基于胜任力模型的大数据人才培养研究

张 明

（广东邮电职业技术学院 移动通信学院，广东 广州 510630）

0 引 言

21 世纪以来，互联网、移动互联网已深入到社会各方面，改变了人们生活工作方式。与此同时，物联网、云计算、人工智能等新一代信息技术的迅猛发展，尤其是5G 技术的日益成熟，使得社会各领域的数据呈现爆炸式的增长。到2020年，全球需要存储数据将高达35ZB，大数据相关处理技术受到广泛的关注与应用。世界各国政府均高度重视大数据技术的研究和产业发展，纷纷把大数据上升为国家战略加以重点推进，尤其是在安全、电信、医疗卫生、银行、金融等关乎国计民生领域[1]。

大数据时代背景下，行业、企业之间的竞争，本质上就是专业人才之间的竞争。高职院校作为国家高等教育的重要组成部分，其教育特点为“市场需求、学生就业”。“如何为企业培养出胜任大数据岗位需求的专业大数据人才”成为高职院校急需解决的问题。教育部在2016 年将大数据技术与应用专业正式列入高职高专的专业目录中，大数据专业仍属于新的专业，对应的课程体系、人才培养方案处于摸索阶段。当前，大数据人才培养主要存在几个突出问题[2]：①课程体系有待完善，尚未有专门针对高职学生的大数据统一教材；②师资力量严重不足，尤其是具有实际大数据项目经验的教师尤为匮乏；③高职院校大数据实验实训条件有限，软硬件配套基础设施保障不足，缺少真实行业案例；④大数据专业人才培养需有别于一般的计算机人才培养，人才培养模式有待更新优化。此外，大数据专业涉及知识体系较广，技术更新较为频繁，应用范围广泛，这就要求学生除掌握本专业核心课程外，还需要去学习掌握其他领域的知识。

针对大数据浪潮对大数据专业人才的素质和能力所提出的新要求，传统高职院校人才培养模式已经不再适用。因此，高职院校应该主动求变，结合自身特点，充分整理各方资源，完善整个大数据专业的建设水平。胜任力模型作为区分优秀者与一般者的有效工具，具有完整的理论基础及丰富的应用案例，被广泛应用于人才选拔、能力测评、绩效考核、培训与开发等领域。

1 胜任力模型

20 世纪70 年代初期，哈佛大学麦克利兰教授为解决美国国务院基于智力因素选拔外交官效果不理想问题，提出了“胜任力”概念，指出“胜任力”是那些能将工作中区分优秀者与普通者的动机、特质、自我形象、态度、价值观等个人深层次素质[3]。胜任力模型则是对胜任力理论的结构表示，即将完成某项工作所需要的胜任力要素进行组合。具体地，假设完成某一项任务需要n个相关胜任力因素，其中第i要素可表示成Ci，那么该任务的胜任力模型可用集合CM={Ci}(i=1,2,…,n)来表征。当前胜任力模型主要分为冰山模型和洋葱模型。

胜任力模型作为研究个体胜任某项工作任务的有力工具，可用于构建具体岗位的胜任力素质模型，满足企业对人力资源管理的需求，被广泛应用于人力资源管理领域，如文献[4]中将胜任力应用于公务员的培训体系优化中；文献[5]则将胜任力应用于计算机专业创新人才的培养中。

2 大数据专业人才的胜任力模型构建

2.1 胜任力模型构建步骤

当前构建某一岗位或人才的胜任力模型常用方法包括行为法、职能分析法、情景法、绩效法、多维度法等[6]。多维度法作为一种综合性方式，能从更多维度去识别具体任务所需要的胜任力因素，故采用此方法构建大数据专业人才的胜任力模型。

作为高职院校，在开设大数据专业、构建专业人才模型时，需从多种角度进行综合制定。一方面需坚持“面向市场需求”的宗旨，做到紧密结合当前大数据行业企业对专业人才的技能需求。具体可通过网络爬虫、数据挖掘等大数据技术手段，从互联网中收集国内外企业发布的大数据相关岗位需求，还可以通过实地走访调研的形式获取公司的用人需求。另一方面需要立足高职学校自身情况，包括学生学情、培养定位、软硬件资源等。高职院校在培养学生时，与本科院校不同，需要注重学生技能的培养，解决实际生产技术问题的能力，同时也要加强高职学生的职业化素养，使其能毕业即可适应岗位需求[7]。

2.2 大数据专业人才的胜任力模型

根据岗位工作内容、所需技能等不同，涉及大数据技术的岗位可分为大数据系统开发、数据分析、平台运维等岗位。结合高职院校的学生培养定位，以及企业相关岗位技能需求，大数据专业人才的胜任力因素可分为通过学习即可掌握的一般胜任力，以及反映个体内心特征的核心胜任力。根据不同胜任力因素的作用及获取的难易程度，可细分成大数据专业素质类、高级技能类、职业素养类、品质特征类、大数据思维五大方面[8]。不同类型的胜任力素质如下。

（1）大数据专业基础知识。大数据的基础知识指的是能从事大数据相关岗位所需要的基本技能，包括编程语言、计算机组成原理、操作系统、数据库、大数据常用架构（如hadoop、Spark 等）等大数据专业知识。此部分技能是本专业学生毕业后进入大数据行业，从事相关工作的基础。

（2）高级技能类。大数据处理技术的本质是从海量数据中分析挖掘出有价值的信息，所以大数据专业人才不仅需要具有专业基础技能，还需要具有分析能力、创新能力以及领导能力等高级技能。这样才能够在实际工作中从全局、宏观的角度分析问题，发现事物之间的内在联系，进而高效处理专业问题。

（3）职业素养类。职业素养是一个专业人才的隐性特征。一个完整的大数据项目，涉及的知识领域、工作内容等都会比较庞大，就需要专业人才具有积极的工作态度、团队合作意识、责任感等良好的职业素质。同时面对的数据可能包含了涉及他人隐私的个人数据，更加要求大数据从业者要有高度的职业道德。这些职业素养也是员工能在岗位、企业立足的重要保障。

（4）品质特质类。存于此层次的胜任力因素是人才的深层次品质特征，主要包括有工作责任感、竞争能力、随机应变能力以及压力的承受能力等。因为对于大数据行业的从业者来说，长期存于激烈的工作压力以及外部竞争中，要求其要具有很强的竞争意识，需要保持旺盛的责任意识。

（5）大数据思维及创新精神。大数据时代的到来，不仅改变了人们的生产生活方式，还影响到了人们的思维方式。在信息的获取及使用的角度上，已经从原先的抽样的局部的数据，到现在的使用全量且实时的数据来提到信息，这就要求大数据专业人才要改变其思维模式。同时，大数据技术作为一项新兴的技术，在和传统行业结合、促进企业升级过程中，需要有极强的创新精神。具体地，如何将大数据技术与当前公司的已有业务结合，如何通过大数据开创新的增长点，都要求大数据专业人才具备敏锐的洞察能力、创新能力等高级胜任力因素。

3 胜任力模型在高职大数据专业人才培养中的应用

对于高职院校而言，在开设大数据专业、培养相关专业人才的过程中，需紧密结合高职教育的特点，并利用大数据人才胜任力模型，在课程体系设置、教学方式设定、校企合作等诸多方面加强创新探索，以切实培养、提升大数据专业学生的技术技能。

3.1 设置科学的大数据课程体系，重视人才培养差异性

从业务处理流程来看，大数据技术可划分为数据采集清洗、数据存储、数据挖掘、数据可视化以及数据隐私安全等技术范畴。相对应地，高职院校在开设大数据相关课程时，根据技术体系、难易程度、岗位需要等维度，应科学合理地设置通用基础课、专业核心课以及专业实训课等大数据课程体系。其中基础课主要是入门需要的计算机组成原理、网络基础、编程语言（Java、Scala、python 等）、数据结构、数据库以及大数据导论等基础课程；专业核心课就涉及当前常用的大数据技术架构，包括非结构化数据库、分布式存储系统、Hadoop 技术、Spark 技术、Storm技术以及可视化框架等；项目实训课是借助学校自身搭建的大数据实训平台，以及校企合作的大数据开发平台，应用真实案例数据，按照企业项目研发方式实现数据采集清洗、数据存储、数据分析挖掘以及最终的可视化等整个流程。只有将理论知识与实践运用有机结合起来，才能有效地培养大数据专业学生扎实的理论功底以及过硬的动手能力，进而提高学生发现问题、解决问题的能力[9]。

在设置课程体系的过程中，高职院校也要立足于高职教育的特点和学生的学情，应重视高职学生的人才培养差异性。一方面为有效提升学生的岗位竞争能力，应当合理分配理论课程和实训课程的学时，提高实践课程的比重；另一方面为与本科院校相关专业学生的差异化培养，高职大数据专业应把平台运维、数据采集以及数据可视化等作为侧重方向。

3.2 改进与完善教学方法，注重案例教学

大数据技术是一项偏工程实践类的技术。基于这一特点，依据胜任力模型，要求高职院校的大数据授课老师需要结合技术发展以及实际项目案例，改变传统教学方式，注重案例教学，促使学生在实际项目开发过程中获取大数据处理分析能力。在教学开展过程中，根据实际的大数据项目，模拟企业生产环境，让学生置身于其中，进而引导其积极性，提升实战水平。在案例教学开展过程中，为有效将理论与实践结合起来，更加系统化地让学生构建大数据技术体系，可将实际项目按照知识模块、难易程度切分成不同的子项目，这样更有利于激发学生的积极性以及学生的趣味性。在案例的选择上，需要结合学生的技术水平，同时要具有一定的应用价值，以增加学习的实用性。通过实际的项目教学，引导学生去发现问题，进而主动解决问题，由被动转为主动，进一步为将来工作打下良好的基础。

3.3 增强校企合作，促进职业素养提升

职业素养在大数据专业人才胜任力模型中，处于重要位置。专业人才的职业素养的学习与提升，最有效的途径为亲身去企业参与在岗学习，这也是在大数据时代下，高职院校应该充分利用的培养模式。高职院校在增强与企业合作过程中，应当注重与外部企业进行信息共享，如企业的用人需求、学校的学生在校表现等信息，充分利用企业的生产设备、技术优势，进而实现有针对性的人才培养。高职院校可结合自身特点，采用建立校外实训基地、开展跟岗顶岗学习以及聘用企业工程师进行授课等多种合作方式。实训基地建设方面，可与信誉高、具有相关大数据业务且有大数据人才需求的企业展开人才培养合作，建立稳定的校外实训基地，让学生参与到企业实际的业务开发中，促进其专业技能及职业素养提升。此外，可以聘用在行业具有较高影响力，具有丰富工程实践经验的企业工程师走进学校，以利用其更加贴切企业需求、行业发展等特点，制订人才培养方案，为学生进行实训教学。

3.4 开展多途径教育，提升学生综合能力

高职院校除正常的系统性授课教学，促使学生获得基本的职业技能与素养外，还应当开展更多途径的教育教学，全面提升学生的综合能力。具体可以从以下几个方面开展。

（1）鼓励学生参与到大数据专业相关的技能竞赛。当前互联网、电信运营商等行业企业，每年都会举办与大数据技术相关的比赛，作为大数据专业学生应当积极参与到其中，充分利用企业提供的平台、数据等资源开展动手实践。通过参与科技、行业竞赛有助于促进学生分析问题、解决问题等能力，还可以接触了解当前行业的技术发展潮流，同时通过与不同团队之间的PK 竞争，也可进一步提高学生的抗压及竞争意识。

（2）引导学生参加专业教师的科研项目。大数据、云计算、人工智能等作为新一代信息技术，处于科学研究的热点领域。专业教师除具有教学工作任务外，还会进行相关专业科研课题或项目。学校及相关教师可借助这样的课题项目资源，带领学生一起开展研究，进而培养学生严谨的思维，获取最新的技术知识。

（3）开展专业性社团活动，进行创新创业。“创新创业”已成为时代旋律，大学生应该充分利用自身的专业知识，积极参与到专业的社团活动实践中，通过开展创新创业活动，用专业技术解决实际问题，全面提升自身的综合素质。

3.5 注重创新思维和大数据思维的培养

大数据技术作为一门新兴技术，发展迅速，体现在技术知识的快速变化和技术应用的创新上。同时，结合大数据专业人才的胜任力模型，创新思维能力是判断其是否胜任大数据创新工作的深层次因素。因此，高职院校在培养专业人才时应注重培养学生的创新思维和大数据思维能力。在具体的教学工作中，一方面，教师充分掌握学生的学习态度、学习特点和知识基础，采取相应的教学方法和策略，形成师生和谐的教学氛围；另一方面，积极引导学生自主学习，独立思考，分析问题，讨论问题，相互沟通，以有效完成教学任务。同时，教师可搭建一个开放的平台，让学生充分表达自己的观点和意见，提出假设和推理。这有助于激发学生的创新思维、主动学习意识，提高团结协作解决问题的能力，培养学生综合分析大数据思维的能力。

4 结 语

大数据浪潮的来临，引发了高职院校对于大数据专业人才培养模式的思考。大数据人才培养需注意差异性，教学方式要结合实际项目，同时要注重学生大数据思维的培养等观点。为进一步完善大数据人才的胜利力模型，将在后期的大数据教育教学工作中，重点围绕实际项目案例、指导学生创新创业等方向，展开更为深入的研究与实践，继续为我国教育事业做贡献。