论文部分内容阅读
摘 要： 为了解决数据挖掘教学中教学内容与就业需求相脱节问题，探讨了以市场需求为导向的数据挖掘课程内容体系。该课程体系包含三大环节：基于纵向和横向案例的理论教学；包含验证性、设计性、综合性实验的实验教学；基于自主学习的讨论式教学。通过对教学效果的多角度分析认为，该内容体系的设计符合目前的市场环境需求，能够实现人才培养和就业需求接轨。
关键词： 就业需求； 数据挖掘； 课程内容体系； 人才培养
中图分类号：G642 文献标志码：A 文章编号：1006-8228（2015）02-60-02
Exploration on course framework of data mining in application-oriented
university driven by employment needs
Li Shanshan， Li Zhong
（Institute of Disaster Prevention， Sanhe， Hebei 065201， China）
Abstract： In order to solve the disjointed problem of teaching content of data mining course and employment needs， a market demand-oriented data mining course content framework is explored. The course content framework is comprised of three main components： the theory of teaching based on the lateral and longitudinal case， experimental teaching including verification， design， comprehensive experiments， and discussion teaching based on self-learning. Multi-angle analysis of teaching effectiveness shows that course content framework meets the needs of the current market environment and achieves the personnel training seamless integration with the employment needs.
Key words： employment needs； data mining； course content framework； personnel training
0 引言
随着计算机软件和硬件技术的快速发展，以及互联网的急速发展和普及，企业级数据不断膨胀，“TB级别”的数据库存储已并不罕见，诸如银行、医疗、零售、电信、保险等行业，正在使我们渐渐窥探到海量数据时代的特征。大数据时代已经来临。如何从浩如烟海的数据中挖掘出令人感兴趣和有用的知识，成为各行各业急需解决的问题。
毋庸置疑，数据挖掘技术是解决这一问题的主要技术，目前，它被广泛应用于各行各业，为企业挖掘出了宝贵的知识，带来了巨大的利润。同时，它也广泛应用于科学研究中。比如，对大量的卫星监测数据进行挖掘分析，对海量地震数据进行挖掘分析，都可以从中发现新知识。数据挖掘技术的广泛应用，必然驱使市场对数据挖掘技术人才的迫切需求。
在这一形势下，作为培养应用型人才的本科院校，开设数据挖掘课程是非常必要的。已有很多高校开始尝试在本科生中开设此课程[2-4]。不同的学校将该课程开设在不同的专业中，比如有计算机专业、信息管理专业、统计学、医学等。然而，该课程是一门相对较新的交叉学科，涵盖了概率统计，机器学习，数据库等学科知识内容，难度较大，教学实践中普遍存在教学内容不合理的问题。课程的基本教学内容是讲授大量数据挖掘算法，导致学生单纯地把数据挖掘理论看成是数学公式的堆砌，把数据挖掘系统编程看成是代码的编写，头脑中缺乏完整的体系架构。学生学完后，不知道学的是什么，无法将所学灵活运用解决实际问题，这必然导致学生的技能与软件企业的要求有差距，造成教学内容与就业需求相脱节。
本文从就业需求出发，探讨本科院校计算机专业的数据挖掘课程内容体系，使得知识体系相对薄弱的本科生，通过课程学习，能满足企业的需求，实现技能和企业需求的无缝接轨。
1 就业需求分析
当前数据挖掘应用主要集中在电信、零售、农业、网络日志、银行、电力、生物（基因）、天体（星体分类）、化工、医药等方面。主要解决以下几个方面的问题：数据库营销、客户群体划分、背景分析、交叉销售等市场分析行为，以及客户流失性分析、客户信用记分、欺诈发现等等[5]。我们对智联招聘，中华英才网、51job等几个大型招聘网站的几百个数据挖掘相关职位进行了分析，主要分析了相关职位的工作内容、职位要求，需求企业。目前，市场急需的数据挖掘相关职位主要分为三大类，分别是数据分析师、数据挖掘软件开发工程师、数据挖掘算法工程师，见表1。
数据分析师主要利用数据挖掘工具对运营数据等多种数据源进行预处理、建模、挖掘、分析及优化。该职位是受业务驱动的，特点是将现有数据与业务相结合，最大程度地体现数据价值。该职位对计算机编程等相关技术不作要求，但是需要有深厚的数据挖掘理论基础，能熟练使用主流的数据挖掘（或统计分析）工具。数据挖掘软件开发工程师主要是开发具有数据挖掘功能的软件。当前主要包括如下方向：企业数据挖掘、Web数据挖掘、空间数据挖掘、多媒体数据挖掘等。该职位不但需要熟练掌握数据挖掘相关算法和理论，还需要掌握软件开发语言，具有较强的编程能力。数据挖掘算法工程师主要偏向技术、算法层面。因现有算法已经不能满足业务要求，必须开发出新的算法。比如，对企业供应链管理业务数据进行分析，针对预测及促销模块，改进已有算法，设计并实现新算法，提高数据处理速度及准确性。该职位需求与数据挖掘软件开发工程师职位要求基本相似。可见，企业对就业者的要求主要包含三个方面：①熟练掌握数据挖掘相关理论和算法；②掌握一种数据挖掘分析工具；③具有数据挖掘软件开发能力。 2 数据挖掘课程内容体系
基于企业对就业者的三大需求，我们构建了数据挖掘课程内容体系，整个课程由三个环节支撑，分别是理论教学、讨论教学和实验教学。
在理论教学方面，我们通过对企业对就业者关于数据挖掘算法和理论方面的要求，结合本科生的知识体系，制定了教学内容，见表2。内容主要包括数据挖掘的三大功能：分类与预测、聚类分析和关联分析。共安排30学时。我们采用纵向、横向双向案例教学法开展理论教学。在对每种算法讲解时，采用纵向深度案例教学，即由小数据集案例进行一步步算法推导，将比较抽象的算法具体化；主要解决的是“what”和“why”问题，即算法原理是什么的问题，重点是加深学生对算法的理解和吸收。比如，在学习ID3分类算法时，通过对一个只有14条用户购买电脑的相关记录来构建决策树，并对某人是否购买电脑进行预测。每个大章节后，我们采用横向案例教学法，即由实际大数据集工程案例来进行全过程挖掘分析，使学生能够理论联系实际；主要解决的是“how”问题，即如何使用算法进行实际案例的建模、挖掘和分析的全过程，重点是帮助学生用所学的算法解决实际问题，加强对数据挖掘全过程的理解。所选案例如地质调查数据的挖掘、黄河开河日期预测、购物篮商品关联分析、卫星数据异常分析等。
由于本课程具有一定的研究性质，因此，为了培养学生的自主研究能力，激发学生的学习兴趣，特别安排了调研讨论环节。该环节中，学生分组对数据分类、关联分析及聚类分析的应用案例进行课下调研分析，并安排2学时进行课上分组讨论和汇报。
实验课占16学时，主要培养学生基于数据挖掘软件Spss-Clementine的数据挖掘分析能力，以及数据挖掘软件开发能力。分为验证性实验、设计性实验、综合性实验，见表3。验证性实验主要采用Spss-Clementine实现对数据的预处理、建模、挖掘、评估过程。设计性实验中给定学生一组实际数据（数据主要来自与加州大学欧文分校UCI数据库[6]）进行多角度挖掘分析，培养学生的数据分析能力。综合性实验要求学生采用一种开发语言实现一种数据挖掘算法，并对感兴趣的数据进行挖掘，进一步加强学生的软件开发及数据分析能力。
3 结束语
应用型本科院校的教学应以市场驱动为导向。通过对数据挖掘市场需求分析，明确了市场对学生能力的要求，以此为导向，设计了该课程内容体系。通过对此次教学改革前后学生的考试成绩、毕业设计、就业意向和就业去向等方面进行比较分析，我们发现学生的期末考试成绩显著提高，表明学生对数据挖掘理论掌握有所提高；数据挖掘方面的毕业设计数量和意向从事数据挖掘工作的人数明显增多，表明学生的学习兴趣得以激发；毕业后从事数据挖掘人数有所提高，表明达到企业需求技能的学生不断增多。因此，该内容体系的设计符合目前的市场环境需求，实现了人才培养和就业需求接轨。
参考文献：
[1] 张艳.大数据背景下的数据挖掘课程教学新思考[J].计算机时代，
2014.4：59-61
[2] 李海林.大数据环境下的数据挖掘课程教学探索[J].计算机时代，
2014.2：54-55
[3] 宋威，李晋宏.项目驱动的数据挖掘教学模式探讨[J].中国电力教育，
2011.27：116-177
[4] 徐金宝.对应用型本科生开设数据挖掘课程的尝试[J].计算机教育，
2007.7：27-30
[5] 范明.数据挖掘导论[M].人民邮电出版社，2011.
[6] UCI ICS. UCI machine learning repository[EB/OL]，2014.
关键词： 就业需求； 数据挖掘； 课程内容体系； 人才培养
中图分类号：G642 文献标志码：A 文章编号：1006-8228（2015）02-60-02
Exploration on course framework of data mining in application-oriented
university driven by employment needs
Li Shanshan， Li Zhong
（Institute of Disaster Prevention， Sanhe， Hebei 065201， China）
Abstract： In order to solve the disjointed problem of teaching content of data mining course and employment needs， a market demand-oriented data mining course content framework is explored. The course content framework is comprised of three main components： the theory of teaching based on the lateral and longitudinal case， experimental teaching including verification， design， comprehensive experiments， and discussion teaching based on self-learning. Multi-angle analysis of teaching effectiveness shows that course content framework meets the needs of the current market environment and achieves the personnel training seamless integration with the employment needs.
Key words： employment needs； data mining； course content framework； personnel training
0 引言
随着计算机软件和硬件技术的快速发展，以及互联网的急速发展和普及，企业级数据不断膨胀，“TB级别”的数据库存储已并不罕见，诸如银行、医疗、零售、电信、保险等行业，正在使我们渐渐窥探到海量数据时代的特征。大数据时代已经来临。如何从浩如烟海的数据中挖掘出令人感兴趣和有用的知识，成为各行各业急需解决的问题。
毋庸置疑，数据挖掘技术是解决这一问题的主要技术，目前，它被广泛应用于各行各业，为企业挖掘出了宝贵的知识，带来了巨大的利润。同时，它也广泛应用于科学研究中。比如，对大量的卫星监测数据进行挖掘分析，对海量地震数据进行挖掘分析，都可以从中发现新知识。数据挖掘技术的广泛应用，必然驱使市场对数据挖掘技术人才的迫切需求。
在这一形势下，作为培养应用型人才的本科院校，开设数据挖掘课程是非常必要的。已有很多高校开始尝试在本科生中开设此课程[2-4]。不同的学校将该课程开设在不同的专业中，比如有计算机专业、信息管理专业、统计学、医学等。然而，该课程是一门相对较新的交叉学科，涵盖了概率统计，机器学习，数据库等学科知识内容，难度较大，教学实践中普遍存在教学内容不合理的问题。课程的基本教学内容是讲授大量数据挖掘算法，导致学生单纯地把数据挖掘理论看成是数学公式的堆砌，把数据挖掘系统编程看成是代码的编写，头脑中缺乏完整的体系架构。学生学完后，不知道学的是什么，无法将所学灵活运用解决实际问题，这必然导致学生的技能与软件企业的要求有差距，造成教学内容与就业需求相脱节。
本文从就业需求出发，探讨本科院校计算机专业的数据挖掘课程内容体系，使得知识体系相对薄弱的本科生，通过课程学习，能满足企业的需求，实现技能和企业需求的无缝接轨。
1 就业需求分析
当前数据挖掘应用主要集中在电信、零售、农业、网络日志、银行、电力、生物（基因）、天体（星体分类）、化工、医药等方面。主要解决以下几个方面的问题：数据库营销、客户群体划分、背景分析、交叉销售等市场分析行为，以及客户流失性分析、客户信用记分、欺诈发现等等[5]。我们对智联招聘，中华英才网、51job等几个大型招聘网站的几百个数据挖掘相关职位进行了分析，主要分析了相关职位的工作内容、职位要求，需求企业。目前，市场急需的数据挖掘相关职位主要分为三大类，分别是数据分析师、数据挖掘软件开发工程师、数据挖掘算法工程师，见表1。
数据分析师主要利用数据挖掘工具对运营数据等多种数据源进行预处理、建模、挖掘、分析及优化。该职位是受业务驱动的，特点是将现有数据与业务相结合，最大程度地体现数据价值。该职位对计算机编程等相关技术不作要求，但是需要有深厚的数据挖掘理论基础，能熟练使用主流的数据挖掘（或统计分析）工具。数据挖掘软件开发工程师主要是开发具有数据挖掘功能的软件。当前主要包括如下方向：企业数据挖掘、Web数据挖掘、空间数据挖掘、多媒体数据挖掘等。该职位不但需要熟练掌握数据挖掘相关算法和理论，还需要掌握软件开发语言，具有较强的编程能力。数据挖掘算法工程师主要偏向技术、算法层面。因现有算法已经不能满足业务要求，必须开发出新的算法。比如，对企业供应链管理业务数据进行分析，针对预测及促销模块，改进已有算法，设计并实现新算法，提高数据处理速度及准确性。该职位需求与数据挖掘软件开发工程师职位要求基本相似。可见，企业对就业者的要求主要包含三个方面：①熟练掌握数据挖掘相关理论和算法；②掌握一种数据挖掘分析工具；③具有数据挖掘软件开发能力。 2 数据挖掘课程内容体系
基于企业对就业者的三大需求，我们构建了数据挖掘课程内容体系，整个课程由三个环节支撑，分别是理论教学、讨论教学和实验教学。
在理论教学方面，我们通过对企业对就业者关于数据挖掘算法和理论方面的要求，结合本科生的知识体系，制定了教学内容，见表2。内容主要包括数据挖掘的三大功能：分类与预测、聚类分析和关联分析。共安排30学时。我们采用纵向、横向双向案例教学法开展理论教学。在对每种算法讲解时，采用纵向深度案例教学，即由小数据集案例进行一步步算法推导，将比较抽象的算法具体化；主要解决的是“what”和“why”问题，即算法原理是什么的问题，重点是加深学生对算法的理解和吸收。比如，在学习ID3分类算法时，通过对一个只有14条用户购买电脑的相关记录来构建决策树，并对某人是否购买电脑进行预测。每个大章节后，我们采用横向案例教学法，即由实际大数据集工程案例来进行全过程挖掘分析，使学生能够理论联系实际；主要解决的是“how”问题，即如何使用算法进行实际案例的建模、挖掘和分析的全过程，重点是帮助学生用所学的算法解决实际问题，加强对数据挖掘全过程的理解。所选案例如地质调查数据的挖掘、黄河开河日期预测、购物篮商品关联分析、卫星数据异常分析等。
由于本课程具有一定的研究性质，因此，为了培养学生的自主研究能力，激发学生的学习兴趣，特别安排了调研讨论环节。该环节中，学生分组对数据分类、关联分析及聚类分析的应用案例进行课下调研分析，并安排2学时进行课上分组讨论和汇报。
实验课占16学时，主要培养学生基于数据挖掘软件Spss-Clementine的数据挖掘分析能力，以及数据挖掘软件开发能力。分为验证性实验、设计性实验、综合性实验，见表3。验证性实验主要采用Spss-Clementine实现对数据的预处理、建模、挖掘、评估过程。设计性实验中给定学生一组实际数据（数据主要来自与加州大学欧文分校UCI数据库[6]）进行多角度挖掘分析，培养学生的数据分析能力。综合性实验要求学生采用一种开发语言实现一种数据挖掘算法，并对感兴趣的数据进行挖掘，进一步加强学生的软件开发及数据分析能力。
3 结束语
应用型本科院校的教学应以市场驱动为导向。通过对数据挖掘市场需求分析，明确了市场对学生能力的要求，以此为导向，设计了该课程内容体系。通过对此次教学改革前后学生的考试成绩、毕业设计、就业意向和就业去向等方面进行比较分析，我们发现学生的期末考试成绩显著提高，表明学生对数据挖掘理论掌握有所提高；数据挖掘方面的毕业设计数量和意向从事数据挖掘工作的人数明显增多，表明学生的学习兴趣得以激发；毕业后从事数据挖掘人数有所提高，表明达到企业需求技能的学生不断增多。因此，该内容体系的设计符合目前的市场环境需求，实现了人才培养和就业需求接轨。
参考文献：
[1] 张艳.大数据背景下的数据挖掘课程教学新思考[J].计算机时代，
2014.4：59-61
[2] 李海林.大数据环境下的数据挖掘课程教学探索[J].计算机时代，
2014.2：54-55
[3] 宋威，李晋宏.项目驱动的数据挖掘教学模式探讨[J].中国电力教育，
2011.27：116-177
[4] 徐金宝.对应用型本科生开设数据挖掘课程的尝试[J].计算机教育，
2007.7：27-30
[5] 范明.数据挖掘导论[M].人民邮电出版社，2011.
[6] UCI ICS. UCI machine learning repository[EB/OL]，2014.