陈蕾　周丽　姜涛

摘  要：该文从人才培养模式创新、产教融合提升人才培养质量视角，对大数据本科专业应用型人才培养的多元学科专业基础和培养路径做出分析，进而以物流大数据专业群应用型人才培养为例，通过实施文理文工融合改革思路构建物流大数据复合知识体系，建设“多专业+多课程+多层次+多要求”的大数据实践实训平台、多学科专业融合互促的泛在化教学体系和深化产教研融合，形成多元基础分路径培养的人才培养思路并应用实践。通过物流大数据人才培养改革创新与实践，2021—2023年文理文工融合人才培养模式获得认可，教学成果突出，促进学科专业资源整合，形成“资源-名师-成果”互促上升的发展路径，人才培养质量显著提升，社会认可度提高。

关键词：大数据专业群；多元基础；理工管多学科融合；大数据人才培养；应用型人才

中图分类号：U455.6 文献标志码：A          文章编号：2096-000X（2024）18-0175-04

Abstract： From the perspective of talent training model innovation and the integration of production and education to improve the quality of talent training， this paper analyzes the multi-disciplinary professional foundation and training path of applied talent training for big data undergraduate majors， and then takes applied talent training for logistics big data professional groups as an example， constructs logistics big data composite knowledge system， the big data practice and training platform of "multi-major + multi-course + multi-level + multi-requirement"， and the universal teaching system of multi-disciplinary professional integration and mutual promotion， deepening the integration of production， teaching and research， forming a multi-basis and sub-path training of talent training ideas and application practice，  through the implementation of the reform idea of the integration of arts， science， culture and industry. Through the reform， innovation and practice of logistics big data talent training， in the past three years， the talent training model of the integration of arts， science， culture and industry has been recognized， the teaching achievements have been outstanding， the integration of disciplinary and professional resources has been promoted， and the development path of "resource - famous teacher - results "has been formed， the quality of talent training has been significantly improved， and the social recognition has been improved.

Keywords： big data professional group; multiple basis; multidisciplinary integration of science， technology and management; big data talent training; applied talents

当前我国已经进入由工业经济向数字经济转型的关键时期，大数据技术是推动经济社会科学发展和高质量发展的重要手段，数据作为新的生产要素列入国家基础性战略资源已成为全球共识。面对世界百年未有之大变局和新一轮科技革命和产业变革机遇期，世界各国纷纷开启大数据产业创新发展新赛道，抢占大数据产业发展的制高点，我国也非常重视大数据产业发展与规划，2021年工业和信息化部发布的《“十四五”大数据产业发展规划》提出到2025年底，大数据产业测算规模突破3万亿元的增长目标。

大数据产业作为以数据生成、采集、存储、加工、分析和服务为主的战略性新兴产业，是支撑经济社会全产业链质量变革、效率变革、动力变革的重要引擎。大数据技术在各个行业的应用提升了行业运作效率、科学管理质量和治理水平，也颠覆了传统行业的工作岗位和职业需求，大量传统的工作岗位将被数据自动处理和人工智能技术替代，大数据分析与处理能力成为经济社会人才的基本技能[1]。大数据技术的应用需要与行业和产业密切关联，以物流行业为例，智慧物流将是中国物流产业发展和转型的必由之路，更是畅通国内大循环，促进国内国际双循环的重要支撑与保障。数字经济新技术、新模式、新业态和传统物流行业的智慧化需求，迫切要求对物流大数据类人才培养开展依托多学科交叉的知识跨界整合，重构文理文工融合的课程体系，夯实产教融合创新教学模式，立足中国智慧物流产业自主培养服务区域经济的复合应用型人才。

一  大数据专业设置与人才培养现状

（一）  大数据本科专业设置背景

为应对社会对大数据人才需求的急速增长，教育部自2016年批准设立数据科学与大数据技术本科专业（080910T，计算机类，授予理学或工学学位），自2018年批准设立大数据管理与应用本科专业（120108T，管理科学与工程类，授予管理学学位）。数据科学与大数据技术专业侧重培养学生数据科学思维，运用数据建模、机器学习等方法探索数据关联进行数据挖掘，主要培养算法工程师和数据科学家。大数据管理与应用专业侧重培养学生大数据管控与治理思维，将大数据技术与行业或具体业务背景相结合，培养学生具备运用恰当的数据分析处理工具对行业数据做深度挖掘分析，获得基于数据分析和治理的支撑行业发展和运营决策的政策建议。从专业设置的门类归属和培育目标可以看出两个专业的学科基础、知识技能培养侧重点均不相同，数据科学与大数据技术专业培养的学生更专注于底层算法和数理逻辑方面的学习，大数据管理与应用专业更加注重培养学生对应用大数据技术和工具开展数据治理和数据综合决策的能力。

（二）  大数据人才培养面临的问题

大数据专业是数字经济时代为适应各行业数据治理和决策需求以及企业数字化转型需求应运而生的新办专业，人才培养的定位和专业标准还没有明确，现有对大数据专业人才培养的研究中，多是基于单一专业背景[2]开展的，主要围绕专业课程体系[3]、实践教学体系[4]、本硕一体协同培养[5]等主题开展研究。大数据专业是一个涉及计算机、统计学、管理学等多学科基础的复合型专业，特别需要学生具备将数学建模、计算机算法逻辑与管理实践相结合应用的技能，现有的研究缺乏立足行业人才需求视角，依据不同大数据岗位需求对大数据专业人才主要技能进行梳理和分类，缺少对不同专业基础和学位的大数据人才技能培养的比较研究，缺乏融合多个专业背景，基于多元专业基础，立足大数据应用领域多路径人才培养的研究。

（三）  构建“多元基础、分路径培养”的大数据人才培养体系

信息技术赋能产业应用迫切需要大量适配数字经济的应用型人才，许多企业都需要解决数字化场景带来的海量数据处理问题，大数据专业就是一个集合数学、计算机科学与技术、统计学和管理学等多学科交叉融合场景构建复合知识体系的专业，各个高校根据人才培养依托的特色和优势学科以及行业背景，培养具有多学科知识基础融合行业背景的复合型人才[6]。多元基础是指大数据人才培养的多元化专业基础，大数据专业的建设基础多是依托传统专业的建设基础进行升级、改造或转型而来，数据科学与大数据技术专业多是依托计算机专业或统计学专业基础建设[7]，大数据管理与应用专业多是依托信息管理与信息系统专业建设[8]，融合数学、计算机科学与技术、统计学和产业行业业务需求，形成复合型多元化的大数据人才培养知识储备和支撑体系。分路径是指通过梳理与融合多元专业基础，根据岗位需求技能不同进行差异化人才培养，按照大数据算法优化与设计、大数据工程实施、业务数据分析应用不同路径培养数据科学家、数据工程师和数据分析师等大数据应用人才。

本文的研究目标是依据智慧物流产业对物流大数据人才的迫切需求，在分析不同大数据岗位的知识结构的基础上，探讨建立多元基础、分路径培养模式的物流大数据人才培养机制。

二  大数据专业人才培养路径

（一）  大数据应用型人才培养注重数学、英语、计算机基础技能

数字经济时代的应用型大数据人才必须具备的工具型知识包括数学工具、外语工具和计算机语言工具。数学是数据科学的通用基础，计算机语言以数学逻辑和英语为基础，随着企业对员工数字化技能要求的提升，掌握基础的计算机语言已经成为各个岗位的一项基本技能，而外语工具既是国际交流的重要工具，也是程序设计语言的基础语言。数学、英语、计算机工具既是大数据专业学生必备基础知识，也是后续专业课程中用到的重要工具。大数据专业知识体系与培养路径示意图如图1所示。

（二）  大数据应用型人才培养根植传统专业依托学科专业交叉优势

传统行业的数智化改造需求与适应数字经济社会需求的转型孕育了大数据专业，大数据专业的知识体系涵盖了计算机科学与技术知识体系、统计学体系和管理学体系，根据学校学科专业特色和依托行业领域不同，各学校大数据专业建设和人才培养的特色各不相同，但都需要夯实基础知识体系，努力做到专业建设依托背景学科有特色、服务区域发展出特色、对接国家需求强特色。数据科学与大数据技术专业建设主要依托计算机科学与技术、统计学、应用数学多学科交叉构建具有交叉知识结构的专业，是新工科需要的交叉型专业；大数据管理与应用专业主要依托管理科学与工程、计算机科学与技术等学科交叉构建具有交叉知识结构的专业，是新文科需要的交叉型专业。

（三）  大数据应用型人才培养落地于行业企业实践场景

现代企业在面临数字化转型和数字化企业治理的过程中，各类系统平台的海量数据处理需求迫切需要更多的既懂数字逻辑规律又理解行业应用背景的数智化人才，大数据应用型人才培养需要有效对接产业和行业岗位需求。以物流行业为例，数字经济新业态和传统物流行业的数智化转型需求，迫切要求对物流大数据人才培养开展依托多学科交叉的知识跨界整合，重构文理文工融合的课程体系，夯实产教融合创新教学模式，构建具有中国特色的教学案例，立足中国智慧物流产业培养服务区域经济的复合应用型人才。

三  物流大数据人才培养改革创新与实践

（一）  改革思路

1  突出学科交叉和专业集群优势，建立理工管多学科门类的大数据专业群

将覆盖理、工、管三个学科门类的七个物流信息类本科专业在师资、实验室和组织结构等资源互融共享为复合应用型人才培养提供支撑：计算机科学与技术、物联网工程专业为大数据运算提供软硬件平台搭建基础；应用统计学、信息与计算科学专业为大数据建模与运算提供理论模型支撑；信息管理与信息系统、电子商务专业为大数据分析、治理与可视化提供应用场景。各专业研究背景和知识基础，为数据科学与大数据技术和大数据管理与应用专业建设提供了建设的基础和资源准备，同时两个大数据专业为传统专业提供了新的培养方向和实践应用出口，最终形成以理工管传统专业为多元基础，数据科学与大数据技术和大数据管理与应用两个新办专业为特色和优势的大数据专业群。

2  细化大数据人才培养的岗位需求，按照数据科学家、数据工程师、数据分析师不同路径设置多元基础分路径发展的人才培养体系

大数据行业不同岗位对人才知识能力要求并不相同，按照数据科学家、数据工程师、数据分析师不同岗位梳理岗位对应的知识、能力、素质毕业要求，进一步建立对应毕业要求的专业核心课程，依据计算机科学与技术工学计算机基础、应用统计学理学数理基础、信息管理与信息系统专业管理学应用场景建立不同培养路径的大数据人才培养路径，明确培养目标和就业方向。最终形成具有物流大数据特色的融合多专业基础、培养目标清晰、以培养实践应用型人才为导向的人才培养体系。

3  突出物流大数据培养特色，促进传统专业升级转型，破解传统专业招生就业难题

以大数据为特征的信息技术的发展，对产业发展和社会管理问题都产生了影响，把数据转化为有用的信息和知识，培养具备依托大数据进行深度分析能力的新型物流大数据人才，是适应社会需求有效提升人才培养质量的途径。整合计算机科学与技术、管理科学与工程、统计学理工管多学科研究成果和师资平台等软硬件资源，围绕智慧物流产业链中数据分析处理微观维度（仓库环境物联网感知数据）、中观维度（智能物流大系统业务与智能化运维数据）、宏观维度（智慧物流调度与路径优化数据），按照数据采集、存储、分析和治理规律，梳理跨专业课程体系和大数据实践体系，培养学生基于物流产业实践的大数据分析处理能力，提升学生就业创业能力。

（二）  主要举措

1  建设“多专业+多课程+多层次+多要求”的大数据实践实训平台

构建大数据课程实践教学平台，提供理论知识体系、知识逻辑对应实践训练。将大数据采集与清洗、大数据存储与处理、大数据可视化展现、深度学习与人工智能和大数据程序设计基础等大数据专业核心课程的课程资源和与之相配套的实训资源整合为一个实践教学资源平台，实现不同专业依据培养需求、选择不同课程及其配套实训组合，以达到不同培养路径的专业培养要求。

构建大数据综合实训平台，提供实训体系项目驱动实践训练。提供真实案例数据和行业情景，为学生提供综合运用专业知识解决现实问题的实践训练项目，训练学生从现实情景中提炼问题，设计模型，采集真实数据带入模型，通过模型运算得到数据分析结果，为管理和生产科学决策提供支持。

2  构建校内外、课内外多学科专业融合互促的泛在化教学体系

在师资、教材、课程资源、学科竞赛、毕业论文和实践创新活动等方面全面引入产业导师和产业场景，构建“多元师资、学赛互促、分级进阶”的教学新模式，实施“育名师、磨金课、建教材”举措，按智慧物流产业理论、方法与技术分类组建跨学科校企师资团队，对接课程群，支持理学、工学、管理学教学资源共享互促；搭建“课内理论导学、课外社团延学、竞赛分级培育、创新项目拔高、企业实践演练”的教学体系。

3  深化大数据专业产教研融合

依托学科科研平台、实践教学基地和产学研合作实践成果，建设物流大数据实验室搭建物流大数据实践场景，将企业现场搬入教室。聘请物流行业企业导师担任企业家课堂讲师、毕业论文指导教师、大创实培项目校外导师，深度参与学生第一课堂和第二课堂实践教学和本硕一体化培养，将企业导师请入课堂。拓展企业实践资源，鼓励教师服务区域经济参与企业生产实践实现科研成果转化进而反哺教学，校企共建企业案例共享库，将产业案例写入教材。积极与行业头部企业建设校外应用型创新人才培养基地和产业学院，学生在企业完成不少于三个月的顶岗实习或社会实践类课程，将社会变成学校。

（三）  改革成效

1  文理文工融合人才培养模式获得认可，教学成果突出

围绕“文理、文工融合”的专业建设思路，加强产学研深度融合支撑应用型人才培养，专业水平显著提升，计算机科学与技术、信息管理与信息系统、应用统计学等传统专业均获批国家级一流专业或市级一流专业建设点，专业软科排名稳步提升，数据科学与大数据技术、大数据管理与应用作为信息交叉专业特色突出。获工信部批准建设“校企协同就业创业创新示范实践基地”，在数字供应链方向支持与中小企业产教、科教融合发展。体现多学科融合思路的“面向智慧物流产业链的信息类专业群人才培养模式改革与实践”获2021年北京市级教学成果奖二等奖。物流大数据人才培养改革思路获批北京市级教学改革项目一项。

2  促进学科专业资源整合，形成“资源-名师-成果”互促上升的发展路径

物流大数据专业群共享跨学科专业资源，依托教学名师、优秀教学团队、省部级教学科研平台资源，2021—2023年培育北京市级教学名师2人，北京市优秀教师1人，研发《基于物联网与区块链的智能仓储识别与溯源虚拟仿真实验》《快递自提网点布局虚拟仿真实验》等虚拟仿真实验项目，智能物流系统入围国家级一流课程（虚拟仿真类）评选。3门大数据专业基础课程获批北京高校“优质本科课程”和“优质本科教材课件”。逐步形成了专业群资源整合共享孕育高水平教学成果，教学成果积累凝练促进名师培养与成长，名师带动教学资源和成果的互促式上升发展路径。

3  人才培养质量显著提升，社会认可度高

始终以立德树人为人才培养首要目标，专业融入课程思政营造“专业使命、团队合作、终身学习”的育人文化，培养学生自我驱动、创新发展素质。学生参加创新项目和竞赛覆盖率75%，学生将学科竞赛和科技创新成果广泛应用于志愿服务中，形成了回馈社会、服务社会的文化传统。智慧物流行业就业率逐年提高到67%以上，用人单位对学生专业素养评价高。

四  结束语

本文基于大数据专业新、知识交叉、需要对接产业行业办出特色的需求，从人才培养模式创新、产教融合提升人才培养质量视角，以物流大数据专业群应用型人才培养为例，通过实施文理文工融合改革思路构建物流大数据复合知识体系，加强建设“多专业+多课程+多层次+多要求”的大数据实践实训平台、构建校内外课内外多学科专业融合互促的泛在化教学体系和深化产教研融合，突出按照数据科学家、数据工程师、数据分析师不同路径设置多元基础分路径发展的人才培养体系特色，形成了多元基础分路径培养的人才培养思路并应用实践效果显著。

参考文献：

[1] 吕英杰，脱虹，翟浩，等.大数据专业人才社会需求分析及人才培养策略[J].高教学刊，2023，9（1）：17-20.

[2] 宋月丽，宋国强，吴娟，等.医学院校“大数据管理与应用”专业建设现状与人才培养体系探索[J].四川大学学报（医学版），2022，53（5）：782-789.

[3] 王宏志，刘显敏，史宁.面向拔尖人才培养的大数据知识点和能力点研究[J].教育教学论坛，2022（38）：172-176.

[4] 李伟光.大数据技术专业“1+1+1”深度校企合作人才培养模式研究[J].计算机教育，2022（10）：55-58.

[5] 成新轩，刘超，吕惠聪，等.面向“大数据+云平台”的经济学类创新人才培养研究——以特色专业-学位点-优势学科协同发展为视角[J].创新创业理论研究与实践，2022，5（23）：12-16.

[6] 易国栋，施芸，易淑婷.“新工科+新商科”背景下OBE-CDIO大数据管理与应用专业人才培养模式探索[J].高教学刊，2022，8（35）：173-176.

[7] 杨波，李远彪.数据科学与大数据技术课程体系的复杂网络分析[J].计算机科学，2022，49（S1）：680-685，807.

[8] 钱玲飞，马静，米传民，等.面向新文科的信息管理与信息系统专业大数据类课程建设研究[J].情报理论与实践，2023，46（3）：83-89.

基金项目：2021年教育部首批新文科项目“‘文理、文工交融的物流信息管理类专业人才培养模式改革与实践”（高教厅函[2021]10号）；2021年北京高等教育“本科教学改革创新项目”“以数据为中心、应用为导向、物流为特色的信管大类专业群人才培养模式研究”（京教函[2021]632号）；2020年北京高等教育本科教学改革创新项目“立足‘多元基础、分路径培养的应用型大数据人才培养体系创新与实践”（京教函[2020]427号）；2019年北京高等教育本科教学改革创新项目“面向物流信息类人才的‘多元并举、三进阶式实践育人体系构建研究”（京教函[2019]552号）

第一作者简介：陈蕾（1980-），女，汉族，江苏无锡人，博士，副教授，硕士研究生导师，信息学院副院长。研究方向为物流大数据分析与治理。