作者：王琰 黄欣瑜
[摘 要] 技术的创新发展使社会建设的进程逐渐加快，基于该背景，使技术人才的培养成为当下高校教育教学重点研究的课题。鉴于此，对基于本科生团队导师制的应用技术型高校大数据人才培养模式的内容展开研究，从阐述当下对大数据人才需求的状况着手，对高校大数据技术型人才培养面临的困境予以分析，并提出几点解决的思路。此次研究的主要目的是为了更好地辅助大数据技术人才的培养，为我国科技与社会发展献上绵薄之力。
[关 键 词] 本科生团队导师制；应用技术型人才；大数据人才培养模式
[中图分类号] G647 [文献标志码] A [文章编号] 2096-0603（2017）34-0054-03
一、背景介绍
大数据的海量性、多源性、异构性、不确定性、动态性特征对大数据处理与服务提出了巨大挑战，传统的数据挖掘技术已不能满足大数据高速处理的需求。随着大数据技术的发展，存储、处理、分析大数据的解决方案都层出不穷，各种工具的出现让企业低成本处理大数据成为可能，而工具的多样化导致严重的人才短缺。
以厦门为例，根据《厦门市大数据应用与产业发展规划（2015-2020年）》预计，近几年厦门大数据产业将出现高速发展的态势。到2018年，，厦门全市大数据产业实现产值规模500亿元，形成年销售收入100亿元以上企业1家，带动相关产业新增销售收入超过1000亿元。到2020年，全市大数据产业实现产值规模850亿元，带动相关产业新增销售收入超过1600亿元。而厦门目前还没有一所开设大数据专业的本科院校。
鑒于大数据产业对人才培养的迫切需求，全国一些高校开设了数据科学与大数据技术专业，培养企业所需的大数据应用技术人才。作为一家应用技术型高校，厦门理工学院也要追随这一潮流。为此，计算机与信息工程学院于2016年在软件工程专业下开设数据工程方向，并申请于2018年开设数据科学与大数据技术专业。将依托已建设的多个与大数据分析、挖掘相关的省市级科研平台，将学生纳入大数据工程项目的实施和维护中，培养本科生复杂数据工程项目的实战能力，提高学生分析问题、解决问题的能力，探索适应高水平应用技术大学定位，面向产业需求，支持阶段性迭代的大数据人才培养模式，从而推动产学研融合，构建大数据平台建设和人才培养的闭环。
二、挑战
对数据科学与大数据技术专业的建设方式和人才培养模式，各高校都处在探索中。主要的挑战包括以下三点。
（一）专业新
2011年起，美国各校开设数据科学和工程相关课程；2012年起中国设置大数据、数据科学方向的硕士学位；本科生培养则是到2014年才有学校进行初步尝试，进行这方面人才的培养；2016年国家新增数据科学与大数据技术本科专业，首批仅有3所高校；2017年开办该专业的高校增长到32所。也就是说，目前为止还没有一家学校完整培养一届数据科学与大数据技术本科专业学生。
（二）要求高
大数据技术所需人才是复合型人才，需了解多学科知识，为更好地对业务数据进行建模，除了数学知识外，还应具备特定应用领域知识，并要求掌握分析方法、分析工具，以及业务、管理及设计学知识，以便更好展示数据分析结果。
（三）针对性强
数据工程在不同应用领域有不同特色，要让学生在短短4年时间内，了解各领域相关知识，并不现实。关键是让其通过1～2个应用领域的数据工程应用，了解数据工程实现的通用性方法，培养其以不变应万变的能力，使之更好适应毕业后的岗位要求。
这三大挑战，再加上本科生学识有限，使本科层面大数据人才的培养与研究生层次的培养方向不同。不能追求理论方面的高大上，而应侧重于大数据工具的应用和数据工程的实战。数据工程师除了需要掌握一定的数学知识、分析工具、编程语言外，还要有较强的逻辑思维、协调沟通能力和快速学习能力，而且要对业务有深入理解，能通过数据可视化技术说服客户。但是，所有能力都达到高分，这超出本科生的要求。数据工程师分为初级数据分析师、高级数据分析师、数据挖掘工程师三类。本科生应按照初级数据分析师的需求进行培养，涉及的数据工程实战能力包括基于业务快速理解的问题建模能力、分析工具的使用能力和协调沟通能力。而其他方面，例如深度掌握各类编程语言进行数据处理、基于复杂数学知识的模型研发以及对分析结果的评估，则需留待研究生及更高阶段的人才处理。
三、实施过程中存在的问题及解决思路
（一）实施过程中存在的问题
基于以上分析，我们认为对本科生数据工程能力的培养而言，主要是让其具有参与实际项目的经历，通过由浅到深多个项目的训练，使其较好掌握和应用各种分析工具，更好了解类似业务的问题建模方法，从而通过项目锻炼学生的过程协调和沟通能力。然而，现有培养模式倾向于将这类实战能力的培养放置于实践性课程、课程设计或毕业设计中，从实施过程中，发现存在一些问题。
1.实践性课程、课程设计时间太短
目前的实践性课程都集中在期末的1～2周时间内，容易受期末考的影响，实际能做事的时间不长。因此，这样的实践课仅适合于开发不需要循环迭代的简单项目。而数据工程实战能力的培养关键是试错的过程，通过不断的试错、反复、迭代，逐步了解和掌握数据的特征，发现找到适合该类数据的存储、挖掘的优化方式。这需要花费很长的时间，不是1～2周就能解决的。
2.毕业设计完成质量低
毕业设计的要求覆盖了项目的定义、设计、分析、实现、测试的全过程，因此若学生能单独、扎实完成毕业设计，也能达到数据工程实战能力的要求。然而，从实际情况来看，由于实践性课程无法达到目的，学生缺乏这样全过程的训练和培养，导致毕业设计的要求对许多学生而言，难度较高。加上学生考研、考公务员、企业面试、实习对毕业设计时间的挤占，总体而言毕业设计的完成质量较低，基本就是实践性课程成果的水平，无法实现实战能力培养的效果。因此，需要增加一个培养环节，作为实践课程与毕业设计的中间环节，达到培养学生数据工程实战能力的目标。
