大數據與人工智能已上升為國家戰略，而相關人才成為數字經濟發展的首要資源。因此，培養高素質、高技能應用型大數據人才，充分發揮學校與企業的優勢資源，加強校企合作，探索新時代下產教融合、協同育人的培養模式，成為目前各大高校亟待解決的問題。

[[322486]]

目前，國內許多高校都開設了大數據相關專業，甚至某些高校的經管學院、統計學院、會計學院也紛紛開設大數據專業，大數據與行業的融合日益密切，培養跨行業的大數據應用型人才迫在眉睫。對于本科、高職院校來說，人才培養的側重點應當是不同的。

對于高職院校來說，人才的培養更應該側重應用。對于本科院校來說，則是理論與應用并重，理論是基礎，應用是目標。

對于大數據相關本科專業的學生，教師首先應讓其系統掌握數據分析的相關理論，包括高等數學、線性代數、數據統計、應用統計、數據分析、自然語言處理以及編程這些理論知識。

對于應用方面的教學來說，教師應該讓學生掌握大數據的獲取能力、分析能力、決策能力。不管是大數據的獲取還是分析，最終的目標都是為了做決策。

目前來說，國內新獲批的大數據相關專業師資力量比較缺乏。為了解決師資的問題，學校可以聘請企業中擁有實際經驗的工程師做兼職講師，也可以安排教師到企業進行培養，從事大數據分析的工作，積累大數據分析與管理的經驗和案例，然后用于教學。

總之，學校要注重師資隊伍的建設，鼓勵老師多參加培訓、交流，到企業進行實踐。

有了師資力量，大數據的相關課程自然就能夠開設。開設課程首先要確定培養學生的目標，從而確定開設哪些課程。開設課程的時候一定要清楚課程的邊界，比如有些專業的課程是重復性的，像機器學習和商務智能，機器學習注重理論，商務智能注重應用，即將機器學習的理論和方法應用到商務。

[[322487]]

為了提升學生的實踐能力，目前國內各大高校都會選用數據分析平臺，在平臺選擇上，建議考慮以下幾個因素：

第一，功能滿足教學需求

大數據分析平臺首先要滿足學院實驗中心目前的教學需求。從數據的管理、倉庫的建設、數據分析到成果管理、數據可視化，數據分析平臺都要具備這些功能，這樣才能改變以往教學由于實驗平臺的缺乏而重理論輕實踐的弊端。

第二，平臺操作適合教學

數據分析平臺應當能夠不分時間、地點，解決實驗教學問題。比如目前處在疫情期間，許多基于實驗的教學因受場地、時間的限制無法正常進行，數據分析平臺就應當能夠解決這個問題。

第三，實現“教用合一”

數據分析平臺不應當只用于教學，最好在許多大型企業中得到應用，學校使用這個平臺可以做到“教用合一”，為了學生工作奠定良好的大數據分析平臺操作基礎。

通過這個平臺培養出來的學生，將來應聘到企業工作，如果該企業也使用了該平臺，那么他到企業就可以得心應手，不需要再次培訓;學校也可以采用協同育人的方式，為企業培養實際需要的大數據分析人才。

第四，提供豐富的案例庫和數據庫

對大數據分析教學來說，現在缺乏的不是理論，而是數據和案例。數據分析平臺必須能夠提供大量完善的企業案例和數據。

在應用型大數據人才的培養上，除了實驗中心的建設以及數據分析平臺的搭建，國內不少高校紛紛和企業展開合作。大數據的人才培養是應用型的人才培養，因此一定要堅持校企合作的人才培養模式。經過多年的信息化建設，企業擁有海量的數據，這就為數據獲取、數據分析、數據決策提供了基礎和條件。

大數據分析的前提就是要有大數據。同時，大數據的具體應用一定要和特定的行業相結合，比如從元月份開始，每天會產生很多疫情數據。我們不妨把讓學生進行疫情數據分析。

可以先讓學生先把疫情數據獲取、收集起來，再通過數據分析平臺分析各省的防治水平、醫療水平并進行評價、對疫情發展情況進行各種類型的預測。比如某個省的新增確診是多少，累計確診是多少，通過這些數據來分析防控措施的執行情況。

校企合作可以有多種多樣的形式，對高職院校來說，可以和企業聯合辦學，制訂聯合培養方案，進行“訂單式”人才培養。此外，學校和企業可以合作開發課程，還可以聯合進行師資培訓。

對于本科院校而言，目前很多高校都有青年教師到大型企業鍛煉的項目。大數據企業可以接收高校老師進行培訓，并與高校聯合成立實訓中心，開展科研、教學項目;大數據企業可以做培訓項目的認證，向學生頒發證書。

此外，學校可以向學生授予創新學分。鼓勵學生參加大數據相關的大賽，參加科研、實踐活動，學生取得一定的成績就可以獲得學分。

在國家“新基建”戰略指導下，大數據、人工智能作為核心組成部分，相關產業必將得到更大的發展。

而困擾這個行業發展人才短缺問題(未來3-5年，大數據人才缺口180萬)也將更加嚴重，高校如何能夠緊貼行業發展需求，培養和輸送符合行業需求的應用型人才，為產業發展提供人才保障，是高校當前人才培養的重中之重。

高校必須持以開放的心態、加強校企合作，這是深化和落地應用型人才培養的必然選擇。