摘要：为满足社会对大数据应用型人才的需求，该文对应用型高校在大数据科学人才培养方面存在的问题进行了深入探讨，并提出了以产业需求为导向，通过与企业携手合作，完善专业课程体系等措施，培养更符合市场需求的创新型大数据人才，从而推动大数据产业的发展。

关键词：创新驱动；数据科学与大数据技术专业；人才培养；实践策略

一、引言

2015年，我国首次提出了“国家大数据战略”计划，形成了大数据发展与行动纲要。在我国工业经济向数字化经济迈进的重要时期，即“十四五”时期，《“十四五”大数据产业发展规划》被正式提出，大数据产业发展目标更加明确。在《第十四个五年规划和2035年远景目标纲要》中，指出要持续“打造数字经济新优势”，对新兴数字产业发展做出了明确的战略性部署。国内众多高校纷纷开设“数据科学与大数据技术”专业，截至2024年3月，国内共9批790所高校成功申报该专业。这些学校根据自身的发展特点，人才培养分为研究型和应用型两类。目前，大数据应用型人才培养机制仍处在探索期，面临诸多挑战，包括实践教育路径不够完善，产业融入度不高，以及人才培养供给侧和产业需求侧的错位等问题。特别是在大数据新兴产业快速发展，应用型大数据人才需求十分紧缺的背景下，探究创新驱动下的大数据应用型人才培养机制显得尤为重要。高校需要进一步探索和实践，加强与产业的合作，提高人才培养的针对性和有效性，以满足大数据产业发展的需求。

二、创新驱动下的大数据应用型人才培养问题分析

（一）人才培养目标不明确，学生就业面临挑战

一方面，一些高校在大数据专业人才培养中并未充分考虑市场需求和就业前景，导致人才培养目标不明确。另一方面，由于大数据技术的交叉性和综合性，学生在学习过程中难以掌握全面而深入的知识体系，这使得他们在满足社会和企业的实际需求方面面临挑战。

当前大数据技术专业岗位具体划分为大数据科学家、大数据开发工程师、大数据架构师、大数据产品分析师、大数据运维工程师、大数据分析挖掘师等，这些岗位具有较多的就业方向。然而，在大数据专业人才培养过程中，有些高校未能充分整合人才培养目标和就业岗位的关系，这使得教育呈现出一定的整合性特征，导致人才培养目标不够明确和“精细化”，无法充分对接社会对人才的需求和就业市场的期望。

（二）专业课程设计不合理，课程体系与实践教学脱节

数据科学与大数据技术专业具有多学科交叉特征，专业课程涵盖了数学类课程、统计学类课程、数据科学类课程和计算机类课程，涉及面较广；为培养学生在理论性、实践性与应用性能力方面的素养，主要采用理论教学、实践教学和校企合作等培养手段。然而，实践教学中课程体系设计缺乏科学有效的规划，各类课程之间的不能形成合理的衔接，导致部分高校在实践教学的过程中专业课程设置相对薄弱。课程体系中大多注重理论教学，实践环节相对较少，学生缺乏实际操作能力和解决实际问题的能力。同时，实践教学环节与企业需求存在一定的脱节，导致学生难以适应企业的实际工作环境。这样的课程安排，既不能提高学生的实践能力和创新意识，更无法培养出大数据“高精尖”人才。

（三）师资匮乏问题凸显，教学质量有待改善

大数据专业属于应用型专业，具有前沿性、实践性、交叉性的特点，对专业师资要求极高。现阶段高校大数据教学发展情况显示，师资质量参差不齐，多数高校教师没有岗位工作经历和经验，难以很好的满足实践教学要求。为了适应社会需求，大数据专业教师需要与时俱进，不断更新教学内容。因此，教师需要具备持续学习大数据的能力，掌握前沿信息，并脱离照本宣科的教学方式，改革教学方法，完善教学内容。然而，不少学校以加强师资培训、教师转型发展的方式来提高师资力量的做法并未得到很好的改善，这需要采取更加有效的师资培训策略，例如教师企业挂职锻炼、鼓励教师参与高水平行业研讨会和培训课程、建立教师交流平台等，以提高教师的专业水平和教学能力。

（四）教学实训平台缺乏，实验环境薄弱

大数据专业实践性较强，需要学生通过大量的实践来辅助专业知识的学习，并实现理论与实践的结合。然而，在高校实践教学中，普遍缺乏大数据相关的实训或产学研平台，或者平台质量不高，导致教师以理论教学为主，缺乏实践教学的有效组织与引导，这使得学生难以在实训环境中获得自我提升。

（五）校企合作模式单一，不够深入

当前高校与企业之间的合作模式相对单一，主要以共建实验室和实训基地为主，缺乏更加多样化的合作模式。企业参与人才培养的积极性不高，主体作用发挥不充分，导致校企合作仍是高校唱“独角戏”。同时，高校与企业之间也存在沟通不畅的问题，缺乏有效的信息交流和共享机制。企业不了解高校的人才培养情况和学生的实际能力，所以也很难将企业的需求和资源融入到人才培养中。高校与企业之间的合作缺乏长效机制，往往是一次性合作或者短期合作，缺乏长期稳定的合作关系，导致专业中“产业”的融入程度不高。

三、创新驱动下的大数据应用型人才培养机制与实践策略

人才培养是经济发展的基础，而创新人才的培养更是经济发展的重要支撑。我国历来重视创新人才培养，这种重视不仅可以推动传统产业向高附加值、高技术含量的新兴产业转型，同时，创新人才也能够促进产业升级。创新驱动下的大数据应用型人才培养体系建设实践模式如图1所示（图1略）。

（一）以产业需求为导向，调整大数据应用型人才的培养目标

在信息技术快速发展的背景下，云计算、物联网、移动互联网和大数据等新一代技术为各行各业带来了新的机遇。为应对这一挑战并推动企业数字化转型发展，企业管理和生产领域正在积极寻求具备大数据素养和能力的专业人才。作为企业人才培养的摇篮，高校应该以产业需求为导向，调整、构建以提高学生大数据学习能力、快速数字化处理能力、创新应用能力为主的大数据应用型人才培养目标。通过培养出具备扎实大数据知识和技能的毕业生，为企业提供有力的人才支持，并推动行业的发展和进步。

（二）突出实践技能培养，完善数据科学与大数据技术专业课程体系

从当前教育发展情况来看，数据科学与大数据专业既面临着机遇，也面临着挑战。通过前面的分析可以发现，数据科学与大数据技术专业课程体系建设的问题主要集中在人才培养目标不清晰、专业链与产业链对接不紧密等方面。为了应对这些挑战并抓住机遇，高校应该调整大数据科学人才培养计划，完善专业课程体系，通过整合课程资源，建立以实践能力培养为核心、能够提高学生综合素质与竞争力的综合课程体系。

在大数据人才培养方案中，强调产教融合，根据市场需求调整课程体系，以适应当前教育的发展。从教学实践的总结来看，建议将课程体系分为4大模块：通识课、学科基础课、专业核心课和专业拓展课。

1.通识课旨在培养学生的综合素质和跨学科能力，包括思政类课程、外语类课程、体育类课程、美育类课程、劳育类课程、安全类课程、军事类课程和素质拓展类课程等。

2.学科基础课包括数学类基础课程如高等数学、线性代数等；统计学类课程如应用回归分析、应用时间序列分析等；计算机思维与系统类课程，如数据结构等；程序设计与语言类课程，如C语言程序设计等。这些课程为学习数据科学和大数据技术奠定了坚实的数学和计算机科学基础。

3.专业核心课程旨在让学生掌握数据科学与大数据技术领域的核心知识和技能，包括数据采集类与处理类课程、数据分析与可视化类课程、数据挖掘类课程和大数据架构与工具类课程等。通过这些课程的学习，学生能够系统地掌握数据科学与大数据技术的各个环节，具备从数据采集到数据分析和挖掘的全流程能力。

4.专业拓展课包括大数据与其他学科交叉类课程，如大数据与金融等；大数据与企业、行业项目类课程；大数据前沿类课程，包括最新的大数据技术和应用领域的前沿知识，培养学生的创新能力和对新技术的敏感度；创新创业类课程。通过拓展课程的学习，学生能够在专业知识的基础上进一步拓宽视野，提高实践能力和创新能力。

根据教学实践总结，数据科学与大数据技术专业课程总学分建议160~170学分，实验学分不能低于30%，该专业的课程体系学分建议配比如表1（表1略）。

通过这样的课程体系设计，能够培养出既具备扎实理论基础，又具有实际应用能力和创新思维的大数据人才。当然在实践教学中，要定期评估和更新数据科学专业课程，根据行业需求和技术发展动态，及时调整课程设置，确保课程与实践技能要求匹配。引入前沿数据科学工具和技术实践案例，并加强与实际问题的结合，使学生能够掌握并应用最新的数据科学工具与技术。

（三）构建并完善多元主体的教学质量监控和评价体系

建设并不断完善教育评价机制，从学校、行业、企业、社会以及学生等多角度出发，全力构建多元主体参与的教学质量监控和评价体系。深入考察人才培养目标的制定、课程建设以及实践教学等方面是否与企业产业发展和社会实际需求相契合。健全实习生顶岗实习跟踪机制以及用人单位回访人才需求反馈机制，进而获取学生综合能力评价、岗位适应状况、发展前景评估、专业调整建议等重要信息，积极与行业进行对接。定期开展人才需求调研，及时把握行业技术的变革动态以及需求变化情况，据此对专业建设进行动态优化。

（四）打造大数据专业优质双师型师资队伍

在专业教师招聘与引进时，要明确招聘标准，考察其学术背景和教学能力外，重点关注其在大数据领域的实践经验。积极拓宽引进渠道，与企业合作，引进企业中的优秀大数据技术人才到高校担任兼职，同时鼓励高校教师到企业挂职锻炼，建立教师实践基地，为教师提供实践机会。进一步加强教师的实践技能培训，定期组织教师参加大数据技术培训课程和研讨会，了解行业最新动态和技术发展趋势；鼓励教师参加国内外高水平的学术交流活动，拓宽学术视野；支持教师与企业、政府、研究机构等合作开展科研项目，共同解决大数据领域的实际问题，进而提高教学和科研水平。以专业为依托组建实践型的教学团队，由学术型教师和实践型教师、企业兼职教师组成，共同开展教学研究、课程建设和实践教学活动，发挥各自优势，提高教学质量，提升教师的实践能力和团队的整体实力。

（五）鼓励学生参与数据科学相关竞赛，提升竞争力

学科竞赛是提升学生专业竞争力的一种有效方式。在竞赛中，学生需要应用所学知识解决实际问题，这不仅是对学生知识掌握程度的检验，也是对学生应用能力、创新能力和解决问题能力的锻炼。通过竞赛，学生可以发现自己在学习中的不足，进而有针对性地进行改进和提高。竞赛不仅拓展学生视野，增强自信心和团队协作精神，同时也能接触到更多的业界动态和前沿技术，为未来的职业发展打下坚实的基础。为了鼓励学生参竞赛，学校可以采取宣传推广、设立奖励机制、提供培训和支持、建立参赛团队等措施。

（六）探索校企合作深度优化路径

1.校企携手创新培养模式

以校企联合的方式共建大数据人才培训机制，以技术培训交流为目的，建立与企业、研究机构的交流合作机制，及时了解最新研究成果和技术变革，将其融入教学中。在人才培训机制创新的基础上，校企联合开发大数据专业培训课程体系，并邀请数据科学产业化研究专家和企业管理人员共同编写教材，合理制定培训方案，并进一步完善教学课程。

2.“引企入教”与“引教入企”相结合

依托现有实践教学平台、实习实训基地等，推行“引企入教”，引入企业真实生产线、现场平台、真实任务，设计实际项目和实践任务，让学生在真实场景中进行数据分析和决策，提高学生利用大数据技术解决实际问题的能力。推行“引教入企”，通过平台共建、课题共申、资源共用的形式，将学校研发应用成果转化为企业生产动力和创新能力，增强双方内生力量。

3.借鉴大数据产业学院发展理念，助力校企协同育人

大数据产业学院紧密对接大数据产业的实际需求，具有开放性、创新性、跨界性、引领性和多样性的办学特色，推动了校企合作的深度发展。与一般校企合作相比，产业学院更加注重产业导向和实践应用。学生在学习期间获得实际的职业训练，可对市场需求做出快速响应，从而更好地适应产业发展的需求。应用型高校的大数据人才培养可借鉴大数据产业学院发展理念，具体而言，这些举措包括：扩展合作主体突破传统校企合作的局限，将合作范围延伸至政府、行业组织等多方力量，促进资源共享和信息交流；开发跨学科课程，培养学生的跨界能力和创新思维；为学生和企业搭建直接的沟通桥梁，帮助学生了解行业需求和职业发展路径；建立长期合作关系，不断探索新的合作模式和项目，定期评估合作效果，确保合作项目能够持续发展并适应行业变化。

四、结论

在创新驱动背景下，数据科学与大数据技术专业人才培养需要在教学目标、课程体系建设和教师能力素养提升等方面不断发展。通过与企业携手合作，并以产业需求为导向，更新教学目标，结合实践发展方向构建课程体系，以双师型队伍建设的方式助力数据科学学科教育，拓宽学生的学习视野，提高学生在数据科学领域的实践能力和创新能力，以适应社会对大数据人才的需求，促进高校大数据科学人才创新培养。

（本文参考文献略）

Research and practice on the training mechanism of big data application talents driven by innovation

WangYingying QiaoXiaoyan LiuWei

Abstract: In order to meet the demand for applied talents in the field of big data, this article thoroughly discusses the problems faced by applied universities in the cultivation of big data science talents. It proposes measures such as industry-oriented education, cooperation with enterprises, and improvement of the curriculum system to cultivate innovative big data talents that better meet market demands. These efforts aim to promote the development of the big data industry.

Key words: innovation driven; data science and big data technology; talent cultivation; practical strategies

初审：曹洪家

复审：孙振东

终审：蒋立松