基于岗位能力的高职大数据专业人才培养模式

摘要： 2015年9月国务院印发了《促进大数据发展行动纲要》（以下简称《纲要》）被认为是大数据行业十分关键的节点。随着大数据技术的迅猛发展和行业需求的快速增长，社会对大数据人才的需求越来越大，培养符合大数据行业需求的人才是高校亟待解决的问题。文章分析了大数据人才的需求，提炼了大数据人才的岗位，根据岗位确定大数据专业的课程体系，并结合岗位能力，对高职大数据人才培养模式进行探讨。

关键词：岗位能力;高职;大数据专业人才;人才培养模式

我国已经把大数据做为支撑国家发展的基础战略资源对待。国务院也高度重视大数据行业发展，并以《纲要》来系统部署大数据发展工作。《纲要》给予了大数据行业十分高的地位，认为它已经成为新动力、新机遇、新途径，并提出了打造新模式、建立新机制、构建新体系、开启新格局、培育新生态的“五个新”发展目标。

大数据技术发展如火如荼，相关业态应用场景不断扩大。市场的扩大便意味着这一行业的岗位需求大为增加。而人才培养总会存在一定的滞后时间，培养过程也需要一定的时间，从而造成了大量的行业人才缺口。有机构预测，这一行业的科学家、分析师、数据经理等岗位的人才缺口超过300万。可喜的是，近年来，全国各高校（包括高职院校）已经开始纷纷开设大数据相关专业或专业方向，以培养符合市场需求的大数据人才。但是，前面没有成功的经验可以借鉴，各校大数据专业人才培养都还处于探索阶段，存在诸多需要解决的问题。

一、大数据人才需求分析

从大数据人才需求数量上看，根据猎聘大数据研究院研究数据发现，2015年到2019年第二季度，全国大数据领域的人才需求增长了11.75倍。这一倍增态势在2019年稍有放缓，但依然增长强盛。

从大数据人才需求领域看，各个行业并无显著差异。大数据人才的需求分布和供给分布遍及各大行业，其中以互联网、电子通信、机械制造和金融较为集中。当然，互联网行业是集中度最高的行业，人才供需都已经过半。

从大数据人才需求岗位来看，机器学习和数据产品经理需求占比达55%，其次是深度学习、算法工程、数据分析师等，再次便是图像处理、数据仓库、机器视觉、自然语言处理、数据架构。而大数据人才供给则相类似，数据产品经理占比近45%，机器学习占近12%，这两者占据了大多数供给比例。而数据分析师、算法工程、深度学习、数据仓库、自然语言处理、BI工程师、机器视觉、图像处理占比均在10%以下。

从大数据人才供需地域来看，北京、上海、深圳位居第一梯队，作为国内互联网重地的杭州和一线城市的广州紧随其后。这是由于北京、上海、深圳、广州等地的企业众多，产业比较发达，集聚效应较强，大数据人才供需两旺。而杭州力图打造全国数字经济第一城，也是当仁不让的大数据人才需求和供给强市。

从大数据人才从业者个人特征来看，这一行业从业者年龄呈年轻化趋势，大多数处于25-30岁之间，35岁以下的从业者占据了绝大部分。从其专业背景来看，多为计算机和信息类相关专业，意味着该行业的专业性较强，准入门槛较高。从其职业技能来看，行业对从业者要求较为综合，“硬专业+软素质”是普遍要求，不但要懂得人工智能、算法、互联网方面的技能和知识，还要求懂得数据分析、市场营销等其他素质。

大数据人才需求呈现以下几个特征：

一是层次逐渐过渡为应用型人才为主。这是因为大数据相关技术的发展已经走向了落地应用的重要阶段，这一阶段需要大量的应用型人才，把大数据技术落地到各行业尤其是传统行业中。

二是重点逐渐偏向大数据分析人才为主。应用大数据对各行业进行场景改造，必然要体现数据对行业的价值。这一价值最为直观地反映在数据分析上。故而大数据分析是最先被传统行业所关注的领域，其人才需求增长成为理所当然，同时也会带动大数据运维和大数据开发领域的人才需求。

三是大数据人才的培养转为“技术+行业特征”。大数据开发阶段需要从业人员以大数据技术为主，如大数据平台的搭建、开发、算法设计等，人才培养也会追随这一特点而动。当大数据行业走向场景应用阶段后，最重要的便是在各行业的落地实施，行业知识成为大数据落地应用的重要环节，这必然要求大数据与传统行业融合不断走向深处，具备行业背景知识的大数据人才将更受企业的欢迎。

二、大数据人才岗位分析

（一）分析工作岗位

一是大数据架构师。这一岗位主要工作任务包括负责大数据方案技术研发，对项目的开发进度的规划、控制、监督和管理。要求熟悉软件架构设计过程、开发流程，熟悉大数据生态圈的主流架构，具有丰富的数据分析、挖掘和数据仓库建模经验。

二是大数据产品经理。这一岗位的工作任务在于负责公司大数据项目的架构设计，指定数据平台的业务规划，负责平台产品研发、运营管理和安全维护等。

三是大数据运维工程师。这一岗位的工作任务包括负责大数据基础设施环境的部署与维护、大数据技术的应用与调优、大数据平台的搭建、维护、测试、管理和监控等。

四是大数据分析工程师。这一岗位主要负责数据采集、诊断、清洗、汇总和管理工作，需要熟悉使用诸如Python等软件开展工作，包括构建相关模型、开展挖掘分析并产生分析报告等。

五是大数据应用开发工程师。这一岗位要求较高，能够对大数据产品进行需求分析、规划和设计。要求熟悉Hadoop、HDFS、Hive等平台的技术架构和部署，熟悉Linux系统，了解Hbase、MySql等数据库应用工具。

六是大数据挖掘工程师。其主要工作任务就是从海量数据中根据需要去提取关键信息并能够挖掘其有效特征;能对复杂系统进行数据建模，并通过机器学习或优惠算法在工程上快速实现。要实现数据挖掘，从业者必须熟悉或掌握诸如机器学习、模式识别、分布式计算等相关技术。

（二）确定工作崗位

高职院校的人才培养规格在于培养高级技术技能型人才，以培养符合市场需求的应用型人才培养为导向。新形势下，高职院校的招生渠道多元化，并逐渐发展为以自主招生、学考招生为主。这类学生的特点在于理论学习广度和深度不足，技术技能培养较好。所以，高职大数据专业的培养目标定位不应过高，如对数学要求不高，对编程与算法没有过高要求。主要学习成果在于，要求掌握大数据采集、清洗、查询、分析和可视化等行业的中低端技术即可。从这一角度出发，高职大数据专业的工作岗位可确定为大数據分析师、大数据运维师等。

三、构建基于岗位能力的大数据人才培养模式

专业层面的人才培养模式不外乎就是培养目标和培养体系两大关键问题。培养目标就是解决培养什么人的问题，培养体系就是解决如何培养人的问题。人才培养模式不仅要科学设置课程体系，还要设计教学方法、手段、场所、师资等这些用以实现培养目标的内容。大数据专业涉及知识面和技能点十分宽广，更应该设计好人才培养模式，才能培养出符合需求的人才。为更好地培养出高素质、高技能型的大数据技术人才，根据本校三届学生特点并结合学校培养目标，在众多的岗位中选择以应用为主的大数据分析师、大数据运维师为目标岗位。具体培养方式上，可与合作企业对接，校企联合、工学交替，植入相应前沿科技及特色人才岗位需求的企业课程，给学生带来更多的学习与实践的计划。人才培养模式见图1。

高职大数据专业人才培养模式的具体实施可从如下方面探索实践。

（1）内培外引，强化大数据专业师资力量。大数据专业老师专业知识扎实与否、动手实践能力强弱与否、专业视角开拓与否，决定了培养质量的高低。如何培养优秀的大数据专业人才，于老师而言也是一个极大的挑战。可以通过内培外引两种方式，强化大数据专业的师资力量。首先要对现有老师进行专业技术的培养，学习大数据专业相关的知识和技能，与时俱进。可以派现有老师定期或不定期到合作企业参加真实项目锻炼，将学到的理论转换为可以传授的技能，从而积累丰富的项目经验和教学素材。其次，要从合作企业聘用技术精湛、具有一定授课能力的技术专家担任实践教学教师。内培外引方式同时实施，可以有效弥补专任教师不了解行业动态、不精通行业技能的不足。通过内培外引建立的专兼结合教学团队，不仅是专业内涵建设的重要组成部分，还可以共同研发基于真实项目的实践课程，编写基于真实项目的精品教材。

（2）能力递进，科学设置大数据专业课程体系。从大数据专业的培养目标中确定的毕业生能胜任的岗位出发，分析岗位能力，体现新技术的应用，并据此设计课程体系和规划课程内容。为保证高职大数据技术专业课程体系的科学合理，将课程体系方案分为四个阶段，分别从职业基础能力培养、大数据管理及开发能力培养、大数据应用开发能力培养、职业综合能力培养四个方面展开。见图2。

（3）项目驱动，打造大数据专业实训基地。实训室建设是职业院校人才培养必不可少的一个环节，是支撑人才培养目标实现的重要支柱。如其他高职专业一样，优质的专业实训基地可以通过真实的工作环境、真实的工作项目等来培养大数据行业所需的岗位能力。所以，一是要加大投入，建成高标准的有一定前瞻性的智慧实训场所，环境要真实，设备要先进;二是要建立符合岗位能力培养的实践教学体系，推进项目进课堂、项目进实践，以真实工作项目为驱动，推进实践教学。

（4）以赛促建，参加大数据专业技能竞赛。要秉承“以赛促学、以赛促教、以赛促考、以赛促建”的理念，把专业技能竞赛作为教与学的常规及重要教学手段，促进教师在授课时贯彻技能型人才培养的理念，促使学生在学习上能够掌握对应的专业技术技能。以竞赛代替常规考核，人人参赛，既体现了专业特色，又体现了公平公正的理念。目前与大数据相关的技能大赛主要是发现杯和高校杯大数据技能大赛。这些竞赛覆盖了大数据行业典型工作流程岗位，竞赛内容体现专业核心能力与知识、涵盖丰富的专业知识与专业技能点，应当积极学生参加这些竞赛，进一步锻炼学生的专业技能和综合素质。

（5）系统规划，建设大数据专业教学资源。信息技术已经高度和职业教育融合，专业教学资源起到了十分重要的基础作用。一是要系统规划大数据专业教学资源的层次、种类、面向等，夯实资源库的框架体系;二是要服务教与学的全员，保持随时随地在线开放;三是要建立基于资源库的学习成果认证、积累和转换，为大数据专业学生开展弹性学制创造条件。

（6）弹性灵活，推动大数据专业创新创业。众所周知，开展创新创业教育有利于缓解就业压力、完善学生就业观念、增强学生就业竞争力。面向全体大数据专业学生，开展多层次多需求的分层双创教育，并通过校企协同育人，在专业教学目标的设置上、课程体系和课程内容上进行创新创业教育内容的配套，实施弹性学分和学分转换，从而推动大数据专业创新创业教育，培养具有更强竞争力的毕业生。

总之，高职大数据专业要按行业所需的岗位能力为培养起点，设置科学的课程体系，在优秀的教学团队教授下，依托高标准的智慧实训基地，建成专业教学资源，积极开展理论教学、技能培养、技能竞赛、创新创业，培养符合市场需求的大数据专业人才。

参考文献：

[1] 国务院.国务院关于印发促进大数据发展行动纲要的通知[EB/OL]. http：//www.gov.cn/zhengce/ content /2015-09/05/content_10137.htm，2015-9-5.

[2]  孙金平.基于工作岗位的财经类专业人才培养模式研究[J].教育教学论坛，2017（21）：76-77.

[3]  孙小琪.大数据环境下职业教育的发展与创新[J].河北职业教育，2018，2（06）：14-16.

[4]  卓志宏，周霞，刘进军.基于MBTI的高职岗位学分制育人模式改革与实践[J].当代职业教育，2014（08）：56-58.

[5]  刘进军.基于岗位能力构建网络技术专业课程教学设计与实施研究[J].亚太教育，2015（14）：105-106.

[6]  罗幼平.“互联网+”背景下高职计算机类专业学生就业创业能力提升途径探讨[J].河北职业教育，2018，2（03）：101-103.

[7]  赵克林，朱龙.高职院校云计算技术与应用专业建设的建议[J].南京工业职业技术学院学报，2015（01）： 79-81.