生岗位定向主要为大数据可视化工程师、大数据运维工程师、大数据助理工程师等，大数据人才工作岗位涉及教育、政府、金融、证券、税务、电力、政府等各个行业。大数据人才不仅熟练掌握大数据基本理论，灵活运用大数据采集、存储、分析与处理技术，能独立分析数据传输和可视化呈现等技术，还要具备一流的职业道德以及良好的创新能力[2]。

2    现阶段高职院校大数据人才培养课程体系结构建设情况

设置课程体系时要考虑大数据岗位工作要求，并以此作为课程设置的基础，目的是培养更出色的、能够灵活运用所学知识和技能解决实际问题的人。

2.1  课程体系建设

课程体系要涉及整个大数据处理流程的各个不同环节，主要针对数据采集、存储、分析、处理等各个方面的技能要求，有针对性地设置各个课程，如基础课程、项目实训课程、专业核心课程等。其中，“基础数学”“Java基础”“大数据导论”等课程属于基础课程的范畴;“数据可视化”“数据解析”“Hadoop技术”以及“网络爬虫”等属于专业核心课程;项目实训课包括“数据分析”“数据爬取”以及“数据可视化”等课程。

2.2  教材开发情况

大数据技术及应用专业出现时间并不长，应尽快开发出与课程体系设置相适应的教材。开发教材时要综合考虑4个方面：（1）整合各相关知识。所选择的内容不仅要适合高职生学习基础薄弱的特点，而且要与大数据相关。（2）实现教材项目化。要立足于完整的项目实际，从项目开发出发，结合项目实施过程中的真实数据以及实际情况来进行，确保各知识点融入其中。（3）教材知识要随时代发展及时更新，满足时代发展的要求，确保知识的应用性。（4）注重开发与课程体系相配套的教学资源，如教案、课件、案例以及辅导性用书等。

3    高职院校大数据技能训练建设

大数据是一门新兴学科，也是一门交叉学科，融合了统计学、数学、软件技术、数据库等多个领域的知识。大数据技术与社会不同行业之间存在密切联系，并广泛应用于各个行业，所以培养大数据人才时不仅要注重培养他们的专业技能，而且要注重培养他们的思维能力。

3.1  大数据平台和实训基地建设

高职院校要成立大数据平台和实训基地，重视提高学生的实践能力。学生实践技能的提高不仅依赖于课堂学习，更重要的是通过参与实训来实现。大数据平台可以为学生提供参与实训、在线学习的机会。将理论学习与实践结合在一起的专业化实训基地也能够为学生提供良好的实训环境。

高职学生进入到社会之后主要从事实践工作，他们一般不擅长科研，有必要提高实践能力。只凭借课堂、实验室、实训基地等途径很难最大限度地提升学生的实践能力，还需要加强与企业之间的合作，使学生亲自参与企业工作。高职学生通过完成企业任务、分析和处理企业数据，一定能大大提高自己的实践能力。高职院校还可以成立专业建设委员会，增强行业联系，通过多种途径，采用多种方法与大型知名企业建立合作关系，确保学生顶岗实习需求得到满足，全面提升学生的职业素养，积累学生的工作经验，使其走上社会之后能够迅速适应工作岗位[3]。

3.2  大数据分析软件开发能

高职院校培养人才时要多使用分析工具。从当前来看，有些具有数据处理功能的软件，如Matlab，Excel等受到普遍欢迎。如Excel这一数据处理软件不仅可以完成基本的数据统计任务，还可以进行数据分析、制作电子表格以及数据可视化处理，甚至该软件可以应对分析5 000行数据的工作要求，但是当数据数量多达几十万行时，Excel软件的功能显露出不足，因此，要想完成大型数据分析工作，就必须通过程序设计来完成。

3.3  校企合作

很多高职院校，开设大数据课程的时间并不长，因此不得不从零点开始摸索。高职院校通过与企业之间的合作以及建设培训基地的方式了解行业对大数据人才的具体需求，并以此为基础设置课程体系，有针对性地制定合理的人才培养策略。教师在大数据技术与应用专业建设中处于主體地位，所以非常有必要加强教师队伍建设，打造一支优秀的教师队伍。可以通过多种方式来培养教师力量，如派遣教师去企业参加实践、邀请企业优秀员工举办专题讲座、定期组织教师参加培训等。另外，教师在指导学生参加国家级相关竞赛时，不断提升自身各方面的能力，并逐渐缩减与行业要求之间的差距。

4    創新思维和大数据思维的培养策略

高职院校培养大数据技术人才时，要注重培养学生的思维能力，如创造能力、逻辑分析能力以及数据分析过程中的合作能力和交流能力等。高职院校要为学生提供良好的展示自己优点的平台，如组织辩论会，鼓励学生提出问题，引导学生在商讨中寻找问题的答案。教师在教学中要观察学生的学习态度，了解他们的学习能力，根据学生的个性化学习特征有针对性地采取恰当的教学方法和手段。

5    高职院校教学模式

高职院校在培养大数据人才时，要从企业业务实际出发，采用与项目实际相适应的教学方式，鼓励学生积极参与大数据分析和处理。所谓项目教学，不仅可以将课程体系视为完整的大项目，也可以将课程体系中的各个部分视为小项目，选择特定的一个高效益或高价值的行业进行大数据分析，根据数据处理流程开展课程。开展实验训练，重视对大数据思维的培养，使学生通过参与实验训练来增加对知识点的认识，与此同时，培养学生的大数据思维和创新思维。教师引导学生进行实验训练时深入挖掘隐藏的数据。有些储存起来的数据一直得不到再次使用，而深入挖掘这些“暗数据”的价值就是大数据思维的目的之一。

教师在教学时要帮助学生选择恰当的工具软件。高职学生使用可视化非编程软件基本可以满足全部的预测分析需求，学生在分析数据时，不仅要形成传统的数据报告，而且还要将数据体现在业务流程中，建立起大数据预测模型。

大数据时代的到来为人们的生活带来了许多新的变化，因此，全社会越来越关注大数据的应用问题，希望通过大数据技术挖掘出“暗数据”的价值，并根据分析结果制定正确的决策。

[参考文献]

[1]饶绪黎，赵佳旭，陈志德.基于互联网数据的大数据人才需求调研及培养思考[J].工业技术与职业教育，2019（2）：26-30.

[2]赵宝芳，李洺瑶，于帮新.“互联网+大数据”背景下高职院校会计专业人才培养模式改革探讨[J].商业会计，2019（10）：127-129.

[3]蔡娟.大数据时代高职会计人才培养创新[J].襄阳职业技术学院学报，2019（3）：25-28.

Study on the training strategy of big data skilled talents in higher vocational colleges

Guo Juan， Chen Ying

（Information-Based Construction Office， Changjiang Polytechnic， Wuhan 430074， China）

Abstract：The emergence of big data technology has greatly affected the development of various fields of society. The application of big data technology in different industries， such as government agencies， marketing management， medical and health care， financial economy and so on， provides an important basis for making correct development decisions for different industries and greatly promotes the development of these industries. Big data talents refer to professional talents engaged in big data development， analysis， operation， maintenance and security. Higher vocational colleges should proceed from the actual situation of students and combine with the needs of big data posts to formulate a scientific and reasonable training program for big data talents. This paper analysis it.

Key words：higher vocational colleges; big data; skilled talents