大数据人才培养的改革与创新

（一）确定科学的人才培养模式

第一种模式是，针对大数据人才培养目的，在设定人才培养模式的过程中，将本科作为标准，将就业作为导向，将能力作为本位，沟通建立一个完善的人才培养模式。正确的大数据人才培养模式，是达到最终培养目标的基础条件，尤其是在应用型大数据人才培养的过程中，最终的培养目标是使学生具备相应的大数据职业能力，能够完成大数据中的各项工作。该项人才培养模式的具体落实措施包含以下内容。

第一，将本科人才培养作为标准。高学历的本科教育目标就是培养优秀的本科人才，本科人才需要具备良好的思想政治素质、身心素质及人文素质等，系统掌握本专业的相关知识，进而形成知识获取能力及实践应用能力。

第二，将就业作为导向。将学生的就业和创业作为目的进行教学，并将其贯穿到整个教学过程中，这种教学方式既能够满足大数据人才培养需求，又能够满足大数据人才的创业需求。

第三，将能力作为本位。大数据人才培养的目的就是提高学生的综合能力，其中包含大数据岗位的胜任能力、专业能力及团队协作能力等。所以在对大数据复合型人才进行培养的过程中，需要将行业需求作为职业能力培养的标准，通过得到技能证书和参加职业比赛等方式，对学生专业知识的应用能力及工作能力进行有效培养，保证大数据人才在进入工作岗位时，能够在短时间内适应岗位，并且完成相应的工作。

第二种模式是，两个协同多元化人才培养模式。大数据属于新兴产业，因此在实际大数据人才培养中，存在师资力量及教学资源不足等问题，加上大数据专业具有较强的应用性，所以我国国务院在《促进大数据发展行动纲要》中明确指出，在大数据人才培养中需要创新人才培养模式，同时建立多层次及多类型的大数据人才培养机制，积极引导高校进行校企联合的方式培养综合人才，充分应用校外企业以及社会资源，采用多元化的人才培养模式，实现大数据人才培养效果与企业人才需求之间的有效吻合。同时这种方式也是培养学生综合实践能力的主要方式，符合当今时代对大数据人才培养的要求。两个协同中包含校内外协同以及课内外协同两种形式。

（1）校内外协同。在校内举办多种形式的人才实验活动，并与企业进行合作，共同在校内举办实验活动。这一过程需要面向大数据行业的实际应用，这种方式既能够培养出符合企业实际发展需求的人才，又能够解决资源缺失这一问题。在企业中建立校外活动实践基地，可以为高年级的学生提供实习机会及毕业设计条件，进而实现实践型人才的有效培养。

（2）课内外协同。在课内引入企业资源，共同建立实践课程，高校在此过程中应用部分实践课程，通过企业中的技术人员完成对应教学任务。这种方式既可以帮助学生在校园学习阶段接触到真实的大数据项目，又可以对校内的教学教师进行有效培养。在课堂外部，积极鼓励企业在学校举办兴趣班，利用课堂外的时间指导学生完成项目。还可以采用鼓励学生参与到科研项目中的方式，参加学科竞赛，解决实际问题，进而对学生的动手能力以及实际问题解决能力进行有效培养。

第三种模式是，“一台三体”大数据人才培养模式。

首先，该模式的组成要素主要包含以下几点内容：①目标定位和规格。这一要素是实现大数据人才培养工作的重要条件，能够为培养工作的实施提供良好条件。由于大数据人才属于应用型人才，该种类型的人才培养目标及规格，需要从政府政策、社会企业实际需求及学校条件入手，综合考虑其中存在的影响因素。在“一台三体”大数据人才培养模式中，通过建立大数据人才培养平台的方式，高校、企业及政府之间可以实现高效的信息交流，进而得到更加准确的大数据人才培养信息，再根据相关法律法规以及学校实际条件，设置有针对性的大数据人才培养目标以及规格，保证最终培养出的人才与社会需求更加贴近。②专业设置。在培养应用型人才的过程中，大数据人才培养专业设置需要充分考虑时代、市场、办学条件及学生的实际情况等方面，提高专业设置的灵活性和有效性。高校在设置相应的大数据人才培养专业之前，可以利用大数据平台，收集大数据人才培养的相关信息，充分了解市场的需求情况，同时建立相应的专家小组，对同种类型的高校进行调查，掌握其在大数据人才培养中的专业设置情况，再根据本院校的实际条件，进行有针对性的专业设置。这种方式既能够避免出现高校专业设置相同的情况，又能够将高校自身特色充分发挥出来。高校在专业设置完成之后，还需要利用大数据平台，实时掌握社会经济及市场产业的实际变化情况，在此基础上建立专业的预警机制，灵活调整完成设置的专业，将专业的时代性及应用性充分发挥出来。③课程体系。课程体系是实现大数据人才培养目标的重要组成部分，建立完善科学的课程体系，是培养应用型人才的基础条件，在“一台三体”大数据人才培养模式中，课程体系主要包含两个方面：一方面是理论课程。根据大数据人才的特点能够看出，在知识结构方面需要具备负荷性以及时效性的要求，在素质培养方面则需要具有职业性及综合性。所以在对课程体系进行优化设计的过程中，要充分考虑各个课程之间存在的内部联系、学生的实际学习能力、相关结构对大数据人才理论知识的实际要求等，保证最终课程体系建设的完整性和科学性。在选择课程内容的过程中，将大数据人才培养目标及规格作为基础，消除各个课程之间存在的阻碍，实现课程整合，取消不符合当今时代发展要求的课程，不断优化完善课程内容，进而达到教育资源优化配置的目的。另一方面是实践课程。根据应用型人才及其特点，要保证实践教学体系的完整性及科学性，为大数据人才培养工作提供条件，由此可以看出实践教学体系对最终人才培养的重要性。④培养过程。在大数据人才培养过程中，政府、企业及学校之间会相互影响，同时处于共同利益体系中，但是目前三者在相互合作的过程中仍然存在一定的问题，如政府对校企合作的关注度并不高，并没有给予有针对性的扶持和帮助，缺乏宏观整体调控等。加上在大数据人才培养的过程中，企业处于被动的状态，并没有建立科学的校企合作规章制度，也没有完成全过程的监督管理工作，无法保证最终校企合作的质量。多数企业在学生完成实习之后，并没有根据学生实习的实际表现情况，与学校进行有效沟通，进而出现校企合作脱节等现象。整体上看，学校、企业及政府之间，缺乏沟通和交流的平台，导致三者之间的合作出现问题。但是在“一台三体”大数据人才培养模式中，学校可以充分利用大数据平台，与政府以及企业进行积极有效的沟通，如从政府的角度出发，利用该平台掌握校企合作项目的开展进度以及开展情况，为其提供有针对性的政策支持；从企业的角度出发，企业利用这一平台，与高校开展高效合作，共同建立双师型的教学教师队伍，举办各种人才培养讲座，进而达到提高大数据人才培养质量的目的；从高校的角度上看，利用该平台时刻了解政府及企业的变化情况，共同组织实训课程，同时利用先进的信息技术，实现大数据人才培养方式的创新，提高人才培养质量，使其成为经济社会发展需要的人才，保证社会结构的稳定发展。⑤评价体系。高质量的评价体系是大数据人才培养工作中的保障条件，在“一台三体”大数据人才培养模式中，高校可以与企业进行积极有效的沟通，共同制定大数据人才培养评价标准，保证双方达到认知一致，在此基础上开展培训质量评价，能够降低质量评价中发生问题的概率。在实际质量评价的过程中，利用大数据平台，对大数据人才培养进行全过程的有效监控，时刻掌握人才培养的实际情况，一旦出现问题及时解决，进而保证最终大数据人才培养质量。

其次，“一台三体”大数据人才培养模式具体内容。该模式在实际实施的过程中，需要利用大数据平台，实现政府、企业与高校之间的有效沟通及信息共享，为大数据人才培养提供良好条件。在“一台三体”人才培养模式中，利用大数据平台，政府可以将与大数据相关的信息发布到数据平台中，为高校大数据人才培养活动提供条件和参考。另外，政府还可以利用大数据平台，收集高校及企业的与大数据人才相关的数据信息，更加深入地全面了解大数据人才的培养情况以及需求情况，进而为其提供有针对性的政策支持，实现三者之间的高效合作和配合，最终达到提高大数据人才培养质量的目的。通过以上分析能够看出，在“一台三体”大数据人才培养模式中，利用大数据平台，企业与学校之间可以实现高效的信息交流，在保证良好沟通的基础上，共同进行大数据人才培养工作。企业利用大数据平台能够参与到大数据人才培养的整个过程中，实现与高校人才培养的深度合作，使校内课程与校外课程相互整合，提高大数据人才实践能力的培养质量。利用大数据平台进行大数据人才培养工作，高校能够及时了解政府和企业对大数据人才的要求和需求，进而确定大数据人才培养方案，实现有针对性的人才培养，同时能准确掌握市场的变化情况，并对未来的发展和需求进行预测分析，进而对整个大数据人才培养体系进行科学调整。而高校在大数据人才培养的过程中，可以将人才培养进度及效果实时传输到大数据平台上，与政府和企业实现信息交流，及时掌握大数据人才培养的最新进度。这种方式可以为学生提供与社会交流合作的条件，避免出现象牙塔似的教学模式，可以提高大数据人才培养过程的社会性，进而达到促进大数据人才培养工作全面发展的目的。

再次，“一台三体”大数据人才培养模式需要注意的问题。①数据隐私和安全问题。“一台三体”大数据人才培养模式的特点之一，就是可以高效解决信息孤岛的问题，对师生数据进行分析管理，充分挖掘出之前具有价值的数据信息；还可以对社会、大数据行业、企业中的数据进行收集分析，为大数据人才培养提供丰富的数据条件。但是由于以上过程中涉及大规模的数据，所以在数据隐私安全保护中容易出现问题。这同时也是大数据在各个领域应用面临的主要问题之一。所以在应用“一台三体”大数据人才培养模式的过程中，需要在数据收集、分析、应用中注意安全保护问题，在充分挖掘其内在价值的同时，认识到数据隐私安全问题的重要性，为大数据的安全管理提供条件。②平台维护的人力需求。大数据平台是“一台三体”大数据人才培养模式中的核心组成部分，因此要想保证大数据平台的正常运行，则需要耗费一定的人力和财力，但是当今时代大数据维护人才缺失严重，大数据平台的整体维护成本也较高，维护管理难度也较大。导致这一现象出现的主要原因为，大数据体系目前在我国的发展并不成熟，大数据平台管理人员既需要具备一定的信息管理专业知识，又需要具备数据意识及数据分析能力，因此在人力需求方面存在一定缺失。③政府和企业之间的配合程度。“一台三体”大数据人才培养模式可以将高校、政府及企业融为一体，促进三者之间的信息交流，这就需要三者之间相互合作、相互协调、相互配合，建立长效的合作机制，在最大程度上实现信息的有效沟通，不断拓展合作范围。在此基础上对三者之间的信息进行及时的处理和分析，并将最终的数据分析结果应用到实际大数据人才培养中，促进大数据人才培养工作的进一步发展。

（二）优化完善课程体系

第一，建立“产教”融合的课程体系。大数据的工具直接决定大数据的应用性，因此在大数据人才培养的过程中，需要将其定位在应用型人才上，高校需要向着这一目标，实现课程体系的优化和转型，而校企合作是实现这一目标的有效方式。建立“产教”融合的课程体系，可以实现对应用型大数据人才的有效培养，实现学校与企业资源整合，在此基础上进一步实现产教结合。学校和企业属于该课程体系中的双主体，所以无论是学校还是企业，都需要将自身的主体性充分发挥出来，在该种课程体系中实现共同进步。该课程体系在实际落实中可以从以下三方面进行：

首先，在设置课程的过程中，保证校企双方共同参与到其中，对大数据市场需求及人才需求进行深入讨论，实现教学知识与行业发展之间的紧密结合，在此基础上共同确定大数据专业课程体系内容、教学方法以及教学资料等。

其次，在实施课程的过程中，需要充分尊重学生的人格及个性之间存在的差异性，并在正确的教学理论上，根据学生的实际情况不断探索新的教学方法，进而将教学方法的优势充分发挥出来。

再次，在设置课程内容的过程中，需要针对大数据实践中的内容进行重点强化，将大数据企业真实项目案例应用到教学内容中。教学教师要起到准确引导的作用，学生在其引导下，不断提高大数据人才的专业技术水平，进而实现项目人才培养与实际职业岗位之间的有效对接。

第二，理论+实际课程体系。在当今大数据背景之下，大数据人才培养的目标为复合型高素质人才，因此可以采用理论加实际的原则建立课程体系，充分利用企业对大数据人才的实际需求，对大数据人才培养课程体系进行有效调整。同时，大数据人才培养人员需要不断丰富自身的大数据知识储备，提高自身的专业水平以及综合素质，充分利用大数据技术，对大数据行业未来的发展趋势展开有效分析。所以，在设置课程体系的过程中，不能只设置理论性课程及基础性课程，还需要将实践课程应用到其中，使大数据人才可以利用所学知识解决实际问题。在建立教学课程体系的过程中，需要注意以下问题：首先，需要在大数据人才培养目的基础上，合理设置教学建议，保证教学内容的应用性；灵活调整教学内容，保证学生能够在掌握基础理论知识的同时，保证理论知识与企业的实际需求的一致性，充分激发出学生在实际学习中的积极性。其次，提高教学课程体系建立的实践性，对学生的实践能力进行有效培养，采取校内实习及校内实训的方式，培养学生的实践水平。除了采用课程实践的方式之外，校内实习及校内实训，能够对学生的实践能力及知识应用能力进行有效培养，是学生综合能力提升的主要组成部分。在大数据应用型人才培养目的基础上，将实践课程大致分为五个阶段。第一阶段为基础阶段。该阶段的重点为课堂，通过课程教学的方式，加深学生对大数据相关知识的理解。第二阶段为专业阶段。在该阶段，可以组织学生开展户外实习，实现知识的实践和应用。第三阶段为技能阶段。在该阶段，开展教育培训及指导实习工作。第四阶段为专业水平提升阶段。在该阶段，教学教师指导学生完成毕业设计及毕业论文。第五阶段为拓展阶段。在该阶段，组织学生进行社会实践等活动，通过实践等方式，总结经验，实现学生对所学知识的灵活应用，完成大数据应用型人才的有效培养。在此过程中，高校需要改变传统的教学观念，对整个课程实践体系进行优化完善，建立科学有效的课程实践体系。通过逐渐加深实践教学深度，循序渐进地提高学生的理论知识水平和综合实践能力，并通过实践的方式培养学生的创新意识和创新能力，进而达到培养大数据复合型人才的目的。

（三）提高师资队伍建设水平

采用双师双能型教师队伍建设理念，双师指的是兼具教师和工程师资格；双能指的是教师既要具备教学能力，又要在大数据领域具备实践能力。大数据人才要在掌握专业理论知识的同时，具备良好的实践操作能力。根据这一培训要求，建立高素质、结构科学的教师队伍，是保证大数据人才培养质量的关键组成部分。在落实这一目标的过程中，可以采用以下几种模式。

1.教师在职培训

充分利用学校现有的资源，其中包括科研工作室、校企合作基地、大学生创业计划项目等，培养双师双能型教师，从科研水平和实践水平入手，提高教师队伍的综合素质和实践能力。

2.教师短期培训

将学校中的中青年教师和骨干教师，送到国家级或者省级大数据教师培训基地，进行集中培训工作；充分利用寒假或者暑假的时间，选择有条件的教师参加技能培训工作，对教师展开专业的技能培训。

3.企业挂职培训

校企合作模式不仅能为学生提供实践机会，还能够为教师提供锻炼平台。教师在相关企业中进行挂职锻炼，期限为一个学期或者一个学年，这种方式可以提高教师的实践能力、丰富教师的实践知识。教师只有掌握了将理论与实践相结合的方式，才能对学生进行正确引导，进而培养出复合型人才。

4.国际交流培训

充分利用校园中现有的中外联合项目和出国留学项目等，定期选择一定数量的教师到国外校园或者相关企业进行学习。

以上几种方式可以提高教师的实践能力和综合素质，建立双师双能型教师队伍，改变传统的教师队伍结构，为大数据人才培养提供高质量的师资条件。(www.xing528.com)

（四）建立动态人才培养质量评价体系

大数据人才培养质量评价体系能够帮助培养人员确定目前人才培养的实际情况，实现专业的有效反馈。根据评价结果，可以发现在大数据人才培养中存在的问题，在发现问题的第一时间进行优化完善、解决问题，保证大数据人才培养质量。而采用动态大数据人才培养质量评价体系，是达到大数据人才培养目标的保障条件之一，在建立动态大数据人才培养质量评价体系的过程中，需要注意以下三方面问题。

一是保证评价指标的目的性。这一评价指标体系建立的主要目的，就是提高大数据人才培养质量，对整个大数据人才培养过程进行正确引导。所以，在建立质量评价体系的过程中，要根据学生的实际能力和大数据就业情况进行，以全面反映出大数据人才培养情况，促进大数据人才培养工作的进一步实施。

二是建立多元化的评价主体。在此过程中，评价主体不仅包括学生和教师，还包括大数据相关行业的专家以及社会教育行政部门等，将评价对象作为核心内容，多个主体共同参与其中，最终达到保证大数据人才培养质量的目的。

三是建立动态化的评价体系。如果将就业作为大数据人才培养导向，随着就业市场发生的变化，则需要调整大数据人才培养质量评价体系，并根据评价目的和大数据行业发展情况，做出适当改变。这种方式能够保证大数据人才培养质量体系建立的有效性和灵活性，进而建立一个动态的大数据人才培养质量评价体系。目前，我国大数据市场处于快速发展阶段，市场需求量较大，加上政府对大数据人才培养的重点关注，大数据技术正逐渐向创新的方向发展。而在大数据人才培养的过程中，需要根据人才培养目的，确定对应的人才培养路径，为大数据行业培养出高质量、复合型的人才，做好大数据人才储备工作。

（五）基于OBE理念的大数据人才培养措施

1.OBE理念的内在含义

OBE理念是成果导向教育（Outcome based education）理念的缩写，OBE成果导向教育能够充分体现工程教育专业认证中的成果导向，将学生作为核心内容，采用持续改进的方式开展教育工作。我国在开展工程教育认证的过程中，也将OBE理念充分体现出来。在这一背景下，将OBE理念与大数据人才培养相结合，也是实现高质量人才培养的主要方式之一。OBE理念是一种在学习产出基础上形成的教育模式，出现在20世纪八九十年代的美国和澳大利亚。在这种教育模式中，学生是所有教学活动的中心，教育重点是学生学习了哪些知识，取得了怎样的学习效果，正因如此，OBE教育模式改变了传统教育中将学习时间作为重点内容的习惯。OBE教育模式中的理论基础主要包含四个问题，分别为学习成果、达到这一学习成果的原因、达成学习成果的方式以及如何判断学生是否达到这一学习成果。

2.OBE教育理念基础上大数据人才培养措施

传统大数据人才培养教学模式，主要将知识和学习进程作为主要导向，要求学生按照相应的学习计划进行学习，再根据阶段性学习的方式，判断学生最终是否达到相应的学习效果。而OBE的教育理念则是在成果导向的基础上进行的，根据最终成果来判断学生是否成功，这种基于结果导向的教学模式，将学生作为整个教学过程的中心，并将产业需求作为最终结果。所以，与传统的进程导向模式相比，OBE教学模式将学生要达到的最终产出结果作为目标，将学生作为中心，对各个大数据人才培养环节进行反向设计。整个大数据人才培养过程主要包含以下阶段。

第一阶段，根据大数据产业对人才的实际需求，制订有针对性的人才培养目标。OBE理念是在成果导向的基础上开展的，而成果需要在产业需求的基础进行，因此在制订大数据人才培养目标之前，要对整个产业人才的需求情况进行分析。通过对现有的急需紧缺人才目录和招聘信息进行分析，确定目前大数据产业的人才需求情况，其中大数据运行维护工程师、大数据分析师以及应用性较强的岗位，对人才需求量较大。在OBE理念的基础上，根据大数据行业未来5年的职业发展情况，确定相应的人才培养目标，保证大数据人才能够适应该区域的经济发展和社会发展需求，在具备扎实的理论知识的同时，也具备大数据的思维分析能力，能够灵活掌握计算机理论以及大数据处理技术；在素养能力方面，具有商业素养和创新精神，可以对金融、商业营销等领域进行数据分析和数据管理工作，全面培养人才。

第二阶段，对专业的培养目标进行分解，使其成为能够执行的毕业要求能力指标。将大数据人才培养目标与CDIO能力指标相结合，确定大数据专业的毕业要求，同时细化对应的能力指标。具体可以将其分为四个方面，分别为产业需求、培养目标、毕业要求以及能力指标。产业需求指对大数据相关产业进行调查研究，得出大数据产业对人才的实际需求情况，并对未来发展情况进行分析。培养目标指遵循服务地方、促进经济发展的主要原则，根据本地经济的实际发展情况，培养大数据人才。首先，需要具备扎实的数学统计等科学基础知识以及分析能力；其次，能够将金融、营销等领域与大数据相融合；再次，需要具备大数据相关领域的数据分析能力、数据管理能力以及系统开发能力；最后，要拥有较高的财商素养和创业能力。毕业要求主要包含三方面内容：一是知识要求，要至少掌握一门外语和高等数学、线性代数等基础知识，可以进行基础的口语交际；能通过专业实践的方式，使用相应的大数据应用开发技术。二是能力要求，可以使用数据科学的相关理论和方法，解决相关行业中实际存在的问题，同时拥有独立工作和协调沟通的能力。三是素质要求，要求思想道德素质水平较高，具备一定的文化修养和专业素养。在能力指标中，大数据人才需要掌握本专业的统计学、计算机、金融以及商务等知识，能够使用大数据的采集、存储、处理等技术能力，同时具备大数据工程需要的系统认知能力。在实际工作中，能将大数据学科中的专业知识和技术应用到实际问题的解决中，具备终身学习能力、信息获取能力、表达能力、独立工作能力等。另外，要熟悉我国大数据相关专业的政策和方针，充分了解国内外大数据产业的实际发展情况；拥有正确的世界观以及人生观、价值观。相关部门要在满足以上能力指标的基础上，根据经济发展原则，在全国范围内开展大数据人才培养工作。

第三阶段，实现能力指标、课程匹配和毕业要求之间的匹配矩阵。在数据科学、大数据技术专业中，设置相应的通识教育、专业教育、实践能力和素质拓展教育平台，每个平台均具备相应的特点，因此要根据特点针对平台建立对应的课程，使每项课程与学生的毕业能力的内容相对应，通过这种方式达到毕业要求。

第四阶段，将毕业要求转化为课程培养标准。毕业要求中的每一项指标，需要对应不同的课程体系，而一门课程可以对应多个指标要求。在制定教学大纲的过程中，也需要在OBE理念的基础上进行，从毕业要求指标出发，反向设计对应的教学内容，使用相应的教学手段，实现最终的能力培训目标。在课堂考核中，采用多种考核形式和考核方法，对学生的学习成果进行评价，对课程培养标准中形成的闭环进行不断优化改进。

第五阶段，使用多样化的评估手段对学生的学习成果进行评价。对学生的学习成果进行评价，是OBE理念中的重要组成部分，也是建立大数据人才培养模式的前提条件。所以，需要将能力考核和知识考核作为重点内容，实现多元化的学习成果考核体系，同时对学习过程检测以及评估反馈机制进行完善。在实际执行评价体系的过程中，要根据大数据专业和大数据产业需求的实际情况，将实践能力、专业知识水平和创新能力作为主要评价指标，通过项目考核、产业学院实践考核等多种形式，建立全面多样化的考核评价体系。同时，对其进行不间断的优化完善，最终形成完整的大数据人才培养闭环。项目评价中使用过程评价的方式，具有直观性、展示性、功能性以及创造性等特点。产业学院实践采用达标评价的方式，根据对应的能力指标，确定与之相匹配的评价标准。

大数据人才培养质量评价体系，对课程体系设置和培养模式的优化具有非常重要的意义，所以根据大数据产业的实际发展特点，选择工程研究能力、专业实践能力以及创新创业能力作为核心评价指标，将学生在学校实习中项目的实际完成情况和参加竞赛情况作为主体进行分析，并且建立有针对性的反馈机制，实现对大数据人才培养模式的不断优化。

通过以上分析能够看出，在OBE理念的基础上，采用反向设计的方式建立大数据人才培养模式，能够达到当今时代对大数据人才培养的要求。成果导向则是将学生作为核心，采用不间断改进完善的方式，提高大数据人才培养的专业性，促进我国工程认证标准的进一步发展。

3.四阶递进式大数据人才培养体系

这一人才培养体系包括基础实验、综合实验、课程设计以及毕业设计四个层级，其中基础实验和综合实验是课程实践教学中的内容，包括编程语言、数据结构、数据库原理以及机器学习等课程，每个知识点中的实验为基础实验内容，同时每个教学科目中需要根据一定比例设定综合实验，通过这种方式培养学生分析问题和解决问题的能力。在课程设计上，主要根据大数据的特点，开展集中实践教学活动，包括数据结构、数据挖掘以及大数据处理技术课程等，而课程设计需要采用企业项目组的方式，对学生的团队合作能力、交流能力进行培养。在此过程中，要求每位学生根据一个实际工程项目的内容，完成应用大数据项目的开发工作。

（六）培养学生的创新创业能力

良好的创新创业能力，能够帮助学生解决较为复杂的问题，同时利用校内外的训练基地，为该项能力的良好培养提供条件。

1.现代学徒模式

该模式在是实际应用的过程中，可以将6～8名学生分为一个小组，同时给每个小组配备一名专业的教学教师，采用现代学徒的培养方式。从学生入学直到学生毕业，对学生展开全面有效的指导，建立完整的现代学徒模式。专业导师利用自己参与的科研项目、学科竞赛项目、大学创新创业训练计划等方式对学生进行训练。

2.学科竞赛模式

学科竞赛属于课堂教学之外的考试形式，学生在此过程中需要掌握大量的课外知识，还要具备良好的思维能力和综合知识应用能力，这一培养方式能够充分锻炼学生的抗压能力，进而达到锻炼智力、毅力的目的。由此可以看出，以赛代练的方式，可以对学生的创新创业能力进行有效培养。在此过程中，可以根据教师擅长的项目，组建有针对性的竞赛队伍；还可以建立大数据专业社团，让高年级学生指导低年级学生，这一指导模式可以营造良好的学习氛围。

3.创新创业训练

在实际实施过程中，可以将该项训练安排到第二课堂中，并且邀请校外企业的专业人员进行创业辅导。同时，学校要鼓励学生积极参与大学生创新创业训练活动，并在聘任和考核方面给予一定鼓励，针对在该项目中取得名次的学生，实施学分转化制度，充分激发学生参加实践活动的积极性。