大数据专业建设的思考与探索

张燕?刘鹏?赵海峰?潘永东

摘 要：在新经济、新产业、新服务提出新的人力资源需求，以及新一轮的本科教育改革来临之际，地方高校只有准确定位，加强应用型人才培养，才能生存、发展，才能形成具有自身特色的一流本科教育。基于上述背景，从数据科学与大数据技术专业建设的基本原则、人才培养目标与能力要求、师资队伍建设要求、产教深度融合的大数据技术课程体系构建、开放+共享+融合的教材和课程资源建设等五个方面讨论数据科学与大数据技术专业面向应用型的人才培养，探讨专业建设和应用型人才培养的路径。

关键词：新工科;数据科学与大数据技术;专业建设;人才培养;产教融合;课程体系;资源建设

一、抢抓机遇，在新工科建设中争创一流本科教育

目前，“双一流”高校始终走在一流专业建设的前列，仍然是新工科建设的排头兵，而数量庞大的地方高校建设趋缓，尽管它们承担着全国超过一半的本科教育任务。因此，如何更好地推动地方高校的发展成为新工科建设的题中应有之义。新工科分类建设要求地方高校能够主动与地方经济与社会的发展需要对接，支撑地方经济发展和产业转型，充分利用地方资源与自身特色，加强产学研融合力度，不断增强学生的实践能力，提高就业创业水平，从而培养出大批既有工程实践能力又有行业领域背景知识的复合型、应用型和技术技能型人才。2018年6月21日，教育部“新时代全国高等学校本科教育工作会议”在成都召开，陈宝生部长在报告中提出“各类本科高校都要争创一流本科教育，其中地方高校要准确定位，加强应用型人才培养，形成具有自身特色的一流本科教育”。地方高校大多具有根基浅、底子薄、师资弱、资源不足、生源不够突出等特征，提出并实施建设新工科专业必然会遇到很大的困难，只有认清形势，解放思想，勇于改革与实践，才有机会争创一流本科教育。

近年来，数据科学与大数据技术专业（以下简称“大数据专业”）迎来了飞速发展的新阶段[1]。在国家“十三五”规划纲要中提出，要“实施国家大数据战略，推进数据资源开放共享”，在此背景下，大数据领域将迎来新一轮的建设与投资高潮，这对大数据相关领域的专业人才需求更加迫切。教育部大力支持面向新经济、新产业和新服务需求的新工科专业建设，继2016年第一批试办数据科学与大数据技术专业的3所高校之后，在教高〔2017〕2号文件公布的高校新增专业名单中，又新增了32所高校;在2018年教育部公布的第三批新增备案本科专业名单中，新增248所获批高校;2019年最新公布的新增备案本科专业名单中又有196所高校获批开设。目前全国共有479所高校开设该专业，获批高校呈井喷式增长并将持续下去。地方高校竞相开设大数据专业，是否也存在与之对应的人才需求？据中国数据分析行业网发布的《大数据人才需求调查报告》分析，对大数据平台有需求的公司中，少于10人的团队约占29.11%，10～50人的团队约占25.77%，总和超过一半。可见，不仅大公司需要大数据人才，小公司对大数据人才的需求也非常迫切。据预测，在未来3～5年，大数据方向的人才需求量可高达百万级[2]。然而，无论业界或学界，对大数据专业建设和毕业生质量都存有疑虑，作为新工科专业之一，大数据专业建设实践和研究相对滞后于产业需求，课程体系、教学资源、师资队伍、实验（实践）平台亟待建设。

二、探索地方高校大数据专业建设和应用型人才培养的路径

1.专业建设基本原则

地方高校的大数据专业建设必须坚持与学校定位相一致。一是急需树立服务观念，向下扎根。由于高等教育的日渐普及，大学逐渐从“象牙塔”“殿堂”走向社会，高校必须从自我认同的心态转向以为他人、为社会创造价值，赢取尊重与肯定，成为主动服务社会的一类组织。地方高校应将姿态放下、放低，以服务求生存、求发展、求超越，这是根本的存在观，这种转变是新兴本科高校实现转型的基础。二是急需对接产业，回归职业。随着社会的发展，现代职业或新兴职业的内涵与传统职业已经有巨大差距，例如：生产性服务业、社会性服务业、新消费性服务业、新兴业态、互联网+经济，互联网+X，X+互联网等，其就业特点与传统生产、服务等行业相比变化巨大。主动对接新兴产业，培养出时代急需的高素质现代职业人才，是新兴本科高校的时代使命。三是急需强化应用科技研发和成果转化，打造队伍并挖掘资源。新兴本科高校科技工作要把握“六度”，即：科技的先进度，科技成果的转化度（率），成果的应用转化速度、幅度和社会贡献度，以及对提高学生培养质量的支撑度[3]。强化面向产品和服务的应用科技研发和成果转化，培养教师解决产业真实需求的工程实践能力。加强科研反哺教学，将产学研合作项目资源转化为高质量教学资源。四是急需深入落实OBE理念，坚持持续改进。人的能力有两个根本属性：第一是能力只能在实践中被发现、认同、接受，第二是能力只能在实践中才能发展提升。所以培养有能力的应用型人才的最根本方式是实践育人，因而应用型人才质量观的本质是实践观。新工科专业建设应坚持OBE导向，坚持“以学生为中心”“能力产出为导向”“对接产业行业”“引领未来发展”“提高自身绩效”“服务地方发展”等发展理念。

2.大数据人才培养目标与能力要求

（1）认清产业需求。大数据人才将来能做什么？根据Gartner的定义，“大数据”是一种新的信息资产，具有数据量巨大、形式多样、增长迅速等特点，需要使用新的数据处理模式，才能使其更好地为决策、发现以及流程优化服务。大数据技术的战略意义在于对复杂数据进行高效处理，而不是仅仅拥有海量数据。也就是说，大数据产业实现盈利的关键，在于提高对数据的“加工处理能力”，这个“加工处理”才是大数据“增值”的核心。通过上述分析可知，“新处理模式”的设计和实现，并将其应用于对数据的“加工处理”就是产业对大数据人才的能力需求。

（2）明确技术范圍。大数据技术涵盖的范围非常广，从大数据处理的流程来划分，可以分为以下几个阶段。①基础阶段。底层支撑：Linux，Docker，KVM;数据库工具：MySQL，Oracle，Hadoop，MapReduce HDFS，YARN，Hive Sqoop;编程语言：Python，Scala。②大数据存储阶段：MongoDB，Redis，HBase。③大数据架构设计阶段：Flume，Zookeeper，Kafka。④大数据实时计算阶段：Mahout，Spark，Storm。⑤大数据商业实践阶段：进行真实世界的大数据处理，解决真实场景问题，综合技术实战应用。

（3）确定人才培养目标。虽然教育部专业目录的统一规定是“专业名称：数据科学与大数据技术;人才培养目标：以大数据为核心研究对象，利用大数据的方法解决具体行业应用问题。学制：四年;学位：工学或理学学位”，但是，产业的实际需求是多样化的。通过对产业人力资源结构分析，应用型人才分为技师和工程师，技师以解决实际问题为己任，用大数据技术解决现实应用中遇到的问题，可以靠一己之力识别痛点并予以克服。工程师则要根据应用，利用开源，创造开源，从底向上度身定制适合应用的系统。就是我们常说的，是会“造车的”，而不是只会“开车的”驾驶员。同时，工程师能够针对企业真实问题，完成“问题抽象—方案建模—设计实现”。相对应用型人才的研究型人才，则需具备“问题抽象—方案建模—创新模型算法—算法优化”的业务能力，大数据杰出人才应具备大数据技术的源头创新能力。

（4）分析能力产出。金陵科技学院大数据专业建设团队从理论性、实践性和应用性三个维度分析大数据专业人才的专业综合素质。对于专科层次人才，理论性是对数据科学中基本理论的理解能力;实践性是对数据汇聚、清理与分析等数据处理工具的选择和有效使用;应用性是妥善解决数据分析、清洗、大数据系统维护中遇到的问题，选择合适的工具，制订合理的解决方案并实施的能力。对于应用型人才，理论性是对数据科学中模型的理解和运用能力，实践性是分析与处理数据的工程实践能力，应用性是利用大数据的方法解决具体行业应用问题的能力。

3.师资队伍建设要求

为满足上述能力产出的教学需要和不同人才类型的培养需求，对师资队伍建设提出了不同的要求。培养研究型人才的师资团队应该对于数学、统计学、计算机、运筹优化等基础理论有很高的要求，没有扎实的理论训练，将来很难胜任数据科学的前沿研究。同时，任课教师必须是研究型高手，具备足够的与数据科学相关的研究素养、必要的研究积累以及在国际专业学术期刊发表成果的能力。培养应用型人才的整个师资团队可以将有限的精力更加专注地放在了解大数据产业和应用领域业务、提高教学质量、促进企业学校的联合应用型研究、关心学生的职业幸福与成长等方面，为中国的大数据产业培养应用型人才。

4.产教深度融合的大数据课程体系构建

大数据专业课程体系建设应主动对接地方大数据产业发展对应用型人才的新需求，紧跟大数据技术的发展，把握人才培养规格的内涵，按照工程教育认证标准中的毕业规格要求，参考工信部ITSS信息技术服务从业人员能力规范和教育部大数据专业建设指导意见，通过产教融合、协同育人，建设大数据专业课程群，而不是在已有传统专业课程体系的基础上进行修修补补的工作（见下图）。

大数据应用领域广泛，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”大数据技术的应用领域非常广泛，其共性需求，例如：搭建大数据平台、对接业务做数据应用、报表与数据可视化、人工智能算法等。专业建设团队将应用型大数据人才的能力产出细分为：大数据开发工具设计与开发，大数据库应用与设计，大数据集成与分析画像分析，关系网络分析，推荐引擎以及数据可视化，深度学习算法应用等能力。结合上述能力要求，设计了云计算、Hadoop、大数据（含实验）、深度学习、数据挖掘、大数据库技术、大数据可视化、虚拟化与容器、大数据应用实训等9门系列课程。

5.开放、共享、融合的教材和课程资源建设

基于对地方高校共性的深刻认识，金陵科技学院大数据专业建设团队将自身的专业、课程体系建设思路与同类高校教师分享，通过校企联合、校校联合的方式，组织20多所高校和企业，共同开展教材和课程资源的建设，其中直接参与编写和审稿的教师30多位。目前已组织出版的教材包括云计算、Hadoop、大数据（含实验）、大数据库技术、深度学习、数据挖掘、大数据可视化等。

该系列教材编写思路：一是教材体系的整体深入研究。教材的编写以分析结果为依托，通过对大数据行业的人才需要和各门课程的特点分析，合理组织教材架构和内容，帮助学生建立完整的知识体系。二是编写模式的创新。对整个大数据行业的科技前沿进行了深入的调研，并在内容上引入科技前沿内容，让学生了解到专业的发展趋势以及行业的最新成就，激发学生学习和创造的动力。三是培养学生“自主性学习”。为了激发学生的创新能力，培养创新人才，在教材内容的组织编写过程中，注意结构安排，内容循序递进、逐步深入，使学生在学习中体会到发现理论、创新应用的过程和乐趣。

此外，有效支撑课程体系的大数据实验平台能为学校提供高性价比的平台建设与日常使用、高效的运行环境、完整的教材体系（本科/高职）、丰富开放的实验资源以及师资入门培训，并为教师提供教学资源、学生管理、实验进度管理、学生考核评测、灵活组织内容、教师开发环境，为学生提供独享集群实验环境、本地/远程接入、全面深入打好基础、丰富的实战项目、增强就业实力、探索实践环境。目前，该大数据平台已经用于苏州大学、郑州大学、成都理工大学、重庆师范大学等多所高校的实验室建设。同时，人工智能实验及科研系统则在清华大学、南京大学、西安科技大学、重庆理工大学、湖北文理学院等多所院校应用。

6.持续改进，不断提高大数据应用型人才培养质量

针对地方高校大数据专业师资紧缺的现状，金陵科技学院大数据专业建设团队及时总结经验并在全国范围分享。先后举办了全国高校教师第一、二、三期大数据免费培训班，全国千所高校大数据师资讲习班，第三期信息技术新工科产学研联盟大数据技术师资培训班。金陵科技学院毕业生深受用人单位好评，继2017年圆周率团队等两支大学生学科竞赛团队获得全国高校云计算应用创新大赛（创业赛）三等奖等多个奖项后，2018年窗外流星团队荣获全国高校云计算应用创新大赛（命题赛）一等奖。

未来，金陵科技学院将进一步深化校企合作，完善培养目标、优化课程资源，拓展实践平臺。同时，依据工程教育认证标准，不断适应社会和行业变化，坚持持续改进的质量文化;服务行业需求，坚持基于产出导向的设计（OBE）;坚持人才培养，以学生为中心，不断提高大数据应用型人才培养质量。

参考文献：

[1] 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.

[2] 大数据人才需求调查报告[R]. 中国数据分析行业网，2017-05-10.

[3] 陈小虎，雍海龙，黄洋. 新兴大学与转型发展[J]. 高等工程教育研究，2016（2）：136-142.