
大力培养大数据人才,引领智慧科技时代
在全球信息化快速发展的大背景下,数据已成为国家重要的基础性战略资源,大数据正日益渗透到社会生活和经济发展的方方面面。2015年,国务院出台《促进大数据发展行动纲要》,提出要全面推进我国大数据发展和应用,加快建设数据强国,在“十三五”规划、“两化融合”、“互联网+”和《中国制造2025》等重大国家战略中,明确要求在全社会各个领域中加大对大数据应用,促进大数据产业发展,加快“数据中国”建设,这标志着大数据产业已上升为战略高度。
大数据互联网产业升温催生人才紧缺
随着大数据产业在全球范围内的快速兴起,国内互联网行业和IT行业的领军企业纷纷进军大数据行业,大量大数据中心的建设,大数据法律法规的完善,数据挖掘、分析、存储和数据感知等技术的不断成熟以及数据安全的加强,使得大数据应用和推广更加广泛和易接受。大数据已经融入了制造业、医疗、金融等多个领域。人才职位主要集中在互联网、金融、房地产、消费品、制药/医疗等行业,源于该几类行业已在短期内无论是产品端、用户端、运营端等都实现了大数据的原始积累,且数据增长速度依然可观。
然而,由于人才培养的滞后,以及新兴行业熟练技术人员积累的不足,未来大数据人才的短缺必将成为制约行业发展的重要因素。目前市场对大数据人才需求的特点是:需求量大、薪资水平高,并且呈上升趋势。
职业教育人才培养计划成为产业发展保障
加快大数据专业人才培养、提升人才培养质量已成为教育亟须解决的难题。而职业教育则是突破解决这一难题的有效途径之一。党的第十八次全国代表大会上就提出了“大力发展职业教育,提高高等教育质量”的要求和重点培养具有实际动手能力的应用型、复合型人才的发展规划,后续出台的《国务院关于加快发展现代职业教育的决定》、《现代职业教育体系建设规划》(2012-2020)等纲领性文件更明确提出“加快发展现代职业教育,是深入实施科教兴国战略和人才强国战略的必然要求,是保就业、惠民生、打造经济升级版的重要举措,必须摆在更加突出的战略位置。”“鼓励各地探索职业教育体系建设的具体模式,鼓励职业教育多样化、多形式发展,形成政府办学、企业办学和社会办学共同发展,全日制与非全日制一体化,学历教育与非学历培训沟通衔接的职业教育新格局”。
由于大数据科学是与软件工程、计算机科学、数学和统计学等基础学科紧密结合,并与众多应用学科交叉融合的新兴学科,具有复合性、应用性和前沿性的特点,因此,目前国内主要是一些有实力的研究型大学在积极探索开展大数据专业人才的培养,尚未形成明晰的人才培养体系。而一些职业教育机构由于市场敏感度高、企业资源丰富等优势,开始实施大数据技术的相关培训时间较早,已经构建起符合市场需求的人才培养体系,值得学校借鉴。
校企联合培养大数据职业人才
2016年,湖南省职业教育新程集团与省内高校合作共建大数据与互联网职业人才培养计划。高校在大数据高端人才与研究方面具有极大的优势,而新程教育则是一家根植湖南,专注信息技术职业教育的集团公司,旗下产业覆盖职业教育、电子商务平台运营、创投孵化三大领域。公司研发有自有知识产权体系的职业教育教材,并于2007年被国家工信部认定为信息化工程师资格认证指定教材。2013年公司被评为腾讯网十年最具创新力IT教育品牌。在信息技术人才培养方面硕果累累。
通过大数据人才培养计划的建立,新程将协同其大学计划一起为高校提供基于分布式实验环境的硬件及软件系统套件,以及行业最新的专业级平台和工具等服务,使得学生能够掌握大数据领域的前沿技术。同时,新程还将与高校联合进行课程、教材等的深度研发,并持续提供多元化、高质量、更广泛的公开课程资料,覆盖当前主流嵌入式系统课程与实验、移动互联开发课程与实验、智能硬件实践课题及操作系统实训等。
另一方面,新程将十余年深耕信息产业职业人才培养所积累的广泛企业联盟引入高校,据悉,新程研发的职业素养提升体系(LDSP)将企业人才内训模式转化为大学教育模式,将用人企业的内训培养系统引入教学实施过程,通过共同制定培养方案、共同完成实训课程、共同建立学生成长档案,提前引入企业文化等模式,不断深化产教融合,塑造训练培养学生企业能力素质,适应企业对专业技能、职业素质、个人修养的用人需求,帮助学生走上职业发展之路。
未来的十年将是一个“大数据”引领的智慧科技的时代。我国需加快大数据专业建设步伐,注重人才与产业的结合,保证人才培养的质量与效率,加强校企合作。我们有理由相信,凭借高校在大数据研究方面深厚的底蕴,新程教育集团十余年深耕职业教育,积极开展大学合作计划,广泛建立校企合作产教融合联盟,必将有助于提升大数据职业人才培养发展速度,应对逐步升高的行业需求,加快优质教学资源的共享,推进教学改革,促进大数据职业教育发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01