大数据管理与应用专业课程体系建设探索

李春昱

摘 要：伴随大数据产业不断发展，社会需要更多高素质的复合型大数据人才，大数据管理与应用专业正是为加强大数据应用型人才培养而设立。文章从行业应用和实践角度出发，对当前大数据管理与应用专业课程体系建设进行有针对性的思考和探索，提出了构建业务驱动和数据驱动相结合的课程体系，旨在提高大数据人才培养质量，满足社会大数据应用型人才需要。

关键词：大数据;大数据管理与应用;课程体系;业务驱动;数据驱动

0 引言

随着大数据产业的不断发展，大数据应用领域的不断扩大，大数据管理、分析、决策、表现等应用层面的人才非常紧缺。据估计，到2025年我国大数据核心人才缺口在将高达 230万，如何满足大数据产业对于应用型人才需求，是高等院校培养应用型大数据人才面临的主要挑战。为满足对应用型大数据人才的需求，教育部在2018年设立了大数据管理与应用专业（120108T）[1]。由于人才需求量大、专业设立时间短、师资队伍短缺，各个高校在大数据管理与应用专业课程体系建设上还处于起步阶段，尚未形成完善、统一的课程体系，对于大数据课程体系“建什么、怎么建”还未达成共识。在此背景下，非常有必要对如何开展课程体系建设进行深入探讨，开展课程体系、课程内容和课程结构相关研究，形成满足行业需要，贴近实际岗位，聚焦能力生成的应用型大数据课程体系。

1 国内高校大数据专业建设背景

1.1  国内大数据专业建设状况

一直以来，我国高校开设的数据分析、商业智能相关的课程一直围绕计算机技术开展。2016年2月，教育部新增了数据科学与大数据技术专业（080910T），截至目前全国共有629所高校开设该专业，成为高校培养大数据人才的主要力量。近年来，国内大数据行业普遍存在着的“轻管理、重技术”“轻应用、重分析”“轻业务、重工具”的行业现状，忽视业务驱动，虽然掌握了技能，但无法结合业务场景进行应用，不能够很好地解决工作遇到的实际问题。为了改变大数据人才培养中偏重计算机技能培养、忽视综合性培养的状况，教育部于2018年设立了“大数据管理与应用”专业，截至2020年全国的共有82所高校设立该专业，其目的就是培养具备商业智能的理念、掌握数据分析的基础理论和常用算法、对业务流程有明确的认知，能够清晰地归纳和设计分析需求、熟练运用数据分析工具的综合性大数据人才。

1.2  国内大数据课程设置状况

从课程体系设置看，目前各高校的大数据专业大部分按照基础理论课、专业基础课和专业核心课程进行设置。基础理论课主要由数学类课程、计算机类课程和统计学类课程组成;专业基础课主要由数据结构、数据库、操作系统和程序设计等计算专业课程组成;专业核心课程主要由数据采集、数据处理、数据分析挖掘和数据可视化等课程组成。课程设置侧重讲授数据挖掘理论和技术工具应用，缺少对业务应用相关知识内容，不能充分理解业务数据背后的实际意义，在实际业务场景进行数据分析时往往找不到痛点、抓不到要害。

从课程内容上看，主要集中在数据获取、数据运算、数据存储、以及基于数据编程几个层面。在数据获取层面，更多培养如何使用爬虫技术获取在线数据;在数据运算层面，以Hadoop分布式存储、MapReduce并行计算、HDFS分布式文件系统等为基础，教授如何对数据进行底层架构的设计与实现;在数据存储方面，讲授传统关系型数据存储SQL和一些非关系型数据存储NoSQL，如Mongodb、Redis等;在编程方面，讲授用Python、Java等编程语言进行具体的数据分析。

2 大数据管理与应用专业课程体系建设

2.1  课题体系建设目标

综合性大数据人才不仅需要有专业IT工具的运用能力，更要具备对所关注行业的理解、具备专业分析问题和解决问题的能力，具体就是培养“懂业务、会管理、善分析、精工具、能设计”的复合型、应用型高级专门人才。因此，大数据管理与应用专业课程体系应当坚持以行业应用为导向，以职业岗位能力培养核心。在课程体系设计上，坚持业务驱动和数据驅动相结合，开设行业相关的大数据应用类、融合类、实践类课程;在课程内容选择上，以营销、管理理论为指导，加大数据分析方法论内容的讲授比重，增加业务模型数据分析相关内容;在课程实施上，按照“情景构建、案例主导、分组合作”的原则，加大实践化教学比重，开展与真实案例一致的实战实操教学。

2.2  课程体系建设内容

按照“专业基础能力、专业核心能力、拓展应用能力”三大模块构建大数据管理与应用专业人才培养核心能力模型，充分考虑到人才培养的专业统一性和个体差异性。从培养大数据技术与管理并重的“技管双强”的交叉复合型人才的专业定位出发，构建与其相适应的业务驱动与数据驱动的课程体系。我们提出了一种按照大数据处理流程为数据驱动型的课程体系，综合考虑学习进度和课程内容进度的深度融合。其核心是以“大数据认识→大数据基础→大数据采集→大数据存储→大数据平台→大数据处理分析→大数据挖掘→大数据展示→商业融合→大数据商业综合应用”为主线，建立“基础理论运用—工具使用—综合项目实践”的应用型人才培养课程体系[2]。

（1）专业基础课程。构建大数据相关的数学、计算机科学和业务领域三大理论知识体系，主要包括：高等数学、线性代数、概率论与数理统计、统计学、Python程序设计、数据库原理与应用、管理学基础、微观经济学、宏观经济学等内容的课程。

（2）专业核心课程。主要依据大数据处理流程设置课程，主要包括：数据采集与处理、Hadoop开发技术、Python数据分析与应用、数据分析与可视化、数据仓库与数据挖掘、大数据可视化技术、大数据商业模式、商业数据分析实战等课程。

（3）应用拓展课程。主要根据学生的个人兴趣爱好和就业方向进行选修，主要包括：大数据文本分析、大数据产品设计、人工智能、金融量化投资、互联网金融等课程。

3 课程体系建设中应把握的重点问题

3.1  动态更新课程内容

大数据产业的技术更新快、應用领域广、模式创新多，因此必须坚持面向市场、面向行业、面向地方经济建设，紧密跟踪国内外专业建设研究成果，掌握业内新理论、新技术，注重分析和研究大数据在经济发展中出现的新情况、新特点，及时更新充实课程内容，紧跟大数据发展步伐，在课程内容中充分体现出新思维、新技术、新工具。

3.2  精心设计实践化教学环节

依据大数据分析标准流程设计实践化教学环节，系统构建“基本操作训练、专项技能训练、综合能力训练、岗位实战训练”四位一体、递进式的创新型实践化教学体系，编写《项目实训手册》等教学资料，实训项目均来自于实际工作场景，采用真实业务数据，教学软件和企业使用一致，小组分工同工作岗位契合，保证教学与实际紧密联系，为实践教学顺利开展奠定基础，进而达到优化专业课程体系和课程内容的目标[3]。

3.3  高度重视“双师”队伍培养

高水平的师资队伍是课程实施的关键，是决定课程教学效果的重要因素。一是根据大数据多专业交叉、多领域融合的特点，打破专业壁垒，由不同专业背景的专任教师组建教学团队，促进专业间的交叉融合;二是组织教师参加大数据行业的相关培训，及时了解行业发展趋势，充分利用行业培训带来的新理论、新技术和新资源，保证教师队伍知识体系动态更新;三是鼓励专任教师学习深造，选派年轻教师到企业挂职锻炼，打造复合型教师队伍。

3.4  搭建大数据实验实训平台

建设技术先进、功能完备的大数据实验实训平台是构建课程体系的必要支撑，是帮助学生提高实践能力的重要环节。按照功能集成、资源集优、服务集聚、管理集约的理念，建设覆盖主要行业领域的实训案例库，将教学视频、实训手册等教学资源导入平台，让学生实践完整的数据分析流程，从数据预处理到数据集成，再从数据建模到预测评估，数据处理流程完全开放，使学生对大数据的商业价值有更直观的认知。

4 结语

大数据人才是拥有多种交叉知识和商业技能的人，具备将数据和技术转化为企业的商业价值的能力，这对高校人才培养提出更高的要求，不仅需要培养人才既懂分析数据，更要懂业务、懂管理。大数据管理与应用专业课程体系应当紧紧围绕大数据产业发展趋势，立足于相关行业领域的实际需求，突出课程内容的应用性和针对性，强化实践教学，增加实训比例，着力培养学生的数据感知、获取、处理、呈现和数据决策能力，让人才培养适应大数据时代的发展需要。

[参考文献]

[1]工业和信息化部.工业和信息化部关于印发大数据产业发展规划（2016-2020年）的通知[EB/OL].（2017-01-17）[2021-03-09].

https：//www.miit.gov.cn/jgsj/xxjsfzs/zlgh/art/2020/art_fa5c0abf3c7442cb89fcf37d8f311aa6.html

[2]彭珍，董宇，王晓伟.大数据管理与应用专业及课程体系研究[J].中国现代教育装备，2020（4）：49-51.

[3]李树青，曹杰，刘凌波.大数据管理与应用专业建设路径思考[J].黑龙江教育，2020（1）：25-29.

（编辑 傅金睿）