李长松
学校：山东女子学院 邮编：250300
摘要：大数据知识体系宽泛，大数据人才培养迫切需要构建核心的课程体系与有效的实践机制。文章分析了大数据人才培养存在的挑战，结合OBE理念，提出基于开放实践平台的大数据人才培养模式。该模式首先根据行业需求设置了先进的大数据核心课程体系，并基于现有高校的科研平台与资源，构建开放的大数据实践平台，最后给出大数据人才培养的评价机制。
关键词：开放实践平台；大数据知识体系；课程体系
引言
所谓人才孵化，就是依托孵化机构的品牌、人脉和影响力等方面的优势，整合培训、咨询、项目、师资等各方面的资源，为被孵化人才提供与创就业实战相似的学习和实践环境和项目，以期提高被孵化人才的竞争力，降低其创就业成本。同时，也是降低了孵化项目参与企业的运营成本、人才培训成本。从而帮助解决“人岗不匹配”的社会问题，形成“校—企—生”三方共赢的局面。孵化人才就必须有一套完善的孵化平台，壮大企业实力，加快人才的培养、使用，使人才培养工作规范化、制度化，满足公司对人才的需求。职业人才孵化平台（以下简称“孵化平台”）能够为学生提供在线职业技能培训，并通过对学生行为的收集，获取其学习行为信息，运用大数据技术，为学生推荐个性化的课程，从而帮助提高学生的技能水平，为学生解决就业问题，为用人企业提供人才推荐、技能测评等服务。
1、大数据技术及应用
1.1大数据概述
大数据(Bigdata)，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着互联网、云计算和物联网的迅猛发展，无所不在的移动设备、RFID、无线传感器每分每秒都在产生巨量的数据。大数据的快速发展，使之成为信息时代的一大新兴产业，并引起了国内外政府、学术界和产业界的高度关注。
1.2大数据的特点
大数据无处不在，已经渗透到了我们生活的方方面面。业内人士普遍认为：“大数据”具有4V的特征，分别是Volume（体量巨大）、Variety（种类繁多）、Velocity（生成速度快）和Value（价值密度低）。（1）数据体量巨大：它是一个大型数据集，从几十TB级跃升到几百PB级。（2）种类繁多：数据可以来自多种不同的数据源，数据格式不再单单是结构化的数据，它通常还包含半结构化和非结构化数据。（3）生成速度快：大数据的生成速度是非常快的。例如，百度每天大约要处理几十PB的数据；Facebook每天生成几百TB的数据。（4）价值密度低：通过对对大数据进行挖掘分析，可以获取对我们要用的数据，但有用的数据非常少。以视频为例，连续不间断监控过程中，可能有用的数据仅仅一两秒钟。大数据并不是掌握这些海量的数据，而是能够对这些数据进行深入分析，从而挖掘出有价值的信息。
1.3大数据技术应用
大数据技术是一代全新的数据科学技术，它包括数据的收集、整理、存储、分析等一系列相关技术的总称。它涉及到数据的采集、整理、存储、处理、分析、可视化呈现等诸多环节。职业人才孵化平台利用大数据技术，首先采集学生学习过程的相关数据，根据学生的实际学习情况和需求，为学生量身定制学习课程，并为学生推送个性化的课后作业。学生进行相关课程的学习后，可在线进行学习效果测试。通过分析学生的学习过程数据及测试结果数据，对学生进行更全面、更精确的能力评定。职业人才孵化平台通过精确匹配学生能力和企业用人需求，为供需双方提供合适的推送信息，从而帮助解决“人岗不匹配”的问题。
2、大数据人才培养教学平台研究
建立标准化考核跟踪指标体系，将指标量化落实到学生具体的日常活动与学习任务中去。
平台以自动化跟踪和数据采集分析为主，人机结合评价为辅，形成科学、客观的各单项指标考核与综合考核报告，定期推送到班主任和家长的个人空间。班主任定期在系部例会中汇报典型，交流解决方案和经验，针对性地进行学生访谈，高效地引导问题学生转变为好学生，将“生米”煮成“熟饭”。
2.1建立日常活动管理模块
学生通过手机App软件完成日常任务。比如，上课定位考勤，提交课程作业，完成班级任务，报名参加竞赛，参加社团活动等；后台管理活动成果，教师反馈作业成绩等。定期（比如按月）生成日常活动指标考核报告，自动推送到班主任、家长及学生本人的个人空间。
2.2建立内在品质与外在表现模块
从新生入学至毕业，个人成长历程被平台记录，结合班级、系部和学院教学跟踪，形成综合素质评价资源库，抓取资源信息生成综合评价报告。根据报告，制定个性化培养、辅导方案。
2.3建立职业目标模块
通过学生技能进阶，不断引导和激发潜能，充分掌握专业技能、认识自身特长，逐步走向社会岗位需求的职业目标之路。
2.4建立评价模块
由于大数据知识体系的宽泛性，其实践不同于一般专业课程可以通过随课实验、课程设计、集中上机等方式完成，事实上，大数据实践还需要资源开放、课题开放的综合实践平台的支撑。资源开放为大数据实践提供了计算、存储及展现的基础条件，课题开放为大数据实践提供了有效途径。（1）构建资源开放的实体平台。基于弹性伸缩的PaaS平台，构建资源开放的大数据实践平台，从而通过自动化部署，为大数据分析、大数据科学类实践提供基础环境，避开实践环境部署的复杂过程；也可以由大数据工程师类的实践团队来自己定义大数据处理平台，从而实践相关的大数据平台技术。资源开放的大数据实践平台将基于基础设施层、大数据套件组件层、大数据套件管理层加以构建。大数据实践平台的基础设施层可以是包括计算、存储、网络在内的基本资源；大数据套件组件层通常部署有HDFS文件系统、Hbase、Mongodb数据库组件、MapReduce、Hive组件、以及Storm、Spark并行计算组件等；大数据管理层包括了运行时/工作流管理、部署、监控管理等套件。（2）构建三位一体的开放课题机制。大数据是日新月异的新兴领域，伴随其在工业制造、电力、交通、医疗、农业等行业中得到的广泛应用，在人才培养过程中，更应强化大数据人才的创新思维培养。为此，针对大数据技术重要的前沿方向，参考注重精英本科人才的启示，针对卓越工程师班或实验班同学，通过实施大学生科研训练、开放研究课题、开放企业课题等有效途径，充分培养学生的创新创造能力。
结束语
在新的历史时期，教育供给侧结构性改革的实质就是：进一步全面深化教育领域综合改革，进一步推进教育体制改革，落实教育管办评分离，激发教育事业发展活力。面对市场上变化越来越快的人才需求，高职院校必须要积极地依托大数据平台来为人才培养打下有力基础，促进人才培养效果的提升，让高职学生进入社会后拥有更强竞争力。
参考文献
[1]冯旻舒. 大数据视域下地方本科高校应用型人才培养模式研究[D].武汉理工大学,2017.
[2]李凯. 大数据背景下商业银行人力资源信息化创新应用研究[D].苏州大学,2016.
[3]施永孝. 大数据视角下北京市科技创新平台运营机制研究[D].北京理工大学,2015.
出生年月：1981年2月 性别:男 学历：硕士研究生 职称：副教授
民族：汉 籍贯：山东济南 研究方向：嵌入式系统开发、移动应用开发
资助课题：教育部高等教育司2017年产学合作协同育人项目（201702170010）