论文部分内容阅读
[摘 要]大数据时代，商业模式、产业结构及人才需求发生了一系列改变，这些改变促使各大高校对人才的培养进行改革。面对当前社会对大数据行业人才严峻的需求形势，大数据研究生人才的培养面临新的问题和挑战。该文以探索大数据背景下高端人才的培养模式创新为出发点，分析当前研究生教育教学模式中存在的问题，提出进行适应大数据行业需求的研究生人才培养模式的创新尝试，以期为提升大数据环境下研究生的教育教学质量提供有利参考。
[关键词]大数据;研究生培养;行业需求
[基金项目]2019年度东北财经大学研究生教学改革研究项目“面向大数据行业的研究生人才培养模式研究”（yjzx201909）
[作者简介]张 婧（1987—），女，山东青岛人，博士，东北财经大学管理科学与工程学院讲师，主要从事数据挖掘、自然语言处理、机器学习研究;田 甜（1987—），女，辽宁沈阳人，博士，东北财经大学管理科学与工程学院副教授，主要从事大数据、运筹管理研究。
[中图分类号] G643.0 [文献标识码] A [文章编号] 1674-9324（2020）28-0090-02 [收稿日期] 2019-11-19
一、引言
2016年《大数据产业发展规划（2016—2020年）》出台，推动了大数据在工业研发、制造及产业链流程各环节中的应用。大数据的应用对社会各个领域产生了深刻影响[1]，已成为一个影响企业、社会和国家发展的重要因素。
大数据已成为塑造国家竞争力的战略制高点之一，然而大数据发展存在一个重要问题：大数据产业支撑体系尚不完善，人才队伍建设亟须加强，特别是高层次复合型人才的供应不能满足大数据行业发展的需要。2011年麦肯锡公司研究预测表明，2018年全球深度数据分析人才的空缺将有50%，而数据科学家的空缺将有15万，基于大数据分析进行决策的数据管理和分析人员的空缺也将达到150万[1]。因此，各高校面向大数据行业的人才培养面临巨大的社会需求缺口。
大数据时代，各行业对数据分析的需求逐渐变得复杂，仅凭单一的学科知识去解决数据分析问题变得日益困难。因此，突破学科壁垒，进行跨学科研究成为解决复杂数据分析问题的趋势。目前，大多数高校在研究生人才培养过程中，缺乏与其他行业的有效融合[2-4]以及对研究生综合实践能力的培养。面对社会对大数据行业人才的迫切需求形势，以及目前研究生人才培养模式中存在的问题，本文拟探讨如何有效利用现有的教学条件和教学资源，培养研究生人才扎实的大数据专业技术及高水平的跨学科研究能力，从而提出适应大数据行业需求的研究生人才培养模式。
二、大数据背景下研究生人才培养模式中存在的问题
大数据技术的发展突飞猛进，给高等教育模式带来了全面的冲击，大数据技术正在影响并改变大学传统的教育教学模式。现有的研究生培养方案普遍存在课程体系与社会行业需求脱节、实践教学环节薄弱、科研过程缺乏跨学科交流与合作等现象，这是目前研究生教育教学中存在的亟待解决的问题。
1.研究生课程体系与大数据行业人才需求脱节。大数据人才的培养与大数据行业对人才的需求存在明显的脱节现象。大数据专业研究生的培养模式与本科生阶段的区分度不大，主要包括编程能力、数据爬取、数据清洗及统计分析等内容。但不注重培养学生了解相应行业的业务流程和商业需求的主观能动性，以及利用大数据解决实际应用问题的综合实践能力和独立分析能力。利用现有培养模式培养出的研究生无法有效利用数据分析来实现业务流程的改善和创新，并不符合社会对大数据分析人才的需求，不能成为真正意义上的大数据分析人才。
2.实践教学环节薄弱。目前的教学活动主要采用老师独立授课、学生被动接受的教学方式。在这种教学模式中，由于大数据应用实践环节的缺失，学生对相关知识的掌握和运用能力得不到充分的锻炼。现有研究表明，面向大数据行业的人才虽然具有一定的专业知识，但对业务逻辑的了解不够清晰，还不能熟练操作和使用数据分析工具，也无法有效运用分析结果来指导人们的生产和生活。因此，如何在研究生培养过程中增加实践教学环节、增强学生的实际操作能力是本文需要探索的一个重要问题。
3.科研过程缺乏跨学科交流与合作。大数据人才应具备交叉学科知识和商业数据分析技能[5]。但是，在目前的研究生培养过程中，研究课题往往局限于传统单一的学科领域，缺乏多学科间的交流与合作，无法利用大数据技术进行多学科交叉研究，即大数据专业研究生无法运用其他领域的专业知识来分析数据处理结果并进行决策制定和优化，而其他专业研究生则无法利用大数据专业技能对数据进行有效的处理和分析。面对庞大的大数据人才需求缺口，如何利用現有的有限师资和教学资源培养学科交叉型大数据研究生人才也是本文需要探讨的一个至关重要的问题。
三、大数据时代研究生人才培养模式创新探索
在大数据环境下，社会行业需求对大数据人才的培养模式提出了更高的要求。然而，目前绝大多数高校的研究生人才培养模式尚不成熟，无法培养出符合社会行业需求的大数据人才。为此，本文做出以下研究生培养模式的创新尝试。
1.校企合作教学模式。国内培养大数据人才的院校大多处于起步阶段，学校教育与大数据市场需求脱节严重，学生缺乏利用大数据技术解决具体行业应用问题的能力。为了避免教育与大数据市场需求相脱节的问题，应当在研究生培养过程中增加校企合作模式：（1）在制定研究生培养方案时，应充分考虑社会行业对数据分析专业技能的要求，以市场需求为导向，设计面向社会需求的大数据课程教学方案，并在实践中不断优化教学方案;（2）在教学过程中引入校企合作项目，利用案例实战分析、模拟实训来增强学生的实践能力;（3）利用企业为学校提供的大数据平台，培养学生的数据获取、分析、展示和管理能力，提高大数据人才的实践能力。 2.大数据背景下的学科群建设。在大数据时代，优秀的数据分析人才应当具备数据分析技能。然而，目前高校中不同专业研究生对大数据分析技能的掌握程度参差不齐。为此，各大高校应加强大数据专业与相关专业之间的合作，利用学科群平台对非大数据专业的研究生进行机器学习、大数据分析、人工智能等相关技术的授课，在进行课程设置时为大数据专业的学生增加多领域、跨学科的选修课程，例如大数据與经济学、法学、金融学、管理学等学科相结合的选修课程。课程群建设可以有效利用多种交叉科学培养学生将数据和技术转化为企业商业价值的能力，为社会培养优秀的大数据人才。
3.双导师制的研究生培养模式。为了加强具有多学科交叉能力的大数据人才的培养，除了进行多学科联合的学科群建设，还可以通过跨学科双导师制度来增强学生对跨领域知识的学习和运用。具体可以与各个学院的优秀师资深度联合，加强多学科融合，比如加强金融、司法、电商等领域与大数据的结合。在科研过程中要有针对性地搭建具体行业的大数据应用场景，增加跨领域科研，以实际社会需求为导向共同培养大数据与多领域深度融合的高端人才，使其成为大数据时代横跨业务和技术领域的双通道人才。
四、结语
大数据时代，各行各业都需要具有大数据分析技能的高端人才。各大高等院校作为人才培养的重要载体，承载着培养面向大数据时代的数据分析人才的重要使命。文章从三个方面总结和分析了传统人才培养模式在大数据环境下存在的问题，并提出了相应的培养模式探索方向：校企合作模式、大数据背景下的学科群建设，以及跨学科双导师的大数据人才培养模式。文章对如何有效培养面向大数据时代的高水平人才、增强学生跨学科知识的融合能力及综合实践能力展开了深入探讨。为大数据背景下适应社会需求的大数据人才培养的改革提供新的思路和参考。
参考文献
[1]赵立莹.大数据时代我国研究生教育的变革路径—基于《全球研究生教育行动指南》[J].学位与研究生教育，2016， （9）：65-68.
[2]唐向红，刘国凯.面向智能制造的研究生人才培养研究[J].课程教育研究，2016，（18）：5-6.
[3]苏理云，叶志勇，高红霞，等.大数据背景下统计学硕士研究生人才培养模式研究[J].教育教学论坛，2015，（22）：142-143.
[4]陆见光，张欢.面向制造大数据的研究生人才培养研究[J].课程教育研究，2018，（15）：6-7.
[5]刘平山，文益民.面向大数据应用复合型人才培养的信管专业课程群构建[J].高教论坛，2018，（04）：13-15.
Research on Innovation of Postgraduate Training Model for Big Data Industry Demand
ZHANG Jing， TIAN Tian
（School of Management Science and Engineering， Dongbei University of Finance and Economics，
Dalian， Liaoning 116024， China）
Abstract： In the era of big data， a series of changes have taken place in business model， industrial structure and talent demand， which have prompted universities to reform the training of talents. In the face of the severe demand for skilled big data professionals， the training of postgraduates in big data faces new problems and challenges. In order to innovate the training model of the skilled big data professionals， this paper analyzes the existing problems in the current postgraduate education and teaching model， and puts forward suggestions for the innovation of postgraduate training model that adapts to the demand of big data industry， so as to improve the quality of postgraduate education and teaching in the era of big data.
Key words： big data; postgraduate training; industry demand
[关键词]大数据;研究生培养;行业需求
[基金项目]2019年度东北财经大学研究生教学改革研究项目“面向大数据行业的研究生人才培养模式研究”（yjzx201909）
[作者简介]张 婧（1987—），女，山东青岛人，博士，东北财经大学管理科学与工程学院讲师，主要从事数据挖掘、自然语言处理、机器学习研究;田 甜（1987—），女，辽宁沈阳人，博士，东北财经大学管理科学与工程学院副教授，主要从事大数据、运筹管理研究。
[中图分类号] G643.0 [文献标识码] A [文章编号] 1674-9324（2020）28-0090-02 [收稿日期] 2019-11-19
一、引言
2016年《大数据产业发展规划（2016—2020年）》出台，推动了大数据在工业研发、制造及产业链流程各环节中的应用。大数据的应用对社会各个领域产生了深刻影响[1]，已成为一个影响企业、社会和国家发展的重要因素。
大数据已成为塑造国家竞争力的战略制高点之一，然而大数据发展存在一个重要问题：大数据产业支撑体系尚不完善，人才队伍建设亟须加强，特别是高层次复合型人才的供应不能满足大数据行业发展的需要。2011年麦肯锡公司研究预测表明，2018年全球深度数据分析人才的空缺将有50%，而数据科学家的空缺将有15万，基于大数据分析进行决策的数据管理和分析人员的空缺也将达到150万[1]。因此，各高校面向大数据行业的人才培养面临巨大的社会需求缺口。
大数据时代，各行业对数据分析的需求逐渐变得复杂，仅凭单一的学科知识去解决数据分析问题变得日益困难。因此，突破学科壁垒，进行跨学科研究成为解决复杂数据分析问题的趋势。目前，大多数高校在研究生人才培养过程中，缺乏与其他行业的有效融合[2-4]以及对研究生综合实践能力的培养。面对社会对大数据行业人才的迫切需求形势，以及目前研究生人才培养模式中存在的问题，本文拟探讨如何有效利用现有的教学条件和教学资源，培养研究生人才扎实的大数据专业技术及高水平的跨学科研究能力，从而提出适应大数据行业需求的研究生人才培养模式。
二、大数据背景下研究生人才培养模式中存在的问题
大数据技术的发展突飞猛进，给高等教育模式带来了全面的冲击，大数据技术正在影响并改变大学传统的教育教学模式。现有的研究生培养方案普遍存在课程体系与社会行业需求脱节、实践教学环节薄弱、科研过程缺乏跨学科交流与合作等现象，这是目前研究生教育教学中存在的亟待解决的问题。
1.研究生课程体系与大数据行业人才需求脱节。大数据人才的培养与大数据行业对人才的需求存在明显的脱节现象。大数据专业研究生的培养模式与本科生阶段的区分度不大，主要包括编程能力、数据爬取、数据清洗及统计分析等内容。但不注重培养学生了解相应行业的业务流程和商业需求的主观能动性，以及利用大数据解决实际应用问题的综合实践能力和独立分析能力。利用现有培养模式培养出的研究生无法有效利用数据分析来实现业务流程的改善和创新，并不符合社会对大数据分析人才的需求，不能成为真正意义上的大数据分析人才。
2.实践教学环节薄弱。目前的教学活动主要采用老师独立授课、学生被动接受的教学方式。在这种教学模式中，由于大数据应用实践环节的缺失，学生对相关知识的掌握和运用能力得不到充分的锻炼。现有研究表明，面向大数据行业的人才虽然具有一定的专业知识，但对业务逻辑的了解不够清晰，还不能熟练操作和使用数据分析工具，也无法有效运用分析结果来指导人们的生产和生活。因此，如何在研究生培养过程中增加实践教学环节、增强学生的实际操作能力是本文需要探索的一个重要问题。
3.科研过程缺乏跨学科交流与合作。大数据人才应具备交叉学科知识和商业数据分析技能[5]。但是，在目前的研究生培养过程中，研究课题往往局限于传统单一的学科领域，缺乏多学科间的交流与合作，无法利用大数据技术进行多学科交叉研究，即大数据专业研究生无法运用其他领域的专业知识来分析数据处理结果并进行决策制定和优化，而其他专业研究生则无法利用大数据专业技能对数据进行有效的处理和分析。面对庞大的大数据人才需求缺口，如何利用現有的有限师资和教学资源培养学科交叉型大数据研究生人才也是本文需要探讨的一个至关重要的问题。
三、大数据时代研究生人才培养模式创新探索
在大数据环境下，社会行业需求对大数据人才的培养模式提出了更高的要求。然而，目前绝大多数高校的研究生人才培养模式尚不成熟，无法培养出符合社会行业需求的大数据人才。为此，本文做出以下研究生培养模式的创新尝试。
1.校企合作教学模式。国内培养大数据人才的院校大多处于起步阶段，学校教育与大数据市场需求脱节严重，学生缺乏利用大数据技术解决具体行业应用问题的能力。为了避免教育与大数据市场需求相脱节的问题，应当在研究生培养过程中增加校企合作模式：（1）在制定研究生培养方案时，应充分考虑社会行业对数据分析专业技能的要求，以市场需求为导向，设计面向社会需求的大数据课程教学方案，并在实践中不断优化教学方案;（2）在教学过程中引入校企合作项目，利用案例实战分析、模拟实训来增强学生的实践能力;（3）利用企业为学校提供的大数据平台，培养学生的数据获取、分析、展示和管理能力，提高大数据人才的实践能力。 2.大数据背景下的学科群建设。在大数据时代，优秀的数据分析人才应当具备数据分析技能。然而，目前高校中不同专业研究生对大数据分析技能的掌握程度参差不齐。为此，各大高校应加强大数据专业与相关专业之间的合作，利用学科群平台对非大数据专业的研究生进行机器学习、大数据分析、人工智能等相关技术的授课，在进行课程设置时为大数据专业的学生增加多领域、跨学科的选修课程，例如大数据與经济学、法学、金融学、管理学等学科相结合的选修课程。课程群建设可以有效利用多种交叉科学培养学生将数据和技术转化为企业商业价值的能力，为社会培养优秀的大数据人才。
3.双导师制的研究生培养模式。为了加强具有多学科交叉能力的大数据人才的培养，除了进行多学科联合的学科群建设，还可以通过跨学科双导师制度来增强学生对跨领域知识的学习和运用。具体可以与各个学院的优秀师资深度联合，加强多学科融合，比如加强金融、司法、电商等领域与大数据的结合。在科研过程中要有针对性地搭建具体行业的大数据应用场景，增加跨领域科研，以实际社会需求为导向共同培养大数据与多领域深度融合的高端人才，使其成为大数据时代横跨业务和技术领域的双通道人才。
四、结语
大数据时代，各行各业都需要具有大数据分析技能的高端人才。各大高等院校作为人才培养的重要载体，承载着培养面向大数据时代的数据分析人才的重要使命。文章从三个方面总结和分析了传统人才培养模式在大数据环境下存在的问题，并提出了相应的培养模式探索方向：校企合作模式、大数据背景下的学科群建设，以及跨学科双导师的大数据人才培养模式。文章对如何有效培养面向大数据时代的高水平人才、增强学生跨学科知识的融合能力及综合实践能力展开了深入探讨。为大数据背景下适应社会需求的大数据人才培养的改革提供新的思路和参考。
参考文献
[1]赵立莹.大数据时代我国研究生教育的变革路径—基于《全球研究生教育行动指南》[J].学位与研究生教育，2016， （9）：65-68.
[2]唐向红，刘国凯.面向智能制造的研究生人才培养研究[J].课程教育研究，2016，（18）：5-6.
[3]苏理云，叶志勇，高红霞，等.大数据背景下统计学硕士研究生人才培养模式研究[J].教育教学论坛，2015，（22）：142-143.
[4]陆见光，张欢.面向制造大数据的研究生人才培养研究[J].课程教育研究，2018，（15）：6-7.
[5]刘平山，文益民.面向大数据应用复合型人才培养的信管专业课程群构建[J].高教论坛，2018，（04）：13-15.
Research on Innovation of Postgraduate Training Model for Big Data Industry Demand
ZHANG Jing， TIAN Tian
（School of Management Science and Engineering， Dongbei University of Finance and Economics，
Dalian， Liaoning 116024， China）
Abstract： In the era of big data， a series of changes have taken place in business model， industrial structure and talent demand， which have prompted universities to reform the training of talents. In the face of the severe demand for skilled big data professionals， the training of postgraduates in big data faces new problems and challenges. In order to innovate the training model of the skilled big data professionals， this paper analyzes the existing problems in the current postgraduate education and teaching model， and puts forward suggestions for the innovation of postgraduate training model that adapts to the demand of big data industry， so as to improve the quality of postgraduate education and teaching in the era of big data.
Key words： big data; postgraduate training; industry demand