趙衛(wèi)東，蒲 實(shí)

（復(fù)旦大學(xué) 軟件學(xué)院，上海200433）

0 引 言

人類社會(huì)已經(jīng)邁入大數(shù)據(jù)時(shí)代，各個(gè)行業(yè)都不斷地產(chǎn)生大量的數(shù)據(jù)，如何在海量的數(shù)據(jù)中發(fā)現(xiàn)知識(shí)、獲取價(jià)值已成為學(xué)術(shù)界和工業(yè)界炙手可熱的話題，這也催生了“數(shù)據(jù)科學(xué)”新興交叉學(xué)科和一批專業(yè)的數(shù)據(jù)分析人員[1]。

數(shù)據(jù)分析是一個(gè)較為寬泛的領(lǐng)域，傳統(tǒng)的數(shù)據(jù)分析包括統(tǒng)計(jì)分析和數(shù)據(jù)可視化等，后來融入了數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的技術(shù)。隨著人工智能的發(fā)展，深度學(xué)習(xí)也逐漸成為處理圖像、音頻和文字等數(shù)據(jù)分析的熱點(diǎn)和有效手段。大數(shù)據(jù)在多個(gè)領(lǐng)域應(yīng)用成功后，各個(gè)行業(yè)對(duì)數(shù)據(jù)分析人才的需求日益增長(zhǎng)。數(shù)據(jù)分析相關(guān)從業(yè)人員逐年增加，但招聘市場(chǎng)仍出現(xiàn)“人才荒”的現(xiàn)象[2]。國(guó)際數(shù)據(jù)公司（IDC）預(yù)測(cè)到2020年時(shí)僅美國(guó)就需要超過190 000名的數(shù)據(jù)分析人員[3]；在中國(guó)，2017年中國(guó)大數(shù)據(jù)產(chǎn)業(yè)規(guī)模為4 700億元人民幣，但大數(shù)據(jù)人才遠(yuǎn)不能滿足發(fā)展需要，大數(shù)據(jù)人才隊(duì)伍建設(shè)亟須加強(qiáng)[4]。

當(dāng)前工業(yè)界有許多從事大數(shù)據(jù)和人工智能的企業(yè)，在招聘市場(chǎng)上數(shù)據(jù)分析領(lǐng)域有較多的職位，例如數(shù)據(jù)科學(xué)家、大數(shù)據(jù)分析師、算法工程師、機(jī)器學(xué)習(xí)工程師、數(shù)據(jù)挖掘工程師等。對(duì)數(shù)據(jù)分析人員職位的劃分沒有一個(gè)確定的標(biāo)準(zhǔn)，各類公司在招聘時(shí)職位需求也常有重疊交叉之處?？偟膩碚f，可以從“縱向”和“橫向”的角度看待各類職位的區(qū)別，“縱向”代表著數(shù)據(jù)分析角色的專業(yè)化，例如專注數(shù)據(jù)收集或清洗的數(shù)據(jù)工程師、專注算法建模的機(jī)器學(xué)習(xí)專家；“橫向”代表著具有多個(gè)行業(yè)知識(shí)、有統(tǒng)籌安排整個(gè)數(shù)據(jù)分析流程的能力、足以指導(dǎo)不同專家團(tuán)隊(duì)協(xié)作的數(shù)據(jù)科學(xué)家[5]。 深入分析兩種角度的數(shù)據(jù)分析人員的職位需求，可以倒推出企業(yè)對(duì)數(shù)據(jù)分析人才的能力要求。數(shù)據(jù)分析理論知識(shí)是數(shù)據(jù)分析人員從事分析工作的基礎(chǔ)，但這不足以在競(jìng)爭(zhēng)中脫穎而出。企業(yè)對(duì)數(shù)據(jù)分析的技能有更高的要求。

數(shù)據(jù)分析的技能包括業(yè)務(wù)理解能力、數(shù)據(jù)探索能力、數(shù)據(jù)建模能力以及項(xiàng)目管理能力等。以業(yè)務(wù)理解應(yīng)用能力為例，這是數(shù)據(jù)分析中基礎(chǔ)且至關(guān)重要的環(huán)節(jié)，是數(shù)據(jù)分析人員的核心能力之一[6]，不僅要求數(shù)據(jù)分析人員掌握扎實(shí)的數(shù)據(jù)分析方法理論，還要有某個(gè)特定領(lǐng)域的知識(shí)，能夠理解特定領(lǐng)域的業(yè)務(wù)問題并將其轉(zhuǎn)化為數(shù)據(jù)分析的技能。

數(shù)據(jù)分析技能難以在短期內(nèi)培養(yǎng)，需要參與大量的實(shí)踐才能逐步提高，這也是導(dǎo)致數(shù)據(jù)分析人才培養(yǎng)跟不上市場(chǎng)需求的一個(gè)重要原因[7]。數(shù)據(jù)分析技能的培養(yǎng)已成為數(shù)據(jù)分析人才培養(yǎng)的痛點(diǎn)，值得高校數(shù)據(jù)分析類課程任課教師的關(guān)注和探討。

1 數(shù)據(jù)分析技能培養(yǎng)的困境

面對(duì)當(dāng)前各行業(yè)激增的數(shù)據(jù)分析人才需求，高校作為數(shù)據(jù)分析人才培養(yǎng)的基地，擔(dān)負(fù)著向社會(huì)源源不斷地輸送優(yōu)秀人才的重任。教育部在2017年發(fā)布了“新工科建設(shè)復(fù)旦共識(shí)”，不少高校在近幾年也逐漸進(jìn)行教學(xué)改革，建立了一批與大數(shù)據(jù)、人工智能等有關(guān)的專業(yè)和學(xué)院，還有一些高校聯(lián)合企業(yè)成立了實(shí)驗(yàn)室，這些舉措都與數(shù)據(jù)分析息息相關(guān)。在線教學(xué)平臺(tái)上的數(shù)據(jù)分析類課程也一直炙手可熱。但是縱觀大多數(shù)高校的數(shù)據(jù)分析人才培養(yǎng)計(jì)劃以及相應(yīng)的各類數(shù)據(jù)分析課程，發(fā)現(xiàn)一個(gè)普遍的問題是偏重?cái)?shù)據(jù)分析知識(shí)的培養(yǎng)，而缺乏數(shù)據(jù)分析技能的培養(yǎng)。

現(xiàn)在不同層次學(xué)校的數(shù)據(jù)分析課程主要處于知識(shí)傳授的階段[8]。相當(dāng)一部分課程以理論教學(xué)為主體，教師多局限于傳授數(shù)據(jù)分析相關(guān)的理論知識(shí)。在課堂上教師容易對(duì)數(shù)據(jù)分析的算法和簡(jiǎn)單的二手案例進(jìn)行講解，對(duì)涉及的數(shù)理基礎(chǔ)進(jìn)行歸納，但是學(xué)生的工程實(shí)踐機(jī)會(huì)較少，教學(xué)難以延展到數(shù)據(jù)分析的技能培養(yǎng)，有些學(xué)校單純依賴企業(yè)承擔(dān)實(shí)驗(yàn)和實(shí)訓(xùn)教學(xué)也不是長(zhǎng)久之計(jì)。

部分高校的教師對(duì)數(shù)據(jù)分析課程進(jìn)行改革，引入課程Project、課程實(shí)驗(yàn)等來平衡理論教學(xué)與實(shí)踐。但是這種項(xiàng)目教學(xué)法一般是抽象的數(shù)據(jù)分析問題，例如對(duì)某家商務(wù)酒店的用戶評(píng)價(jià)進(jìn)行情感分析、對(duì)某種商品的銷售數(shù)據(jù)進(jìn)行分析等。這類課程項(xiàng)目有處理好的數(shù)據(jù)、明確的需求和考核目標(biāo)，學(xué)生需要考慮的因素較少，通常集中在課堂所學(xué)知識(shí)的簡(jiǎn)單應(yīng)用上。但這遠(yuǎn)遠(yuǎn)不夠，課程項(xiàng)目與企業(yè)項(xiàng)目有非常大的差別。企業(yè)項(xiàng)目沒有明確地分析問題，需要分析人員從復(fù)雜的業(yè)務(wù)背景和問題中予以提取。企業(yè)項(xiàng)目的數(shù)據(jù)非常雜亂，需要大量的數(shù)據(jù)預(yù)處理工作。企業(yè)項(xiàng)目有近乎嚴(yán)苛的驗(yàn)收標(biāo)準(zhǔn)，伴隨著緊張的項(xiàng)目排期和時(shí)間壓力。在企業(yè)項(xiàng)目中，很多問題以及解決思路在教科書和課堂上未曾提及，需要在項(xiàng)目實(shí)踐中通過不斷地試錯(cuò)和創(chuàng)新去解決。因此，使用傳統(tǒng)的項(xiàng)目教學(xué)法培養(yǎng)的學(xué)生在面對(duì)一個(gè)實(shí)際的企業(yè)項(xiàng)目時(shí)，可能非常茫然、不知所措。

當(dāng)前數(shù)據(jù)分析領(lǐng)域不再是學(xué)術(shù)界一枝獨(dú)秀，工業(yè)界的貢獻(xiàn)與日俱增。近年來優(yōu)秀的數(shù)據(jù)分析工具和算法也多源于企業(yè)，例如IBM的Watson、Google的 Tensor Flow、Microsoft的 CNTK等。因此高校的課程體系需要涵蓋數(shù)據(jù)分析領(lǐng)域龐大且日益更新的內(nèi)容體系，建立從理論基礎(chǔ)到應(yīng)用實(shí)踐的多層次教學(xué)。當(dāng)前部分高校的課程內(nèi)容卻還停留在數(shù)年甚至十年前，培養(yǎng)的學(xué)生跟不上市場(chǎng)的技能需求。有限的課程時(shí)間也阻礙了從理論到實(shí)踐的教學(xué)過程。

綜上所述，學(xué)生的工程實(shí)踐能力得不到充分的鍛煉，學(xué)生數(shù)據(jù)分析的技能水平與企業(yè)的需求有較大的脫節(jié)，導(dǎo)致了數(shù)據(jù)分析技能培養(yǎng)困境的出現(xiàn)。

2 數(shù)據(jù)分析技能的有效培養(yǎng)方式

為了探討數(shù)據(jù)分析技能更有效的培養(yǎng)方式，我們對(duì)一些成才的學(xué)生和工業(yè)界的成功人士做了跟蹤調(diào)查，并結(jié)合在復(fù)旦大學(xué)軟件學(xué)院實(shí)施的“基于項(xiàng)目沉浸式的數(shù)據(jù)分析類課程教學(xué)”的實(shí)踐[9]，發(fā)現(xiàn)有效培養(yǎng)數(shù)據(jù)分析技能在于“行動(dòng)中學(xué)習(xí)”。

在數(shù)據(jù)分析領(lǐng)域有著名的1萬小時(shí)定律，換算后是5年左右的時(shí)間，意味著一個(gè)人能游刃有余地解決實(shí)際的數(shù)據(jù)分析業(yè)務(wù)問題需要5年左右的學(xué)習(xí)和實(shí)踐。其中，不必刻意學(xué)完所有的知識(shí)點(diǎn)再去實(shí)踐，而是在實(shí)踐中學(xué)習(xí)，只有這樣才能深刻體會(huì)理論知識(shí)的內(nèi)涵，并在實(shí)踐中與技能共同學(xué)習(xí)。如果數(shù)據(jù)分析的理論知識(shí)不在實(shí)踐中使用，很難真正地理解和掌握。這也符合當(dāng)前教育界著名的“行動(dòng)學(xué)習(xí)”理論?！靶袆?dòng)學(xué)習(xí)”是在20世紀(jì)中期由英國(guó)Reg Revan教授提出，他認(rèn)為行動(dòng)學(xué)習(xí)為L(zhǎng)=P+Q，其中P代表結(jié)構(gòu)化的知識(shí)，Q代表質(zhì)疑性洞察。行動(dòng)學(xué)習(xí)是一個(gè)“知行合一”的循環(huán)學(xué)習(xí)過程。首先，建立基本的結(jié)構(gòu)化知識(shí)體系，這是P階段的任務(wù)；然后在實(shí)踐中將知識(shí)加以應(yīng)用，發(fā)現(xiàn)問題，并在歸納總結(jié)中加深對(duì)知識(shí)的理解，獲得洞察，這是Q階段的工作。P階段和Q階段交錯(cuò)循環(huán)，構(gòu)成了從行動(dòng)學(xué)習(xí)認(rèn)知世界和改造世界的基本規(guī)律。

將行動(dòng)學(xué)習(xí)理論應(yīng)用到數(shù)據(jù)分析技能的培養(yǎng)，由兩個(gè)培養(yǎng)階段組成。第一階段是對(duì)基本理論、方法和工具的學(xué)習(xí)，對(duì)應(yīng)行動(dòng)學(xué)習(xí)的P環(huán)節(jié)；第二階段是在仿真項(xiàng)目、比賽項(xiàng)目以至正式項(xiàng)目中的實(shí)踐，對(duì)應(yīng)行動(dòng)學(xué)習(xí)的Q環(huán)節(jié)。在第二階段，學(xué)生可以將第一階段學(xué)習(xí)到的知識(shí)加以應(yīng)用，理論就不再局限于書本，可以將知識(shí)轉(zhuǎn)化為洞察；同時(shí)可以發(fā)現(xiàn)理論學(xué)習(xí)的不足，從而反哺到第一階段。學(xué)習(xí)在兩個(gè)階段不斷交替進(jìn)行，第一階段學(xué)習(xí)為第二階段實(shí)踐提供基礎(chǔ)，實(shí)踐又反饋到理論學(xué)習(xí)中，由此形成良性的循環(huán)，在不斷的實(shí)踐和總結(jié)反思中獲得數(shù)據(jù)分析的技能。

上述兩個(gè)階段的學(xué)生可細(xì)分為下述4個(gè)具體可操作的步驟。

（1）掌握較堅(jiān)實(shí)的數(shù)據(jù)分析理論知識(shí)。這是數(shù)據(jù)分析技能培養(yǎng)周期的第一個(gè)P階段。行動(dòng)學(xué)習(xí)首先要掌握一定的理論知識(shí)，這是后續(xù)實(shí)踐與反思的基礎(chǔ)。強(qiáng)調(diào)數(shù)據(jù)分析技能與實(shí)踐，并不是意味著理論知識(shí)不重要。相反，理論知識(shí)是數(shù)據(jù)分析技能的奠基石。沒有數(shù)學(xué)基礎(chǔ)，理解算法一定有困難，更別提熟練運(yùn)用算法。對(duì)算法理解不深，就不能得心應(yīng)手地選擇算法，參數(shù)調(diào)優(yōu)也可能收效甚微。行動(dòng)學(xué)習(xí)的主體是學(xué)生，但是教師需要為學(xué)生構(gòu)建起步階段的環(huán)境，包括需要針對(duì)數(shù)據(jù)分析理論體系合理設(shè)計(jì)教學(xué)方案，重在傳授學(xué)習(xí)的方法，為學(xué)生建立數(shù)據(jù)分析的認(rèn)知體系，使得學(xué)生掌握數(shù)據(jù)分析整個(gè)流程以及每一步的方法技巧。同時(shí)，在數(shù)據(jù)分析理論的學(xué)習(xí)中，初期不用拘泥在代碼實(shí)現(xiàn)上，教師應(yīng)指導(dǎo)學(xué)生將重點(diǎn)聚焦于分析問題的思路，可以直接調(diào)用一些易用的開源框架的API嘗試算法的應(yīng)用，強(qiáng)化對(duì)數(shù)據(jù)的理解以及數(shù)據(jù)分析的思維方法。因此，在學(xué)習(xí)的初期，提倡學(xué)生使用一些可視化的、組件式的數(shù)據(jù)分析工具進(jìn)行學(xué)習(xí)，例如IBM SPSS、騰訊TI-One、華為FusionInsight等工具，所見即所得的學(xué)習(xí)方式也能提高學(xué)生學(xué)習(xí)的興趣。

（2）學(xué)習(xí)優(yōu)秀數(shù)據(jù)分析師的思路。在該階段中行動(dòng)學(xué)習(xí)進(jìn)入了Q環(huán)節(jié)，學(xué)生需要在實(shí)踐中將P環(huán)節(jié)的知識(shí)加以應(yīng)用，并開始行動(dòng)學(xué)習(xí)的循環(huán)。數(shù)據(jù)分析包括業(yè)務(wù)理解、數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、建模分析、結(jié)果評(píng)估和建議，這是一個(gè)完整的流程。流程的每個(gè)環(huán)節(jié)都對(duì)應(yīng)了大量的理論知識(shí)，如何將理論知識(shí)融入到數(shù)據(jù)分析的整體思路中，如何在分析的每個(gè)階段能有正確的思路是值得考慮的問題。初學(xué)者比較有效的方法是“模仿”。本階段教師可以整理已參與完成的數(shù)據(jù)分析項(xiàng)目，包括但不限于比賽項(xiàng)目、實(shí)際企業(yè)項(xiàng)目等。將這些項(xiàng)目整理成案例和實(shí)驗(yàn)文檔，將整個(gè)項(xiàng)目的實(shí)現(xiàn)完整地展示出來，其中需要突出項(xiàng)目中遇到的疑難點(diǎn)。然后將數(shù)據(jù)和文檔交給學(xué)生，讓學(xué)生來重演整個(gè)項(xiàng)目。對(duì)于比賽項(xiàng)目的優(yōu)勝者，還有優(yōu)秀的分析思路，涵蓋了各式各樣的數(shù)據(jù)分析方法。學(xué)生在復(fù)現(xiàn)這些項(xiàng)目時(shí)可以將理論加以映射，同時(shí)可以看看其他人是如何思考的，在數(shù)據(jù)分析的每個(gè)環(huán)節(jié)選擇了什么方法，思考能不能做進(jìn)一步的優(yōu)化。學(xué)生在第一次進(jìn)行到Q環(huán)節(jié)開始“模仿”時(shí)，P環(huán)節(jié)的知識(shí)就能在實(shí)踐中融入到學(xué)生的分析中，逐漸掌握數(shù)據(jù)分析的技能，這就是從知識(shí)到洞察的學(xué)習(xí)過程。同時(shí)學(xué)生可能會(huì)發(fā)現(xiàn)理論學(xué)習(xí)的不足，這就為行動(dòng)學(xué)習(xí)的下一個(gè)循環(huán)提供了條件，下一循環(huán)中P環(huán)節(jié)的知識(shí)就來源于上一循環(huán)中Q環(huán)節(jié)的問題。

（3）參與新項(xiàng)目。這是行動(dòng)學(xué)習(xí)循環(huán)的一個(gè)提升。在初期的簡(jiǎn)單復(fù)現(xiàn)時(shí)，學(xué)生技能水平還比較弱，但是在后期不斷重復(fù)后技能會(huì)不知不覺提高，對(duì)實(shí)際業(yè)務(wù)問題的理解也會(huì)有一個(gè)更高的層次。這時(shí)候就可以面對(duì)新的問題，這個(gè)階段無論是P環(huán)節(jié)的知識(shí)儲(chǔ)備，還是Q環(huán)節(jié)的實(shí)踐要求，與第二階段的“模仿”相比都可能有了質(zhì)的提升。新問題沒有他人的思路參考，學(xué)生需要去學(xué)習(xí)新的知識(shí)。因此這個(gè)階段更考驗(yàn)學(xué)生的自學(xué)能力。在該階段的項(xiàng)目實(shí)戰(zhàn)中，學(xué)生需要將新知識(shí)、技能與已有的知識(shí)體系融會(huì)貫通，并嘗試性摸索數(shù)據(jù)分析的方法、思路。這個(gè)階段學(xué)生行動(dòng)學(xué)習(xí)的主體意識(shí)應(yīng)當(dāng)更強(qiáng)，教師不再需要編寫完整的項(xiàng)目案例或文檔，將P環(huán)節(jié)的學(xué)習(xí)留與學(xué)生自主完成，著重點(diǎn)轉(zhuǎn)移到行動(dòng)學(xué)習(xí)的Q環(huán)節(jié)中。教師可以指導(dǎo)學(xué)生參加一些大賽，例如阿里天池、KDD-Cup、Kaggle等。新項(xiàng)目的難度參差不齊，教師需要根據(jù)學(xué)生當(dāng)前行動(dòng)學(xué)習(xí)的所處階段和學(xué)生能力情況推薦合適的項(xiàng)目。在學(xué)生項(xiàng)目實(shí)踐中，教師重在對(duì)學(xué)生方法和思路給予針對(duì)性建議或指導(dǎo)，并組織鼓勵(lì)學(xué)生不斷反思總結(jié)。新項(xiàng)目能顯著提高學(xué)生分析問題和應(yīng)用知識(shí)的能力，實(shí)戰(zhàn)中學(xué)生數(shù)據(jù)分析的技能也會(huì)積累到理想水平。

（4）參與企業(yè)實(shí)際業(yè)務(wù)項(xiàng)目。這個(gè)階段是對(duì)行動(dòng)學(xué)習(xí)最終成果的檢驗(yàn)。在一定的學(xué)習(xí)積累后，需要參與企業(yè)實(shí)際項(xiàng)目。與企業(yè)項(xiàng)目相比，企業(yè)實(shí)際業(yè)務(wù)問題難度更大。用戶在企業(yè)項(xiàng)目開展初期，可能只提出簡(jiǎn)單的業(yè)務(wù)問題或目標(biāo)，需要將其抽象出合適的數(shù)據(jù)分析問題，這需要熟稔業(yè)務(wù)領(lǐng)域。企業(yè)的數(shù)據(jù)可能分散在各個(gè)數(shù)據(jù)源中，不像比賽會(huì)提供一個(gè)完整的數(shù)據(jù)集，因此提取哪些數(shù)據(jù)、如何提取數(shù)據(jù)都是必須考慮的問題。企業(yè)問題會(huì)有嚴(yán)格的業(yè)務(wù)審核，數(shù)據(jù)分析的結(jié)果必須要達(dá)到一定的性能要求。與比賽相比，這對(duì)數(shù)據(jù)分析的質(zhì)量要求會(huì)更高。企業(yè)項(xiàng)目一般還有時(shí)間的限制，相應(yīng)給數(shù)據(jù)分析人員帶來更多的壓力。學(xué)生在該階段面臨的困難和挑戰(zhàn)更多，需要有項(xiàng)目經(jīng)驗(yàn)的教師給予積極的指導(dǎo)。針對(duì)學(xué)生的問題，教師還需要積極與企業(yè)的專家合作，利用企業(yè)專家豐富的經(jīng)驗(yàn)為學(xué)生提供切實(shí)可行的建議。能夠解決企業(yè)實(shí)際業(yè)務(wù)問題是數(shù)據(jù)分析技能的高級(jí)培養(yǎng)目標(biāo)。學(xué)生需要經(jīng)過行動(dòng)學(xué)習(xí)P環(huán)節(jié)和Q環(huán)節(jié)的反復(fù)實(shí)踐，在上述幾個(gè)具體步驟中一步一步穩(wěn)扎穩(wěn)打地獲得數(shù)據(jù)分析的技能。

3 數(shù)據(jù)分析技能培養(yǎng)的潛在問題

3.1 一些企業(yè)項(xiàng)目的對(duì)接問題

很多高校教師沒有在工業(yè)界工作的經(jīng)歷，也沒有充分認(rèn)識(shí)到工業(yè)界和學(xué)術(shù)界的差異，因此一些教師會(huì)找不到企業(yè)的項(xiàng)目，沒有和企業(yè)合作的機(jī)會(huì)；一些教師可能輕視企業(yè)項(xiàng)目的難度，投入精力較少使得項(xiàng)目停滯。因此教師需要加強(qiáng)和企業(yè)的對(duì)接能力。

當(dāng)前企業(yè)的需求非常多，教師可以通過講座、技術(shù)論壇、數(shù)據(jù)分析競(jìng)賽等方式得到與企業(yè)交流的機(jī)會(huì)，教師需主動(dòng)走出去。值得注意的是，企業(yè)問題都有嚴(yán)格的檢驗(yàn)標(biāo)準(zhǔn)，所以需要老師投入更多的時(shí)間。在教學(xué)中引入企業(yè)的問題，對(duì)學(xué)生的技能提高有一定的效果，花費(fèi)時(shí)間也是值得的。

由于學(xué)生的學(xué)習(xí)水平不同，且前期缺乏項(xiàng)目經(jīng)驗(yàn)，不管參加大型比賽還是企業(yè)項(xiàng)目，都有一定的難度。老師可以把以前的項(xiàng)目資料收集起來供學(xué)生研究，或者與有經(jīng)驗(yàn)的企業(yè)專家一起指導(dǎo)學(xué)生攻克關(guān)鍵問題，并潛移默化地帶領(lǐng)學(xué)生進(jìn)步。

3.2 教師的主導(dǎo)作用

數(shù)據(jù)分析技能的培養(yǎng)強(qiáng)調(diào)行動(dòng)中學(xué)習(xí)，學(xué)習(xí)的主體是學(xué)生，教師需要在掌握數(shù)據(jù)分析技能的基礎(chǔ)上，身體力行地參與到學(xué)生學(xué)習(xí)的每個(gè)環(huán)節(jié)中，教師應(yīng)更多地激勵(lì)、驅(qū)動(dòng)學(xué)生的自主學(xué)習(xí)。教師和學(xué)生都需要認(rèn)識(shí)到數(shù)據(jù)分析技能培養(yǎng)是一個(gè)循序漸進(jìn)的過程，不是一朝一夕可以學(xué)習(xí)完成的。教師需要引領(lǐng)學(xué)生認(rèn)識(shí)數(shù)據(jù)分析的技能體系，通過積極參與項(xiàng)目實(shí)踐，從中攻克數(shù)據(jù)分析的難題。

4 結(jié) 語

當(dāng)前工業(yè)界對(duì)數(shù)據(jù)分析人才需求旺盛，但是高校人才培養(yǎng)卻跟不上市場(chǎng)需求。高校的數(shù)據(jù)分析類課程更側(cè)重理論知識(shí)的傳授，學(xué)生在實(shí)際項(xiàng)目中的實(shí)踐技能還需要大幅提高。數(shù)據(jù)分析人才技能培養(yǎng)周期長(zhǎng)、對(duì)技能要求高，需要從模仿項(xiàng)目、比賽項(xiàng)目到企業(yè)項(xiàng)目的長(zhǎng)時(shí)間積累。數(shù)據(jù)分析技能培養(yǎng)對(duì)高校教師和學(xué)生而言都是挑戰(zhàn)，教師首先需要積極參與實(shí)踐，積累必要的數(shù)據(jù)分析技能，并在與企業(yè)的合作中，培養(yǎng)出真正能解決實(shí)際問題、為社會(huì)所用的數(shù)據(jù)分析人才。