高职院校大数据专业人才培养研究与实践

孙凤娇，赵晶晶，郭相臣，毛 振

（赤峰工业职业技术学院，内蒙古 赤峰 024000）

在大数据时代，数据的价值转换和经济价值的提升成为人们实现创新发展的重要手段。同时，政府也明确要求“实施国家大数据战略加快建设数字中国”，中国大数据建设迎来新局面。面对已有且在不断增长的庞大的数据资源，有能力挖掘、利用的人才却十分有限，大数据人才培养已成为实现“数字中国”的当务之急。目前，国内院校尤其是高职院校大数据专业建设处于探索阶段。大数据专业人才需要具备深厚的数学、统计学、计算机网路和软件技术功底，课程理论性强，难度大，而高职院校学生往往基础薄弱，接受能力相对较差，就业不占优势。如何平衡这种矛盾，寻找适合高职院校学生的人才培养模式，面向企业就业岗位，培养大数据技能型人才，促进学生就业等问题是目前各高职院校研究的重点。深入研究高职院校如何面向企业培养大数据技术与应用专业技能型人才问题具有重要意义。

1 职业岗位定位

高职大数据技术与应用专业人才培养所面向的职业岗位应该是应用型技术人才所能从事的岗位，这样的岗位包括大数据运维工程师、ETL工程师、大数据应用开发工程师、大数据可视化工程师、大数据售后/技术支持工程师、大数据运维工程师等。根据对兄弟院校人才培养模式及企业用人需求的调研结果，赤峰工业职业技术学院将高职生的岗位方向定位为：大数据运维工程师、大数据可视化工程师、大数据助理工程师三个方向。

1.1 大数据运维工程师

大数据运维工程师主要负责大数据平台搭建、维护、优化、管理、监控，保障大数据平台安全、稳定、可靠运行。要求工作人员熟悉Hadοοp生态常用开源项目的部署升级、扩容缩容、性能和管理优化、问题排查等。

1.2 大数据可视化工程师

大数据可视化工程师主要负责利用图形化的工具及手段一目了然地揭示数据的中复杂信息，帮助企业更好地进行大数据应用开发，发现大数据背后的巨大财富。要求会使用Web开发框架进行可视化应用开发，会使用BI工具进行商业智能报表设计、开发与展示。

1.3 大数据助理工程师

大数据助理工程师主要负责基于大数据平台完成的数据落地、清洗、计算、迁移等工作，以及编写数据说明文档、明确客户方业务体系等。要求深入了解大数据计算平台常规架构和相关产品组件大数据平台，熟练掌握SQL数据库、Java编程语言等。

2 课程体系设置

根据职业岗位定位，确定大数据技术与应用专业的人才培养目标为：培养擅长大数据应用、懂得将数据与业务更好结合、达到应用目的应用型技能人才。毕业生品格健全，具有科学的人文精神、创新创业精神和良好的职业道德精神。全面掌握大数据方向的一些基本理论和技术，熟练掌握大数据采集、存储、处理与分析、传输和应用技术，同时能以所学的知识与技能分析和解决实际问题。为了实现这一目标，采用了理论与实践相结合的教学方式，通过系统的多层级课程，逐步构建学生扎实的专业基础知识体系结构。具体课程设置如表1所示。

人才培养分成基本素质和基础理论知识培养、专业能力培养和综合能力提升三个阶段进行。

第一阶段学生主要学习思政类课程、通识类基础课程和专业基础课程。培养学生树立科学的世界观、人生观和价值观，树立良好的思想品德、社会公德、职业道德。培养学生文化素养，使学生具备基本的文献检索、翻译能力、专业资料分析与综合的能力、良好的文档与科学论文撰写能力。培养学生专业素养，储备大数据分析与处理的基本技能。

第二阶段主要学习专业核心课程。培养学生操作和使用大数据相关系统的能力、保障质量的完成数据分析项目的能力以及合理有效的设计数据可视化展示系统的能力。

第三阶段主要进行大数据技术应用与开发实训。同时在这一阶段安排学生进企业实践。带领学生参加技能大赛。指导学生考取职业资格证书，如全国计算机等级证书（二级Java语言程序设计、二级My SQL数据库程序设计）、工业与信息化部大数据工程师等。以“课岗证赛融合”模式促进学生综合水平的提升。在系统的实践学习中锻炼学生综合运用理论和技术手段设计系统和过程的能力。

表1 大数据技术与应用专业课程设置

3 实验实训环境建设

实践能力的培养是高职教育的重中之重。为了给学生提供实际操作环境，真正实现学生在学中做，在做中学，建立了大数据实训基地，与企业合作研发大数据实训平台。该平台主要实现大数据挖掘过程演示、在线学习、实训演练等功能，同时为教师提供科研实验环境，具体介绍如下。

3.1 大数据挖掘过程演示

以案例的方式展示大数据挖掘和可视化的过程。平台支持上千种大数据挖掘算法，支持数据挖掘的整个流程，包括数据源接入、数据清洗和处理、统计学习、机器学习、文本挖掘和社会网络分析、深度学习和数据导出、数据可视化等等。另外，数据可视化包含饼图、趋势图、散点图、箱线图、雷达图、词云、地图等常规可视化功能，教师和同学们根据图形智能推荐的功能进行可视化探索，将抽象的数据变得生动起来，从而了解大数据分析的全过程。

3.2 在线学习

为学生提供在线学习平台。平台上传数据库和数据仓库的基本知识、Hadοοp生态圈基础知识、数据可视化方法、大数据分析挖掘实际应用案例等。

3.3 实训演练

收集交通和保险行业大数据，为学生提供数据挖掘和数据可视化“练武场”。为了降低操作难度，平台将数据挖掘算法封装为一个个的算法节点，学生通过可视化配置即拖拉拽算法节点的方式完成大数据挖掘分析，根据平台提供的图形智能推荐功能进行数据可视化，从而实现大数据分析和处理能力的提升。

3.4 科研实验

教师应具备较高的技术水平和软件研发能力，可以借助实验平台提供的数据资源和上千种数据挖掘算法，按照流式建模方法，完成大数据挖掘和科研工作，具体步骤包括研究方案确立、数据采集、数据脱敏、数据清洗、数据建模预处理、数据建模、模型评估、模型优化、模型再评估、模型应用等，从而提高教师的科研能力和教学水平。

4 结语

科技和人才是一切事业发展的基础，是核心竞争力，自然也应当是大数据发展的引擎和发动机，而科研竞争最终也是人才竞争。培养大数据应用型技能人才的任务对于高职院校来说刻不容缓。本文从大数据技术与应用的专业定位、课程设置、实践实训条件建设几个方面对高职院校大数据技术与应用专业人才培养方案进行研究，以期加快专业建设步伐，努力提高办学水准。培养企业需要的大国工匠，以此促进教育教学改革，提升教育教学质量，促进学生就业。