大数据专业培养能力总结

基于岗位能力的高职大数据专业人才培养模式

作者：刘进军

来源：《河北职业教育》2020年第01期

摘要： 2015年9月国务院印发了《促进大数据发展行动纲要》（以下简称《纲要》）被认为是大数据行业十分关键的节点。随着大数据技术的迅猛发展和行业需求的快速增长，社会对大数据人才的需求越来越大，培养符合大数据行业需求的人才是高校亟待解决的问题。文章分析了大数据人才的需求，提炼了大数据人才的岗位，根据岗位确定大数据专业的课程体系，并结合岗位能力，对高职大数据人才培养模式进行探讨。 关键词：岗位能力;高职;大数据专业人才;人才培养模式

我国已经把大数据做为支撑国家发展的基础战略资源对待。国务院也高度重视大数据行业发展，并以《纲要》来系统部署大数据发展工作。《纲要》给予了大数据行业十分高的地位，认为它已经成为新动力、新机遇、新途径，并提出了打造新模式、建立新机制、构建新体系、开启新格局、培育新生态的“五个新”发展目标。

大数据技术发展如火如荼，相关业态应用场景不断扩大。市场的扩大便意味着这一行业的岗位需求大为增加。而人才培养总会存在一定的滞后时间，培养过程也需要一定的时间，从而造成了大量的行业人才缺口。有机构预测，这一行业的科学家、分析师、数据经理等岗位的人才缺口超过300万。可喜的是，近年来，全国各高校（包括高职院校）已经开始纷纷开设大数据相关专业或专业方向，以培养符合市场需求的大数据人才。但是，前面没有成功的经验可以借鉴，各校大数据专业人才培养都还处于探索阶段，存在诸多需要解决的问题。

一、大数据人才需求分析

从大数据人才需求数量上看，根据猎聘大数据研究院研究数据发现，2015年到2019年第二季度，全国大数据领域的人才需求增长了11.75倍。这一倍增态势在2019年稍有放缓，但依然增长强盛。

从大数据人才需求领域看，各个行业并无显著差异。大数据人才的需求分布和供给分布遍及各大行业，其中以互联网、电子通信、机械制造和金融较为集中。当然，互联网行业是集中度最高的行业，人才供需都已经过半。

一、数据科学与大数据技术专业

2016年数据科学与大数据技术专业为国家新增专业，首批仅北京大学、中南大学和对外经济贸易大学三所学校申报成功。

二、“云计算与数据科学”专业方向

8所高校开设“云计算与数据科学”专业方向，北京航空航天大学、浙江大学、复旦大学、上海交通大学、西安交通大学、南京大学、武汉大学、华南理工大学在内的首批8所高校。挂靠专业为“计算机科学与技术”“软件工程”或“国家实验项目”。

三、根据查阅的资料总结

目前高校本科开设大数据专业的仅限985、211院校，其他二本及三本院校开设大数据方向。根据查阅到的培养目标分析其培养能力：不论本科还是硕士主要集中在：大数据分析及挖掘、大数据系统开发（个人理解更偏向数据管理开发）。（招生人数的查阅工作量太大了，只差了几个院校）

四、大数据专业技能需求总结

下文中的能力均是本人自己总结的，无官方材料支持，其中基础能力侧重本科培养，高级能力侧重研究生培养。具体能力划分领导再行斟酌，因为各高校不论哪个批次对大数据开发这方面都没有相关的说明，主要还是比较集中在分析上。个人觉得开发是需要实际工程经验的，但工程硕士是不是可以依托工程项目进行培养呢，如果从这个角度申硕的话系统开发中的一些基础能力是不是可以放入高级能力中。

(1) 大数据应用分析

运用算法来解决分析问题，并且从事数据挖掘工作。负责业务数据收集整理分析，对多种数据源进行深度挖掘、深度分析和建模;对各类需求数据进行挖掘、统计建模分析，并提交有效的分析报告，为公司运营决策提供数据支持。

基础能力：

数据预处理能力

海量数据存储管理能力

数据挖掘算法应用分析能力

高级能力：

复杂统计数据建模能力

数据挖掘算法改进及应用性研究能力（包括挖掘算法改进研究、大数据分布式处理框架及内存计算框架的高级应用）

(2) 大数据系统开发

负责分布式系统中间件的开发和改进、参与大数据平台管控系统的研发工作、包括大规模非结构化数据业务模型构建、大数据存储等设计问题、根据客户大数据处理应用和服务要求，编写需求分析报告及技术解决方案。

一、实训背景

随着信息技术的飞速发展，大数据已成为推动企业创新和发展的关键因素。会计作为企业经济活动的重要记录者，如何运用大数据技术提高会计工作效率，提升会计信息质量，成为当前会计领域亟待解决的问题。为此，我国众多高校纷纷开设会计大数据实训课程，旨在培养学生的数据分析能力，提高其运用大数据技术解决实际问题的能力。本文将结合本人参与会计大数据实训的经历，总结实训成果和心得体会。

二、实训内容

1. 大数据基础理论

实训首先对大数据的基本概念、特点、应用场景等方面进行了讲解，使学生了解大数据在会计领域的应用价值。通过学习，我认识到大数据在会计领域具有海量数据、高增长速度、多维度分析等特点，能够为会计工作提供强大的数据支持。

2. 会计大数据平台操作

实训中，我们学习了如何使用会计大数据平台进行数据采集、处理、分析等操作。以某知名会计大数据平台为例，我们掌握了以下技能：

（1）数据采集：通过平台提供的接口，从企业内部系统、外部数据源等渠道采集所需数据。

（2）数据处理：对采集到的原始数据进行清洗、整合、转换等操作，确保数据质量。

（3）数据分析：运用平台提供的可视化工具和算法，对数据进行多维度的分析，挖掘数据价值。

3. 会计大数据应用案例分析

实训过程中，我们学习了多个会计大数据应用案例，包括：

（1）成本核算优化：通过大数据分析，帮助企业识别成本浪费环节，降低成本。

（2）财务风险预警：利用大数据技术，对企业的财务风险进行实时监测，提高风险防范能力。

（3）财务报表分析：通过大数据分析，对企业的财务状况进行深入剖析，为决策提供依据。 4. 实践操作

在实训的最后阶段，我们分组进行实践操作，针对某一具体企业，运用所学知识进行会计大数据分析。通过实际操作，我们加深了对会计大数据应用的理解，提高了自己的动手能力。

三、实训成果与心得体会

1. 提高了数据分析能力

通过本次实训，我掌握了会计大数据平台的基本操作，学会了如何运用数据分析方法解决实际问题。在实践操作中，我学会了从海量数据中提取有价值信息，为企业的经营决策提供支持。

大数据专业个人总结

引言

随着互联网的快速发展和社会数码化的加速推进，大数据时代已经正式到来。作为大数据专业的学生，我深感责任重大，需要不断学习和成长，以应对不断变化的挑战。在过去的几年中，我在学习和实践中取得了一些成果并积累了宝贵的经验。本篇总结将展示我在大数据专业的学习和成长过程中的收获和思考。

学习体会

1. 理论与实践相结合

大数据专业需要掌握的知识领域极其广泛，包括数据挖掘、机器学习、数据分析、数据库管理等。这些理论知识需要与实践相结合，才能更好地应对实际问题。我通过参与大数据相关项目，例如数据清洗、数据建模等，将理论知识应用到实际中。这样可以更好地理解和掌握所学的知识，并能够解决实际问题。

2. 持续学习的重要性

大数据领域的技术更新速度非常快，新的算法和工具层出不穷。因此，持续学习是大数据专业必备的品质。我时刻保持学习的状态，通过阅读最新的研究成果、参加技术交流会议等方式来不断扩充自己的知识面。同时，通过学习开源项目和参与实践，我能够了解并掌握最新的工具和技术，使自己能够跟上时代的步伐。

3. 团队合作能力的培养

在大数据项目中，团队合作是必不可少的。大数据项目往往庞大而复杂，需要多个岗位的专业人才合作完成。因此，培养团队合作能力成为了我专业发展的重要一环。通过参与课程项目和实习，我学会了与不同背景和专业的人合作，学会了倾听和沟通。这些经验对我成为一个优秀的数据专业人士至关重要。

成果展示

1. 数据挖掘项目

我参与了一个大型的数据挖掘项目，项目目标是从大量数据中挖掘出有价值的信息以帮助企业决策。在项目中，我负责数据清洗、特征提取和模型训练等工作。我利用Python和机器学习库来处理数据，并使用多种算法进行训练和优化。最终，我们成功地提取出了对企业有意义的信息，并给出了相关的决策建议。

2. 数据分析报告

我也参与了一个数据分析的项目，该项目需要对某个电商平台的销售数据进行分析，并撰写数据分析报告。在项目中，我使用SQL语言提取数据并进行统计分析，使用可视化工具展示分析结果。通过对数据的深入分析，我发现了销售额与广告投入之间的关系，并提出了一些优化建议，以提高销售额。