对高职院校大数据技术与应用专业课程体系设置的几点建议

耿 学

（山东工业职业学院 山东 淄博 256414）

1 引言

随着计算机技术与互联网技术的发展，数据呈现出爆发式的增长，根据著名咨询机构互联网数据中心的预测，人类社会产生的数据以每年50%的速度增长，也就是说，大约每两年就增加一倍，2020 年全球总共拥有35ZB 的数据量[2]。面对如此巨大的数据量，需要使用新技术对其采集、存储、处理以及分析，从而得到有价值的数据，这一系列的过程产生了大量的人才需求，高职院校为了培养相关人才纷纷申报了大数据专业，但因大数据专业为新兴专业，师资力量储备不足、教师经验不足，而大数据涵盖的知识技术广、难度大，高职院校学生在校学习时间短等等。如何通过调整课程体系设置，增强大数据技术与应用专业课程之间的关联性、整合力，促进高职学生就业等是高职院校研究的重点。

2 问题分析

以下通过学情、岗位、技术三个层面分析高职院校大数据技术与应用专业课程设置需综合考虑的问题。

2.1 学情分析

高职院校学生学制3 年，但在校时间一般2 年，2 年中需要安排基本素质课、专业通识课、专业核心课和专业拓展课，时间有限，安排的课程即有限。但是大数据囊括的技术非常多，难度也大，课程设置时要考虑课程设置的贯通性、整合性。

2.2 就业岗位业务需求分析

通过对各大招聘网站调研，发现面向高职院校招聘的大数据相应岗位主要包括大数据开发、大数据运维、大数据分析与挖掘[1]，分别占比67.5%、24%、5%。相应岗位的工作任务和知识技能要求如表1 所示。综合分析就业岗位、工作任务及知识技能要求，学生应掌握的知识包括：Linux 平台应用、编程语言Java 及Python 的使用、Hadoop 集群及相关组件的安装、部署及应用等[3-4]。课程设置时应注意课程之间的衔接性、整体性，避免重复性，例如数据库学习可以有SQLServer、Oracle、MySQL 等，但是从整体性考虑MySQL 在整个课程体系中使用更广泛、衔接性更好。

表1 大数据就业岗位表

2.3 大数据技术分析

从大数据分析角度来说，典型的大数据分析过程包括：数据采集与预处理、数据存储与管理、数据处理与分析、数据可视化；这些分析过程中涵盖的相关技术既包含底层的操作系统（Linux、Windows）、网络技术，还包含编程语言（Java、Python、R、Scala、C），包含Hadoop生态体系（HDFS、MapReduce、HBase、Hive、Zookeeper、Pig、Flume、Sqoop、Mahout、Ambari 等）（见图1 所示）、Spark 生态系统（Spark Core、SparkSQL、SparkStreaming、MLib等）（见图2 所示），数据采集工具Kettle、可视化技术ECharts 等。面对如此多的技术，如何合理安排课程以衔接人才培养方案，也是需要考虑的内容。

图1

图2

3 建议

综上所述，高职大数据技术与应用专业所需掌握的技术多、难度大、时间短，在课程设置方面应注重课程的衔接性、整体性，避免重复性：

3.1 注重课程选择的系统性，避免课程重复

前面所述，大数据专业涉及技术广、选择性也多，所以课程设置时要根据人才培养定位总体把握，避免出现课程重复的情况，例如，数据库课程开设的是SQLServer，而在Hadoop 学习时更多是使用Linux 平台，在Linux 平台上连接数据库优选MySQL，这样就造成了课程之间的脱节、重复。

大数据专业的人才定位是大数据开发、运维、分析与挖掘，那么面对Java、C 语言、C++、Scala、Python、R 语言等大数据中常用的编程语言，如何进行选择？根据学生学习时间及相近课程最少化原则，Java 及Python 是最好的选择，Hadoop 是Java 语言开发，若要使用其核心组件HDFS 及MapReduce 进行大数据存储及处理，掌握Java 语言更方便，开发的程序也更稳定；进行大数据开发必须要掌握一门web开发技术，那目前比较流行的是PHP 和JavaWeb，JavaWeb 和Java 是一个体系，开设JavaWeb，学生学习既可以达到深化的目的又可以形成整体的知识架构，而PHP 是新课程，学生学习会有抵触的心理，而且构建的知识会比较零散。此外，选择性比较多的还有数据库，数据库有SQLServer、MySQL、Oracle，SQLServer 早期产品只适用于Windows，Oracle 是收费软件，MySQL 开源免费，MySQL 无论是在Java Web 保存数据还是在Hive 元数据存储方面都更胜一筹。

3.2 注重课程之间的衔接性，避免知识断层

第一学期可开设计算机文化基础、网络技术、Java 程序设计课程，培养学生大数据平台搭建以及数据处理的专业基础知识技能；第二学期可开设大数据概论、MySQL 数据库、Linux 操作系统以及HTML 等课程，培养学生平台应用以及数据存储专业知识技能；第三学期进入专业核心课程学习，开设Python、数据清洗、JavaScript、Hadoop大数据技术与应用等，培养学生的大数据采集、清洗、分析、展示各阶段的专业技能；第四学期进入专业知识拔高以及综合运用阶段，可开设Spark 编程提高大数据处理速度，开设Hbase 进行大数据查询等，见表2 所示。

表2 大数据技术与应用专业课程设置

3.3 注重课程的整体性，避免课程覆盖多而杂

Hadoop 生态系统和Spark 生态系统包含诸多组件，数据采集有爬虫、flume 采集等，但教学中不能就每个技术逐个详细讲解，所以课程设置时要综合考虑就业岗位知识技能需求以及课程之间的贯通性。

4 结语

大数据技术与应用专业作为新兴专业，其在专业课程设置方面应该经过充分的调研论证，以知识点为抓手，以应用为目的，强化课程体系的整合建设，推动高职院校的办学能力。