“大数据分析”职业技能人才培养的研究分析

赵艳云，李振军，李玉军

（深圳技师学院，广东 深圳 518116）

0 引言

***总书记2022 年8 月19 日向世界职业技术教育发展大会致贺信，强调“职业教育与经济社会发展紧密相连，对促进就业创业、助力经济社会发展、增进人民福祉具有重要意义”。***总书记的重要贺信，深刻阐述了职业教育对促进经济发展和民生改善的重要作用，为推动现代职业教育高质量发展指明了方向。政府对大数据行业的支持政策也在不断完善。如“双创”政策鼓励企业创新，“互联网+”战略推动数字经济发展，“数字中国”建设等[1]。

国内职业教育迎来春天的同时，大数据行业市场规模也在逐年增长。据市场研究机构尚普咨询集团的数据，2022年已经超过了3000亿元。细分市场中，基础设施服务(数据中心建设和运营、硬件设备等)约占40%；数据服务(数据挖掘、分析、建模等)约占30%，数据应用(大数据应用系统和平台、大数据服务等)约占25%[2]。

如何把握住发展的机遇培养出更多更好的技能人才？如何培养出更具有竞争力的“大数据”技能人才？相对来说，“大数据分析”其实是职业教育“够得着”“做得好”的一个分支方向，但是目前财经专业和商务专业大数据技能人才的相关研究探讨较多，计算机类大数据技能人才的探讨较少，“大数据分析”这个分支的探讨尤其少；相关培养模式、师资建设和具体课程的探讨较多，从课程体系建设到教学实施进行研究分析的较少。

1 了解职业教育和学术教育的异同点

国内如今的教育方式主要分为两种：一种是注重学习和文化素质的培养的“学历教育”，另一种是侧重于技能技术培养、注重实战操作训练、致力于培养社会各类技术岗位的“职业教育”，两者缺一不可。

职业教育的毕业生和学历教育的毕业生相比，没有学历的优势，但是专业对口性强、到岗实战能力强，这也是开展职业教育、培养职业技能人才的重点原则。所以近些年来职业教育提倡“产教融合、校企合作、工学结合、知行合一”。即在办学层面深化“产教融合、校企合作”，在教学层面落实“工学结合、知行合一”，把“职场”和“学校”“岗位”“教学”相结合，以实际工作岗位能力需求为引领，进行课程体系开发和实践，进而培养出更有职场竞争力的技能人才。

2 确定匹配职业教育的“大数据分析”实际工作岗位需求

从目前市场上的人才需求观点来看，大数据技术方向的人才大致可以分为以下3个方向：偏重基建与架构的“大数据架构”方向、偏重建模与分析的“大数据分析”方向、偏重应用实现的“大数据开发”方向。

其中大数据分析方向的人才更多注重的是数据指标的建立、数据的统计、寻找数据之间的联系、数据的深度挖掘和机器学习，并利用探索性数据分析的方式得到更多的规律、知识，或者对未来事物预测和预判的手段。大数据分析方向研究的主要方面包括：

1）数据库应用：关键词有RDBMS、NoSQL、MySQL、Hive、Cassandra等。

2）数据加工：关键词有ETL、Python等。

3）数据统计：关键词有统计、概率等。

4）数据分析：关键词有数据建模、数据挖掘、机器学习、回归分析、聚类、分类、协同过滤等。

其中：“数据库应用”“数据加工”是通用的技术技巧或者工具性的能力，主要是为了帮助分析师调用或提取自己需要的数据，这些技巧的学习成本相对较低，而且在工作场景中不可或缺，因为快速获取所需数据是数据分析师必备基本技能；“数据统计”“数据分析”是分析师工作的主业，要有比较好的数学素养或者思维方式，还要对相关业务知识有一定了解。因为各行各业的业务形态都是千差万别的，只有对这些业务形态和业务流程有了充分的理解才能对数据分析做到融会贯通，才有可能正确地建立模型和解读数据，分析出正确、有价值的结论[3]。

“数据分析”或“大数据分析”相关的招聘信息很多，但是需要结合职业技能教育的特点和层次，在“产教融合、校企合作”的基础上，先筛选出适合职业技能教育毕业生的岗位，再针对岗位实际能力需求进行课程开发和实践，这样教育出来的学生才是符合市场需求的技能人才。

和大数据相关、对数据分析技能有需求的工作岗位主要包括两种：一种是主要工作内容是数据分析，还有一种是相关岗位对数据分析技能有需求的大数据相关岗位。

结合和校企合作企业的交流结果，以及本人2023年2 月在“51job”招聘平台以“大数据分析”作为关键词，“学历要求”选择“初中及以下”“高中/中技/中专”“大专”；“工作年限”选择“在校生/应届生”“1-3 年”，其他不限，进行搜索的结果，结合职业教育毕业生能够胜任的工作岗位及对应的岗位职责、任职要求、薪资水平等要素，汇总、整理和数据分析相关的内容如下表所示：

上表中的“岗位职责”的内容从1到5基本上正好覆盖了日常工作中“数据分析”常规工作的整个流程：从“确定数据分析的需求”到“数据的收集、获取”……直至最后的“数据分析结果的输出和可视化展现”。

相应的工作岗位有的“岗位职责”较为单一，只覆盖流程中的个别环节，比如“数据管理员”主要负责数据的整理和汇总，“数据分析专员”主要负责数据的分析和挖掘——数据的清洗、整理、存储；有的则综合性较强，“岗位职责”的内容从数据的获取到数据的清洗分析，到输出报表都有要求，薪资也相应较高。

3 根据岗位需求设置课程内容

如果要在教学层面落实“工学结合、知行合一”的原则，结合表1的内容可知“大数据专业”的分支“大数据分析”技能人才培养相关课程的实践能力培养目标：“岗位职责”就是学生“学习目标”中的“能力目标”，任职要求中提到的各种软件就是相应的课程学习内容。具体包括以下内容：

表1 数据分析相关的岗位招聘信息汇总分析

3.1 Excel或WPS等办公软件的学习

Excel 的功能其实非常强大，它不仅具有强大的数据处理和分析工具，也可以做出很多美观、高级的图表。大部分学生在小学和初中阶段已有一定的基础，但比较薄弱，学生如果能够通过学习掌握vlookup、sumif、len 等相关函数的应用，掌握数据透视、数据可视化等数据筛选和输出的操作，就能够满足一些小规模数据分析的应用场景需求，也能够为Python等课程的学习打下一定的基础。

2023 年3 月16 日，微软正式发布由AI 驱动的办公神器Microsoft 365 Copilot，能够让Word、PPT、Excel等软件的工作效率都飙增。不过虽然Copilot 可以辅助提升办公效率，但是AI生成的内容非常可能出现一些错误，内容还是需要人来把关的[4]，所以Excel 等办公软件以及下面提到的其他软件的学习还是有必要、不过时的。

3.2 MySQL等数据库软件的学习

数据库对于大数据的意义不言而喻，如表1 中所示：经典数据库软件很多，熟练掌握至少一种即可。重点在于培养学生具有较强的SQL代码能力、熟悉海量数据处理和性能优化操作。开设在计算机系的大数据专业一般都会开设数据库课程，如果能将大数据存取数据的典型应用作为教学案例，让学生在完成案例的过程中掌握数据库软件的安装配置、数据库和数据表的常用操作、Transact-SQL 语言的基础运用等操作，同时培养学生的技能迁移能力，那么学生在数据分析工作中的数据库相关操作也没有问题，日后的工作中再接触类似的应用场景也将能很快上手。

3.3 Python语言的学习

Python 是一门语法简单但功能强大的编程语言，编程基础薄弱的学生也可以学好。Python 可以应用于大数据的挖掘、清洗、分析和可视化，而且数据分析库功能齐全，还提供了非常丰富的API 和工具，让程序员可以轻松编写自己的扩展模块。Python 的第三方库功能非常强大：基于Numpy、专门为爬虫而生的Scipy库；包括Scipy、Matplotlib、Pandas等库、能提供数组支持，进行矢量运算的Numpy 库；提供了Python 的数据绘图工具、常用于二维作图的Matplotlib 库、数据挖掘必备、数据处理函数很强大的Pandas库等都是学习使用Python进行数据分析需要学习的内容，也是职业教育学生能够学会、学好的内容。

3.4 Power BI等报表软件的学习

面对大数据时代不断更新的海量数据，报表软件无需使用者具备太多的专业技术背景就能高效地进行数据的录入、分析、可视化呈现，功能非常强大。而且权限管理也非常成熟，能够满足不同用户对数据的需求，能够让用户对数据的分析更轻松更彻底，从而帮助决策者更好地做出对企业有利的决策。国有软件帆软、水晶报表等和国外的Power BI、Tableau 等报表软件，各有所长，熟练掌握一种即可。想要培养学生的实战能力，有了Excel和数据库学习的基础后，学生需要通过实际案例的学习掌握数据连接、数据分析、可视化图表和仪表板等常用操作。

其实上面提到的4门技术课程，每一门学好、学精都能找到相关的工作。如果除了技术之外还能掌握一些数据分析方法和统计原理，掌握一门类似SPSS这样的统计软件，能够更好地胜任数据统计的工作，将会更有职场竞争力。在教学安排方面，建议学习顺序为：Excel 等办公软件——MySQL 等数据库软件——Python语言——Power BI等报表软件。

4 教学实施中的要点

如前所述，和学历教育不同，职业教育更侧重实战能力，所以教学实施的过程中要注意以下几点。

4.1 注重课程思政，落实“立德育人”

全面推进课程思政建设是落实“立德树人”根本任务的战略举措，这要求每位教师都有全员、全过程、全方位“三全育人”的大格局，理解课程思政的内涵、将课程思政的理念全面贯彻到日常教学中，把价值观引导融入知识传授和能力培养中，帮助学生塑造正确的三观，适应新时代要求，进而培养出不但有高技能、更有高素养的技能人才，为党育人、为国育才，培养出能够担当民族复兴大任的时代新人[5]。

学生们学习大数据分析技术不但应当掌握相应的知识和理论，更应该培养大数据思维、了解大数据伦理、培养数据安全意识、寻找大数据行业的创业机会。教师在选取教学案例时也应尽量精心选取能够展现我国近几十年来的发展成就、科技创新的案例，增强学生的爱国情怀和创新意识；选取数据安全的案例增强学生的伦理道德、法律意识和安全意识；选取社会民生的案例引导学生关注数据背后的意义和价值，激发学生的社会责任感，激励学生脚踏实地，努力奋斗。

4.2 准确、合理、适度的制定教学大纲

教学大纲是课程教学的指导文件，制定课程教学大纲要结合专业人才培养的整体要求，从课程在人才培养中的地位和作用出发，准确、合理地设计课程的教学目标和教学内容。与此同时，职业教育课程的教学大纲的内容不但要充分考虑岗位需求和学生基础，还要注重知识目标和能力目标、素养目标的侧重。知识目标是为能力目标服务的，设置原则是适度、够用，培养能力目标没涉及的知识点可以不出现在大纲中或者标注“*”供选择。相比较而言，更要注重学生职业能力和职业素养的培养。

以Python 课程为例，在最基础的“Python 基础”和“分支语句和循环语句”等内容之后，就可以从网络爬虫、数据清洗等实际问题需要的知识和技能出发去编写大纲，不必拘泥于知识体系的完整、要和常见的Python学习文档或教程一样详细完整，同时注重编程思维的启发、编程习惯和学习能力的培养。

4.3 科学、规范地编写教学计划

教学计划对教学工作有规范性、指导性的作用。编写教学计划的教师不能只是将大纲要点直接罗列完毕，而是要高屋建瓴，有全局观，不但要将大纲中学习目标所提到的内容都涵盖进去，还要根据学生的基础，根据真实的工作任务及过程，将大纲提到的学习内容从浅入深、从单一到综合地融入典型工作任务，让学生在完成项目、任务的过程中自然地学习相关的知识、掌握相应的技能，从而从宏观的课程角度实现“工学结合、知行合一”。

还是以Python 课程为例，序列、字典等组合数据的学习建议不要单独安排在前期的理论学习中，而是融入到相关项目的“知识铺垫”中，让学生带着解决问题的思维去思考为什么采用、如何应用此种数据类型。

4.4 课堂教学的组织和实施真正落实“工学结合、知行合一”

课堂教学是落实教学设计、实现教学目标的关键环节。为了更好地实现教学效果，教师需要营造接近企业实战的学习情境，采用项目驱动教学法或任务驱动教学法激发学生的自主学习能力，通过翻转课堂、小组合作等方式把知识点的学习和实践的尝试放到课前，把课堂时间更多地用来确保每位学生保质保量地完成当堂实践任务和总结提升，重点放在培养学生用所学技能解决实际问题的能力，使用行业常用的评价标准对学生的工作成果和工作过程进行评价。从微观地课堂教学的角度落实“工学结合、知行合一”。

以Power BI 课程“销售数据分析”任务为例，可以把教学组织分以下3步。

1）自主学习

将任务的发生背景和需求、需要分析处理的源数据、相关预备知识和操作示范视频分发给学生提前学习，培养学生的自主学习能力、合作能力。

2）思考和实践

引导学生根据所给的资料讨论和梳理完成本次任务“销售数据分析”的工作流程、探讨存在问题和解决方法，老师讲解、示范必要的操作之后，让学生在尝试和实践中完成任务，然后老师根据行业标准对实践成果进行评价。这样不但可以让学生提前了解行业标准，避免闭门造车，更可以培养学生思考问题、解决问题的实际能力。

3）总结和拓展提升

先引导学生总结归纳本次“销售数据分析”任务的工作流程和方法、工作要点以及完成用到的知识、技能，再引导学生思考这些知识、技能的其他应用场景，然后老师再进一步拓展提升，同时布置拓展任务，进一步提升学生用所学问题解决实际问题的能力。

4.5 真正落实“以教师为主导，以学生为主体”

客观来说，相比学历教育的学生而言，大部分职业教育学生的理论基础、学习习惯、学习能力都偏差，这是客观事实。传统的教育方式，抑制了学生主观能动性的发挥，缩小了学生全面发展的空间。

正因如此，职业教育的老师需要给学生更多的引导、鼓励和支持：学习任务的梯度、层次设置要清晰合理、同时适当提供学习资源，从而帮助学生提升学习效率和学习效果；更多地通过设置问题和作业引导学生掌握好的学习方法，而不只是口头说教指点；任务评价标准清晰、全面，反馈及时、正面，从而帮助学生改善学习习惯、提升自信；通过总结和拓展任务的设置提升学生的知识迁移能力等。

只有真正接受职业教育学生的现状，针对他们的实际情况进行教学和引导，才能更好地激发他们的学习热情和主观能动性，培养出更多、更好的技能人才。

4.6 拥抱“互联网+”，实现“智慧化教学”

当前市面上《大数据分析》教材良莠不齐，适合职业教育学生的教材选择更少，适应性也不强，但是“互联网+”时代老师可以寻找网络资源来丰富学生的教材。比如上面所提到的Python 等课程内容在互联网上都有很多优质的、最新的学习资源，比如“中国慕课”“学习强国”等优质课程平台、“哔哩哔哩”“知乎”等优秀的资源分享平台。学生在学习时遇到的问题在互联网上也基本都已经有问有答，所以教师在教学的过程中可以综合利用网上已有的教学资源，把更多的精力放在和学生的互动、培养学生实际解决问题的能力上，拥抱“互联网+”,实现“智慧化教学”。

与此同时，老师的这种做法也体现了遇到问题主动探索、积极尝试通过互联网等各种课外资源解决问题的精神。这种跳出环境限制、主动寻找资源来解决问题的意识和能力，会在今后的工作中让学生更容易打开工作局面、快速提升能力，受益匪浅。

5 总结

除了大数据分析，大数据专业还有很多其他技术人才培养的分支方向，比如以研究大数据技术为主的技术研发人员、以研究大数据架构体系为主的架构设计人员等，只是这些方向对于职业教育的学生来说难度更大。

但不论是哪个专业方向，职业教育最忌讳的就是脱离市场实际需求、闭门造车。不论哪种技能人才的培养，如果能将产业行业最新技术标准、岗位需求、发展趋势，作为人才培养的指南，并且保持动态更新，确保及时将新技术、新工艺融入课程；将企业真实工作场景和实训环境引入，作为学生的学习环境；找准定位，脚踏实地，将培养的目标定在企业最需要的地方，并切实做到“以教师为主导，以学生为主体”，必将能够为社会发展提供更多的高素质技能人才、能工巧匠、大国工匠。