王 鹏  >>  正文
数据人才,强基固本:培育数据要素人才储备力量
王 鹏
2024年09月10日

党的二十届三中全会强调教育、科技、人才是中国式现代化的基础性、战略性支撑,要深化教育综合改革、深化科技体制改革、深化人才发展体制机制改革。数据产业的发展是在新时代、新格局、新形势下的市场新导向,对建设性人才的需要也迈向更高的水平,所以需要持续深化改革,完善相关体制机制,促进高水平数据人才供给源源不断。

一、数据人才的深化发展是战略所向

根据《加快数字人才培育支撑数字经济发展行动方案(2024-2026)》指导意见指出,要发挥数字人才支撑数字经济的基础性作用,坚持创新引领和服务发展,坚持需求导向和能力导向,紧贴数字产业化和产业数字化的发展需要,着力培养一支规模壮大、素质优良、结构优化、分布合理的高水平数字人才队伍。数据人才作为培养数字人才的其中一个方面,并且是服务于数据要素价值创造的关键性力量,所以规模壮大、质量突出、结构完整的数据人才队伍必须加快推进新阶段建设。

二、数据人才的培育深化亟待变革

首先,数据人才基础不牢,专业对口匮乏

数据人才的多元储备是支撑数据产业长效发展的基础。我国数字化转型在近年来才由管理经验决策驱动向数据决策驱动,所以从供给端来看,当前的人才供给发展阶段还处于起步期,并且在职的相关人才中大多是非数据专业的对口人才,而是来自计算机、软件工程等偏向数据架构的人才,缺少数据全要素发展的人才,即以数据类专业知识学习为基础的复合型专业人才,所以在整体的数据产业发展上对于数据科学等专业知识的背景的人才比较缺乏。

其次,数据素养整体偏低,学科尚待完善

当前面向数据要素人才市场培养的数据科学与大数据技术、数据计算及应用、数据资产化培训班等逐步展开,还有部分高校探索的以微专业形式开设的数据科学,但是整体来看当前的学科体系上还在探索阶段,从计算机科学、商业分析、统计学等专业中进行结合调整,处于学科体系根据市场需求适应的阶段,所以高校的数据科学学科体系的建设还有较大的完善空间。

再其次,资格证书市场混乱,培训仍需统筹

当前数据要素从业的资格证书主要分为数据分析类、数据库建设类、数据工程师类、数据治理类、数据采集类、数据挖掘类、机器学习类等与数据要素各环节相关的证书,开设组织方和培训方涉及协会、高校、企业等多主体市场参与者,但是国外的证书相对于国内的证书体系相对丰富,并且涉及的环节更加多元和针对性,丰富多元的证书在市场间的互相认可性存在相关疑问,所以数据要素产业市场的教培体系纷繁杂乱,会让学习者产生无从下手的感知。

最后,数据价值认知不足,企培必然深化

当前市场上存在企业对于数据价值的认识不深刻,例如相对于深度挖掘、转化应用,企业会更看重数据资产的交易流通所创造的收益,有的企业机构形式化构建数据资源,数据的时效性未得到保障,企业员工也存在“数据在计算机、网络等就是数据资产”等认识错误,这些认知上的错位导致企业对于数据价值结合企业实践场景、多元开发的深度不足,从而部分数据资产的价值受到低估甚至处置,对于企业的数据化转型和数据资源利用率产生影响。

三、数据人才的高质量建设要齐头并进

(一)健全人才培养体系,提升素养技术能力

首先,完善素养教育体系,加强对中小学、大学等教育层次的人才数据素养的普及,通过课程改革、实践操作培养、游学参访等形式加强数据人才储备建设,提升数据素养能力;其次,完善职业教育,建立由政府、协会等公信力机构设立的资格认证体系(涉及数据要素各环节的证书建设)等专业技能的培养制度,例如数据架构师、前端开发工程师、商业分析师等,培养相关领域人才的专业执业技能,快速补齐我国数据中国建设的技术人才需求,其中教育部需要联合相关部门对证书培训市场进行有序监管、纠察、整改,促进培训市场的有序运行;最后,加强高等教育校企合作,推进以数据化人才需求为背景下的跨学科人才培养制度,例如金融+计算机、会计+商业分析、人力资源管理+供应链计算等全新专业设计,推动我国数据要素市场加快与实体经济相结合,深入各种场景下加快数据化转型。

(二)深究理论联系实际,创新产学研思模式

为破解专业课程体系与企业发展实际不匹配的困境,高校需要加快与企业构建协同人才培育模式,数据科学、数据产业是结合多门传统学科而形成的一门综合性、实践性极强的学科专业,所以需要高校引进企业工程师、领域专家创新课程模式,同时加强学生学术导师制、实践导师制的体系培育,对学生科研能力、实践能力、发现问题能力、解决问题能力提出新的目标和发展思路,通过学生在课堂、科研、企业多方的有序流转学习,综合性提升学生的能力。

(三)完善定向激励机制,建设人才虹吸高地

首先,实行有地方特色的人才优惠制度,根据地方的经济发展、数据产业发展阶段设定一次性或分批次的人才补助、人才优惠,涉及基础性(医疗、住房、交通等)和创新性(培训、职业规划、人才俱乐部等)的在资金、导师、人脉等方面的全方位支持体系,让数据人才引得来、留得住;其次,实行区域性的人才激励政策,建立物质层面、能力培养(涉及数据技术能力深造等)等方面的激励政策,匹配例如科研资金、创业资金、成果奖励等奖励基金蓄水池,建立完整的人才评估认定程序、科创成果申请认定程序、发展绩效成果建立标准等多方面对人才成果进行激励,鼓励其在本地的数据产业发展中作出重大贡献,让人才有空间、有前景的发展。

(四)整合企业培训资源,强化数据价值开发

首先,对市场上的服务于企业培训的机构资源进行按数据要素环节梳理,例如数据挖掘、数据分析、数据治理等,对各环节优质企培机构(师资、专业技能、资格资质等相符的)进行相关资源上的扶持,例如企业对接、外部资源引入等,促进市场的培训市场由无序竞争向头部示范方向发展。其次,引导企培机构和相关企业共同与本区域的数据应用场景相结合,将课程体系深度与企业的数据场景应用中的痛点难点相结合,将课程发展方向与数据价值释放深度绑定,合理规范企业培训市场的培训体系,服务数据资产的应用。

【责任编辑:严玉洁】
北京社科院研究员,北京习近平新时代中国特色社会主义思想研究中心特约研究员,数据资产化研究院执行院长,南昌理工学院数字经济研究院院长、特聘教授。