1. 大數據學科建設現狀
1.1. 大數據學科建設現狀
由于高校在大數據教育領域的發展時間并不是很長，所以目前高校在大數據專業方向的教學過程中，主要面臨以下幾個方面的問題：
1) 師資隊伍建設
IT新技術更新的太快，有限的教師資源很難在有限的時間內系統的指導大批學生，設計性和探究性實驗難以開展。
另外，教師教學任務繁重，新技術開發課程周期長，內部講師培養周期長，很多院校在大數據技術課程的儲備上明顯不足。
2) 教學實驗環境
大數據實驗一人操作多臺機器，傳統機房是一人一臺操作，傳統的機房實驗室，已經無法滿足大數據實驗操作的要求。
傳統機房的現有服務器資源，也大多無法滿足大數據實驗的高計算、高性能要求。
快速更新的技術，導致現在教學實驗環境無法快速適應大數據實驗教學的要求。
3) 課程體系建設
由于新開專業，無參考標準體系，教師在編制大數據實驗課程方面缺乏積累，教學內容開發緩慢。大數據實驗需要大量的真實行業數據，無法通過模擬進行教學。
所以教學內容缺失主要是：缺乏真實數據；缺乏行業案例。
模擬數據的教學無法讓學生體會到大數據的真實應用，造成學生動手能力難以提升。
4) 科研新挑戰
數據的激增，勢必由量變引起質變，從而使科研人員的思維和行為模式在傳統學科的研究領域發生變化，如何利用大數據技術及優勢，找到本學科研究成果的新視角，已經成為當前高校研究的重要課題。
1.2. 大數據實驗實訓平臺建設的必要性
綜合目前大數據學科建設所面臨的問題，對設有大數據專業或專業方向的學校教師和學生在教學過程中產生很大的影響，教師面臨著任務重、備課難、實驗課難開展、發論文沒思路等困擾，而學生又面臨著聽不懂、不會做、不會用、學不會的煩惱。
所以大數據學科如何實現標準教學、如何評估學生綜合能力、如何解決師資缺乏、如何保障科研成果、學生就業如何滿足企業需求是高校在大數據學科建設中必須要解決的問題。
因此，高校建設一個專業的大數據實驗實訓平臺，除了必要的符合當前虛擬化潮流的高端服務器及網絡設備之外，其中的重點是建設集教學、實驗、實訓、科研綜合于一體的大數據實訓平臺，全方位支撐高校大數據教學及科研的需求是必要的和緊迫的。
1.3. 大數據實驗實訓平臺的建設原則
1) 理論與實踐相結合
理論與實踐相結合是知識經濟背景下歷史發展的必然要求。在知識經濟社會，高校是理論產生和傳播的主體，積累并傳承專業方向理論知識，指導學習者的實踐活動與生產技能訓練。多國國際知名高校案例經驗表明，對于我國起步較晚的大數據學科方向建設發展，該專業應在理論與實踐相結合的基礎上側重于實踐，才能厚積薄發、趕超國際水準。
2) 適應社會人才需求
高端大數據人才培養是大數據實驗實訓平臺建設的重要目標。當前各地院校在人才培養過程中必須以社會崗位的實際需求作為根本出發點，深入了解電信、零售、電力、銀行、證券、期貨、基金等眾多行業機構對大數據學科高端人才的需求。根據權威機構預測，未來3-5年，中國需要180萬大數據人才，當前就有30萬，缺口達到150萬之巨。
3) 國際化標準
大數據在全球教育領域屬于一門新興專業。得力于國際大數據地位的先天優勢，該專業教育在歐美迅速發展，并在教育領域建立了國際性話語權。我國大數據學科方向建設的天然優勢就是國內大數據的不斷革新與發展，國際話語權不斷增強。基于此優勢，必須在參照國家標準設計人才培養模式的基礎上，全面參與該專業方向建設的國際標準的制定。
4) 堅持創新
創新必須是與時俱進，國內信息技術的發展為大數據的創新提供了沃土，但這些遠遠不夠。大數據教學實驗室建設首先樹立創新機制、激勵制度；其次是尊重鼓勵創新人才；再者是為了大數據創新提供必要的物質條件。各類院校都可以選擇一條適合自己創新理念和模式，有利于促進院校跨越式發展與品牌影響力提升。
5) 專業深度與廣度
專業的深度與廣度并重是加強大數據實驗實訓平臺建設與創新的基本條件，也是大數據產業發展的必然目標導向。不斷縱向深入大數據的研究和創新大數據新的專業方向交叉點是推動新理論、新技術、新產品的必要條件。深度建設有利于大數據解決更為深層次性的大數據問題及工具方法創新；廣度可以使大數據與更多專業相結合，發展更多前沿方向與分支研究領域，同時也有利于解決各行各業出現的大數據的問題。
6) 產學研一體化
堅持產學研一體化建設是科教興國戰略中必然的制度安排。在科教興國戰略體系中，教育、科研、生產相結合是一項重要的戰略措施，國家出臺了一系列政策法規支持高等學校推行教育、科研、生產相結合。當前國內，一方面產學研合作沒有形成很好的發展模式，另一方面部分院校對大數據方向定位及建設理念不恰當，從而造成國內大數據的研究成果能夠解決國內大數據行業問題的不多，院校亦不能從這個模式中為其獲得長久的發展經濟動力。
7) 院校特色定位
在借鑒國際經驗和標準基礎上，各類院校在建設大數據實驗實訓平臺的過程中，應該按照各自的總體發展目標為核心，依據自身區域、師資力量、專業方向優勢定位，采取不同模式的專業方向建設來確定自身的發展特色定位。我國經濟發展各區各省都呈現不均衡狀態，各行各業改革發展深度不一致，為院校大數據學科方向建設的特色定位提供了發展空間。
2. 大數據實驗實訓平臺建設方案
2.1. 核心理念
利用云計算、虛擬化、人工智能及大數據主流框架，搭建教學系統和集群，將大數據核心技術應用到企業真實項目中，將理論知識、實驗教學和大數據項目實踐融合，由淺入深，循序漸進，逐步提升學生的專業技能和項目實踐能力，使得學生與企業人才需求無縫銜接，真正解決大數據人才缺口問題。
2.2. 平臺架構
針對高校大數據教學、管理、人工智能、項目實踐、科研服務、創新孵化等實際應用場景，系統提供穩定、可靠、高效的軟硬一體化大數據教學科研環境，以及完善的課程體系、項目數據和視頻、多樣化的教學手段和豐富的實戰案例，以快速開發平臺為基礎，快速的構建大數據實驗實訓平臺。整體平臺架構圖如下所示：

圖 - 架構圖
各組成部分說明如下：
1) 大數據教學資源
大數據教學資源提供教學實驗指導手冊、在線視頻、資源包、實驗示例代碼、數據源等，讓學生學以致用。通過在線學習、在線測驗、在線實驗、在線實訓、綜合分析及自主設計等多層次的實驗操作，為大數據教學提供一個完整的一體化實驗教學體系。
項目案例提供行業典型項目及行業數據，項目涉及互聯網、運營商、金融、電子商務、政府等多個領域，每個項目案例都配備項目指導手冊、講解視頻、行業數據及項目代碼。
2) 大數據教學平臺
實驗實訓使用的服務器采用虛擬化技術，實現硬件資源集中調度和管理，以大數據Hadoop及其生態組件為核心構建軟件系統，支持更多的大數據高級特性，經過專業的性能優化和軟硬件集成測試，保證平臺的高性能與穩定可靠運行。
主要包括2個子系統：實驗實訓系統、云計算管理系統。
3) 基礎支撐平臺
傳統的信息管理類系統普遍包含業務信息的增刪改查和導入導出功能、流程審批功能、表單填報功能、可視化展示功能、中國式報表功能，系統中70%~80%都是此類功能。通過可配置化的快速開發平臺，使用可配置的方式“零代碼”輕松的實現這些功能。

圖 - 架構圖
大數據教學平臺相關的功能模塊都是通過快速開發平臺進行配置化+插件開發的方式完成的。
另外，快速開發平臺還可以開放給科研人員，這樣科研人員的精力能夠更專注在科學研究上，而不需要關注代碼本身，技術平臺的搭建能夠以一種非常輕松、高效的方式來完成。
2.3. 平臺優勢
1) 真機實驗訓練
實驗室各模塊相對獨立，交互式的實驗任務、實驗指導、項目上機操作，教學視頻、考試評分、數據監控等，保障學生靈活、快速的掌握大數據核心技術及項目開發能力。
2) 完善的課程體系
多年的大數據項目建設和IT培訓經驗沉淀的經驗，研發出行業領先的大數據課程體系。
3) 典型大數據項目案例
提供多個行業典型應用案例數據包和視頻包，以及配套實驗手冊，邊學邊練通過實際項目上機演練，多方位學習及訓練，做到學生與企業需求無縫銜接，真正解決大數據人才缺口問題，行業案例還在不斷的補充中。
4) 交互式學習模式
提供完善課程體系、在線學習系統，以大數據課程學習、在線視頻、習題、線上測試、線上實驗為主線，典型案例貫穿知識點的學習模式，確保學生掌握大數據項目技能。
5) 充分支撐科研工作
整合了數據采集、數據集市、數據建模、數據視圖等，提供行業數據及案例用于基礎研究，科研人員通過該系統方便對行業數據進行統計分析，按需求生成可視化數據報表。
6) 企業級硬件配置
基于業界最先進的硬件平臺，采用企業級融合架構，具備高效融合、安全穩定、性能卓越、敏捷易用等特點。
2.4. 大數據教學資源建設
為了滿足院校快速開設大數據相關課程實驗的需求，實驗室配套相關課程體系、實驗手冊、在線視頻、在線試題庫等課程資源。
1) 課程體系
基于CDIO工程教育理念，設計了大數據工程型人才的教育解決方案，以研發到產品運行為載體，讓學生以主動、實踐的方式掌握大數據專業技能，培養具備大數據基礎知識、個人能力、人機團隊能力和項目動手的綜合型人才。
大數據課程體系根據不同學歷和職業方向設置不同的課程學習路線，針對每門課程提供教學實驗指導手冊、在線視頻、資源包、實驗示例代碼等，讓學生學以致用；不僅學習大數據技術有的基本理論和原理，學習大數據平臺架構的技術實現及其在行業內的典型應用。通過在線學習、原理驗證、實訓應用、綜合分析及自主設計等多層次的實驗操作，為大數據教學提供一個完整的一體化的實驗教學體系，快速提升實操技能，最終培養高素質、應用復合型大數據人才。
“數據科學與大數據技術”專業（專業代碼080910T）強調培養具有多學科交叉能力的大數據人才。該專業重點培養具有以下三方面素質的人才：一是理論性的，主要是對數據科學中模型的理解和運用；二是實踐性的，主要是處理實際數據的能力。三是應用性的，主要利用大數據的方法解決具體行業應用問題的能力。
2) 專業課
是為了讓學生了解大數據概況，了解大數據產品、技術的特性、實現原理和應用方向。專業課程包括大數據概論、scala語言、Linux技術、JavaEE項目開發、大數據分析Python、概率論與數理統計、數據庫技術七門課程。
3) 核心課
是為了讓學生了解并初步掌握目前流行的大數據主流技術、了解其特點以及使用的場景，具備一定的大數據系統架構能力，并能自行開展簡單的大數據應用開發。核心課程包括基于Hadoop的應用開發技術、大數據挖掘技術、R語言、大數據實時計算技術與應用、Spark數據處理技術、大數據可視化技術、機器學習、數據分析技術八門課程。
4) 實訓及實踐課程
針對每門課程提供教學實驗指導手冊、操作視頻、實驗資源包、實驗示例代碼等，讓學生學以致用、用以促學；不僅學習大數據技術的基本理論和原理，還學習大數據平臺架構的技術實現，以及其在行業內的典型應用等，如大數據應用開發綜合項目、大數據平臺搭建與管理綜合項目、運營商數據分析、電商數據分析等。
2.6.1 實驗手冊
實驗手冊選用與產學合作協同育人項目高等院校《數據科學與大數據技術》系列規劃教材配套的實驗手冊。所有案例均來源于企業，貼近實戰，內容充實，拒絕空洞。每個實驗都配有實驗描述、實驗環境、相關技能、知識點、效果圖、詳細實驗步驟及總結。