浅谈高校大数据分析人才培养模式

2014-02-01向程冠熊世桓

中国科技信息 2014年9期

向程冠熊世桓王东

贵州师范学院数学与计算机科学学院，贵州贵阳 550018

1 概述

随着云计算技术的兴起与发展，海量数据信息正在加剧膨胀，大数据信息时代已经来到。如何更好地利用大数据为社会产生良好的效益成为了这个时代最为火热的研究之一，大数据分析人才更是当前市场的紧缺人才。据中国电子报的报道，大数据相关人才的欠缺将会成为影响大数据市场发展的一个重要因素，中国大数据技术与服务市场将会从2011年的7760万美元快速增长到2016年的6.16亿美元[1]。这就为大数据人才提供了更多的就业岗位，也对大数据人才的培养提出了更严峻的考验。

2 高校大数据人才培养现状

在高校的传统培养模式下，在与大数据分析的相关学科（如人工智能、数学、统计学、计算机科学与技术）方面培养了大量的人才，但由于杰出的大数据分析人才不仅要有精湛的技术，还要熟悉相关行业和相关业务的需求。同时，大数据分析人才的培养需要有真实的大数据环境，而这正是高校所缺少的环节。因此，不少高校正努力与相关企业签订校企联合培养计划，如北京航空航天大学与慧科教育在2010年联合开办云计算研究生班，在2013年开办了国内首个“大数据技术与应用”研究生班[2]。在2012年，北京交通大学软件学院与IBM联合发布了信息管理联合人才培养计划，准备联合培养“大数据”时代市场所需的精英型、应用型高端信息管理人才。西安交通大学管理学院于2012年8月与MIT数据科学研究中心联合成立了国内首个大数据和数据质量研究中心[3]。

3 高校大数据分析人才培养模式初探与思考

下面，结合贵州师范学院的特点探讨高校大数据分析人才的培养模式。

3.1 跨专业联合培养，培养复合型专业人才

结合大数据分析人才的特点，对国内主流招聘网站的职位数据分析后发现，大数据分析人才是复合型人才，应该掌握的基本技能有：统计学、数据分析、数学、信息学及计算机编程能力。目前，贵州师范学院数学与计算机科学学院有数学与应用数学、统计学、计算机科学与技术、信息工程四个本科专业，如果从一个专业的角度来培养大数据分析人才显然有太多的局限性，因此，可以充分发挥四个专业的联合培养优势，在四个专业中选择大数据方向的学生进行联合培养，掌握大数据分析人才所必须的基本技能，为大数据分析打下坚实的基础。

3.2 建设大数据分析实验室，培养有实战经验的大数据分析人才

一般情况下，在普通高等学校的人才培养中，要培养出实用的大数据分析人才是很困难的，这主要是因为在很难让学生真正接触到实际环境下的大数据。因此，学院可以建设大数据分析实验室，将大数据方向的本科学生安排进入实验室，真正与大数据“共舞”，在实战中学习，在实战中成长。目前，学院正在准备申请贵阳市大数据重点实验室，并做了很多相关工作，在大数据分析人才培养上将不再是纸上谈兵。

3.3 多平台结合，扬长避短，多能型大数据分析人才

将学院的项目平台作为培养大数据分析人才的舞台，为学生提供项目资助，可以让学生在项目中完成相关的大数据技能训练。目前，贵州师范学院数学与计算机科学学院有贵州省网络工程中心与卓越工程师两个重要的平台，可以为学生提供更好的项目支持，为培养卓越的大数据分析工程师提供更深入的项目实战过程。

3.4 校企合作，打造“卓越”的大数据分析教师队伍

教师作为学生的引领者，只有存在“卓越”的大数据分析教师队伍，才可能培养出“卓越”的人才。目前，教师队伍中大多“只教不做”，而从事大数据的企业人才大多“只做不教”，通过校企合作，一方面可以让高校教师深入相关的企业学习，掌握更切合实际的大数据分析技术和实战能力，建立专门的数据分析专家型教师团队；另一方面可以让企业的大数据分析工程师深入学生课堂，让学生接触更多的大数据实际环境，掌握前沿的大数据分析技术。同时，通过校企合作，可以让学生直接到企业参与大数据分析的相关工作，培养学生的实战能力，也为今后就业经验工作积累。

3.5 在专业人才培养方面，构建334人才培养模式

334人才培养模式即3个专业方向，3种技术平台和4个课程模块。3个专业方向指：软件开发技术方向、移动互联网应用开发方向及大数据方向。3种技术平台指：JAVA平台、Windows VS. NET平台及IOS平台。4个课程模块指：公共课程、程序设计、专业基础及网络课程模块。通过334人才培养模式，根据学生的兴趣偏好，选择自己喜欢的专业方向。同时，3个专业方向可以为大数据分析人才培养打造专业技术生态，共同促进。