“1+X”证书框架下的高职大数据专业课程方案设计

◆王晓轩

校园网络安全

“1+X”证书框架下的高职大数据专业课程方案设计

◆王晓轩

（辽宁现代服务职业技术学院 辽宁 110164）

大数据行业是ICT产业的重要组成部分。对于大数据专业人才的培养，“阿里巴巴大数据分析与应用1+X职业技能等级证书”在产教融合的框架下，试图来破解专业积淀不深、人才定位规格不明、课程体系和实验实训化程度不高，使得人才培养与企业需求之间存在着结构性矛盾的问题。本文试图以大数据1+X职业证书为切入点，分析大数据专业人才培养的痛点，探讨大数据专业人才培养的原则，从书证融通的角度分析课程体系和教学资源的建设并提出相应的解决方案。

1+X证书；书证融通；大数据专业课程

1 大数据专业人才培养的困境

1.1 成为目录专业较晚

随着ICT产业升级以及“中国制造2025”规划的出台，2015年大数据相关专业出现在高校招生目录中。在随后的两年中高职与本科院校在原有的计算机、信息管理、网络类专业基础之上，逐渐开设大数据专业并取代原专业。这体现了高校专业的升级换代与产业升级换代的同步。从专业代码来看归属于电子信息大类，这体现了把大数据人才从简单的操作性人员培养，提升到数据资源处理和分析的高技能型人才，并且在与关联产业的融合上更强调了其跨学科和跨专业特性。

1.2 岗位对知识、技能和素质综合性要求强

大数据企业对相关岗位的知识、技能和职业素质要求是综合性的、跨专业的、跨学科的，既要能够使用大数据工具对数据加工处理，又要求能够根据客户的需求做定制化分析；既要具有宏观的信息趋势预判，又要求对具体细分行业的走势分析；既要具有一定的数学和统计学知识功底，更要求熟练运用相应的算法公式去解决实际工作中发生的问题。由此可见，对大数据对人才的需求是既要具备扎实的理论基础，又要能够高效地解决实际问题的“全才”，最终是以对数据的解读、分析并解决企业经营过程中所出现的问题，为企业降低成本、增加收益为评价依据的。由于企业评价标准的缺失，这样使得人才培养规格处于知识和技能以及职业素质的初级阶段。

1.3 师资、教材、实验实训资源没有与时俱进

目前本专科所开设的专业，多是在原有的计算机、软件、网络或相关专业的基础之上开设的，从师资、教材、实验实训等资源上不可避免地会借鉴或沿用已有的模式。这一方面是由于产业发展快，教育领域积累浅所造成的，另一方面也反映出院校在专业开设上的短板。

2 高职大数据专业人才培养方案的设计原则

2.1 面向就业

与本科面向科研的大数据专业不同，高职的培养目标是培养高技术技能型人才，第一要务就是要保证学有所用。这在1+X证书通过等级划分所得到的能力模型可以得到印证，而用以支撑能力模型的岗位分析，是阿里巴巴基于对其业务生态体系中数万家企业的用人规格所得到的，这样就保证了“职教二十条”中的标准制定的主体是企业，而这个企业的业务一定是行业中具有代表引领和示范作用的。

2.2 体现成果为先

相比较解决企业实际的业务问题而言，课程教学是相对容易的，这在一定程度上也反映了高职教学与实际应用还是存在着一定的脱节，如过于侧重数理知识、大数据工具软件、编程语言等课程的设计，而忽视了衡量未来劳动者的价值在于能够为企业创造的利润多少。阿里大数据1+X的课程内容，源于其生态体系中企业的实际典型案例的最佳实践，学生在学习中可以了解企业的业务运营模式、对问题的解决方法以及课程中所学知识在解决问题过程中的应用，从而将理论知识应用于实践的同时，再将实践中所产生的经验印证知识。

2.3 岗位分工中的价值导向

“1+X”证书中对岗位的设定多达十余个，通过价值链的分析方法可以将人才培养的重点放在具有高附加值、高成长性的岗位上，同时将证书中的知识技能点与课程相融合，切实做到书证融通。

图1 基于阿里云1+X职业技能等于与人才培养价值链

3 课程体系

“大数据1+X”等级标准中并没有提出需要开设的课程，而是评价组织针对岗位群职业特性和业务领域内的典型工作任务角度，界定了从业者所需要的知识、技能和职业素质。各院校需要针对各自的专业背景、师资、实验实训条件，对比“1+X”标准提炼出各级标准所需要的知识和技能，然后再对比现有的专业基础课与专业核心课中，从而实现等级标准与课程标准的衔接，真正做到课证融通。

从图2的四层同心圆我们可以看到，围绕“1+X”等级标准，对接大数据典型工作过程，从专业的课程结构、课程内容、核心课程建设三个方面进行梳理后分为四大部分以图2的同心圆展示。

图2 基于“1+X”等级标准的课程体系

3.1 由外及内，第一层为职业素质课程

多为与专业核心课程相关的数理统计类课程。大数据专业的核心是对数据的处理，掌握工程类的数学知识是解决实际工作中具体工作的根本工具。通常课程会开设较成熟的高等数学、线性代数、概率论、数理统计和离散数学等。个别院校还会根据自身所处的行业特点，开设相应的特色课程，如统计类、金融类、财会类、工科类的数学课程，从而强化对特定行业的问题解决。

3.2 第二与第四层为职业技能课程，为本专业的核心技能类课程

程序类课程对编程语言的选择，建议从Java、Python、R、Scala这几种常见的与大数据相关的语言选择。考虑到高职的学制为三年，且最后一年或半年学生会顶岗实习，如果开设多种编程语言会造成多而不精的局面，那么Java与Python可以精修一门，辅修一门为宜。R适用于具有统计类背景的院校。Scala则适用于开设Spark课程。

对于操作系统和计算机网络类课程的学习，要与本科的同类课程重理论的内容有所区别，侧重于Linux操作系统的安装、网络的调试和应用服务的配置。

算法与数据结构类课程是衔接数学与编程语言的桥梁，是培养逻辑思维和决定程序优化程度的重要课程。在此类课程的内容安排上，要考虑高职学生的特点和接收能力，应多以工作中的案例和最佳实践入手设计课程内容。

数据库是大数据的核心，它是关系型数据库以及以Hadoop大数据平台的基础。从当前的企业实践来看，关系型数据库仍是主流，即使在阿里云的平台上也提供了包含对关系型、列处理、键值、搜索引擎等数据库类型的支持，而这一切都是在基于关系型数据库打下良好基础之上的。

对于大数据的学习目前来看可以有主流的Hadoop和Spark等多种平台选择，而Hadoop由于历史早，相关技术比较成熟，已经成为大数据平台的首选。那么在课程中需要注意两点：大数据专业Hadoop与云计算Hadoop之间的区别；以及Hadoop与Spark之间的异同。

很多院校会同时开设大数据与云计算专业。在早期由于专业定位不明，课程设置上都会开设Hadoop并且讲授内容区分不大，造成了师生的困扰。针对云计算专业的Hadoop，侧重于大数据平台的搭建；而针对大数据专业的Hadoop，则侧重于在平台存储和处理数据。

Hadoop在数据的处理上适用于批次“静态”数据的处理，对于实时动态的流数据则多选择Spark。Spark的出现是基于Hadoop技术基础的，其目的并非使用取代而是弥补Hadoop的不足。

数据可视化是大数据工作的展示环节，目前企业多为通过数据中台或数据报表的形式。在可视化的工作中，不是简单的选择何种图形展示数据的工作，除了需要掌握Echart或D3.js一类的前端开发知识之外，它要求从业人员还需要具备一定的数据即席分析能力，根据业务的需要快速实用SQL建模工作。

3.3 第三层为职业拓展课程，设定不同发展方向的选修类课程

大数据的数据源于具体的行业，对于高职学生提高就业率的一个途径是尽早地引入以特定企业或行业业务为载体的课程，让学生拓宽视野和知识储备的同时，有侧重地引导学生向校企合作的单位或行业发展。对于数据功底不错的学生，可以尝试人工智能类的选修课程；对于擅长动手的学生，可以选修数据安全类或数据仓库类的课程。课程的形式加以采用实训课程的方式，集中学时，引入企业师资和实训资源，通过具体的项目组成学生成一个个学习小组，既获得企业实战经验，有锻炼了团队协作能力，从而为求职工作打下基础。

4 课程资源

4.1 教材、实验实训手册

目前大数据1+X证书主体单位——阿里巴巴公司，配套出版了教材和实验实训手册等材料。从推行1+X证书制度的初衷来看，只要是覆盖了职业技能等级标准的图书均适用于做教材而不局限于证书主体单位，这反映出目前1+X领域的适用图书较少的局限性，同时也为教师提供了借书证融通进行“三教改革”的机会

4.2 实验实训，学而致用

将所学到的大数据知识理论转换为实际对大数据问题的分析和解决，将技能转换为对大数据软件工具的操作，这是1+X职业技能等级标准的可贵之处。认证与学历教育不同在于，前者为学习者集中培训后的短期行为，而后者则侧重对学习者多维度的长期培养。这要求1+X的认证主体、实施教学的院校和学生在理论课程学习之后，要拿出对等的时间在实验和实训环节。

4.3 真实工作环境，学习即获得真实工作经验

与社科类专业不同，大数据专业的实验实训环节强调的是三个方面的真实，即真实的数据、真实的案例和真实的大数据平台。阿里巴巴作为中国最大的电子商务企业，保证了交易数据和对交易行为提炼为教学案例的真实性，阿里云的云计算和大数据平台保证了师生所使用的软件工具是企业真实使用的。

以Hadoop和Spark平台为例，如果学校在大数据平台资源的情况下，通常会在课程初期花上2-3周的课时来搭建集群环境。而通过使用阿里云的MaxCompute等一系列大数据产品，真正地可以做到“开箱即用”，省去了师生配置大数据环境的宝贵时间，从而将精力投入到数据平台的使用上。

5 总结

大数据专业为国家的工业数字化建设提供人才保障，为企业的数字化转型提供智力支持。阿里巴巴“大数据分析与应用1+X职业技能等级证书”为大数据人才的培养，提供了职业技能水平的规格，对其学生规划了其职业活动内容与职业生涯规划发展中所需的各项能力，便于企业明确用人标准和人才的选择。

大数据是对接中高端制造业、高附加值服务业，是产业链、供应链和全球价值链中高端升级的有力保障。通过业界先进的企业技术标准嵌入职业院校课程标准，在实施X教学标准的同时更是倒逼着课程的改革，从而实现产业群、岗位群、专业群和课程群的融通。

[1]杜来红.基于OBE的信管专业大数据应用方向人才培养模式研究[J].情报探索，2020（06）：101-104.

[2]何志红，孙二华.高职大数据技术与应用专业人才培养规格的研究[J].信息系统工程，2020（05）：151-152.

[3]韦茜妤，肖雄，王萌.“新工科”背景下的大数据专业课程体系研究[J].工业和信息化教育，2020（05）：69-73.

[4]李勇.大数据专业编程课程教学改革与实践[J].教育现代化，2019，6（A3）：84-86.

[5]于波，董立华，李雅男，毕文琪.论大数据时代下学生数据采集能力的培养——基于地方新建本科院校大数据专业的分析[J].新西部，2019（35）：153-154.

[6]王晓轩.产业学院产教融合实现路径探索[J].创新创业理论研究与实践，2018，1（05）：1-3.