Guangdong University of Technology

 

 

 

管理学院

大数据管理及应用专业

人才培养方案

 

自2020级开始执行

前 言

 

一、培养方案修订的指导思想

本次人才培养方案的修订按照《广东工业大学高水平大学建设总体规划（2015～2020年）》、《广东工业大学“十三五”发展规划》要求，《广东工业大学2017年教育部审核评估专家组反馈意见》精神，《国务院办公厅关于深化高等学校创新创业教育改革的实施意见》（国办发〔2015〕36号）文件精神。将学校的人才培养总目标：“培养具有高度社会责任感，善于合作、勇于创新、视野宽广，掌握从事专业所需的基础知识和专业技能，具有综合运用所学科学理论方法和手段分析并解决实际问题的能力，能有效解决现场实际问题的高素质创新应用型人才”充分体现和落实在本次教学计划的修订工作中。

二、培养方案修订的依据

本专业主要依据以下几个方面形成2020版专业培养方案。

1.《国务院办公厅关于深化高等学校创新创业教育改革的实施意见》（国办发〔2015〕36号）

2.广东工业大学《关于修订本科专业人才培养方案的指导意见》

3.《广东工业大学2017年教育部审核评估专家组反馈意见》

4.大数据管理及应用专业应用型人才社会需求状况调研报告

5.“大数据管理与应用”专业专家论证意见

6. 《"中国信息系统学科课程体系2011”(CIS2011)》

三、 主要内容

在2018版信管专业培养方案的基础上，形成2020版大数据管理及应用专业培养方案，主要修订内容如下：

1. 进一步凝练培养目标及培养特色

本次培养方案的修订，按照“中国信息系统学科课程体系2011”教学质量国家标准的要求进行，具体包括：（1）专业培养目标和标准紧扣学校人才培养总目标。（2）专业培养目标对应到专业毕业生在毕业后5年左右能够达到的职业和专业成就的内涵要求上；专业的毕业要求（培养标准）对学生毕业时应该掌握的知识和能力有具体描述，包括学生通过本专业学习所掌握的知识、技能和素养。（3）专业的制定、修订，基于产出导向教育（OBE）理念，综合考虑国家社会教育发展的需要、广东省产业发展的需要、学校人才培养定位、学生发展期望等。

2. 优化课程体系

本专业在确定课程体系时，明确课程体系与毕业要求的支撑关系，以及对专业培养目标达成的支持情况，在考虑专业知识结构、学分要求等前提下，还通过目标能力矩阵分析，将专业培养目标和培养标准与课程体系对应。

课程体系按基本课程模块和扩展模块构成，基本模块130.5学分（含基础模块、学院平台课、专业核心课、实践环节等），扩展模块28学分（含专业基础选修课模块、专业选修课模块）（如表1）；基本模块课程为该专业的毕业基本要求，扩展模块形成特色培养和彰显个性化教育。即保证各专业基本培养要求的条件下，形成多模块或多样化教育。课程分必修和选修两大类。对于实验、实习、实训、设计等实践性环节，本专业要求不低于30学分。

四、特色设置

大数据管理及应用专业培养方案充分考虑知识要求、专业能力、人文和科学素质、诚信意识和专业操守、沟通能力、持续学习能力等方面的毕业要求，课程设置时特别考虑跨学科、跨专业的知识融会贯通，培养学生多学科交融的知识视野和思维素质，要求学生通过初步的学术训练，具有一定创新意识和创新能力。

大数据管理及应用专业学生的知识要求包括人文社科及自然科学基础知识、学科基础知识、专业知识、跨专业知识等四个方面。

（1）人文社科及自然科学基础知识。学生需要具备心理学、历史学、政治学、伦理学、哲学和艺术等方面的人文知识，掌握并运用高等数学、统计学、外语和计算机等方面的知识技能，以及必要的工程技术和信息技术知识。

（2）学科基础知识。大数据管理及应用专业培养的学生首先要掌握管理学和经济学等学科知识，建立一个良好的、基础扎实的知识背景。

（3）专业知识。在具备学科基础知识后，学生还需要系统掌握包括基本理论、方法和技能在内的大数据管理及应用专门知识，了解国内外本学科的理论前沿和发展动态。

 

 

 

表1 大数据管理及应用课程构成表

模块	学分	课程类别	课程名称	学分	性质
基础模块63.5学分	23.5	自然科学基础	线性代数	2.0	必修
			高等数学	11.0
			概率论与数理统计	2.5
			大学计算机基础	2.0
			自然科学公选课	6.0
	40	人文社科基础	中国近现代史纲要	3.0	必修
			思想道德修养与法律基础	3.0
			马克思主义基本原理概论	3.0
			毛泽东思想和中国特色社会主义理论体系概论	5.0
			形势与政策	2.0
			大学英语	8.0
			体育	4.0
			军事理论	2.0
			大学生职业规划与创业教育	1.0
			大学生就业创业指导	1.5
			大学生心理健康教育	1.5
			人文社科公选课	6.0
专业 必修课	19	学院 平台课	管理学	3.0	必修
			经济学	3.0
			统计学	2.0
			会计学原理	2.0
			运筹学	2.0
			财务管理	2.0
			计量经济学	3.0
			经济法	2.0
	18	专业 核心课	Java程序设计语言	3.0	必修
			数据结构	2.5
			数据库原理	2.5
			Python程序设计	2.0
			大数据平台基础（Hadoop）	2.0
			大数据采集与管理	2.0
			NoSQL数据库	2.0
			人工智能应用	2.0
拓展 模块 （选修）	14	大数据管理模块 (9选7)	计算机原理	2.0	选修
			Java Web应用开发	2.0
			信息系统分析与设计	2.0
			数据仓库与多维建模	2.0
			数字化运营	2.0
			移动应用开发	2.0
			数据治理与数据质量管理	2.0
			管理信息系统	2.0
			ERP原理及应用	2.0
	14	大数据应用模块 (9选7)	数据可视化	2.0
			数据挖掘与商务智能	2.0
			大数据分析	2.0
			金融数据分析	2.0
			文本挖掘	2.0
			社交媒体分析	2.0
			大数据前沿及行业应用	2.0
			金融工程学	2.0
			互联网金融大数据分析	2.0
必修	30	实践 环节 课程	军训	2.0	必修
			专业导论	1.0
			Java程序设计语言实验	1.0
			创新创业实践	1.0
			Python程序设计实验	1.0
			大数据平台基础实验	1.0
			大数据采集与管理实验	1.0
			毕业实习	4.0
			中期论文	2.0
			数据结构实验及设计	1.0
			数据库原理实验及设计	1.0
			专业综合设计	2.0
			毕业设计(论文)	12.0
			小计	30

 

大数据管理及应用专业

Big data management and application

 

专业代码：120108T

Code: 120108T

学制：四年

Length of Schooling: Four Years

学位：管理学

Degree: Bachelor of Management

制订时间：2020年1月

Time of Formulation: Jan, 2020

 

一、培养目标

本专业以粤港澳大湾区建设、广东省智能制造等社会经济发展需要为导向，培养具备面向大数据应用的管理学、统计学、计算机科学技术和金融学的基础知识，系统掌握数据科学基本理论和技术，熟悉大数据管理方法,擅长大数据的若干应用场景解决方案，能够根据企业和组织的发展战略和目标，进行数据治理规划，并能综合运用数据建模、大数据挖掘、分析和模拟计算等方法解决金融管理决策等实务问题，能够胜任大数据管理、大数据分析以及大数据分析系统的设计、实施和应用的复合型高级专门人才。

Ⅰ. Educational Objectives

This major is guided by the socio-economic development needs of the construction of the Guangdong-Hong Kong-Macao Greater Bay Area and intelligent manufacturing in Guangdong Province. It cultivates basic knowledge in management, statistics, computer science and technology and finance for big data applications, and systematically masters the basics of data science. Theory and technology, familiar with big data management methods, good at several application scenarios solutions of big data, can carry out data governance planning according to the development strategies and goals of enterprises and organizations, and can comprehensively use data modeling, big data mining, analysis and analysis Methods such as simulation calculations solve practical problems such as financial management decision-making, and are capable of compounding senior professionals in the design, implementation, and application of big data management, big data analysis, and big data analysis systems. 

二、毕业要求

本专业学生在培养过程中，强调对学生进行基本理论、基础知识、基本能力（技能）以及健全人格、综合素质和创新精神的培养；致力于为学生全面参与教学改革，科学研究及社会服务等活动创造条件，提倡学生在参与中发现并培养自己的兴趣和能力，最大限度地发展学生的智力和潜能，鼓励学生敢于面对挑战、不断探索、努力进取、追求卓越；并提供一定的条件，促使学生养成独立工作和团队合作的能力，促使学生养成终身学习和自主学习的习惯。

经过四年的系统学习，本专业学生在毕业时应达成以下毕业要求：

1.知识要求：能够将计算机科学、管理科学和专业知识用于解决信息化、大数据分析及计算金融等领域的复杂问题。

2.问题分析：能够应用计算机科学、管理科学等知识的基本原理，识别、表达、并通过文献研究分析信息化、大数据及计算金融等领域的复杂问题，以获得有效结论。

3.设计/开发解决方案：能够针对信息化、大数据及计算金融等领域的复杂问题设计解决方案，设计满足特定需求的信息系统、信息模型或信息流程，并能够在设计环节中体现创新意识，考虑社会、健康、安全、法律、文化以及环境等因素。

4.研究：能够基于科学原理并采用科学方法对信息化、大数据及计算金融等领域的复杂问题进行研究，包括设计实验、分析与解释数据、并通过数据分析综合得到合理有效的结论。

5.使用现代工具：能够针对信息化、大数据及计算金融等领域的复杂问题，开发、选择与使用恰当的技术、资源、现代工程工具和信息技术工具，包括对复杂问题的预测与模拟，并能够理解其局限性。

6.工程与社会：能够基于计算机和管理复合知识进行合理分析，评价信息化、大数据及计算金融等领域的复杂问题解决方案对社会、健康、安全、法律以及文化的影响，并理解应承担的责任。

7.环境和可持续发展：能够理解和评价针对信息化、大数据及计算金融等领域的复杂问题的专业实践对环境、社会可持续发展的影响。

8.职业规范：具有人文社会科学素养、社会责任感，能够在工作实践中理解并遵守职业道德和规范，履行责任。

9.个人和团队：能够在多学科背景下的团队中承担个体、团队成员以及负责人的角色。

10.沟通：能够就信息化、大数据及计算金融等领域的复杂问题与业界同行及社会公众进行有效沟通和交流，包括撰写报告和设计文稿、陈述发言、清晰表达或回应指令。并具备一定的国际视野，能够在跨文化背景下进行沟通和交流。

11.项目管理：理解并掌握计算机和管理原理与经济决策方法，并能在多学科环境中应用。

12.终身学习：具有自主学习和终身学习的意识，有不断学习和适应发展的能力。

Ⅱ Graduation Requirements

During the cultivation process of the students in this major, emphasize the cultivation of basic theory, basic knowledge, basic ability (skills), healthy personality, comprehensive quality and innovation spirit; create conditions for students to fully participate in the teaching reform, scientific research and social services etc. activities; advocate students to discover and develop own interest and ability, and maximize the intelligence and potential by participation, encourage students to dare to face challenges, constantly explore, strive for progress, pursue the excellence; provide the conditions to encourage students to develop the ability of work independently and team work, help students form the habit of lifelong learning and autonomous learning.

After four years of systematic study, the graduates in this major should acquire the following knowledge and abilities:

1. Specific knowledge: Use the mathematics, natural science, engineering foundation and professional knowledge to solve the complex problems in the fields of information management, big data and internet finance.

2. Problem analysis: Apply the basic principles of mathematics, natural science and engineering science, and through the literature research to recognize, express and analysis complex problems in the fields of information management, big data and internet finance, in order to obtain valid conclusions.

3. Design/development solutions: Design solutions aiming at complex problems in the fields of information management, big data and internet finance, designed system, unit or technological process to meet the specific needs, and can reflect innovation consciousness, consider the social, health, safety, legal, cultural and environmental factors in the design process.

4. Study: Study the complex problems in the fields of information management, big data and internet finance on the base of scientific principles and the scientific method, including design experiment, analysis and interpret data, and get the reasonable and effective conclusions through the comprehensive information.

5. Use of modern tools: Develop, select and use the appropriate technology, resources and modern engineering tools and information technology tools aiming at complex problems in the fields of information management, big data and internet finance, including the prediction and simulation of complex problems and can understand its limitations.

6. Engineering and society: Reasonably analysis and evaluate the influences, based on the engineering background, and the solutions of the complex problems in the fields of information management, big data and internet finance on social, health, safety, legal and culture, and understand the responsibility.

7. Environment and sustainable development: Understand and evaluate the influences of professional practice of the complex problems in the fields of information management, big data and internet finance on the environment and social sustainable development.

8. Professional norms: Possess the humanities and social science literacy and social responsibility, understand and comply with the professional ethics and norms in the career practice and fulfill the responsibility.

9. Individual and team: Undertake the role of individual, team members and the head in the team of multidisciplinary background.

10. Communication: Effectively communicate with the industry peers and the social public communication on the complex problems in the fields of information management, big data and internet finance, including writing reports and design documents, presentation speech, clear expression or respond to commands. Have a certain international vision, can communicate under the cross-cultural background.

11. Project management: Understand and grasp the project management principle and economic decision method, can apply it in a multidisciplinary environment.

12. Lifelong learning: Possess the consciousness of independent learning and lifelong learning, and the ability to constantly learn and adapt to the development.

三、专业培养特色

1．掌握计算机和数学能力基础的上懂数据、懂商务、懂管理的复合型人才

结合我校工科办学特点和自身办学优势，培养具有良好的工科基础，突出信息技术、数据分析与经营管理结合特色，会经营、懂数据、懂商务、懂管理的复合型人才。为此，本专业围绕4个知识模块开展：一是经济管理类知识模块，包括经济学、管理学、会计学、财务管理、运筹学、经济法等课程；二是数理统计类知识模块，包括高等数学、线性代数、概率论与数理统计、统计学、计量经济学等课程；三是计算机类知识模块，包括计算机原理、Java程序设计语言、数据结构、数据库原理及应用、Java Web应用开发、面向对象分析与设计、移动应用开发等课程；四是大数据知识模块，包括Python程序设计语言、NoSQL数据库、大数据平台基础(Hadoop)、大数据采集与管理、数据仓库与多维建模、数据可视化、数据挖掘与商务智能、大数据分析、人工智能基础、文本挖掘、社交媒体分析、金融数据分析、数据治理与数据质量管理、数字化运营、大数据应用案例等。

通过上述4类知识模块，突出以组织管理问题解决能力培养为主线，发挥本校以工为主、理工经管文法全面发展的优势，专业课程设置实现管理学、计算机科学和数理统计和大数据等四大类知识的融会贯通，强调“基于大数据技术的管理” 的专业特色，实现不同学科方法在同一管理问题背景下的有效复合。

2．高度重视实践，实践教学体系化的高级应用型人才

强化学科优势特色方向，面向国家重大战略需求和经济社会实际需要，重点培养学生基于大数据解决实际问题的知识、能力和素质。强调实践教学环节，高度重视应用型高级专门人才的培养。不仅安排大量的课程实验、实训，还有专门的专业实习、社会实践，课程设计、专业综合设计、毕业设计等环节，相辅相成，形成体系，突出培养学生的工程意识、创新精神以及运用大数据架构与分析技术解决经济、商务、管理中实际问题的能力。

3．灵活应用多种教学方法，传授不同学科知识

根据经济管理类和信息技术类知识在问题解决能力上的不同特点，综合运用多媒体远程教育等多种现代化教学手段，广泛利用教师的纵、横向科研项目成果，以及往届学生的优秀作品，灵活采用技术规范教学法、项目教学法、案例教学法等多种教学方法，对信息技术类知识传授采用类似于毕业设计指导的小班模式，确保教学质量，实现人才培养在质量和数量上的和谐发展。

III. Characteristics of the specialty education

1. Compound talents who understand data, business, and management

Combining the characteristics of our school's engineering education and its own advantages in running a school, we will cultivate a combination of talents who have a good engineering foundation, highlight the characteristics of combining information technology, data analysis, and management, and will be able to operate, understand data, understand business, and understand management. To this end, the major is organized around four knowledge modules: first, economic management knowledge modules, including courses in economics, management, accounting, financial management, operations research, and economic law; second, mathematical statistics knowledge modules, including Courses in advanced mathematics, linear algebra, probability theory and mathematical statistics, statistics, econometrics, etc .; third, computer-based knowledge modules, including computer principles, Java programming languages, data structures, database principles and applications, Java Web application development, Courses on object-oriented analysis and design, mobile application development, etc .; Fourth, big data knowledge modules, including Python programming language, NoSQL database, big data platform foundation (Hadoop), big data collection and management, data warehouse and multidimensional modeling, data Visualization, data mining and business intelligence, big data analysis, artificial intelligence foundation, text mining, social media analysis, financial data analysis, data governance and data quality management, digital operations, big data application cases, etc.

Through the above four types of knowledge modules, the focus is on the cultivation of organizational management problem solving ability, the advantages of the school's work-oriented, comprehensive development of science, engineering, economics and management grammar, and the professional curriculum setting to achieve management science, computer science and mathematical statistics and big data The integration of large-scale knowledge, emphasizing the professional characteristics of "management based on big data technology", to achieve the effective combination of different disciplines and methods in the context of the same management problem.

2. Strong emphasis for practice, course architecture

Emphasize the practical education session, pay effort for the cultivation of senior application-oriented specialists. The course system not only includes plentiful experimental courses and exercitation, but also professional training, social training, course project, major comprehensive design, graduation design, which supplement each other and form a complete system. It focuses on the cultivation of the understanding in engineering and the spirit of innovation, and the capability of solving practical problems in economics, business, and management by using information technology.

3. Utilizing Flexible cultivation method, imparting wide knowledge in various subjects

Based on the different capacities of knowledge between economic management and information technology in solving problems, comprehensively utilize remote multi-media teaching etc modern teaching methods, extensively employ teachers’ academic and application project achievement, and good works of former graduates, flexibly use technical specifications teaching method, project teaching method, case study etc various methods. For teaching the knowledge on information technology, utilize small class mode to guarantee the teaching quality, achieve the harmonious development of personnel training in quality and quantity.

四、专业主干学科

经济学、管理学、计算机科学与技术、数理统计。

IV. Main discipline for the specialty

Economics, Management, Computer Science and Technology, and Mathematical statistics.

五、专业核心课程

管理学、经济学 、统计学、计量经济学 、运筹学、会计学、Java程序设计、数据结构 、数据库原理、Python程序设计、大数据平台基础(Hadoop)、大数据采集与管理、NoSQL数据库、人工智能应用

V. Core courses of the specialty

Management, Economics, Statistics, Econometrics, Operations Research, Accounting, Java Programming, Data Structure, Database Principles, Python Programming, Big Data Platform Foundation (Hadoop), Big Data Collection and Management, NoSQL Database, Artificial intelligence applications

六、特色课程

计算机原理、Java Web应用开发、信息系统分析与设计、数据仓库与多维建模、数据挖掘与商务智能、大数据分析、数据治理与数据质量管理、数据可视化、数字化运营、移动应用开发、金融数据分析、文本挖掘、社交媒体分析、大数据前沿及应用。

Ⅵ. Feature Courses

Computer Principles, Java Web Application Development, Information System Analysis and Design, Data Warehouse and Multidimensional Modeling, Data Mining and Business Intelligence, Big Data Analysis, Data Governance and Data Quality Management, Data Visualization, Digital Operations, Mobile Application Development, Financial Data Selected lectures on analytics, text mining, social media analysis, and big data applications.

七、毕业学分要求

课内总学分不低于158.5学分，实践教学环节学分不少于30学分。

VII. Credits required for graduation

A total course credit is not below 158.5, practical session credits not below 30.

八、主要实践教学环节

专业导论、专业实习、专业综合设计、毕业实习、毕业设计（论文）等。

VIII. Main components of practical teaching

Cognitive internship, Professional internship, Professional comprehensive design, Graduation internship, Graduation design (thesis) etc.

九、 课程体系的构成及课程学分分配比例

IX. Structure of the Course System and Proportion of Course Credits

1、 课内部分 Intra-curricular Sector 

 

 

2、课外部分  Extra-curricular Sector

 

十、课程设置及学时（学分）分配

X. Structure of the Course and Proportion of Course Credits

1、课内部分Intra-curricular Sector

 

附录

1、毕业要求对培养目标的支撑

本专业毕业要求对培养目标的支撑关系，可用矩阵图或其他适当形式说明。

因为本专业可授予管理学或工学学位，毕业要求参照了《工程教育认证标准（2015）》通用标准的毕业要求，具体见矩阵表1；专业的毕业要求支撑了培养目标的实现，具体见矩阵表2。

表1大数据管理及应用专业毕业要求与论证标准的毕业要求

 

表2大数据管理及应用专业毕业要求支撑专业培养目标

2.专业课程对毕业要求的支撑

本专业课程体系对毕业要求的支撑关系，可用矩阵图或其他合适形式说明。

大数据管理及应用专业课程体系对毕业要求的支撑关系，参见矩阵表3。

 

 

 

 

 

表3大数据管理及应用专业课程体系对毕业要求的支撑

3.毕业要求达成度评价

本专业毕业要求达成度评价的机制，包括评价方法、数据来源、评价机构、评价周期、结果反馈等，并任选1-2项毕业要求项举例说明评价实施情况。

3.1毕业要求达成度评价机制

本专业根据矩阵表3课程体系对毕业要求的支撑，综合考虑理论课程、实验实训、毕业设计等实践课程对各项毕业要求及其指标点达成的关联程度，同时将每项毕业要求（或指标点）归一化，制定以下权重系数设定规则：

1）理论课程的权重系数：学分数*1；

2）实验课程的权重系数：学分数*1.5；

3）课程设计及实训课的权重系数：学分*1.5；其中采用PBL模式的权重系数：学分*2；

4）毕业设计的权重系数：学分*2。根据以上规则，我们制定了各门课程支撑各项毕业要求实现的权重系数表，具体参见矩阵表4。

 

表4 课程支撑毕业要求实现的权重系数表