程茜 王艳 吴睿 张俊丽

[摘 要]文章以西安欧亚学院数据科学与大数据技术专业实践课程体系的设置为例，针对专业课程体系的建设尤其是实践课程体系设置的不足，基于人才培养的目标，从理论和实践两个方面提出培养具备数据挖掘能力的应用型人才的策略，旨在促进该专业的发展，为应用型高校的数据科学与大数据专业发展提供可行的参考。

[关键词]数据科学与大数据技术专业;实践课程;应用型高校;课程体系建设

[中图分类号] G640 [文献标识码] A [文章编号] 2095-3437（2022）01-0158-03

近几十年，互联网的广泛应用使得大量的数据可以被收集、分析，从而使得数据产生极大的价值。企业产生大量的数据从生产制造转变为一个数据生产平台，而这种变革也在改变着人们的思维方式。大数据时代的强势来袭，促使各大高校自2016年开始纷纷申报并设立了数据科学与大数据技术专业。截至2020年，经过前几年密集的申报、备案与审批，陆续有619所高校开设了数据科学与大数据技术专业。对于这么一个新专业来说，其开设时间短，可参考的经验非常少，专业人才培养体系、课程体系的设置没有科学规范的指引，该如何定位，课程体系如何才能符合社会、企业对人才的需求，都是我们必须认真思考的问题。

一、数据科学与大数据技术专业能力培养需求定位

（一）企业对人才能力的需求分析

高校进行人才培养的最终目的是满足企业对人才的需求。笔者通过对多家数据领域TOP企业进行面访以及利用网络爬虫技术获取各大招聘网站数据分析岗位的招聘信息这种线上线下相结合的方式，对企业的需求进行了分析。首先，将专业调研得到的学生預期就业岗位名称作为关键词，在国内影响力排名TOP5的招聘网站（如前程无忧、智联招聘、中华英才网、应届生等）上抓取相关企业的招聘信息（包含薪资、就业地区、福利待遇、岗位要求、任职要求等）。这些招聘信息中有一个非常关键的信息（字段）“岗位要求”或“任职要求”，它们以非结构化形式呈现。然后通过文本分析、描述统计、回归分析等技术手段，挖掘出用人单位对数据科学人才的能力需求。最后，根据数据分析结果可知，用人单位非常注重应聘者的数据分析经验和数据挖掘能力;数据岗位大多要求中等学历，如大专及本科;薪资会随学历水涨船高，本科生的平均薪酬就有可能达到万元以上。

从企业对人才的专业能力需求分析来看，其对数据应用、数据分析等实践能力的要求较高。对高校而言，要想培养的人才能满足企业的需求，学生不只要具备扎实的数学基础和实战能力、过硬的编程能力，能够获取数据并实现数据的存储，还要具备将数据思维应用到各领域的能力，能够对不同领域的实际问题进行分析和挖掘。

（二）数据科学与大数据技术专业能力培养目标

培养目标是人才培养的核心。科学合理的人才培养目标是实现人才培养至关重要的一步，也是高校高质量培养企业所需人才的关键。西安欧亚学院数据科学与大数据技术专业（以下简称“本专业”）秉承面向业界培养应用型人才，强调培养学生的通识能力，全流程培养学生的“竞争力、自信心、合作精神、创造性和诚信”，使之成为企业需求的人才这一培养理念。本专业从2018年开始招生，通过对市场进行分析，我们确定了自己的人才培养目标。人才培养目标以培养德、智、体、美、劳全面发展的人才为宗旨，引领学生掌握数据科学的理论、技术，包括面向大数据应用的数学、统计、计算机等学科基础知识，从业务理解、数据获取、数据展示、大数据分析理论和技术、人工智能等方面对学生进行数据分析全流程的培养，并将产学合作中企业的真实项目转换为综合实践课程，通过对企业真实环境的模拟，训练学生利用数据思维及技能解决实际业务问题的能力。

二、基于能力的课程体系确立

一个完整的课程体系能够实现对学生能力的培养。本专业从理论和实践两个方面培养具备数据挖掘能力的应用型人才。

（一）理论能力培养的课程体系

理论能力主要是指针对数据挖掘中各种模型、算法的理解和运用。学生需要有较强的数理统计基础、具备数学建模能力、拥有扎实的数据结构和算法基本功，通过不断训练能够很好地理解和掌握各种机器学习、深度学习中的各种算法，了解与云计算相关的数据处理平台及其生态系统。理论能力培养主要体现在数据科学与大数据技术专业的理论课程体系中。数据科学分析类相关专业设定的核心课程侧重数据分析、计算、计算机技术以及大数据应用等方面的内容，包括数据科学导引、数据采集、大数据应用导论、数据存储（MySQL）、数据清洗、大数据的Python基础、数据可视化、数据挖掘、理论与算法、大数据机器学习等课程。

（二）实践能力培养的课程体系

对于数据科学与大数据技术这样一个实践性很强的专业而言，理论教学只是完善人才培养的一个子环节，还应加强学生的实践能力。将实践项目贯穿整个课程体系建设，使学生在理论和应用两方面均得到严格的训练，运用专业的理论、方法、技术和工具解决具体行业中的实际问题，重点培养学生的实战能力。在此过程中，可以实践驱动教学，探索实现校企结合多元发展的路径。实践课程的建设不能单纯依靠高校的力量，必须与行业、企业紧密结合。

1.实践课程与多行业融合

大数据人才培养要有鲜明的应用特点，具有明确的行业方向，立足于相关行业领域的实际要求，要满足就业岗位任职的需要，以普及性应用为目的，以必需、够用的知识体系为度。提升式教学要加强针对性和实用性， 以搭建具体行业场景教学为主，以解决行业真实问题为目标，以项目制的形式推行。

2.校企联合开发课程

行业、企业要参与课程开发、专业教学、职业能力培训、质量标准制订与考核评估等实践课程的开发与执行全流程。应积极推行生产劳动和社会实践相结合的培养模式，引入企业中从事大数据工作的师资，让其将工作与教学结合，并以此作为大数据人才培养模式的切入点，引导课程设置、教学内容和教学方法的实施。应重视学习与工作实际的一致性，探索以项目为导向的教学模式。

课程案例的开发可以采用校企联合的形式，发挥企业拥有大量真实案例的优势，针对课程体系不同的知识内容挑选有代表性的典型真实案例，再结合学生的特点将企业真实案例再开发，融入课程案例中，同时配有实训指导书指导学生进行学习，最终达到提高学生实战能力的目的。

3.校企联合共建实验室

为了与企业构建起实质性的紧密合作关系，学院开辟出联合实验室和联合研究中心等各类校企合作平台，推动企业将重要但不紧急的项目投放到平台上，由教师与企业员工共同以项目制的方式推进企业真实问题的解决，让学生也参与其中。在这个过程中，企业能获得高校的智力支持，学院能实现师资的有效培養，同时将企业真实项目过程转化为科研成果、学术论文和教学案例，并将其应用到实际教学中去，高效实现产学研一体化运营。

4.产学项目转化案例与课程

近年来，在联合实验室这一平台的促进下，本专业教师团队积极参加产学研项目，项目涉及教育、电商、环保、车联网、金融等多个领域。教师主导或者参与企业实际项目，这样一方面可以实现教师不出校就在企业进行挂职，积累行业经验;另一方面，做过项目的教师可以将产学研项目抽离出来形成实践课程，以案例、项目、任务等实际场景模拟为中心，强化师生间教与学的交流，充分调动学生的积极性，激发学生的学习兴趣。

（三）实践课程体系实例分析

1.实践课程体系确立

通过多年探索，西安欧亚学院数据科学与大数据技术专业形成了自己特点的实践课程体系。在四年的人才培养中，学院始终将企业真实项目实践贯穿整个课程体系。大一、大二的时候，学院通过专业讲座、论坛的形式让学生了解大数据专业、数据行业，在此过程中，学术导师和企业导师均参与其中。同时，为了让学生有交流学习的平台，学院设置了专业社团，并通过工作坊的形式让学生参加实践。大三的时候对标不同领域进行真实项目实践，如教育大数据实践、电商项目实践、物联网项目实践等。大四要完成环保、金融科技等实践项目。学生四年的专业学习始终沉浸在实践项目中，毕业的时候，学生会具备一定的项目实践经验，见图1。

2.实践课程开发

将项目转化为基于项目教学法的实践课程，把基础理论和基本技能的学习融入数据类项目的实践课程学习中，让学生在学中做、做中学，形成基础理论、基本技能和职业素质一体化学习，从而提高学生的学习兴趣，帮助学生掌握课程内容。

环保项目实践课程来源于“长天思源——废气排污预警分析”这一真实项目，课程的内容和形式设计均希望帮助学生掌握使用专业知识解决实际问题的能力，为学生的职业成长提供助力。在课程设计中，应尽可能地让学生接触真实的企业业务问题和充分展现业务特征的模拟数据，引导学生学会使用具体而重要的行业数据解决问题。整个课程开发可以分为三个阶段。

准备阶段。首先，组建课程开发团队，团队成员均为本项目成员。其次，确立课程培养的目标。以环保为例，就是希望学生不仅了解相关业务知识，而且能够使用排放检测数据分析和建模的方法，理解环保的业务知识，挖掘数据所蕴含的信息，为企业排污预测和生产调整等业务场景提供数据分析支持。最后，基于课程培养目标，讨论拆分项目。分析整个项目中哪些适合包装成课程内容，进而确定每个TASK的任务，形成一份文档，这份文档中包含了对项目的介绍以及上面提到的任务序列、实现工具、项目核心。

开发阶段。基于第一阶段达成的共识，团队成员进行每个任务的建设。每个TASK需要提供任务文档、任务数据、评分标准。任务文档包含对这个任务背景知识的介绍、该任务的提交要求以及相关参考文献。以环保实践课程的任务为例，这个任务的目的是让学生掌握企业废气排污异常数据的识别方法。任务文档不是简单介绍如何进行企业排污数据异常识别，而是要思考：随着政策法律惩罚力度的加重，一些污染企业出于畏惧心理造假，针对这一实际问题该如何解决？继而介绍对企业排污数据进行异常识别的方法。我们在介绍每个项目时，都会结合项目背景来介绍。除了任务背景介绍，我们在任务作业的设置中也基于项目数据（脱敏后）让学生完成异常数据识别。当然，异常数据的识别手段也可以介绍一部分，剩下1～2个让学生自己去发散思维。这样不只可以通过任务判断学生的掌握情况，还可以看出学生对问题是否进行了思考。因为这部分涉及大量的R语言操作问题，所以我们给出的参考资料也都是跟R语言操作有关的资料。

课程开发收尾阶段。第一轮基本资料开发收尾存档时，需要有整个的课程介绍，所有的任务文档、任务数据、评分标准、参考资料。第二轮还需要对内容不断打磨，邀请专家进行评估，开发团队也可以进行预演，以此保证课程的授课质量。

三、结束语

数据科学与大数据技术专业作为一个实践性非常强的新兴专业，目前课程体系的建设还存在一些不足，尤其是实践课程体系的设置。如何基于培养目标设置科学的课程体系，从而实现培养目标，使培养的人才符合数据时代企业的用人要求，这个问题还亟待探讨。本文以西安欧亚学院数据科学与大数据技术专业实践课程体系的设置为例进行探讨，意在促进该专业的发展，为应用型高校的数据科学与大数据专业发展提供可行的参考，促进专业人才的培养。

[ 参 考 文 献 ]

[1] 陈欣，周龙福，曹耀钦.探索应用型本科数据科学与大数据技术专业人才培养方案的构建[J]. 现代工业经济和信息化 ，2017（23）：40-42.

[2] 汪连新.互联网金融和大数据时代金融学课程改革及人才培养的思考[J].教育教学论坛，2015（32）：189-191.

[3] 桂劲松，张祖平，郭克华.新工科背景下高校新专业建设思路探索与实践：以数据科学与大数据技术专业为例[J].计算机教育，2018（7）：27-31.

[责任编辑：陈 明]