陈瑛 章鸣嬛 郭欣 张璇 季萌

摘 要： 人类社会正经历着一场由大数据引发的社会革命。弥补大数据行业的人才缺口是国家和高校面临的重要挑战和机遇。上海杉达学院紧跟国家战略，依托“中科曙光”大数据学院，探索出一套适用于该校学生的数据工程类应用型本科人才培养模式。课题组在大量前期调研和分析的基础上，与业内知名企业深度合作，共同讨论并确立了人才培养目标，制定了培养方案和课程体系，建成软硬件实验环境，大力建设师资队伍，并引入职业认证和工程教育作为质量监控指标。测试结果显示，课题组探索出的该套方案对于我校数据工程专业方向的学科建设和人才培养具有重要的指导作用，对于同类高校的相关专业建设也具有积极的借鉴和参考价值。

关键词： 数据工程; 应用型本科院校; 人才培养模式; 校企合作

中图分类号： Q334      文献标志码： A

Exploration on the Education Mode of Applied

Undergraduate Talents in Data Engineering

CHEN Ying， ZHANG Minghuan， GUO Xin， ZHANG Xuan， JI Meng

（Research Center of Big Data Analyses and Process， Information Science and Technology，

Shanghai Sanda University， Shanghai 201209）

Abstract： Human society is experiencing a social revolution triggered by big data. It is an important challenge and opportunity for China and Chinese universities to make up for the talent gap in big data industry. Following the national strategic policy， Shanghai Shanda University， availing herself of the College of Sugon Big Data， has explored applied undergraduate education mode for students majoring in data engineering. On the basis of a large number of preliminary research and analysis， the university， by virtue of in-depth cooperation with well-known enterprises in the industry， discussed and established the new education objectives， developed education programs and curricula modules， formulated software and hardware experimental environment， vigorously built up the teaching staff， and introduced vocational certification and engineering education as quality monitoring indicators. The explorative practice shows that the explored program by the university is of importance in guiding the discipline construction and talent education in data engineering majors at the university， and can also shed light on the development of major reform by universities of its kind.

Key words： Data engineering; Applied university; Talent training mode; School-enterprise cooperation

0 引言

近幾年来，大数据发展的浪潮席卷全球，人类社会正经历着一场由大数据引发的社会革命。信息系统在各行业、各领域快速拓展。这些系统采集、处理、积累的数据越来越多，数据量增速越来越快，以至用“海量、爆炸性增长”等词汇已无法形容数据的增长速度。2017年，全球大数据市场规模将达到423亿美元，预计2022年全球大数据市场规模将达到800亿美元。随着大数据应用的发展，大数据市场规模很快将会突破千亿美元。近年来全球及国内大数据市场的规模，如图1和图2所示。

发达国家已认识到“大数据”的重要意义，纷纷将以开发、运用“大数据”作为夺取新一轮竞争制高点的重要抓手。我国也同步积极发展“大数据”相关技术。2015年8月，国务院发布了《关于促进大数据发展的行动纲要》;同年11月，在

五中全会上提出了国家大数据战略，将“大数据”的开发运用上升为国家战略。《十三五（2016-2020）》规划中明确提出，“实施国家大数据战略，推进数据资源开放共享。”

目前，大数据行业尚存在着巨大的人才缺口，难以满足日益增长的社会需求。麦肯锡的一份研究报告显示，2018年，全美范围内对具备量化分析等分析技能的“大数据”相关人才的需求，达到400万之巨。埃森哲的调查则显示，2018年，仅美国和英国，数据科学家职位的增长速度是其它职位的五倍。在国内，人力资源专业机构数联寻英今年7月发布的《大数据人才报告》显示，目前全国的大数据人才仅46万，未来3-5年内大数据人才的缺口将高达150万。因此，弥补大数据行业的人才缺口，是国家和高校面临的重要挑战和机遇。

各高校纷纷加快了大数据人才培养的步伐。2016年2月，北京大学、对外经济贸易大学、中南大学首次成功申请到数据科学与大数据技术本科新专业。2017年3月，教育部批准全国35所高校获批开设数据科学与大数据技术专业。2018年3月，第三批本科院校共248所获批数据科学与大数据新专业。

上海杉达学院（以下简称“我校”）是一所应用型本科高校，其二级学院信息科学与技术学院（以下简称“我院”）自2012年开始着手大数据专业方向的筹备以及该领域的研究工作。我校于2016年获批教育部数据中国“百校工程”项目，建成“杉达-中科曙光”大数据学院（以下简称“大数据学院”）。2017年3月，新建计算机科学与技术专业（数据工程方向），并于同年9月以“大数据学院”的名义招收第一届学生。学校在“十三五规划”中明确提出，“数据工程”将是我校重点建设的专业方向之一。并已于2018年7月提交了数据科学与大数据新专业的申请报告。目前，我院的计算机类专业（或方向）包括：计算机科学与技术、软件工程、计算机科学与技术（数据工程方向）。数据工程方向同时隶属于大数据学院，以培养数据工程流程链的前端人才为主要教学目标。

我校信息科学与技术学院项目组于2016年成功申请到上海市民办高校重点科研项目（“数据工程”应用技术型人才培养模式研究）。经过在两年多的项目建设，总结出一套数据工程类应用型本科人才培养模式。

1 核心概念界定

1.1 数据工程流程链

数据工程流程链可视为面向数据的全流程处理的体系工程。简略描述如图3所示。

对图1分析如下：

1） 经大量前期调研及分析后发现，国内外不同高校对于流程链环节的重点把握各异，故对于“面向数据的全流程处理”的名称也不尽相同。有称“数据工程”[1];有称“数据科学”[2-3];还有的提法比较笼统，称之为“大数据”[4]。结合我校的实际情况，本文采用“数据工程”的提法。

2） 从流程链的位置及其技术深度来考虑，可将流程链分解为前端和后端。前端包括数据采集、数据存储及数据管理、数据预处理、数据分布状态分析等;后端包括数据建模和数据挖掘、人工智能及其行业应用等。对我校本科生的培养将主要定位于该流程链的前端，同时兼顾其后端环节的人才培养，如培养行业应用实施工程师。

3） “数据可视化”可置于该流程链的多处位置，故单列为一旁支。比如，在进行数据预处理、数据分布状态分析以及数据建模、数据挖掘之后，均可利用数据可视化技术进行效果展示。

4） 流程链上各环节所需的能力涉及到多学科交叉，如计算机科学、统计学、应用数学及各应用领域。每一学科都提供了数据工程人才所需的必要能力[5-7]。

1.2 应用型本科

应用型本科，是指以应用型为办学定位的本科高校，包括地方本科高校（含新建地方本科高校和老地方本科高校）、独立学院以及部分部属本科院校。自2014年《关于地方本科院校转型发展的指导》出台以来，地方本科高校的“转型”為应用型高校就成为中国高等教育领域的“新常态”。

产教深度融合[8]的基本内涵是产教一体、校企互动，实现应用型教学过程与行业企业生产过程的深度对接，融教育教学、生产劳动、素质陶冶、技能提升、科技研发、经营管理和社会服务于一体。以社会需求为人才培养的导向，真正实现产教融合，是应用型高校在转型之路上的必然选择。

我校是上海市应用型地方高等院校，信息科学与技术学院秉承“产教融合”的指导思想，并于2017年获批上海市属高校应用型本科试点专业建设。我院多年来坚持选择有志于教育事业的业内知名企业为合作伙伴，校企深度合作，联合培养应用型人才。

2 建设方案

2.1 建设思路

根据国家战略目标和上海市的政策导向，结合我校的具体情况，课题组提出了总体建设思路，如图4所示。

我校紧跟国家战略和政策，根据建设基础调整专业布局，培养社会紧缺人才。为体现以社会需求为导向，真正实现产教融合，我院在人才培养过程中十分重视与业内知名企业的合作交流。目前，与我们有深度合作的企业有中科曙光、华为、百度等。校企共商专业培养方案，制定课程体系和教学计划，共建可供教学和科研使用的实践环境。在学科建设过程中加强师资培养，鼓励教师参与纵向和横向的科研及教改课题，大力建设人才队伍。我院以“质量工程”为保障，将职业认证和工程教育作为质量监控的考核指标。

2.2 建设途径

依据2.1小节提出的建设思路，我们探索并设计了具体建设途径，如图5所示。

由图5可看出，建设途径遵循“社会需求→岗位能力→行业发展”的主线。由社会需求总结出岗位能力，并将岗位能力落实到具体课程中。根据行业发展的动态，及时调整和补充培养方案和教学计划，逐步完善数据工程类应用型本科人才培养的模式。

3 具体实施

3.1 设计培养方案和课程体系

对1.1小节的图3“数据工程流程链”细化后，得到数据工程流程链的主要课程群。如图6所示。

为更好地构建以能力为本的课程体系，课题组从第二批获准开设数据科学与大数据技术专业的高校中选择了33所学校，对其课程设置进行了对比分析。由于北京大学和复旦大学是研究型高校，其课程设置与其它31所学校较为不同，故将其单列出来。最后一列是我校数据工程专业方向的课程设置情况。如表1所示。

■表示该类课程与对应能力的关系密切;□表示该类课程与对应能力有一定关联，但程度较弱。

从表1中可看出，我校院设了较多的大数据类课程，与专业核心能力和流程链前端技术能力关系密切，符合我们的培养定位和培养方案。同时，为加强学生的项目执行能力和行业应用能力，我院还开设了一系列的应用领域类及综合实践类课程，这与我院重视“产教融合”的理念相契合。

针对数据工程专业方向教学计划中所有的课程，各类课程所占比重如表2所示。

从表2中可以看出，通识教育类课程所占比重最大，占比34.5%，体现了我校“宽口径”“厚基础”的办学特点。其次是综合实践类课程，占比约为25.5%，这是专业课的集中实践环节。比如Hadoop部署实践、数据预处理实践、数据可视化实践等。除了在该类课程中完全采用实践形式之外，在其它几类课程中也包含了丰富的实践内容。

3.2 实验环境建设

我校曾于2013年建成大数据分析与处理实验室（以下简称“大数据实验室”），该实验室是供教师或少量优秀学生使用的科研实验室;于2014年与IBM公司共建大数据校企联合创新实验室。依托于这两大实验平台，我院已较早地开展了一系列数据工程领域的科研及教学活动，取得了一定的研究成果。

2016年学校获批教育部数据中国“百校工程”项目，并于2017～2018年完成了大数据应用技术实践教学中心的建设。同时，学院已于2018年建成了协同管理数据中心，用于统一存储和管理学院内部所有重要数据以及各类纵横向科研课题的研究数据。此外，学院还配套建成了多间大数据类的前端实验室并投入使用，为学生实验和教师科研提供了强有力的软硬件保障。

3.3 师资培养

如本文1.1小节所述，数据工程流程链各环节所需的能力涉及到多学科交叉，每一学科都提供了数据工程类人才所需的必要能力。这对教师的专业素养也提出了新的要求的挑战。为更好更快地协助教师提升业务纸质，我院采取了如下措施。部分措施经试用后已取得良好效果，部分措施仍在试用过程中。

1） 鼓励教师利用寒暑假和业余时间进行自学及参加各类业务培训;

2） 在院内建立平台课，成立课程群教研组，促进教授同类课程的教师相互探讨业务问题;

3） 鼓励教师积极申报各类纵、横向课题，通过参与项目研究来提升教师的业务能力;

4） 加大校企合作力度，与企业技术员形成混合师资团队，培养“双师型”教师队伍。企业技术员教授课程时，要求专业教师随堂听课，双方发挥各自的长处，互相补充。

5） 在大一新生中选拔优秀学生组建“卓越班”，学生倒逼教师，激励教师提升业务素质。

6） 引进相关专业的中高层次人才，鼓励教师攻读相关专业的博士学位。

3.4 质量工程

我院以“质量工程”为保障，引入工程教育认证和职业认证作为质量监控的考核指标。工程教育专业认证遵循三个基本理念：成果导向、以学生为中心、持续改进[9-10]。成果导向（Outcomes-Based Education，OBE）的教育理念是一种先进的教育理念，特别强调了学生学到了什么而不是老师教会了什么，强调教学过程的输出而不是其输入，强调个性化教学。这对教师的教改工作提出了新的挑战。

OBE实施效果的关键在于教师。项目组拟从五个方面对标工程教育，促进学科建设，开展教学改革。分别是：教师知不知道怎么改（理念）、教师愿不愿意改（激励措施）、教师有没有条件改（条件保障）、教师有没有能力改（教师水平）、教师整改效果（评价）。

4 建设成效

在上述思路的指导下，我校数据工程专业方向的建设已呈现出良好的发展态势。越来越多的教师愿意投身到该领域的科研和教学中。同时，课题组对本院相关专业的学生进行了小样本、单环节测试，取得了较好的成效。

1） 教师科研

自2013年大数据实验室建成以来，部分教师积极参与到实验室的科研工作中。依托校大数据分析与处理研究中心，完成了若干横向或纵向科研课题，发表了一批较高质量的科研/教学论文。有若干教师晋升高一级职称或获取高一级学位。这为专业筹备和建设提供了重要的师资储备。表3列举了部分项目情况。

值得说明的是，在表3所列举的项目中，幾乎所有项目均有学生参与其中。他们或以勤工助学的形式参与，或以兴趣小组的形式参与。在此过程中，极大地增长了专业知识，锻炼了实践能力。

2） 学生参与项目建设或毕业论文选题情况

在计算机科学与技术专业的学生中，随机抽取若干名大四学生，由校企联合师资共同指导他们完成数据工程领域的毕业设计和毕业论文。同时，指导若干名相关专业的学生开展数据工程领域的创新创业活动。他们或是毕业论文成绩为优，或是在创新创业活动中表现突出。如表4和表5所示。

5 总结

本文总结了上海杉达学院“中科曙光”大数据学院数据工程类人才培养模式的经验。我校紧跟国家战略政策，以社会需求为导向，适时调整专业布局，培养该领域社会紧缺人才。在大量前期调研和分析的基础上，与业内知名企业深度合作，双方共同探讨并确立了人才培养目标，制定了培养方案和课程体系，建成实验环境，建设师资队伍，并引入职业认证和工程教育作为质量监控指标。测试结果显示，课题组探索出的这套方案对于我校数据工程专业方向的学科建设和人才培养具有重要的指导作用，相信对于同类高校的相关专业也具有积极的借鉴和参考价值。

参考文献

[1] 施达，杨晋浩，张志强，等. 数据工程类本科人才培养体系的探索与实践[J].成都大学学报（社会科学版）.2017，169（1）：112-117.

[2] 徐昊，秦玥，黄岚.面向通识教育的数据科学课程建设[J].计算机教育.2016，8（8）：158-162.

[3] 陈振冲，贺田田.数据科学人才的需求与培养[J].大数据.2016，58（11）：95-106.

[4] 周傲英，钱卫宁，王长波.数据科学与工程：大数据时代的新兴交叉学科[J].大数据.2015，22（1）：1-10.

[5] 陈雪平，马强，黄恒振，等.大数据背景下普通高校统计学本科专业课程设置的探讨[J].高教学刊.2018.21：70-72.

[6] 曹嘉君，王曰芬. 基于数据科学的知识创新服务应用模式构建研究[J].情报学报.2018，37（10）：971-978.

[7] 杨京，王效岳，白如江，等. 大数据背景下数据科学分析工具现状及发展趋势[J].情报理论与实践， 2015， 38（3）： 134-137.

[8] 张彦富.产教融合引领机械类专业应用型转型培养模式改革与实践[J].价值工程，2017（25）：174-175.

[9] 李志义. 解析工程教育专业认证的成果导向理念[J].中国高等教育，2014（17）：7-10.

[10] 王孙禺， 赵自强. 中国工程教育认证制度的构建与完善[J].高等工程教育研究，2014（5）：23-34.

（收稿日期： 2019.01.01）

基金项目：2017年上海市属高校应用型本科试点专业建设（Z30011.18.005）;2016年上海市民办高校重点科研项目（2016-SHNGE-01ZD）。

作者简介：陈瑛（1968-），女，上海人，教授，博士，研究方向：数据科学，生物医学工程。

通讯作者：章鸣嬛（1980-），女，副教授，博士，研究方向：数据科学，计算机应用。

郭欣（1982-），女，硕士，研究方向：大数据技术。

张璇（1981-），女，硕士，研究方向：数据库。

季萌（1973-），女，硕士，研究方向：数据工程。文章编号：1007-757X（2020）02-0005-05