基于大数据技术的计算机应用人才培养模式研究

摘   要：随着社会的发展与进步，对于计算机应用人才的需求也越来越高，社会需求往往跟人才培养容易造成供需矛盾，为了满足社会发展需求，近年来计算机人才培养模式也发生了转变。为了满足于大数据技术相关岗位人才需求，文章基于大数据技术的计算机应用人才培养模式做出研究分析。

关键词：大数据技术;计算机应用人才;培养模式;研究分析

随着信息互联网时代的到来，云计算、大数据、移动互联网等技术也得到了空前的发展。据不完全统计，到2018年，全球范围内的大数据岗位将出现14～19万相关性人才缺口。而根据我相关机构调查发现，我国将会在未来3～5年内来自企业、政府、媒体等机构迎来新一轮大数据相关性人才，相关岗位将达到100万左右。所以，当今社会相关行业人才的数量和质量都无法满足社会需求，扩大相关性人才的培养将越来越重要。

1    大数据时代本科人才需求

就目前来看，我国市场对于大数据类型的相关人才主要将集中在3个大的层面：技术（IT、软硬件、系统）、数量（数学、建模、算法）、业余领域（与业务相关联大数据内容）。从以上可以看出，首先，大数据需求的相关性人才应该拥有大数据获取跟整合的能力，能够按照相关要求跟目标定义来实现软硬件体系的数据处理跟保存。其次，大数据技术具有很强大的数据分析能力，能够对相关信息进行抽取、转化并作相关算法跟建模的能力，为相关决策提供重要依据。最后，相关人员要有强大的抗压能力，具有协同工作能力，有很强的责任心。所以，对于计算机应用专业类人才的培养，除了要注重培养团队协作精神外，还需要培养他们数据分析能力与问题处理能力[1]。

2    大数据岗位知识结构分析

计算机应用类专业作为大数据方向教育的基础，将在教学中提供相关大数据理论参考、专业性知识跟实践能力。通过相关锻炼，以满足大数据相关岗位人才要求，相关就业范围如下。

2.1  大数据研发工程师

主要可从事互联网、制造零售、金融、IT等领域，主要任务包括了设计、大数据产品建设与开发、业务建模、大数据项目需求分析。

2.2  大数据产品工程师

主要可从事互联网、制造零售金融、IT等领域，主要任务包括了设计、大数据产品建设与开发、业务建模、大数据项目需求分析。

2.3  大数据售前工程师

主要可从事互联网、制造零售金融、IT等领域，主要任务包括了数据相关的集成工作，这些有开发、测试跟调优、大数据相关性产品的测试以及测试报告的编写。

2.4  大数据运维工程师

主要可从事互联网、制造零售金融、IT等领域，主要任务包括了大数据平台的搭建、维护、调优以及管理跟监控。

2.5  数据挖掘工程师

主要可从事互联网、制造零售金融、IT等领域，主要任务包括了常规性数据报告的制定跟信息挖掘，此外根据公司战略需要进行数据相关建模工作。

2.6  数据分析工程师

主要可从事互联网、制造零售金融、IT等领域，主要任务包括了数据采集及数据处理工作，并对数据进行相关整理，做相应规划、编写数据说明文档、明确用户方的业务体系。

3    大数据方向培养目标分析

大数据方向的研究对象将会是海量数据研究，这就需要具备扎实的科学理论基础，并且具备交叉应用能力，所以大数据知识的学习就要强调理论学习跟能力训练。相关人才在培养方面要注重将书本知识运用与实践相结合。可以发现，对相关人才的培养目标是培养具有较好专业素养、科学素养、人文素养等特点的人才，同时，还要掌握大数据基础理论跟基本专业知识，有数据工程实践能力，能够在相关行业作到研发、相关技术的应用跟设计工作[2]。该相关职业能力目标如下。

（1）熟练掌握SQL的相关计算跟存储过程调优，兼具优秀的逻辑分析能力。

（2）必须兼具优秀的计算机基本理论跟技术知识以及数据挖掘的常用算法。

（3）具备数据处理、清洗以及转换等能力。

（4）具备很强的思维逻辑能力，兼具较强的文档编辑能力跟较高的沟通表达能力。

（5）掌握当前环境下最广泛的数据挖掘编辑程序PYTHON。

（6）此外还需要掌握主流的HADOOP处理技术，这些就涉及了Hive、Mapreduce、hbase等技术。

4    知识体系分析

从大数据岗位的要求出发，对相关知识结构做分析，以本科类人才为目标，做相关数据知识的结构划分。

4.1  知识领域图谱

整个归纳总结是参考大数据内容而进行的，从知识、能力以及技术做了3个层次划分，并参考当代大数据类型人才的需求目标，做了一定划分，具体包括：环境工具、开发技术、交流沟通、项目管理、职业技能、模型分类、算法分析与设计等重点内容。

4.2  教育知识体系

大数据教育知识体系由知识领域、知识单元、知识点3个部分构成。

（1）知识领域将是最高层领域，所代表的意义是特定的科学领域。用于组织、分类或者描述大数据相关知识理论体系，并且每一个知识领域前会划分出BD加该领域的英文缩写。

（2）相关知识领域又做进一步划分，并作为更小单元来体现，代表各个知识的不同领域方向，而相关英文缩写标准将用知识领域缩写后的小写英文字母后缀来表示。

（3）整个体系结构的最底层将是知识点。英文也叫topic，将代表知识单元中單独的主题模块。

相关知识领域的划分将对应知识单元，如在知识领域内的BD-CMP计算机基础（程序设计基础、算法与数据结构、分布计算、计算机组织结构、程序设计语言等），BD-FND数学和工程基础（数学加固、软件的工程基础、统计学基础等），BD-PRF职业实践（团队激励、交流沟通技能、职业技能），BD-DES数据规划（数据规划概念、采集模型设计、格式和成分结构设计、数据规范化与标准化、设计支持工具与评价等）等知识领域[3]。

4.3  课程体系

对知识领域的贯穿和覆盖将由课程体系的教学来表示，课程体系内将通过对各个知识点进行前导后继等关系实现知识点的配合。同时，利用学识设计跟知识点链接，联系起相关知识单元，从而实现相关知识域的教学流程。

4.4  实践能力的培养体系分析

系统化的工程时间体系将更加符合大数据相关性人才专业知识的巩固，也将有利于培养相关专业职业道德和行业规范。相关大数据培养方向将对学生掌握相关基础知识提出要求，而相关能力也要满足范围才可以，同时，要具备大数据相应领域的专业性知识能力。

总的说来，主要涉及几个大的方面能力培养，包括工程分析与设计能力、面向领域的应用能力、工具的使用技能以及过程管理与控制能力。其中，主要形式包括了综合课程设计、课程实验、项目实验、专业实习跟毕业设计等方面。专业素质跟职业道德的训练也将会贯穿于整个时间教学活动的方方面面，并且将会达到潜移默化的作用[4]。

大数据背景下，计算机技术是一门实践性和创新性较强的学科。因此，计算机专业教学势必要变更传统教育模式，从人才培养流程上构造课内实验、课外实践、课程设计、毕业设计、企业实习等不同层次的多维实践训练体系。大数据在海量数据、实时数据、社交网络分析等方面的应用主要来自于企业，所以，具备大数据技术专业人才的培养需要企业参与。同时，在互联网时代，大数据已成为企业核心战略资源，也是企业创新的原动力，而企业大数据人才的供应需求离不开高校的培养输送。为此，应构建学校、在线平台、企业实习基地等多途径的立体时间训练体系，打造在校内外联合实习，校企互利双赢，线上、线下教学相结合的实践教学模式。

5    结语

新时代背景下信息互联网技术得到了空前发展，随之而来的大数据技术也得到了飞速发展，大数据相关产业给很多高校带来了新的机遇，同时，对于相关计算机应用型专业也提出了新的挑战。要抓好新形势下的机遇，就需要相关高等院校做好相关培训与教育改革工作，完善学校计算机应用类专业的教学制度，整合相关教育资源，确保相关性人才能够更好地发展。此外，学校相关教学目标也要明确，注重理论与实践相结合，从而培养满足社会需求的大数据相关人才。作者简介：唐星光（1976— ），男，湖南永州人，讲师，学士;研究方向：计算机应用。

[参考文献]

[1]曾梅兰.大数据背景下中职计算机应用技术移动学习的研究[J].电子技术与软件工程，2019（3）：135-136.

[2]董琰.大數据背景下中职计算机应用技术移动学习的研究[J].现代商贸工业，2017（32）：63-64.

[3]贺瑞，许元斌，柳欢，等.基于大数据技术的智慧城市建设初探[J].自动化与仪器仪表，2017（6）：69-71，74.

[4]陈静，张敏，张玲.大数据时代计算机应用技术专业教学内容研究[J].自动化与仪器仪表，2015（11）：173-174，177.

Abstract：With the development and progress of society， the demand for computer application talents is getting higher and higher， the demand of society often leads to the contradiction of supply and demand with talent training， in order to meet the needs of social development， in recent years， the mode of computer talent training has also changed. In order to meet the demand of big data of technical posts， this paper studies and analyzes the training mode of computer applied talents based on big data technology.

Key words：big data technology; computer application talents; cultivation model; research and analysis.