吴睿　王艳　程茜　张俊丽

[摘 要]互联网时代，人们的生活行为时刻都被数据记录着，数据量的激增让数据分析成为可能，也让更多的企业认识到数据所带来的价值，社会需要大量的数据分析人员。在这样的背景下，越来越多的高校开始申报数据科学与大数据技术这个专业，以此来填补大数据技术人才的缺口。文章以西安欧亚学院数据科学与大数据技术专业为例，提出以校企联合实验室为纽带，实际项目驱动学生参与校企合作项目的新型培养模式，以这样的方式来培养企业需要的数据科学专业应用型创新人才。

[关键词]数据科学;项目驱动;联合实验室;应用型人才培养

[中图分类号] G642.0 [文献标识码] A [文章编号] 2095-3437（2021）08-0135-03

在全球范围内，研究发展大数据技术、运用大数据推动经济发展、完善社会治理、提升政府服务和监管能力已成为趋势。在国内，从国家战略层面到产业布局，从高校、科研院所的学术研究到企业的实际生产业务，大数据已显露出它所带来的价值。推动大数据、互联网、人工智能和实体经济深度融合是大势所趋。产业发展人才先行，特别是大数据、云计算、物联网等信息服务业，核心动力、产业链发展到最前端的一定是人才。

目前，社会上的大数据人才大多由数学、统计和计算机类学科的毕业生转化而来，这也是目前很多高校开始数据科学与大数据技术专业人才培养的基本思路。这种思路就是将数学、统计类和计算机相关课程进行有机融合，同时设立交叉性的新学科（如智能医学工程、智能建造、计算金融、智能车辆工程等），注重复合应用型人才的培养，培育懂业务、会建模、能表达、会沟通的复合型人才，这成为未来大数据人才培养的发展趋势，也是目前各大高校在数据科学人才培养方面所面临的挑战。

教育部和各高校于2016年2月开始着手数据科学人才培养与学科建设，以此来填补大数据技术人才的缺口。截至2019年，一共有4批共488所高校获批这个专业。西安欧亚学院是一所国际化应用型以商科为主的普通本科高校，一直以来以服务区域经济发展、培养符合企业需求的优秀应用型人才为己任，通过搭建产学合作平台，深入开展产学合作，促进应用型人才的培养。2018年3月，西安欧亚学院成功获批教育部第三批“数据科学与大数据技术”专业，正式开启数据科学专业人才的培养。

一、数据分析岗位的应用型人才需求

为了更好地建设数据科学新专业，进一步明确人才培养目标，我们走访了大量的高校和企业，实地考察各高校实验室建设、师资队伍建设、实训平台构建、人才培养模式及课程体系，同时调研大数据密集型企业，了解大数据关键技术与岗位需求，挖掘数据科学与大数据专业建设的市场导向。同时，我们利用Python公开爬取了全网10万+的大数据方面的招聘数据，通过对招聘数据中岗位任职能力要求的信息，利用文本分析技术，得出企业对人才的岗位画像。线上、线下的调研结果显示，企业需要大量既懂理论又懂业务的数据专业人才。换句话说，大数据应用型人才不仅仅需要大数据方面的专业知识，更需要熟悉业务场景，理解业务逻辑，具备将企业的业务问题转化为数据可分析问题的能力，并将问题拆解为子项目，利用所学的模型和算法，解决这些问题。这对高校师资、教学资源和课程体系等都有很高的要求。数据科学人才的培养思路，应该致力于培养既懂商业逻辑，又懂模型、算法和统计编程软件，既能给出预测结果，又能基于实际问题做出合理的解释， 能为商业问题提供决策建议，让数据产生价值的复合型人才。

二、基于业界能力需求的创新应用型数据科学人才培养体系构建

在数据产业高速发展的背景下，基于业界能力的需求分析发现，企业迫切需要高校能够将课程与实践相结合，让学生拥有能将大数据知识应用于实践的能力，使学生不需要过多的在职训练，就能挑起解决问题的重任。

（一）面向业界的应用型人才培养理念的创新

西安欧亚学院数据科学专业秉承的培养理念，即通过面向业界培养应用型人才、强调学生通识能力、强调学生审美和思维，全流程培养学生的“竞争力、自信心、合作精神、创造性和诚信”，以满足企业对人才的需求。

（二）培养目标

在这样的人才培养理念下，本专业紧扣大数据产业发展趋势，立足数据产业发展现状，培養具有科学的人文精神、创新精神和良好的职业道德，具备自主学习、批判性思维、商业思维、大数据思维和国际交流能力;具备扎实的数据科学的基础知识、理论及技能，包括面向大数据应用的数学、统计、计算机编程、数据可视化等学科基础知识，数据建模、高效分析与处理和大数据处理技术;毕业后能从事金融、教育、物联网等领域的数据采集与存储、大数据分析和大数据可视化等技术应用工作，也可从事大数据研究、咨询的多学科交叉的创新应用型人才。最终形成本专业的人才培养特色：课程与实践相结合，学生拥有运用大数据知识的能力，不需要过多的在职训练，就能挑起解决问题的重任。

（三）“六位一体”人才培养模式的创建

基于这样的人才培养理念与目标，我们形成了“六位一体”的人才培养模式，即从学生入学到毕业，培养理念全贯穿，在混合式课程与业界大咖讲座、学术导师和产业导师的协同下，让学生、教师时刻把握业界动态，并融入我们的课程体系中去，最终通过嵌入企业真实项目实训，保障学生就业，帮助学生以最短的时间满足企业对人才的需求。

在这种培养模式中，我们始终以企业需求为导向，将企业业务场景融入整个人才培养全过程。首先，这种模式以校企联合实验室为纽带，通过承接与专业方向相匹配的企业项目、联合课程开发、学生的实习与就业实现校企双方交流互动。打造与企业同步的校企协作环境。通过良好的平台关注教师和学生参与知识应用和知识创新，促进教师发展与学生进步，促进人才培养与行业、产业发展、就业需求紧密对接。

其次，教师和学生在面向业界的产学合作及日常开展的研究中均实现紧贴产业、紧靠教学，做有用的研究，提高产学项目在教学中的转化，提升教学质量和学生学习效果。与此同时，分院加强与业界有代表性的企业间的联系，通过“校企联合实验室”的方式促进业界与人才培养的融合，更好地培养高质量的创新应用型人才。

（四）联合实验室助力人才培养理念落地

在以面向业界为核心的人才培养理念的指导下，为了模拟真实的企业环境，加强与企业间的联系，本专业采用了通过“校企联合实验室”的方式促进业界与人才培养的融合，更好地培养高质量的创新应用型人才。

“校企联合实验室”是校企协作的纽带，师生通过承接与专业方向相匹配的企业联合项目共同联合开发课程，实现实景项目驱动的教学以及学生的实习与就业，实现校企双方交流互动，最终实现本专业理念的落地。在“校企联合实验室”中，学生在学习知识的同时，可以在真实的实验室里面做一个很好的操练，这种创新培养模式下培养出来的学生能掌握核心的技能，解决我们专业课程不足以满足我们产业发展需求的问题。

目前，我校数据科学与大数据技术专业已经建设了一个联合研究院和三个联合实验室，分别是与“狗熊会”团队合作的欧亚狗熊会数据科学研究院、与国内知名大数据企业百分点合作的深度学习实验室、与西北地区数据头部企业美林数据合作的可视化实验室、与商智通共建大数据智能综合实验中心等，与行业中的一流企业进行合作，把握最新业界动态。

1.校企联合产学项目

在联合产学项目方面，企业提出实际业务问题，并提供相关数据资料和行业知识;教师带领学生将企业的业务问题转化为数据可分析问题，并将问题拆解为子项目，指导学生利用所学的模型和算法，解决这些问题。联合产学项目将企业的真实环境带到学校中，师生不用出校就可以参与真实项目。

为了让更多的学生能直接参与企业真实项目，教师和学生一起将做过的项目进行二次开发，转化为教学案例或实践课程，反哺教学。学生在此过程中，会有更多的机会提前了解企业面临的实际业务问题，并且在完成项目的同时，了解企业的用人需求，从而进一步提升自己、完善自己，使自己在择业中更加具有竞争力。

2.课程体系构建

课程体系是人才培养的关键，对于数据科学这一实践性很强的专业而言，除了重视学科技术、专业主干课程之外，应用型或者说面向业界的课程的开发就显得尤为重要。在基于联合实验室的课程体系构建中，充分发挥校企基于实验室合作的优势，在核心课程的开发中校企合作并行。高校教师负责理论部分的建设，企业教师负责提供最新的实践案例，双方有机结合在一起，达到最优。

就我校开设的数据科学与大数据技术专业而言，一方面，我们与行业排名前10的企业合作共同开发专业核心课程，如分布式存储与计算、机器学习、数据可视化技术、文本信息处理与应用、教育大数据实践等，双方教师理论与实践方面相结合，开发的课程能让学生掌握足够的知识，并且及时了解业界需求。另一方面，本专业积极与企业进行产学研合作，并将合作后的案例转化为实践课程。目前，本专业已经与合作企业在金融、环保、物联网、征信风控、教育等领域开展了10余项联合项目研究，并对这些研究项目进行了案例转化，开发实践教学课程反哺教学。

3.师资建设和学生培养

在现有的培养模式下，教师一般理论知识比较成体系，但是动手能力相对较弱。而数据科学与大数据技术专业知识更新快，相关理论知识要随时更新。现阶段，教师受以前教学模式的影响，没有到企业进行岗位实践的经验，这导致教师在知识上无法将理论与实践有效连接，在实践课的教学上缺少企业实际项目的经验，从而导致学生无法较好地将理论应用于实践。

通过校企联合实验室的形式，教师能够得到多方面的成长。首先，教师可以在企业真实项目中丰富业界经验，不出校即可實现行业挂职。其次，教师可以将企业真实项目转化为科研课题，进行深度研究，并带学生发表相关论文。最后，也是最重要的，教师可以将企业项目转化为教学案例或实践案例后再反哺到教学中，让更多的学生受益。学生在参与整个项目的过程中不仅可以接触到企业最新的业务知识和行业面临的问题，同时还可以将所学的理论和实践有机地结合起来。整个培养过程中都有企业的参与，企业更加熟悉和了解我们的学生，常常有部分优秀的学生被合作企业选去实习并顺利就业。

4.校企联合实验平台的实训基地建设

为支撑上述应用型人才培养方案的改革，需要进行长期持续的教学基础资源建设，目前最为迫切的资源是实践教学平台建设。这样的平台目前在市场上并不多见，需要教师依托学院、学校的力量在已有的开源工具基础上进行研发。分院已经和企业合作开发了数据科学实训平台，同时在平台上配备了真实的商业案例，每个案例被分解为若干步骤，学生只需逐个完成任务，就可以写出同样水平的商业分析报告。整个实践平台通过网页使用账号登录，可以在课堂上使用，这克服了学生软件安装过程中的bug和操作系统版本不兼容问题，同时所有数据都存放云端，方便学生随时查看。

5.保障机制

数据科学与大数据技术人才培养的最终目标是培养符合业界要求的应用型人才，这就需要有完备的人才质量评价体系，这样才能保证培养出高质量的人才。在保障机制中，本专业坚持以学生为中心，以业界人才需求为导向。在考核目标上，以学生实际应用能力为目标，考核形式多样化，不仅有学校教师的考核，企业人员也要参与学生能力的评价，双导师制的评价体系为提升学生的培养质量提供了保障。

三、结语

不论是产学项目还是校企合作，不论是案例教学还是行业大赛，目的都是让学生在校学习期间就可以接触到大量的真实案例，让学生清楚当前企业所面临的真实业务问题是什么，让学生明白如何利用所学知识，将企业真实问题转化为数据可分析的问题，这是检验学生是否具备数据分析思维的标准。

[ 参 考 文 献 ]

[1] 尹天鹤，陈志荣.面向产教融合的数据工程类人才培养探索与实践[J].高等工程教育研究，2019（3）：94-98.

[2] 刘冠男.商学院背景下的数据科学人才培养研究[J].教育导刊，2019（10）：74-79.

[3] 刘建阳.基于项目为驱动的校企合作创新创业型人才的培养模式的改革与实践[J].教育教学论坛，2020（12）：8-9.

[4] 刘颖，王爱莲，宣齐娜，等.新工科背景下数据科学与大数据技术专业建设探析：以地方财经类高校为例[J].吉林工商学院学报，2019（6）：106-109.

[5] 李春忠，刘成兰.财经类院校理科专业大数据人才培养模式探索[J].西部素质教育，2018（2）：4-5+11.

[6] 王纲.谈融入式的校企合作人才培养模式：电子科技大学计算机学院的探索与实践[J].数码世界，2019（3）：207-208.

[责任编辑：陈 明]