大数据云计算技术在高职院校中的专业建设与研究
来源:用户上传
作者:王苗
摘要：大数据具有跨多个学科的特性，包括：传播学、应用数学、数据科学、深度学习、信息系统开发、统计学、机器学习等，因其所跨学科广泛，人才来源只能是出身某一相关专业或方向，在行业实践中学习大数据相关理论与技能并加以利用，才能产生出一个大数据人才，大数据人才缺口巨大，本文正是基于此，产生出研究高职院校在大数据云计算技术中的专业建设，来满足目前高职院校对大数据云计算专业的开设，以期尽快培养出目前社会急需的大数据人才。
关键词：大数据;云计算;高职院校;专业建设
中图分类号：TP39 文献标识码：A
文章编号：1009-3044（2020）01-0259-04
1概述
“大数据”的概念与应用很早就出现在天文、生物、气象、航空航天等基础或应用学科领域，但引爆“大数据”的，却是计算机应用系统的革新。传统数据处理模式与技术已难以为继，新技术降低了应用门槛，发掘了新的应用价值，例如：DeepMind创造了一个模拟脑神经元网络系统，然后训练它改进电源使用郊率（PuE）;而另一个这样的网络则被训练用于预测数据中心的温度，它所使用的训练材料是历史的温度数据，这套人工智能系统在工作时可以控制120个变星，例如风扇、空调和窗户等。
大数据与云计算的关系是相辅相成，紧密联系在一起的。数据是资产，云为数据资产提供存储、访问和计算;云计算的模式是业务模式，本质是数据处理技术;当前云计算更偏重存储计算，但缺乏数据资产盘活、挖掘有价值信息、预测性分析等能力。所以为国家、为企业、为个人提供决策和服务是大数据的核心问题，也是云计算要发展的最终方向。这也是高职院校要大力发展大数据专业需要培养的最终人才方向。
当然，只要有大数据和云计算的应用，就会有物联网的存在，这三者既有区别又有联系，物联网是大数据的重要来源，大数据技术为物联网数据分析提供支撑，云计算为大数据提供技术基础，大数据为云计算提供用武之地，云计算为物联网提供海量数据存储能力，物联网为云计算技术提供广阔的应用空间。这也是大数据专业关联的专业发展方向。
2大数据云计算技术专业建设
2.1专业概况，如表1所示。
表1为专业设置。
2.2专业发展趋势
大数据云计算技术人才缺口巨大，数据分析人才的供给指数是所有行业中最低的，仅0.05（Linkedln），未来中国基础性数据分析人才缺口将达1400万（中国商业联合会数据分析专业委员会1，尤其高职大数据专业人才缺口最大，以下是高职与本科大数据专业人才缺口对比，如表2所示：
依照表2，分析出高职与本科大数据专业人才缺口专业数量变化对比，如图1所示：
2.3专业职业技能需求。如表3所示：
2.4专业培养方案设计及与本科的差异性分析
1）高职大数据云计算专业培养方案设计如表4所示：
2）高职与本科大数据云计算专业培养方案的差异性分析如表5所示：
2.5专业设计过程、教师队伍建设以及课程建设
1）专业过程建设如图2所示：
专业建设过程中需要清楚了解：专业现状与现有资源、要明确本专业人才培养的定位与目标、培养方案成形后，方可开展企业调研、同行评议等。
2）教师队伍建设需要：较合适的专业领域（数据库开发、应用开发、数据分析、数据挖掘、机器学习、云计算1;师资培训方法（走出去、请进来）;参加培训应具有针对性和连贯性;应选择口碑好、具有行业背景和经验的培训组织等。
3）课程建设：组合（基于现有课程，以培养目标为线索进行组合，并增加必要的新课程1;后置（将新课程以及需实验平台支撑的课程放在培养期的后半段）;合作（与企业联合共建课程）;激励（以项目或经费的形式鼓励团队教师建设新课程）。
2.6大数据涉及的关键技术：如表6所示
3大数据云计算技术专业建设的应用领域
1）电子商务互联网应用：为用户推荐相关商品。例如：某商店卖牛奶，通过数据分析，知道在本店买了牛奶的顾客以后常常会再去另一店买包子，人数还不少，那么这家店就可以考虑与包子店合作，或直接在店里出售包子。
2）生物医学应用：流行病预测;智慧医疗，利用医疗大数据，促进优质医疗资源共享、避免患者重复检查、促进医疗智能化;生物信息学，利用生物大数据，深入了解生物学过程、疾病致病基因等。比如：基于大数据的综合健康服务平台。
3）物流应用：基于大数据和物联网技术的智能物流，可以提高物流信息化和智能化水平，降低物流成本和提高物流效率。比如：中国智能物流骨干网一菜鸟。
4）城市管理应用：智能交通，利用交通大数据，实现交通实时监控、交通智能诱导、公共车辆管理、旅行信息服务、车辆辅助控制等各种应用;环保监测，监测分析大气和水污染情况，为污染治理提供依据;城市规划，比如，利用住房销售和出租数据，可以评价一个城区的住房分布;安防领域，基于视频监控、人口信息、地理数据信息等，利用大数据技术实现智能化信息分析、预测和报警。
5）金融应用：高频交易，是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易。采用大数据技术决定交易市场情绪分析和信贷风险分析。比如：互聯网金融并非简单地把传统金融业务搬到网上去，而是充分利用大数据来颠覆银企之间信息不对称的问题。数据是一个平台，因为数据是新产品和新商业模式的基石。推动互联网金融发展的核心正是大数据的价值。
6）汽车应用：无人驾驶汽车，实时采集车辆各种行驶数据和周围环境，利用大数据分析系统高效分析，迅速做出各种驾驶动作，引导车辆安全行驶。
7）零售行业应用：发现关联购买行为、进行客户群体细分、供应链管理等。例如：企业收集和整理消费者的消费行为方面的信息数据，如：消费者购买产品的花费、偏好产品的类型、选择的产品渠道、购买产品的目的、产品使用周期、消费者家庭背景和个人消费观等。通过这些数据，建立消费者大数据库，统计和分析来掌握消费者的兴趣偏好、消费行为和产品的市场口碑现状，再根据这些总结出来的现状制定有针对性的营销方案和营销战略，那么其带来的营销效应是可想而知的。因此，可以说大数据中蕴含着出奇制胜的力量，将成为零售行业市场竞争中立于不败之地的利器。 8）餐饮行业应用：餐饮020，利用大数据为用户推荐消费内容、调整线下门店布局、控制店内人流量。
9）电信行业应用：电信客户网路分析，经过电信行业多年的发展，电信运营商目前已经积累了包括行业综合数据、电信业务分布与收入等结构化数据，与文本、音视频、图片等非结构化数据，从数据规模来看，无论是用户信息、消费记录还是市场规模数据均体量庞大且保持快速增长。目前我国电信产业正在从人口红利模式逐渐转向流量红利和数据红利，其基于大数据的转型已成新的趋势，海量数据资产将帮助电信行业完成业务创新、精准营销与资源优化配置等任务。
10）能源行业应用：智能电网，以海量用户用电信息为基础进行大数据分析，可以更好理解电力客户用电行为，优化提升短期用电负荷预测系统，提前预知未来2-3个月的电网需求电量、用电高峰和低谷，合理设计电力需求响应系统。
11）体育娱乐应用：训练球队，比如：2014巴西世界杯，基于海量比赛数据和球员训练数据，指定有针对性球队训练计划，帮助德国国家队问鼎2014世界杯冠军;拍摄影视作品;预测比赛结果。
12）安全领域应用：应用大数据技术防御网络攻击，警察应用大数据工具预防犯罪。
13）政府领域应用：利用大数据改进选举策略。
1 4）日常生活应用：个性化服务。比如：银行与客户的交流渠道进行了整合，只要某个客户在网上点击查询了有关房贷利率的信息，系统就会提示呼叫中心在电话交流时推荐房贷产品，如果发现顾客确实对此感兴趣，销售部门就会发送推介信息给客户。如果这位顾客到银行网点办事，业务人员就会详细介绍房贷产品，开始只有少量的线索，但通过多渠道的与顾客交互接触，在这个过程中，令顾客体验了银行精准、体贴的服务，其结果是营业收入大为增加，成本大幅降低。
15）旅游领域应用：基于移动网络覆盖及用户优势，对游客区域切换、呼叫、短信等行为进行大数据处理，向旅游局、景区等用户提供数据展示和信息服务。借助大数据平台的实时位置、用户标签数据，运用聚类分析等算法，构建来源、位置、年齡、职业等维度的游客画像模型，借助大数据旅游平台，开展了智能大屏全景化、多维度、多视角展示实时游客信息的应用创新。比如：对景区新增游客统计、景区平均驻留时间、游客驻留时间分析、景区游客来源地分析、景区接待统计、游客旅游天数统计、省内漫游用户统计、省内漫游用户过夜共计、景区实时流量分析、景区热度统计排行、省外漫游用户入闽统计、省外漫游用户过夜统计等进行分析，为游客提供更贴心的创新服务。
1 6）保险行业应用：利用影像大数据分析。比如：人脸识别、身份认证与识别，业务办理自助线下向线上迁移;字符识别，承保核保理赔，自动抽取数据减少数据人工录入;影像分类质检，提升效能，影像资料完备性核实，影像资料质量检查。这些以数据密集型计算为主，对CPU主频、GPU板卡数要求较高。
17）信用领域应用：依托大数据中心覆盖个人、终端、位置、社交、偏好、履约的海量数据信息，运用FICO评分、逻辑回归等算法，构建了用户的身份特征、信用历史、行为偏好、人脉关系、消费能力的五维信用分模型，从而计算出用户的信用分值，提供信用分查询、信用评级、信用鉴权服务，可覆盖交通运输、金融征信、社会服务、消费购物四大行业领域各类个人信用值使用场景。信用分模型已完成微服务化，可为合作集团客户提供便捷接入服务。
4总结
虽然大数据专业应用领域广泛，但是也面临着很多的挑战，比如：大数据安全、泄露等问题。这也是当前高职学院大数据专业建设需要解决的问题，大数据专业任重而道远，因为是新兴专业，今后面临的问题会很多，需要我们高职学院大数据专业教师一一去解决，为学生面向就业开辟绿色通道。
转载注明来源:https://www.xzbu.com/8/view-15144543.htm
