大数据时代数学专业就业前景分析及培养研究

孔　环，李　晓

(山东科技大学 数学与系统科学学院，青岛 266590)

大数据时代数学专业就业前景分析及培养研究

孔环，李晓

(山东科技大学 数学与系统科学学院，青岛 266590)

摘要：在当今的大数据时代，数据已渗透到每一个行业和业务职能领域，并成为重要的生产因素。各行各业对大数据人才需求急剧增加，为数学类专业的学生就业提供了广阔的空间。高校应主动把握机遇，树立以市场需求为导向、主动适应大数据时代特点和产业政策的指导思想，根据数学类学生就业存在的问题，进一步明确培养目标，探索创新人才培养模式，联合搭建协同创新开放共享的校企合作平台，加强创新实践能力的培养，从而全面提升学生就业竞争力。

关键词：大数据时代；数学专业；就业前景；培养研究

一、引言

随着移动互联网、物联网、社交网络等技术和应用的兴起,全球范围内数据量迅猛增长,大数据(Big Data)时代已经来临。[1]大数据是继传统IT之后下一个提高生产率的技术前沿和信息服务业发展的重要推动力。

近年来，中国互联网三巨头BAT(百度、阿里、腾讯)均耗费巨资投入大数据发展，纷纷建立大数据研究院、大数据实验室等，提供大数据专业服务，一批大数据专业分析公司也应运而生。据CSDN(中国软件开发联盟)2014年中国大数据调查报告显示，32.5%的公司正在搭建大数据平台，29.5%的公司已经在生产环境实践大数据，并有成功的应用案例和产品，24.5%的公司已经做了足够的了解，开发准备就绪。[2]许多的相关大公司纷纷开展大数据业务，大数据人才供给的缺乏正是大数据发展面临的一个瓶颈。根据来自麦肯锡全球研究所的另一项调查显示，预计到2018年，美国将面临大约150万大数据专家的短缺。艾瑞咨询集团副总经理魏峰在2014年的年会上指出，全球数据量每18个月翻番，到2015年，中国专用数据分析人员预计缺口1400万。

作为高校，面对国民经济发展和本地区域经济社会发展的重大需求，应该积极把握机遇，并深刻意识到培养大数据人才具有义不容辞的责任。2012年，奥巴马宣布启动“大数据研究与开发计划”，提出将“大数据”研究上升到美国国家战略的高度。美国的加州大学伯克利分校、伊利诺伊大学香槟分校、哥伦比亚大学等从2011年开始就进行了卓有成效的尝试，迄今为止，美国有超过60所大学开设了大数据相关专业硕士研究生课程。德国的FH 模式，其课程体系与企业实际应用的知识紧紧衔接。英国“三明治”模式，即“实践—学习—再实践”，使学生在就业时同时具备较好的系统知识与实践技能。与如火如荼的大数据人才培养专业和平台的设置相比，目前，关于大数据时代下数学类学生就业状况的相关分析，国内相应的研究还不多,尚缺少成熟的可供借鉴的经验。因此探讨高校在大数据时代背景下数学类学生的就业情况是非常有必要的。

二、大数据时代高校数学专业学生就业现状

近几年，我国就业形势依旧比较复杂、就业压力非常大。大多数的毕业生仍旧选择传统的就业模式：事业单位、银行、公务员、继续深造。但是，根据最新调查分析，2016年最热门的职业排名的前五名中就包括了数据分析师和软件工程师。根据我国2015年第四季度CIER指数，在“互联网+”的大背景下，就业形势较好的行业就是互联网、电子商务、基金、期货等。而这些行业的繁荣发展必然离不开大数据发展的强有力的支持。

数学是基础学科，是其他所有学科的基础。无论是进行科研数据处理、软件研发、动画制作，还是从事金融保险、国际经济与贸易、工商管理、化工制药、通信工程、建筑设计等，都离不开相关的数学专业知识。可见数学专业是从事其他相关行业的根基。随着信息技术的快速发展和互联网技术的全面普及，数据的存储管理和分析处理就自然成为关注的焦点，数学知识将会得到更普遍的使用。因此，我们不仅可以在毕业后从事教学和科研工作，也能在企、事业单位和经济、管理部门从事统计调查、统计信息管理、数据分析等开发、管理工作。

根据相关的调查可以看出，从整体的角度来看，理学类专业约30个，数学专业学生的就业情况在所有中排第八；从就业地域来看，专业需求量最多的地区是北京占32%，其次为上海占23%，紧接着是广东占10%；从行业领域来看，专业需求量最多的行业是新能源占20%，其次为互联网行业占20%，紧接着是计算机软件占16%。从工资水平来看，截止到2013年12月24日，54387位数学类专业毕业生的平均薪资为4284元，其中应届毕业生工资3769元，10年以上薪酬为4769元，0-2年工资4187元，3-5年工资5124元，8-10年工资8167元，6-7年工资8691元。调查山东科技大学数学学院的应用数学专业2010级、2011级、2012级毕业生的就业情况来看，选择继续深造的占大多数，每年约有70%的学生选择考研，而最终考研录取率分别为42.9%、56.1%、56.25%，与省属同类高校相比，考研对就业率的贡献度位于前列。不选择考研的毕业生中，报考中小学教师岗位和银行柜员岗位的居多，考取公务员的不到1%，到私企或一些教育类培训机构的约占20%。很多毕业生，为了实现高薪就业，则会选择参加某些社会培训机构为期4-5个月的项目实训，如选择市场需求较火的Java、IOS、Android、H5、UI或大数据方向，在北京、上海就业，就业薪资约在7000-10000元。在当前大数据时代背景下，就业方向最火的两个方向为数据分析和数据挖掘。今后，综合掌握数学、统计学、数据分析、机器学习和自然语言处理等多知识的复合型人才会越来越受欢迎。由此可见，在大数据的影响下，越来越多的数学类毕业生打破传统就业思维，选择更具有时代特征的就业方向。

三、大数据时代高校数学专业学生就业的SWOT分析

SWOT是Strength(优势)、Weakness(劣势)、Opportunity(机会)、Threat(威胁)的缩写,其中S和W主要用来分析企业内部的自身条件,O和T主要用来分析企业外部环境的条件。SWOT分析要求正确识别出优势、劣势、机会与威胁因素,发挥优势、抓住机会、明确发展方向,并找出主体实际情况的差距和不足,针对威胁因素采取相应措施,最终实现自身的目标。[3]由于SWOT分析工具适用范围并不是单一的,我们同样也可以借用SWOT分析来为大数据时代高校数学类专业学生就业进行选择服务。

(一)大数据时代高校数学专业学生就业的优势

“数学是打开科学大门的钥匙”。数学专业是联系数学与自然科学、工程技术及信息、管理、经济、金融、社会和人文科学的一个重要桥梁。通过建立数学模型和使用功能日益强大的计算机，使得数学学科的应用更广泛，包括应用数学的基础理论、数学方法解决实际问题等。在大众化的眼光看来，数学专业的学生毕业后的就业前景无非是当老师或者搞科研，似乎就业面很窄而且就业质量不高，然而，这些都是偏见。由于数学专业学生受到的思维训练，使其思考问题更加具有逻辑性和严谨性，加之对大数据的学习和运用，数学专业毕业的研究生早已是金融界、IT界、科研界的“香饽饽”，数学专业的就业前景可谓“前程似锦”。

(二)大数据时代高校数学专业学生就业的劣势

相对于热门行业，大数据作为新兴的行业名词，熟知度远远不够。这就表现在大学生缺乏对大数据真正含义的了解，尤其是作为理科类的学生，相对于工科学生，高校没有对大数据时代所带来的充足的就业机会足够的重视，从而使得学生对于大数据的认知远远不够，而且大数据的相关职位需要的是复合型人才，仅仅具备一些数学理论知识而无法将其实现是远远不够的。同时，学生本身对大数据时代的认识尚未很深，再加之学校没有系统的宣传，使得学生很容易忽视有关大数据行业的工作，从而学生丧失了对大数据行业工作的兴趣。不关注或者不关心大数据相关工作的这种不良现状，是现在数学类学生找工作中存在的一个急需解决的问题。[4]与此同时，相对于实践性较强的经管类专业，数学类的学生大都停留在基础知识层面的学习，大都忽略了实践的重要性。因此，容易出现在就业时自身技能与市场需求并不相匹配的“窘境”。

(三)面临的机遇

国家近些年高度重视大数据行业的发展，尤其是互联网金融的快速发展。2015年8月19日，国务院发布《关于促进大数据发展的行动纲要》，《纲要》中明确提出：加强专业人才培养，创新人才培养模式，建立健全多层次、多类型的大数据人才培养体系。[5]鼓励高校设立数据科学和数据工程相关专业，重点培养专业化数据工程师等大数据专业人才。鼓励采取跨校联合培养等方式开展跨学科大数据综合型人才培养，大力培养具有统计分析、计算机技术、经济管理等多学科知识的跨界复合型人才。鼓励高等院校、职业院校和企业合作，加强职业技能人才实践培养，积极培育大数据技术和应用创新型人才。随着大数据在各行各业的广泛应用，而与之相关的职业需求也呈爆发式增长，大数据职业的相关人才匮乏，人才缺口非常大，已成为影响大数据市场发展的一个重要因素。据Gartner预测，到2015年，全球将新增440万个与大数据相关的工作岗位，且会有25%的组织设立首席数据官职位。未来，我国预计将会出现约100万的大数据人才缺口。

(四)外部挑战

近些年，为了顺应大数据时代发展潮流，各大高校相应设置新专业如：统计学、经济统计学、数理统计经济等等。这些新专业的设置对传统的数学专业造成了巨大冲击。这些复合型新专业的学生除了要学习数学知识外，还要学习经济、金融、统计等综合知识。这就使得这些学生在专业技能上给数学类学生带来极大的挑战。[6]同时，由于各大高校常年扩大招生数量，使得毕业生的数量急剧增长，虽然大数据的出现带来了更多的就业岗位，但毕业生数量激增带来的就业压力也骤然剧增。这就容易出现供求不平衡的现象，从而使得毕业生的供给数量远远大于岗位需求人数。另外，部分大数据科研的岗位对本科学生来说要求过高，当前较多科研的大数据岗位通常要求硕士学历。而许多有数据处理能力的本科生往往因为不具硕士学历而被拒之门外。

四、大数据时代下数学类专业学生的培养研究

(一)明确培养目标

高校要树立适应大数据时代特点和产业政策的指导思想，将培养目标与各类行业发展相结合，以市场需求为导向，培养富有创新精神、创新能力，具备利用所掌握的大数据处理和分析的基本理论和技术以及相关的领域知识和技能解决实际数据问题能力的高层次、应用型、复合型的数据科学与工程专门人才。在此目标下培养出来的学生，既有学术底蕴和职业能力，又擅长大数据分析，能够服务于社会经济发展，为经济建设提供智力支持和人才保证，为推动信息化所带来的产业转型和升级做出积极的贡献。

(二)创新人才培养模式

传统的课程设置范围狭窄，统计、数学、计算机三个学科的融合度不高，缺乏数据分析和统计方法的相关知识和技能，目前培养的数学专业学生更多的注重课堂教学定性理论知识传授，缺乏社会实践，科研能力和创新能力受到很大的限制。不能满足大数据相关产业的需求，更不能满足创新型大数据人才培养的要求，因此结合行业需求创新人才培养模式非常有必要。一方面，需进一步完善课程设置，注重学科之间的交叉，促进数学、统计学、数据科学与工程、计算机技术的有效融合，使学生同时接受专业知识与技能的培训。另一方面，建立健全多层次、多类型的大数据人才培养体系，构建教学育人、实践育人、企业育人的育人平台，形成课堂学习、专业训练、实训就业一体化，人才培养、职业发展与教学改革一体化的人才培养模式。使高校的专业设置、课程体系与数据人才的岗位需求紧密关联，实现课堂教育的技术应用性与社会职业需求高度匹配。[7][8]

(三)联合搭建协同创新开放共享的校企合作平台

新型的校企合作使得教学方式更加灵活多样，它是一种企业高校合作培养、政府企业支持培养、系统知识与专业技能同时培养的人才培养模式。注重学生的发展潜力与实践能力的均衡培养, 注重大数据人才创新意识、创新能力和企业家精神的培养，培养具有综合分析和管理能力的复合型大数据人才，提高培养人才的社会竞争力，使学校培养的人才更好地服务于区域经济发展需求和大数据时代要求。

(四)加强创新实践能力的培养

从就业调查分析来看，许多毕业生认为就业时自己缺乏实践经验是遭到用人单位拒绝的根本原因，虽然自身具备扎实的数学基础和较强的学习能力，但因为在校期间参加的社会实践活动少，实践经验不丰富，而失去很好的就业机会。因此，高校和学院应充分认识实践活动对提升学生创新实践能力的重要性，根据学生特点，积极提供与学生学习生活高度相关的社会实践机会，广泛宣传发动，激发实践热情，让更多的学生参与进来，对重点学生及项目，进行有针对性的动员、挖掘，并从学生视角记录实践体会，不断提高学生的综合素质，从而提升就业竞争力。

五、结语

大数据时代的到来为数学这一门古老学科注入了新的活力，同时也给数学类专业的学生带来了前所未有的机遇。当前，大数据的相关职位需要的是典型的高素质复合型人才，一专多能是其突出特征，要求其能够对数学、数据分析、深度学习、人工智能、机器学习和自然语言处理以及行业业务理解等多方面知识综合掌控。对于数学类专业的学生，如果能够成为这种高素质复合型人才，将会在市场中拥有持续的、较强的竞争力。大数据对推动国家经济转型升级、完善社会治理、提升政府服务管理能力等方面已经发挥重要作用，各行各业对大数据人才需求急剧增加，这为数学专业的学生就业提供了广阔的空间。我们认为应该在大数据时代背景下创新数学类专业学生的培养模式，这一新的培养模式将有利于提高数学类专业学生的就业率和就业质量，有利于提升数学类学生的未来职业发展能力，特别是满足社会经济发展对高层次、应用型大数据人才的需求。

参考文献：

[1] 马建光,姜巍.大数据的概念、特征及其应用[J].国防科技,2013,(2)：11-16.

[2] CDA数据分析师.大数据发展势头迅猛,数据人才供给问题凸显[EB/OL].http://cda.pinggu.org/view/15452.html，2015-12-01.

[3] 楼群英.基于SWOT分析的硕士研究生就业决策[J].高等农业教育，2007，(8)：80-83.

[4] 郭秀英,田瑞兰.工科院校应用数学专业学生就业的SWOT分析及对策探究[J] .职业时空，2014，(11):92-93.

[5]国务院.国务院关于印发促进大数据发展行动纲要的通知[R] .中华人民共和国国务院公报，2015，(26):26-35.

[6] 罗良清,郭露.新专业目录下统计学人才培养模式探究[J] .中国大学教学， 2013，(5)：29-32.

[7] 崔璐云.基于大数据时代背景对统计学教育的几点思考[D] .北京：首都经济贸易大学，2014：1-22.

[8]左卫兵.数学类复合应用型人才培养途径研究[J] .华北水利水电大学学报(社会科学版)，2015，(3)：98-99.

(责任编辑：赵广平)

Analysis and Cultivation of Students' Employment Prospect of Mathematics Major in Big Data Era

KONG Huan，LI Xiao

(School of Mathematics，Shandong University of Science and Technology，Qingdao 266590,China)

Abstract：Mathematics is closely related to big data, and it provides the principle and the basis of the big data at lowest layer. College Students of mathematics major are one of the important potential sources of big data talents. With the development of the education and training of the system science, they will become an important part of the outstanding talent team in the future. Big data era will bring opportunities and challenges for college students' employment of mathematics major. In this era, personnel training is the first for finding the right position, exploring innovative training mode and focusing on the students' self study of mathematics.

Key words：Big Data; Mathematics; Career Prospects; Cultivation Study

收稿日期：2016-03-11

作者简介：孔环(1978-)，女，山东日照人，讲师，博士，党委副书记,副院长，主要从事思想政治教育、学生事务研究；李晓(1992-)，女，山东烟台人，硕士，主要从事能源经济、计量经济分析、大数据挖掘分析的研究。

中图分类号：C913.2

文献标识码：A

文章编号：1008-7605(2016)03-0054-04