四层融合、四阶递进式高职学生大数据应用能力培养的实践研究

周桃义

摘要：随着大数据时代的到来，大数据已经影响到社会生活的各个方面，数据分析和处理能力是现代大学生所需具备的基本能力之一。在大数据环境下需要高职院校结合社会的需求创新应用型人才培养的模式。本文分析了新时期高职学生数据能力的要求以及数据能力的培养，提出四层融合、四阶递进式高职学生大数据应用能力培养改革与创新模式。

关键词：四层融合;四阶递进;高职;大数据应用

中图分类号：TP399 文献标识码：A

1新时期的数据环境和对高职学生的大数据能力要求

1.1新时期的数据环境

现代社会和产业存在着丰富的数据源，真实可靠的数据能够反映和代表社会与产业的现状、发展和趋势。新时期是数据应用并将产生巨大能量的时代，大数据的出现和广泛应用一方面推动了数据科学的进步，另一方面将作为生产力为政府部门、行业和企业制定政策与决策提供支撑。

采用传统数据采集方法和数据统计方法一般会受到样本数量的限制，传统的数据采集方式如电话、拦截、人户等受到被各种因素的影响则会使数据产生失真，数据分析所采取的统计分析方式一般会受到不同假设和条件的限制、其统计模型的构建则具有一定的局限性。

大数据的产生使数据在采集、归纳和分析方面产生了巨大变革，大数据将传统数据中的样本数据变成一个具有海量数据规模的数据包，从而使数据的数量和广泛性产生了质的变化，既能够从更加全面、多维度、多层次的时间与空间方面进行数据获取且使数据做到在交叉情况下呈现，另一方面使数据更加真实和全面反应社会元素的实际和变动轨迹。这种从不同维度获取并不断变换的数据，将决策者能够从更广域的视角和高度来审视问题，同时做到从多视角产生的数据链上返现问题。大数据时代将为新时期的社会资源整合和产业进步带来活力，也将推动数据时代不断革命。

但是，面对我国大数据时代的到来社会各方面的准备则显得不足，现在大数据的理念没有真正建立，大数据的应用尚不广泛，大数据的平台推广还有很大提升空间。因此，我国虽然已经步人数据大国之列，但每年新增数据量仅是美国的7%，欧洲的12%，如制造业，所采用的技术、工艺和设备等关键数据与应用则远远落后于工业4.0下的德国。此外，从目前的数据资源的标准化来看也存在着完整性低、准确性差、利用价值不高的情况，从而在一定程度上使数据的真实性和可行度大大降低。

1.2数据环境下，高职学生大数据能力的缺失

目前，高职学生的数据与大数据观念的淡薄是普遍的，数据和大数据的应用能力普遍较差。经过对2019年全国职业教育四种核心期刊所发文章的检索，涉及数据运用并能以数据作为理据的文章不足20%，在2019人大复印资料（职业教育类）全文转载的文章中，运用数据进行分析并做出判断的为6篇。在全国一类核心期刊《教育与经济》中刊发的文章中虽然每篇均采用了教育经济学和统计学方法，但涉及数据分析大多只涉及相关分析，有的则应用的是统计软件。

此外，在课程设置方面，国内高职院校普遍缺乏对学生数据和数据分析能力的课程，截止到2019年，国内高职院校中只有36所开设了统计大类专业且几乎都是该院校的边缘化非重点专业，普遍存在着规模小、办学水平低、教学条件差的状况，工科专业一般不开设统计课程，商科专业只开设《统计基础》，且课时有限，实训条件只限于校内Excel的软件操作，从而导致了学生普遍缺少对新时期下数据应用的理念和必要的数据能力。大数据类专业是近3年来各高职院校普遍开设的专业之一，据统计在浙江省47所高校院校中开设大数据专业有5所，主要包括大数据管理与应用、大数据采集与应用、大数据采集与管理专业等专业。目前，国家尚未制定大数据类专业国家教学标准，各院校在人才培养定位和培养模式方面各异，专业设置能够和区域经济和产业深度融合的甚少，校企合作办学尚处于较低的水平。

1.3高职学生数据能力培养定位

新时期大数据环境将对大数据人才构成强劲的需求。高职大数据人才培养着重于大数据应用，其能力培养定位是面向新兴电子商务、跨境电子商务、互联网科技类等企业一线需要的大数据系统管理员、Hadoop运维工程师、大数据清洗、大数据数据分析员等岗位，具备大数据平台搭建与运维、利用平台或工具进行大数据采集、清洗、分析、可视化等专业实践能力，同时具有良好的职业道德、创业精神和健全的体魄，适应我国社会大数据应用发展所需的复合型专业人才。

2四层融合、四阶递进式高职学生大数据能力的培养

2.1四层融合下大数据应用人才培养规格

新时期大数据应用人才培养规格包括四个层面。一是与数据相关的数据知识、数据能力和数据素养;二是与数学相关的数学知识、数学能力和数学素养;三是与大数据相关的大数据知识、大数据能力和大数据素养;四是与数据库相关的数据库知识、数据库能力和数据库素养。

（1）数据知识包括数据概念、数据特点和数据结构;数据能力包含对数据结构分析、利用数据进行建模和利用数据进行决策分析的能力;数据素养涵盖提高对数据的敏感性、对数据价值的理解以及对数据的批判性思维。

（2）数学知识包括高等数学、概率论和统计学等;数据能力包含数据运算和数据作图能力、对问题优化分析的能力、进行变化趋势分析的能力;数学素养涵盖了具备抽象思维、逻辑推理、空间想象的素质、利用已有知识学习新知识的素养、对各类问题进行科学分析、优化分析的意识。

（3）大数据知识包括大数据基本概念、大數据特点和大数据结构;大数据能力包括大数据的采集、大数据的清洗、整理、分析以及大数据可视化处理等;大数据素养涵盖了优良的职业操守、严谨求实的科学态度和勇于创新的精神以及良好的服务意识。

（4）数据库知识包含数据库、数据库管理系统、数据库系统的基本概念、表的概念以及主键的概念等;数据库能力包括数据库的安装、数据库的查询与维护（增、删、改）和数据库设计和维护的能力;数据库素养涵盖了具备高度的专业责任感、积极主动和细致耐心的工作态度以及乐观向上的人生态度和自强不息的奋斗精神。

四层融合的具体示意图如图1所示。

由图1可以看出，高职学生的大数据能力是诸如数据、数学、大数据及数据库等相关专业知识的融合，学生只有具备了这些相关专业的综合能力才能在未来就业岗位中立于不败之地。

2.2四阶递进下大数据应用人才的职业能力

高职学生应具备数据采集能力、数据清洗整理能力、大数据分析能力和大数据应用的能力。具体见表1。

从表1可以看出，传统数据能力主要体现在对数据样本的采集、归纳和分析，而数据方法则以统计方法为主;在大数据环境下数据能力则体现在对大数据的认知、采用大数据工具进行海量数据的采集、大数据整理和大数据的应用等方面，高职学生大数据四阶递进式能力如图2所示。

从图2可以看出，高职学生大数据能力的培养主要体现在四个方面，而且他们之间是递进关系。学生大数据能力的培养是基于学生对大数据的认知，学生只有对大数据有了一定认知之后，才会有针对性的利用爬虫等工具进行大数据的采集。学生在采集了海量的大数据之后还需要学会对大数据的整理工作，包括大数据的清洗、分析统计和可视化等工作，其中包括清洗规则的制定，清洗代码的编码，清洗代码的执行工作;大数据的分析统计包括利用数学知识对大数据进行关联性分析和离散度分析;大数据的可视化工作是利用诸如Matplotlib等工具进行数据的2D或者3D的可视化表示。学生学习大数据最终的目的是能够利用大数据解决实际问题，学生利用大数据为企业解决了诸如前景预测、趋势分析等实际问题也才能够达到学习大数据的目的，也就是大数据专业所需要达到的培养目标。。

3主要实践教学环节

科学设置实践教学环节，完善顶岗实习制度有利于学生提高大数据实际能力。按照岗位能力需求的思路设计实训教学体系，合理安排综合性实习项目，确保实践教学课时比例超过50%。主要综合性实践教学安排见表2。

4实施路径

4.1強化新时期下高职学生大数据培养的意识

大数据技术与应用是个新兴专业，复合型、高质量的人才培养将带动“IT时代”走向“DT时代”。大数据是现代信息技术广泛应用的产物，海量数据的采集是现代信息技术时代的特征和应用基础，采用大数据应用方法可以更加全面、广泛、真实地反应现实社会的本质，反应产业发展与变革的内在要素，反应新技术、新工艺在广泛应用中所需要的数据存储、交换与分析的结果，弥补传统数据采集与分析的缺陷。同时，大数据技术与应用专业建设和人才培养将更加丰富计算机科学、统计学和应用数学的内涵和外延，并推动物联网与移动互联网的快速发展。

4.2在校企合作基础上整合高职大数据教学资源

大数据技术与应用专业学生的培养既需要像阿里云这样大数据公司的平台支持，也需要各院校之间的相互合作。大数据平台集成业界最前沿的大数据应用，一方面将提供简单易用的管理功能;另一方面将针对教学实训的场景量身定制实验开发调试环境、实验运行管理以及教学管理等功能。同时，通过整合来自海内外的丰富案例资源，提供多行业、多门类，具有极强实践性的实验课程和数据集，将实际企业大数据工程、分析，应用项目引入到课堂，实现学生走出校门，在真实的数据环境中得到知识学习和能力训练。

4.3根据“数据和数据能力”培养的特点构建实训教学体系

通过探索“政企校行”四方联动，项目引领技能递进的人才培养模式，以学生为核心、教师为主导、项目为载体的理实一体化教学模式，形成产学研一体的合作平台，使学生在职业道德、专业技能、职业素质等方面得到社会高度认可。大数据专业人才的培养构建实训教学体系如下表所示。

由表3可知，建立产学研用一体化的创新人才培养机制，进一步完善了基于中小企业大数据技术应用岗位群对知识能力需求的实践课程体系。形成“专业基础实训课+专业发展实训课+专业选修实训课”三维一体专业实践教学体系。构建完善的实践教学体系需要在校内建设满足专业教学和一般实训课程需求的校内实验基地，同时与国内有名的大数据学院等相关大数据平台提供商或云计算平台供应商合作，为教师和学生提供能够满足大数据实训需要的在线实训平台。

4.4加强相应的教师队伍和实训条件建设

人才的培养离不开一支优秀的教师队伍，教师队伍的建设是专业人才培养的基础，只有夯实了教师队伍建设的基础，才能为人才的培养提供强有力的保证。教师队伍的建设包括以下几个方面：

1）队伍结构

对于高职院校的专业而言，专任教师和在校学生数比例不能低于1：25，具备双师素质的教师比例不低于60%，专任教师队伍需形成教授一副教授（高工）一讲师（工程师卜助教（助理工程师）+企业教师，双师素质加双师结构型团队。

2）专任教师

对于从事大数据技术与应用专业的教师而言首先必须具备高校教师资格;有理想信念、有职业道德情操、有扎实的大数据知识、有教师的仁爱之心，且具有夯实的理论知识和较强的实践能力;在学历要求方面需要具有相关专业本科及以上学历;同时具有较强的理实一体化和信息化教学能力，具备基本的科学研究能力并能参与课程教学改革。

3）专业带头人

实行校企双带头人结构。专业带头人应具有副高及以上职称（含高级工程师），对国内外的大数据及相关行业已经专业发展能够及时把握;同时能够和一些科技型企业和大数据专业公司取得良好的合作关系;对关联性企业的人才需求能够准确把握;对专业的教学设计和专业研究能力较为突出，同时能够组织团队教师开展科研工作，在院校所在的区域或者大数据技术领域具有一定的专业影响力。

4）企业教师

兼职教师主要从大数据技术公司与大数据行会协会以及同类高职院校进行聘任，兼职教师和专业教师一样需要具备过硬的思想政治素质、良好的职业道德和传统的工匠精神，同时具有中级及以上相关专业职称，且有教学经验能承担专业课程教学、实习实训指导和学生职业发展规划指导等教学任务。

4.5教学模式应以任务驱动和项目导向为主

任务驱动教学法是从浅显的实例入手，带动理论的学习和应用软件的操作，学生围绕一个共同的任务活动中心展开学习，教师以任务的完成结果检验和总结学习过程。而项目导向教学法以“项目为主线、教师为引导、学生为主体”，目标指向的多重性、培训周期短，见效快、可控性好、注重理论与实践相结合。通过“项目”的形式进行教学，使学生在解决问题中习惯于一个完整的方式，所设置的“项目”包含多门课程的知识。

高职院校数据与数据分析能力的人才培养教训模式应以实践为导向应用灵活多样的教学方法，以应用能力为取向对教学效果进行评价。通过在产教融合下合理设置大数据专业，通过校企合作不断进行人才培养模式、课程体系和教学方法改革，在“1+X”制度下切实将大数据学历证书教育与不同等级的职业资格证书教育相融合。

5结束语

随着5G技术的发展和推广，人工智能、云计算、物联网的应用会更加丰富，越来越多的传感设备和移动终端将接入网络，未来社会将是一个以“大数据”为核心技术的智慧科技时代，因此，“大数据”时代已经来临。据最新统计，未来3-5年，中国数据分析人才的缺口将达150万之多。高职院校作为培养应用型人才的主要基地，需要关注当今时代大数据技术人才的培养，为人工智能、云计算、物联网、大数据这样的新兴产业发展输出满足社会和企业需求的高层次、实用性、国际化的复合型专业人才，确保我国科技产业始终处于持续高速的发展状态。