新基建背景下数据分析人才能力体系需求及培养对策研究

贾艾琦 李欣怡 王丹阳 江菊

摘要：国家新基建背景下，运用数字化管理方式的数字化企业对于高素质的数据分析人才的需求也在增加。然而，高校培养的数据分析人才与数字化企业之间的需求仍存在一定的差距。本文通过对数字化企业对数据分析人才能力体系需求现状及高校人才培养现状的分析，为企业及高校针对数据分析人才培养方案提供解决对策，也为相关专业的本科生或有意愿成为数据分析师的毕业学生及相关人员提供针对性帮助。

关键词：数据分析人才;能力需求;培养对策

1 前言

在经济发展日趋激烈的今天，大数据时代已经到来，社会各行各业的数据呈现出高速增长的状态，国家也提出以5G、人工智能、工业互联网、物联网为代表的新基建发展战略，这不仅为数字化企业的经济发展带来新的机遇，也增加了数字化企业对数据分析人才的需求，数据分析人才短缺问题日益凸显。近些年来，诸多高校开设了与数据分析相关的课程，通过专门的研究对数字化企业需求的数据分析人才进行分析探讨，以增强彼此之间的共同认识，加强高校与数字化企业之间的对接[1]。因此，本文通过对数字化企业对数据分析人才能力体系需求现状及高校人才培养现状的分析，为企业及高校针对数据分析人才培养方案提供解决对策，也为相关专业的本科生或有意愿成为数据分析师的毕业学生及相关人员提供针对性帮助。

2 数据分析人才能力体系需求现状及问题

2.1 数字化企业对数据分析人才的需求现状

随着经济发展的持续改善，部分数字化企业已有大数据平台，数据分析在数字化企业活动中起着越来越重要的作用，数字化企业对数据分析人才的需求现状主要体现在下面几点：

2.1.1 对数据分析人才的需求显著增长

随着大数据时代的来临和信息技术的不断发展，数据分析技术日益成为当今时代最重要的技术，大数据当之无愧地成为了新的革命核心，同时，国家工信部也编制了《大数据产业发展规划》，大力支持高校探索建立大数据领域专业型人才和跨界复合型人才培养机制，因此，数字化企业对数据分析人才的需求热度急剧扩大，只增不减。

2.1.2 数据分析岗位人员供需不平衡

数据分析人才岗位供不应求，工作机会最丰富，在数字化企业中其求职人数占比第一，但其人才供需的缺口仍高居榜首[2]。

2.1.3 对数据分析人才的能力体系要求明显增高

数字化企业需要他们扮演一个团队大脑或者指挥官的角色，具备一定的计算思维能力，能够综合运用数学、统计学、经济管理等知识对数据进行处理与分析，并能够运用各种决策方法与模型揭示出数据中所隐藏的信息和知识，同时能够将收集的数据利用起来，通过网络技术、存储技术、计算机语言的开发等，实现高效率、高质量的数据取得、访问、处理和分析，最终变成对数字化企业有利的价值，变成商业利润[3]。

2.2 高校对数据分析人才的培养现状

数据分析人才的培养是当前社会发展的需要，也是高校计算机高端人才培养的重要组成部分。国内外高校在数据分析人才培养方面有一定的共性，都强调基础理论扎实、知识面广、技术能力强，通过大量的跨学科整合，将实践元素融入理论教学，进行实践操作[4]，但国内外高校培养的人才与数字化企业之间的需求仍存在一定的差距，主要体现在以下几方面：

2.2.1 专业知识定位模糊

随着信息技术的不断发展，数据分析不断融入到人们的生活中。尤其近几年，大数据已经成为火热词语之一，其出现的高频程度已让很多人逐渐意识到，数据分析是现实之需[5]，时代所趋。为此，有不少高校也纷纷审时度势，增设了大数据专业，但大数据专业一哄而上，其繁荣的背后则隐藏着人才培养目标定位模糊的问题。目前市场急需掌握数据库原理、算法及程序设计等技术，又懂得管理学、经济学等辅助业务的专业知识的复合型数据分析人才，而高校人才培养与市场匹配度不高，教学以单一学科为背景，交叉性、跨学科的人才培养模式尚未形成规模、人才培养标准也较为模糊。专业技能要求不清晰使得培养的人才与企业所要求的知识、能力、素质标准存在较大偏差。

2.2.2 实践教学资源不足

对于以培养应用型人才为目标的数据分析相关专业来说，实践教学环节尤为重要。但在实际教学过程中，实践教学条件无法满足未来的专业发展需求。在传统实验室中的软硬件环境仅能满足基础课程的教学要求，而对于数据分析人才培养所需要的私有云和公有云环境，目前大多数高校并未完成有效的云基础设施建设，只是在现有机房基础之上进行局部改造，严重阻碍了实训环节教学质量的提升。实践教学资源不足，教师重理论，学生轻实践，教学主要还是以理论研究和基础知识的讲授为主，实践教学课时偏少，难以保障教学的效果[6]。

2.2.3 师资力量薄弱

在高校中，专门从事数据分析领域的教师相对较少，且缺乏系统的实战经验。虽然有专业的教授和博士等作为支撑，但是师资队伍缺乏阶梯性建设，普遍存在着各种各样的复杂问题，使新课程的安排和教学存在着不小的困难，以至于结构不合理，教学质量难以得到保障。在大数据背景下，数据分析相关技术发展较快，而高校对于相关数据平台的了解比较匮乏、可供参考的信息来源较少，教师从备课到授课时间跨度较长，项目经验较在授课时往往落后于当前技术环境。因此，培养方案易滞后于市场需求。

综上来看，目前国内多数高校没有捕捉到数字化企业需求与人才培养之间的相互关系，导致高精尖人才就业方向与所学专业不匹配，最终影响就业人数，高校如何能够紧贴行业发展需求，培养和输送符合数字化企業需求的数据分析人才，为产业发展提供人才保障，是高校当前数据分析人才培养的重中之重。

3 数据分析人才能力体系架构及培养对策建议

3.1 企业

3.1.1 明确数据分析人才培养标准、规范培训体系

建立多元的培养标准，规范数据分析基本培训和认证项目。企业与高校共同制定数据分析人才培养标准，并动态化的调整课程设置，一方面可以优化高校数据分析实践指导过程，另一方面可以促进和完善数据分析人才能力体系的健全。同时，进一步优化数据分析人才培养环境，将技能考核和工作实践相结合，最终为企业打造出一批高潜力的数据分析人才队伍。

3.1.2 构建项目教学、微课程等培养模式

数据分析人才培养过程中，实践能力与理论研究同等重要。学生不仅需要具备扎实的理论基础，还应具备较强的实践创新能力。项目教学就是根据企业实际项目制定教学方案，将企业的项目规范引入到专业教学体系中，将数字化企业实际项目引入校企合作模式中。引入校企合作项目可促进学生了解企业项目开发流程及重难点，有利于学生工作后迅速地适应企业要求，快速提高解决实际数据分析相关问题的能力。

3.1.3 增加应用骨干，扩大专家群体规模

进一步选拔在企业中既有纵向参与和推进，又有横向对比和维护，具备多学科、多领域数据分析综合能力的骨干力量。组建跨学科的数据分析技术团队，通过深入的讨论学习，打造数据分析骨干向数据科学家的转换，建立拥有自主知识产权的专家系统。

3.2 高校

3.2.1 明确数据分析人才培养目标

数据分析相关专业具有较强的交叉性和实践性，于是就要求所培养的人才要具备多学科知识，要具备扎实的理论基础知识、较强的数据分析工具使用能力和创新实践能力。因此，要以市场对数据分析人才的需求为导向，结合专业领域的发展趋势及特征，制定符合实际的专业人才培养目标，从而做好学校课程设置和市场需求的良好对接。

3.2.2 强化理论知识培养，注重多学科交叉融合

为了提高高校学生的数据分析能力，首先要重视理论基础课程的学习，包括统计学、高等数学、离散数学、线性代数、概率论与数理统计等。除此之外还需要熟练掌握一到两门编程语言理论基础，这些都是做数据分析的必需知识。在条件允许情况下，课程设置上要考虑到计算机类课程和经济类、管理类课程，比如计算机应用基础、经济统计学、项目管理等课程。这样下来不仅可以扩展学生知识结构，让学生拥有较强的数据挖掘能力，还能让学生进入企业工作后能更快地熟悉相关业务流程。

3.2.3 提高实践应用能力，加强社会实践

数据分析能力的培养更加注重过程培养，与枯燥的书本知识和课堂教学比起来，将统计学、数学和计算机等课程的专业知识和技能方法应用于解决实际问题的过程中更能让学生亲身体验数据的识别、收集、整理、分析和评价的过程。通过提出具体问题，让学生在现实情境中收集数据并整理分析，得出结论，在真正解决问题的过程中提高学生的数据分析能力。同时，社会实践也是提高学生实践能力的有效途径。学校可以加强社会实践环节，通过校企合作模式指导学生实习，从而增强学生的数据分析能力。

3.2.4 优化校企联合培养方案

企业与高校合作制定数据分析人才培养方案。培养方案的制定应以市场需求为出发点，通过广泛行业需求调研、专家咨询共商共议确定。企业与高校不仅要共同教授数据分析理论知识、共同设计实践内容，还需要将理论知识应用于实践，抓重点，分层次，逐步提高高校学生数据分析能力。

3.2.5 提高各项硬通能力，形成终身学习的理念

在完成数据分析工作的过程中，管理能力和应变能力非常重要，有时一项大的数据分析工作是需要团队合作完成的，于是具备较强的管理能力，能够使得团队发挥最大的效应，应变能力则可以处理许多突发事件。在完成工作以后，需要用清晰明了的语言进行解释和陈述，因此，锻炼好写作能力，尤其是写论文、写报告的能力尤为重要。提高学生这类硬通能力也是高校教学指导需要考虑的重要目标。

终身学习能让学生通过所学知识，解决实际问题，加深对理论知识的理解，在自我知识体系的优化过程中拓宽眼界，体会学习数据分析相关技能的乐趣，同时为市场输送更多高质量的数据分析人才。

4 结语

新基建背景下，各行各业都对数据分析人才提出了更高的新要求，优秀的数据分析人才不仅要具备较强的数据分析能力，还要具备研发工作的各项硬通能力。企业要规范人才培养建设，进一步提升数据分析人才的能力;高校育人过程中，要以市场需求为导向，密切关注市场对数据分析人才能力体系需求的动向，及时跟上市场需要。同时，企业与高校要合作制定动态数据分析人才培养方案，做好高校课程设置和市场需求的良好对接。

参考文献

[1] 王元卓，隋京言.應用型大数据人才培养[J].高等工程教育研究，2021（1）：6.

[2] 李莎莎，周竞文，唐晋韬，王挺.数据科学与大数据人才专业课程体系分析[J].计算机工程与科学，2018，40（S1）：109-113.

[3] 徐涛.基于大数据分析的人才培养模式设计[J].现代电子技术，2020（20）.

[4] 张晶，易艳红.大数据时代信息管理人才培养模式的创新实践研究[J].图书馆学研究， 2018， 000（023）：2-7.

[5] 田琳琳.新基建背景下的人才需求与培育[J].新经济导刊，2020（03）：36-39.

[6] 吕小光，姜乐，成青松.数据科学与大数据技术专业人才培养模式探析[J].淮海工学院学报（人文社会科学版），2018，16（09）：132-135.

基金项目：本文系南京工程学院大学生科技创新基金项目“国家新基建背景下数据分析人才能力体系需求及发展模式研究——以数字化企业为例”（项目编号：TB202108015）。

作者简介：贾艾琦，女，汉族，籍贯：江苏淮安，学历：本科在读，研究方向：信息管理与信息系统。