大数据人才培养的时代需求、现实困境及路径探索

秦智聃 吴旻 陈章跃

[摘 要]海量数据的互联网时代催生了大数据的产生，大数据时代的到来已引起政企校各方面的高度关注。近年来，随着数据科学的发展及市场对大数据人才的迫切渴求，为高校培养大数据人才创造了机遇，同时也带来了挑战。文章首先通过调研及数据挖掘等手段来剖析当前大数据人才的时代需求及岗位和能力需求;其次从高校人才输出、教学资源及生源素质等方面分析大数据人才培养中的现实困境;最后根据CDIO工程教育理念探寻大数据人才培养教学改革路径。具体包括人才培养体系的重构、教学内容的优化、教学方法的创新，以及教学运行及评价改善，着力培养满足时代需求的、集理论与实践于一身的复合型大数据人才。

[关键词]大数据分析;人才培养;教学改革;CDIO;实践能力

[中图分类号]G640 [文献标识码]A [文章编号]1005-5843（2021）01-0008-08

[DOI]10.13980/j.cnki.xdjykx.2021.01.002

一、引言

数据洞见真相，数据创造价值。伴随互联网发展而产生的大数据深刻影响着社会的发展及人们的日常生活。目前，大数据已备受全球各国高度关注，并广泛应用于云计算、数字经济、人工智能、区块链、物联网等新兴技术，俨然成为国际竞争与博弈的又一核心技术。大数据的发展对于推动技术革新及商业智能科学决策是机遇，但却对高校培养符合市场需求的大数据人才带来了挑战。

近年来，数据爆炸式增长，2011年全球数据总量仅为1.8ZB，而2019年则达到41Z。IDC数据统计表明，预计2025年全球数据量将增长至163ZB，其中中国数据产量约占23%。显然，数据已成为21世纪最重要的战略资源之一，能否从海量数据中挖掘出其中的商业价值，是推动相关组织经济发展的关键。然而，当前全球数据利用率不足0.1%，这造成数据资源的严重浪费，为充分有效利用数据资源，大数据人才的培养迫在眉睫[1]。

根据中国知网数据统计表明，近年来大数据的研究热度持续上升（如图1所示）。在2013年之前，大数据相关文献累计仅214篇，而自2013年美国首次提出大数据战略以后，相关文献数倍增加。然而，在大数据人才培养方面，按篇名检索仅获取到100条文献信息，可见大数据人才培养方面的研究有待加强。夏大文等在“互联网+教育”背景下，以贵州民族大学为例，从顶层设计、课堂体系及教改等方面探究了大数据人才的培养[2]。阮敬等以大数据硕士培养为研究对象，对国外387个项目及國内22个项目展开研究，并提出了高端大数据人才培养的7个方向[3]。朱曼菲等总结了卡耐基梅隆大学海因茨学院在大数据人才培养的成功经验，并针对我国国情提出大数据人才培养的管理启示[4]。朱扬勇等从师资、数据和计算等方面探讨了大数据人才培养的基础条件[5]。王元卓等分析了新工科背景下大数据人才培养存在的问题，并对教学体系进行了优化[6]。因此，在大数据人才紧缺的时代，为进一步推动高质量人才产出，大数据人才培养教学改革还有待进一步推进。

大数据虽然最初出自于“新工科”专业，但其依旧适用于“新文科”专业。因为大数据人才主要分为数据科学家、数据工程师和数据分析师三种类型，前两种人才主要由新工科专业培养，而数据分析师则由新文科专业培养，诸如教育大数据、电商大数据、物流大数据、旅游大数据、农业大数据等[7][8][9][10][11]。因此，国内高校在进行大数据人才培养时，各专业均可开设大数据分析相关课程，唯有如此，方可缓解大数据人才荒的困局。为解决大数据人才培养所面临的困惑，尤其是新文科背景下开设大数据分析等课程的专业所遇到的瓶颈，文章引入曾获得美国“戈登奖”的CDIO工程教育改革模式，从大数据人才培养的构思、设计、实现和运作四方面入手，根据CDIO大纲及标准，培养具备扎实基础知识、较强个人能力和团队合作意识，以及系统全面解决实际问题能力的复合型大数据人才。CDIO近年来在高等工程教育领域一直是热点研究话题。杨栩等将CDIO融入到“双一流”背景下的研究生教育中，从课程、教学和环境等方面探究其运行模式，并提出运行机制的保障对策[12]。石欣鹭在高等艺术设计教育中引入CDIO，指出两者的融合能有效解决理实教育与市场需求的脱节，以及团队互助与协作教学项目的缺失等问题[13]。张磊等从电子商务视角出发，提出了注重完整实践项目和综合素养的EC-CDIO人才培养模式，为电商及管理科学与工程等专业的人才培养提供了参考[14]。曾华鹏等将CDIO应用于实践类课程，并以工业控制网络集成课程为例展开，采用DACUM进行能力分析，在具体实践中效果良好[15]。CDIO自2005年首次被我国汕头大学采用以来，成都信息工程大学、燕山大学等超过100所高校相继实施CDIO，教学效果显著，赢得业界和社会高度赞许。实践证明，将CDIO工程教育理念融入教学改革中是可行且有效的。

二、大数据人才培养的时代需求

（一）国内外大数据发展政策梳理

身处大数据时代，海量数据笼罩着人们的日常生活，这是最好的时代、智慧的时代，或许也是最坏的时代、愚蠢的时代，关键在于能否从海量数据中挖掘出潜在的商业价值并引导其做出科学决策[16]。2012年3月，美国投资2亿美元启动“大数据研究和发展计划”，倡议提升挖掘数据价值的能力;2014年5月，又颁布《大数据促发展：挑战与机遇》，强调大数据是经济增长和科技进步的强心剂，要牢牢把握机遇，从此国际上掀起了发展大数据的浪潮。经查阅整理，全球主要的大数据政策（如表1所示）。

由此可见，大数据已引起全球各国的高度重视，相关政策文件及实际行动正推动着大数据在21世纪的时代浪潮中激流勇进。我国大数据战略的提出虽然相对较晚，但却发展迅速，各级地方政府纷纷响应国家号召，积极发展大数据产业。2016年，以贵州为首，京津冀、珠江三角洲、上海、河南、重庆、沈阳、内蒙古先后参与国家大数据综合试验区建设，形成纵横中国大陆的大数据发展“立体骨架”。同时，为了激发数据研发与创新，在国家发改委的领导下，大数据算法与分析技术、大数据分析与应用技术、大数据分析系统、大数据流通与交易技术、医疗大数据应用技术、教育大数据应用技术、综合交通大数据应用技术等大数据领域国家工程实验室相继成立，这为国家大数据产业的进一步发展注入强心剂。这一系列政策及重大举措无不证明，时代的呼声已然唱响大数据人才的诉求，高校作为社会人才的输送源泉，肩负着大数据人才培养的重担。

（二）大数据时代下企业的人才需求

通过在国内智联招聘、前程无忧等招聘网站获取大数据相关岗位及其对应的能力需求信息，研究发现，企业的大数据人才需求主要分为技术人才和管理人才。其中技术人才主要从事数据管理（采集清洗）、数据仓库（建模集成）、数据开发（运维计算）、数据挖掘（模型分析）等工作;相关岗位有大数据开发工程师、大数据架构师、大数据算法工程师、大数据测试工程师、大数据运维工程师等。管理人才主要从事数据分析（通用模型）、商业分析（经营分析）、数据运营（产品运营）、数据产品（规划设计）等工作，主要涉及数据分析与管理决策，例如风控分析、反欺诈分析、风控审批与政策分析等。技术人才则由数据科学与大数据技术等新工科专业培养，而管理人才则主要由新文科专业培养。鉴于管理人才应用的广泛性，文章对大数据管理人才的岗位及主要能力进行了详细的梳理（如表2所示），这对高校培养大数据管理应用人才具有重要的指导作用。

三、大数据人才培养的现实困境

中国大数据产业正值发展初期，增长速度不断加快。据中国商业联合会数据统计表明，目前中国从事大数据产业人才仅30万人左右，人才缺口达到180万;同时，领英（LinkedIn）报告显示，中国拥有六大热门稀缺职位供不应求，而大数据分析人才稀缺度最高，其供给指数只有0.05[17]。大数据人才荒的时代，为高校增设专业培养大数据人才创造了机遇，同时也给萌芽中成长的大数据教育带来了前所未有的挑战。

（一）来自大数据人才输出的困境

目前，中国大数据专业主要包括“数据科学与大数据技术”和“大数据管理与应用”两种。2016年，北大、中南大学和对外经贸大学3所高校将中国首批数据科学与大数据技术专业捞入囊中，从此拉开了我国大数据教育的序幕。2018年，大数据管理与应用专业正式出炉，成功获批的有西安交大、哈工大、东北财大、南财和贵财5所高校。截至目前，经教育部审批成功获得大数据专业的高校数据（如表3所示）。

由表3可知，近年来大数据专业的发展已引起全国高校空前关注，专业申报竞争激烈，其中数据科学与大数据技术本科专业共616所高校获批成功，大数据管理与应用本科专业共81所高校获批成功。表面上看，虽然大数据专业增长速度快，但整体上开设大数据专业的高校不足，占全国高校的比重不足1/5，且由于开设时间较晚，目前数据科学与大数据专业的首批学生于2020年6月毕业，而大数据管理与应用专业尚无毕业生。因此，面对市场数以百万计的人才需求，加之培养并输出对应人才高校的欠缺，大数据人才依旧处于严重缺乏，供不应求的局面。

（二）来自大数据教学资源的困境

教学资源是有效推进教学运行的一切素材的集合，可分为人力资源和非人力资源。对高校而言，人力资源主要是教师，而非人力资源主要是教材、课件、案例、图片、视频，以及多媒体等教学设施。大数据作为一门新兴专业，其人才培养在教学资源方面必然面临诸多挑战。归结起来，其挑战主要表现在师资能力、课程教材、资金投入和实践实训等方面。首先，在师资能力方面，大数据专业对其要求较高。大数据是一门多学科交叉融合的复杂综合性学科，知识涵盖数学、统计学、信息科学、计算机、机器学习以及特定专业等领域。然而，在大数据专业发展的萌芽阶段，高校没有该专业的特定师资，因此在筹办大数据专业时，通常是将计算机、信息管理、电子信息、数学、统计学、情报学等专业的教师进行糅合。这些来自单一学科的教师虽然擅长于其固有的研究領域，但对于学科覆盖率宽广的大数据专业而言，其知识体系显然不能满足要求。因此，日后从事大数据教育的师资必须完善大数据理论知识，熟练掌握大数据相关技术、方法和工具的使用。其次，在课程教材方面，新专业必然面临新课程，而新课程又涉及新教材。虽然市面存在不少的大数据相关书籍，但大部分均为Hadoop、Python、Spark等工具类实战书目，不适宜作为课程教材，且因专业的不同，尤其是新文科领域的大数据课程，不同专业的授课需要选择符合其专业情境的教材，这为教材的建设带来困难。再次，在资金投入方面，大数据专业对软硬件资源配置要求较高，尤其是软件。国内外专业的大数据分析软件费用普遍高昂，例如国外的Tableau、SAS和SAP，以及国内CPDA的Datahoop和北京络捷斯特的PMT等，其费用通常高达数十万元甚至更高，这给经费不够充足的高校在真正落实大数据专业建设带来挑战。最后，在实践实训方面，大数据专业强调理论联系实践，脱离实践的教学无法培养满足市场需求的大数据人才。大数据实践实训相关教学项目需要依托相关领域真实案例，如电商、物流、农业、医疗等领域，且案例必须配备大量数据，然而诸多高校在数据获取方面能力欠佳，导致实践环节薄弱，学生很难学以致用。

（三）来自大数据生源素质的困境

大数据专业作为一门新兴热门学科，近年来备受社会各界关注，包括高考学子及其家长，故而一时成为高考专业选择的热点。根据前文分析可知，大数据是一门交叉融合的复杂学科，其知识体系涉及数学、统计学、计算机科学、机器学习，以及相关特定专业知识，且大数据注重实践应用，故必须搭建大数据实践系统，而此类系统通常涉及Linux、Shell、Python、Hadoop、Spark、JDK、HBase、R语言等多种开源系统软件，非常复杂[18]。因此，若学生想成为真正的数据科学家、数据工程师或数据分析师，那么就必须精通数理统计、计算机与机器学习，以及经济金融、电商物流、交通运输、生化医药等特定专业领域知识，并能将所有知识信手拈来、融会贯通。由此可见，庞大的知识体系以及复杂的实践环境使得大数据学习任务重、负担大，需要学生拥有较好的数理功底，且在学习过程中不畏艰辛、迎难而上。因此大数据对生源综合素质要求颇高，对于素质普通的学生事实上并不适合选读大数据专业。

然而在现实中，高校的生源通常来自全国各地，学生的素质及基础知识参差不齐，甚至有的高校大数据专业是文理兼收，这使得数理功底相对较弱的文科生在培养过程中难度系数增加，在学习过程中，一旦未能有效掌握前修知识，后续知识便一窍不通。因此，高校在录取大数据专业学生时，尽可能选择数理功底较强的理科生，而学生在选择专业时，则需综合考虑自身能力及素质，慎思报考，避免未来不能正常进行学业而懊悔当初的选择。

四、大数据人才培养的路径探索

面对上述大数据人才培养的种种困境，高校必须寻找人才培养瓶颈的突破口。大数据分析注重实践应用，当然必须拥有足够的理论支撑。数据分析全过程涵盖业务理解、数据采集、数据清洗、构建模型、模型评估与决策分析，实践环节贯穿始终，其重要性不言而喻。胡艳丽等指出，构建实践驱动的知识体系与创新问题导向的实践项目是大数据人才培养的关键所在[19]。因此，基础理论是大数据人才培养的前提，工程实践才是其根本。CDIO作为近年来国内外广泛应用的工程教育杰出成果，分别代表构思（Conceive）、设计（Design）、实施（Implement）、运作（Operate），强调教育过程实则是产品由最初的研发到最终成功运行的全过程，是一种以学生为中心，课程间有机联系的主动参与实践的工程教育模式。R.S.Nadiyaha等曾提出一个增强学生团队合作能力的ADDIE模型，该模型分为分析（Analyse）、设计（Design）、开发（Develop）、实施（Implement）和评价（Evaluate）五个环节[20]。显然，ADDIE模型与CDIO在某些方面如出一辙，均旨在增强学生个人能力和团队协作能力。然而，不同的是CDIO强调全过程培养，贯穿整个大学生涯。汕头大学是国内首个践行CDIO工程教育的高校，且在国外理论与实践的基础上增加道德（Ethics）、诚信（Integrity）和职业化（Professionalism）三元素，形成EIP-CDIO，实践效果获得业界一致好评[21]。鉴于CDIO的优越性，国内高校纷纷效仿，然而将CDIO融入大数据人才培养的研究却凤毛麟角。因此，文章认为两者的融合将是一次创新，有必要进行尝试并加以实践。根据人才培养目标沿着理论工程型和分析应用型两条路线走，构建六轮驱动的双目标人才培养模式（如图2所示）。

（一）人才培养体系的重构

大数据人才分为数据科学家、数据工程师和数据分析师，因此，高校在设计人才培养思路时可分为理论工程型和分析应用型两种。其中理论工程型包括数据科学家和数据工程师，这类人才的培养专业主要分布在新工科，即数据科学与大数据技术和大数据管理与应用;而分析应用型则为数据分析师，这类人才则分布在新文科，即教育、经济、电商、交通、物流、医疗、农业、旅游等专业。两种大数据人才的培养路径（如图2所示）。

由于CDIO工程教育强调项目式实践教学，故将整个教学进行项目拆解，项目分为三级。一级项目贯穿大数据分析全过程，学生能从中体验到项目的构思（C）、设计（D）、实施（I）和运作（O）。值得注意的是，一级项目有两项，分别位于大学初期和大学末期，两者有所不同。初期的一级项目主要是大数据价值导论课，学生无需进行数据分析实践操作，教师只需要通过对大数据相应案例及项目的讲解，引导学生对大数据分析产生学习兴趣，并初步掌握大数据分析的具体流程及步骤。末期的一级项目则是对整个大学阶段大数据学习的检验，强调通过实习实践设计大数据项目并完成。二级项目是大数据核心能力课程群，例如Linux等操作系统、Python和Spark等编程语言、Hadoop等数据分析工具。但是理论工程型与分析应用型对应的二级项目却有所不同，因为理论工程型不仅要精通数据科学理论，还需具备大数据技术、方法及工具的创新与实践;而分析应用型仅需利用大数据相关技术解决现实问题即可，故在课程设置方面有所不同。分析應用型大数据人才作为新文科领域相关专业的一个分支，其大数据课程比例显然不能太高，但大数据分析必备技能课程不能缺少，例如数据挖掘、数据可视化等;而理论工程型自身本就是大数据专业，故其课程体系非常全面，涵盖数学、统计学、计算机科学、机器学习等诸多数据科学领域。三级项目则搭建的是政企校三位一体的联动培养机制，其定位为综合应用实践课，鉴于高校教师缺乏实践经验、行业应用水平不高等问题，故需要借助政府与企业的力量来联合培养，依托政府发展的大数据产业园以及校企合作，实现资源优势互补、协调发展。政府与企业在推动高校人才培养的同时，高校又为社会培养并输出大数据人才。

（二）教学内容的优化

大数据人才培养以大数据开发研究和应用为总体目标，课程体系按照“总分总”的模式进行。前面的“总”即大数据导论课，虽然贯穿大数据分析的整个生命周期，但其目的仅是培养学生大数据思维，激发其对大数据的学习兴趣;后面的“总”则是对整个大学阶段大数据理论、技术及工具掌握情况的整体检查;中间的“分”为大数据相关理论、技术、工具的课程群。

在六轮驱动双目标大数据人才培养体系的引导下，注重理论传授的传统课本教材已不符合强调实践的CDIO工程教育模式。根据CDIO教学大纲可知，运用该模式培养的是理论与实践互通的高素质、高能力人才。因此，教学过程中要注意理实一体化，理论与实践相互交融，切不可切割分离。整体上遵循“理论奠基、能力导向、实践强化、分类培养、项目驱动”这一教学思路。具体而言，课本教材在建设时，分别从理论篇;工具篇和实训篇三方面入手，理论篇主要阐述相关理论概述;工具篇阐述该领域应用工具及问题解决方法;实训篇由实践项目驱动，项目的设计旨在利用相关理论及工具解决实际问题。例如2019年北京络捷斯特出版的《大数据分析与挖掘》便是按照这样的思路编写的，该书目深受高校及师生的好评，并广泛应用于大数据相关专业及课程中，尤其是交通运输、电商物流等领域。

（三）教学方法的改革

根据图2可知，三级项目是政企校三方协同联合培养大数据人才。政府的大数据相关政策推动大数据产业发展，例如重庆近年聚焦于“大数据智能化”，欲利用大数据推动智能制造，并打造万亿级智能产业。相关政策的提出加速了地区大数据的创新创业，也吸引了不少外来企业的入驻，已聚集3000余家企业。如今“重庆市大数据产业人才联盟”已在重庆永川授牌成立，大数据产业园正式落户永川，政企校将在此基础上构建大数据产业“政、产、研、学、用”一体化体系;同时，实践经验丰富的企业与高校合作，能弥补高校教师实战经验不足的短板。因此，政企校三方协同联合培养大数据人才是历史发展趋势与必然选择。

具体而言，首先，在实施项目驱动式教学的三级项目时，校企可共同开发教学资源。例如教材、教学案例，以及实训项目，且企业可派行业实战经验丰富的大数据专家入校讲学，高校教师亦可入驻企业锻炼，校企共同培养大数据双师型教师[22]。其次，政企校可签订大数据人才培养协议。高校学生在大四时可到大数据产业园相关企业参加顶岗实习，增强其数据开发或分析能力，并为其大学末期的毕业设计作铺垫。再次，课赛融合式教学也是检验教学成果的重要举措。王国胤等通过实践证明，课赛融合不仅能锻炼创新实践能力，更能推进教学理实一体化的发展[23]。最后，结合CDIO第2条教学标准——学习目标，其中一点是加强团队协作能力。因此，在教学过程中，有必要进行小组划分，在项目实战时既能表现出竞争态势，又要求小组成员高度协作。

综上所述，大数据教学可采取政企校三方协同联合培养、项目驱动式教学、分组教学，以及课赛融合式教学。

（四）教学运作及评价

1.教学运作。大数据教学运行时，可在大学初期的一级项目之后，让学生确定其专业定位，新工科则分为数据科学家和数据工程师，新文科主要强调應用，故其定位为数据分析师。

（1）针对数据科学家，构建“教学—科研”发展方向。学校组织学生与大数据学术科研梯队的教师双向选择，成立科研导师队伍，带动学生朝学术殿堂方向发展，这类学生通常会考取硕博研究生继续深造。

（2）针对数据工程师，构建“工程—实践”发展方向。通过校企合作，高校遴选企业实践导师队伍，培养学生在大数据工程实践方面的能力。（3）针对数据分析师，构建“执业—应用”发展方向。此时，高校需要与相关数据分析师执业机构合作，聘请机构讲师授课，将实践教学穿插于执业资格考试，例如CPDA数据分析师、CDA数据分析师、阿里云ABP数据分析师等。

2.教学评价。教学评价采用学生、教师、学校、企业和社会五位一体的评价机制（如图3所示）。人才培养以学生为中心，开启学生评价机制并常态化运行，定期或不定期收集学生对授课教师的评价。反过来，教师也需要评价授课班级的学习氛围及学习效果;同时，教师还需评价学校在大数据人才培养中的教学管理制度并提出改进对策。企业在参与校企合作的同时，需要评估学生的综合实践能力。学校根据制定的大数据人才培养方案评估专业发展情况并进行优化。社会则根据学校及学生在大数据领域的社会地位和影响力来评估学校的人才培养情况。

五、结论

在数据驱动的互联网时代，数据资源无疑已成为市场竞争的宝贵资产，大数据技术亦成为全球各国博弈的核心力量。面对庞大需求的大数据人才，高校肩负着培育人才的使命与担当，同时也面临着各种挑战与挫折。文章针对大数据人才培养中人才输出不足的困境、教学资源建设的困境，以及生源素质参差不齐的困境，借助CDIO探寻出六轮驱动双目标大数据人才培养模式，从教学体系的构建、教学内容的优化、教学方法的改革和教学运作及评价四个维度进行路径探索。

研究表明：（1）大数据人才培养应实施两步走策略，即理论工程型和分析应用型。理论工程型培养的人才为数据科学家和数据工程师;分析应用型培养的人才为数据分析师。（2）根据CDIO教育理念，大数据人才培养需要理实一体化，且实施三级项目驱动教学。一级项目分布于大学初期和末期，初期为大数据导论课，旨在激发学生大数据思维，提高大数据学习兴趣，末期为毕业实习与设计，旨在检验学生大学期间大数据知识及能力的掌握情况。二级项目为大数据核心能力课程群，旨在提高学生对大数据技术、方法及工具的掌握。三级项目为综合应用实践课，旨在通过政企校三方联合培养提高学生的实践能力。（3）教学内容的设计遵循理论篇、工具篇和实训篇三步走策略。（4）教学方法上除了项目驱动教学外，还可采取政企校协同联合培养、小组教学和课赛融合式教学。（5）教学运作方面，开通“教学—科研”、“工程—实践”、“执业—应用”三条发展道路，分别对应数据科学家、数据工程师和数据分析师。（6）教学评价采取学生、教师、学校、企业和社会五位一体评价机制，相互监督、相互促进。

培养大数据人才固然重要，但培养符合时代发展并满足市场需求的复合型高素质综合性大数据人才更重要。因此，未来大数据人才培养的道路依旧任重道远。

参考文献：

[1]张宁，袁勤俭.面向数据科学的信息管理和信息系统专业课程建设与改革[J].现代情报，2017（08）：106-110，160.

[2]夏大文，张自力.DT时代大数据人才培养模式探究[J].西南师范大学学报（自然科学版），2016（09）：191-196.

[3]阮敬，刘宏晶，纪宏.国外大数据硕士人才培养的经验与启示——基于大数据文本挖掘[J].统计与信息论坛，2017（09）：29-36.

[4]朱曼菲，谢笑.卡耐基梅隆大学海因茨学院大数据类专业教育及其启示[J].图书馆学研究，2020（06）：17-24.

[5]朱扬勇，熊贇.大数据人才培养的基础条件初探[J].大数据，2016（05）：107-114.

[6]王元卓，于建业.新工科背景下的大数据教学体系建设探析[J].大数据，2018（06）：11-18.

[7]王英彦，杨刚，曾瑞.教育大数据背景下高职教学质量提升策略[J].中国职业技术教育，2020（14）：61-66.

[8]吴永春.大数据背景下的电子商务客户流失量预测[J].现代电子技术，2020（11）：144-147.

[9]秦智聃，陈章跃，弓宪文.基于数据挖掘技术的物流配送成本估计研究[J].现代电子技术，2020（13）：183-186.

[10]吴开军.旅游大数据研究热点及特征探析——基于国外文献的分析[J].统计与信息论坛，2019（04）：105-113.

[11]王佳方.智慧农业时代大数据的发展态势研究[J].技术经济与管理研究，2020（02）：124-128.

[12]杨栩，冯诗瑶.“双一流”建设背景下基于CDIO理念的研究生创新型人才培养模式研究[J].黑龙江高教研究，2018（08）：6-10.

[13]石欣鹭.基于CDIO模式的艺术设计教育“双一流”建设探索[J].教育理论与实践，2019（24）：60-62.

[14]张磊，王辉，冯文龙，孟现飞.ECCDIO電子商务人才培养模式的构建[J].高等工程教育研究，2019（01）：196-200.

[15]曾华鹏，邢媛，汤莉，王鹏.基于能力本位与CDIO的应用型本科实践类课程改革——以“工业控制网络集成”课程为例[J].高等工程教育研究，2020（01）：182-188.

[16]朱志军，佘丛国，闫蕾等.大数据：大价值、大机遇、大变革[M].北京：电子工业出版社，2012.

[17]中研网. 2020年大数据行业发展前景趋势和现状如何 中国大数据行业深度发展研究与“十四五”企业投资战略规划[EB/OL].http：//finance.chinairn.com/News/2020/05/29/172130397.html.

[18]杨建林.大数据浪潮下情报学研究与教育的变革与守正[J].情报理论与实践，2020（04）：1-9.

[19]胡艳丽，白亮，谭真等.面向大数据人才培养的融合式教学模式[J].高等教育研究学报，2020（01）：101-103+120.

[20]Nadiyaha R.S， S. Faaizah. The development of online project based collaborative learning using ADDIE model[J].Social and Behavioral Sciences， 2015， 195：1803-1812.

[21]叶民，孔寒冰，许星.新工科实践路径探讨：基于扎根理论的 CDIO 转换平台建构[J].高等工程教育研究， 2018（4）：11-17+100.

[22]夏大文，王林，张乾等.大数据应用技术课程教学改革与实践探索[J/OL].大数据：1-8[2020-06-22].http：//kns.cnki.net/kcms/detail/10.1321.G2.20200602.1247.002.html.

[23]王国胤，刘群，夏英等.大数据与智能化领域新工科创新人才培养模式探索[J].中国大学教学，2019（04）：28-33.

（责任编辑：刘宇）