全国职业院校技能大赛赛项申报方案Word文档下载推荐.docx
《全国职业院校技能大赛赛项申报方案Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《全国职业院校技能大赛赛项申报方案Word文档下载推荐.docx（43页珍藏版）》请在冰豆网上搜索。
610202
计算机信息管理
610205
软件技术
610206
软件与信息服务
610214
电子商务技术
610213
云计算技术与应用
注：
以上专业信息来自现行的《普通高等学校高等职业教育（专科）专业目录》和《普通高等学校高等职业教育（专科）专业目录（2016年增补专业）》标准。
二、赛项申报专家组
三、赛项目的
（一）专业建设与课程。
2015年，印发《大数据发展行动纲要》（以下简称《纲要》），系统指导我国大数据发展的国家顶层设计和总体部署大数据发展工作。
《纲要》中明确指出，要加强专业人才培养，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。
2016年9月，**部批准设立了高职院校“大数据技术与应用”专业。
由于缺乏与用人单位岗位核心技术技能相匹配的专业课程体系及师资力量，严重影响了高职院校大数据人才培养质量。
大数据技术与应用赛项包括大数据平台运行维护、数据采集与预处理、数据清洗及存储、数据分析及可视化等工作内容。
考查内容对接国家教学标准提出的大数据相关专业及专业群综合核心技术技能和职业素养，能够适应我国大数据产业对高素质复合型人才的产业需求，覆盖大数据行业技术岗位体系，满足大数据企业技术研发类、基础平台运营类岗位对大数据平台运维能力、大数据应用开发能力及职业素养等方面的要求；
教师专业能力及教学能力的提升，大数据技术与应用专业建设及课程。
（二）产教结合、校企合作、产业发展。
《办公厅关于深化产教结合的若干意见》国办发〔2017〕95号指出“受体制机制等多种因素影响，人才培养供给侧和产业需求侧在结构、质量、水平上还不能完全适应，“两张皮”问题仍然存在。
”
大数据技术与应用赛项选取大数据行业企业典型项目需求，围绕项目开发过程设计竞赛内容，竞赛任务就是项目工作任务。
通过本赛项推动了课程内容与职业标准对接，教学过程与生产过程对接，专业与产业对接，实现教育链、人才链与产业链、创新链有机衔接，产教结合、校企合作、产业发展。
（三）充分展示职教成果及师生良好精神面貌。
大数据技术与应用赛项选取真实的大数据业务分析应用场景，考查选手的实际动手能力、规范操作水平、创新创意水平等综合职业能力。
参赛选手通过对实际业务数据的分析，运用大数据领域技术手段，揭示业务数据隐含的业务规律，实现对业务运行发展状态的推断，以数据分析结果为支撑做出科学合理的决策建议，彰显了参赛选手的综合职业能力及教师的教学能力，充分展示职教成果及师生良好精神面貌。
四、赛项设计原则
（一）坚持公开、公平、公正。
遵循大赛一贯坚持的公开、公平、公正原则。
通过全国职业院校技能大赛官网及时发布大数据技术与应用赛项相关信息及通知，包括赛项样卷、赛题库、赛项规程、赛项说明会通知。
按照赛项要求及时召开赛项说明会，对赛项规程和赛项平台环境给予解读、说明，解答参赛师生的疑问。
竞赛组织评判工作严格遵守《全国职业院校技能大赛制度汇编》各项要求，整个竞赛过程公开透明，及时公布竞赛成绩。
（二）赛项关联专业人才需求量大、行业人才紧缺、职业院校开设专业点多、服务“国家大数据战略”、“一带一路”等国家战略。
根据对电子信息大类国家教学标准中提出的职业能力进行分析，计算机应用技术、计算机信息管理、软件技术、软件与信息服务、电子商务技术、云计算技术与应用等专业在平台运维、软件研发、软件维护等方面的综合核心技术技能和职业素养与大数据技术与应用赛项考查的综合职业能力具有较高的吻合度，都能够培养软件研发相关人才。
随着“互联网+”、“大数据”、“人工智能”、“中国智造2025”等国家战略的实施、软件研发人才缺口逐年增大。
中国信息通信院（原工信部研究院）发布的《中国大数据发展调查报告（2017）》中指出，超过三分之一的受访企业认为数据人才短缺是大数据企业发展所面临的问题之一。
从该统计结果上看，行业人才紧缺的问题已经成为困扰大数据企业发展的重要因素。
2016年，**部公布《普通高等学校高等职业教育（专科）专业目录》2016年增补专业，设立“大数据技术与应用”专业。
2017年，**部发布《**部关于公布2017年普通高等学校高等职业教育专业设置备案和审批结果的通知》教职成函〔2017〕1号，共62所高等职业院校获批设置“大数据技术与应用”专业。
2018年，**部发布《**部关于公布2018年高等职业教育专业设置备案和审批结果的通知》教职成函〔2018〕3号，共208所高等职业院校获批设置“大数据技术与应用”专业。
截止到目前为止，全国总计已有270所高职院校获批开设“大数据技术与应用”专业，覆盖我国大部分省、市、自治区。
大数据技术与应用赛项适应国家战略新兴产业发展需要，通过赛项专业建设及课程，产教结合、校企合作、产业发展，提升大数据人才培养质量，弥补大数据产业发展人才缺口。
本赛项的设置是响应国家大数据战略、服务于“一带一路”、深入落实***总书记十九大报告提出的关于“贯彻新发展理念，建设现代化经济体系”相关要求的具体措施。
（三）竞赛内容对应相关职业岗位或岗位群、体现专业核心能力与核心知识、涵盖丰富的专业知识与专业技能点。
大数据技术与应用赛项竞赛内容紧贴大数据行业企业技术研发类、基础平台运维类岗位群，覆盖Hadoop应用开发工程师、实时计算工程师、数据处理工程师、数据采集工程师、数据可视化工程师、大数据平台运维工程师、数据仓库架构师、数据管理工程师等技术性职业岗位，考查综合利用大数据技术解决实际问题的能力，参照岗位对职业素养和操作技能的要求，对参赛选手的综合能力进行考查。
大数据技术与应用赛项的竞赛内容包括大数据平台运维（含Hadoop、Spark、Flume、Sqoop、Zookeeper、Hive、HBase、Kafka、Yarn、Azkaban等大数据技术生态组件的安装、配置、维护）；
数据采集与预处理（含Scrapy、Scrapyd组件使用、Socket网络编程、Python编程、正侧表达式、Redis非关系型数据库数据访问）；
数据存储与分析（含pReduce数据清洗程序开发、使用HQL进行数据访问、聚类算法使用、Scala编写实时业务处理逻辑）；
数据可视化（含Flask前端框架使用、Jinja2开源模板引擎使用、采用SQLAchemy访问数据库、ECharts数据可视化组件、Web前端开发）等专业核心能力及核心知识，涵盖丰富的专业知识和专业核心技能。
（四）竞赛平台成熟。
根据行业特点，赛项选择相对先进、通用性强、社会保有量高的设备与软件。
硬件方面，采用的个人计算机、服务器、网络设备均符合级标准，保障设备可靠、安全、通用。
1.大数据实训管理系统的先进性
拟采用的大数据实训管理系统采用行业主流先进技术，基于主流虚拟化技术构建、采用B/S结构，系统采用缓存机制应对高并发场景、采用HA机制实现系统高可用、采用多租户模式保证环境的安全性。
系统提供了对数据基础设施的计算、存储、网络等资源的管理功能。
2.大数据实训管理系统通用性强
采用大数据实训管理系统搭建竞赛平台，除了可以支撑竞赛所需的技术和场景，还可在赛后转化为实训平台，满足大数据技术与应用、计算机应用技术、计算机信息管理、软件技术、软件与信息服务、电子商务技术、云计算技术与应用等专业实训教学需要。
3.竞赛拟选择平台成熟度高
大数据技术与应用赛项在国赛、省赛或行业技能竞赛中已成功举办两届以上，本赛项使用的竞赛平台广泛应用于高职国赛、各地省赛及行业技能竞赛中，如2017年大数据技术与应用赛项（国赛）、2017年17个省、市、自治区的大数据技术与应用赛项（省赛）、2018年18个省、市、自治区的大数据技术与应用赛项（省赛）、2016年全国高等职院校大数据技术与应用行业技能大赛，平台成熟度高。
4.竞赛平台社会保有量高
在全国高等职业院校中，超过100余所职业院校采购大数据实训管理系统用于大数据技术与应用赛项赛前训练和大数据技术与应用专业实训室建设，平台社会保有量高。
五、赛项方案的特色与创新点
（一）竞赛内容采用大数据企业真实项目案例，覆盖大数据行业主流技术，涵盖丰富的专业知识及专业技能。
竞赛内容选用大数据行业企业的真实工作过程，从需求到具体实施都体现行业实际业务及大数据应用场景。
大数据技术与应用赛项内容设计对接国家教学标准提出的有关专业或专业群综合核心技术技能和职业素养，覆盖大数据行业企业技术研发类、基础平台运维类岗位群核心岗位，包括大数据平台运行维护、数据采集与预处理、数据清洗及存储、数据分析及可视化等工作内容，综合考查大数据技术与应用专业知识、核心专业技能及职业素养，竞赛过程中所使用的工具和方法与当前大数据行业企业的相关岗位实际工作过程使用的工具和方法完全一致。
赛项内容充分覆盖市场主流的大数据技术工具、开源框架、知识点及技能点，鼓励参赛选手在理解大数据技术与应用专业知识及核心技能的前提下，实现微创新，展示参赛选手使用大数据技术解决实际问题的能力。
（二）竞赛过程是标准大数据技术应用软件工程过程项目的实战过程，竞赛任务设计完全遵循软件研发工程过程标准。
大数据技术与应用赛项基于大数据企业真实运行的大数据项目设计，采用任务驱动式的项目实战模式，以项目背景、项目需求、WBS工作任务拆分、任务目标、任务达成度评价等软件开发工程过程为标准设计和实施。
参赛队作为一个研发团队参与项目，对项目背景、项目需求进行分析，合理安排工作，科学分配任务，进行团队内部沟通，根据竞赛任务规范操作要求，通过一系列实操工作完成大数据平台运维、数据采集与预处理、数据清洗与分析、数据可视化工作，形成项目成果物（分析报告）等标准软件项目工程过程，完成竞赛。
赛项为大数据技术与应用专业提供了一个满足大数据行业标准软件工程过程规范的综合实训典型案例，让学生能够体会大数据行业的职业魅力、提升大数据相关职业技能，专业建设方向。
大数据技术与应用赛项安排赛场参观及竞赛现场观摩等环节，对赛场现场参观环节、赛场实况进行实时转播、网络直播或其它媒体等多渠道宣传报道，充分体现了赛项公开透明的办赛原则。
（三）竞赛结果评判坚持公平、公正。
在赛题设计方面，按照客观赛题评判性，主观赛题评判客观化的设计原则，进行赛题和评分标准的设计，考查参赛选手对关键知识技能掌握程度，保证竞赛的公平、公正性。
赛项评分采用结果评分，客观性竞赛任务占比80%，主观性竞赛任务占比20%。
其中客观性竞赛任务采用自动化评分方式，降低人为因素对竞赛结果的影响，主观性竞赛任务评分标准清晰，设定详细评分细则，使主观评分过程客观化。
（四）竞赛资源转化方案贯彻“以赛促教、以赛促改、以赛促学”精神。
遵循“以赛促教、以赛促改、以赛促学”精神，赛项资源转化工作将从课程建设、师资培训、教材开发、实训基地建设等方面着手。
配合大数据技术与应用专业国家资源库建设项目，建设课程资源、开发项目化教材、制定大数据技术与应用专业教学标准、培养专业师资；
竞赛内容可转化为教学实训典型案例，将竞赛设备应用于实际教学实训，实现赛教结合；
实现专业共建，提升大数据人才培养质量。
大数据技术与应用赛项的教学资源库转化成果可并入大数据技术与应用专业国家资源库在全国范围内推广。
六、竞赛内容简介（须附英文对照简介）
赛项名称：
大数据技术与应用（BigDataTechnologyAndApplication）
赛项内容简介：
赛项设计遵循《全国职业院校技能大赛制度汇编》的总体指导思想及原则，对接国家教学标准提出的有关专业或专业群综合核心技术技能和职业素养。
赛项直接采用大数据企业真实运行的项目，考查选手实际动手能力、规范操作水平、创新创意水平等综合职业能力。
参赛选手需要按照赛题任务要求完成业务需求分析，考查选手的业务分析能力；
针对特定应用场景完成大数据技术生态组件的安装部署及配置，考查选手的平台运维能力；
综合运用Python编程技术、开源框架实现数据采集与预处理，考查选手编程能力；
充分利用大数据平台组件的特性，编写pReduce程序、建立Hive数据仓库、使用聚类方法完成数据的存储及分析，考查选手的大数据技术综合运用能力；
综合利用Flask框架、Web技术、ECharts数据可视化组件等前端技术，实现分析数据可视化，考查选手数据可视化及前端技术能力；
根据数据可视化显示结果，结合项目基本需求，对分析结果进行综合分析，形成项目分析报告，考查选手的分析能力及文档能力。
赛项采用团队协作方式完成竞赛任务，在团队内部科学规划、合理分工，高效沟通的基础上才能顺利完成竞赛，考查选手的团队规划能力、团队协作能力及沟通能力。
Thedesignofthecompetitionisinaccordancewiththeoverallguidingideologyandprinciplesofthe"
CompilationoftheNationalVocationalCollegeSkillsCompetitionSystem"
andthecomprehensivecoretechnicalskillsandprofessionalqualitiesoftherelevantprofessionalorprofessionalgroupsproposedbythenationalteachingstandards.
Thecompetitiondirectlyusesthereal-timeprojecttransfortionofbigdataenterprises,focusingonthecomprehensiveprofessionalabilityoftheplayers'
practicalability,standardoperationlevelandinnovativecreativitylevel.
Participantsneedtocompletethebusinessneedsanalysisaccordingtotherequirementsofthecompetitiontask,focusontheplayer'
sbusinessanalysisability;
completetheinstallationanddeploymentofbigdatatechnologyecologicalcomponentsforspecificapplicationscenarios,focusontheplayer'
splatformoperationandintenancecapabilities;
comprehensiveapplicationofPythonprogrmingTechnology,opensourcefreworktoachievedatacollectionandpre-processing,focusontheplayer'
sprogrmingability;
kefulluseofthecharacteristicsofthebigdataplatformcomponents,writepReduceprogrs,establishHivedatawarehouse,useclusteringmethodtocompletedatastorageandanalysis,focusontheplayersBigdatatechnologycomprehensiveutilizationability;
comprehensiveuseofFlaskfrework,Webtechnology,Echartsdatavisualizationcomponentsandotherfront-endtechnologiestoachieveanalysisdatavisualization,focusonplayerdatavisualizationandfront-endtechnologycapabilities;
basedondatavisualizationresults,combinedwiththebasicneedsoftheproject,Theanalysisresultsarecomprehensivelyanalyzedtoformaprojectanalysisreport,focusingontheanalysiscapabilitiesanddocumentationcapabilitiesoftheplayers.
Thecompetitionsuseteworktocompletethecompetitiontasks.Onthebasisofsoftinternalscientificplanning,reasonabledivisionoflabor,andefficientcommunication,thecompetitioncanbesuccessfullycompleted,andtheteplanningability,teworkabilityandcommunicationabilityoftheplayersareinlyexined.
七、竞赛方式
参考《全国职业院校技能大赛参赛报名办法》的相关要求，确定本赛项的竞赛方式。
本赛项是团体赛，以院校为单位组队参赛，不得跨校组队。
每个参赛队由3名参赛选手组成，其中队长1名，可配2名指导教师。
选手是2019年普通高等学校全日制在籍专科学生。
2019年本科院校中高职类全日制在籍学生、2019年高职类全日制、五年制高职4-5年级在籍学生，性别与年级不限，年龄不多于25周岁。
本赛项以省、自治区、直辖市为单位组织报名参赛。
报名通过全国职业院校技能大赛网络报名系统统一进行。
鼓励各省组织省赛。
本届比赛拟邀请境外代表队参赛。
赛项采用统一规格的硬件、软件和辅助工具，确保竞赛平台统一。
八、竞赛时间安排与流程
（一）竞赛时间安排
日期
时间
内容
日
8:
00-14:
00
报到
14:
00-15:
领队会、赛前说明
15:
30
领队抽取场次签及检录顺序号
30-16:
开赛仪式
16:
00-17:
选手熟悉赛场
00-9:
20
竞赛赛场检录、参赛编号抽签、产生赛位号
9:
20-9:
题目发放、宣布竞赛注意事项、选手进入赛位、检查赛位设备及耗材
30-13:
竞赛选手完成竞赛任务
30-20:
竞赛成绩评定，进行成绩汇总。
20:
30-21:
加密信息解密
21:
00-23:
在指定地点，以纸质形式向全体参赛队公示成绩
00-10:
颁奖及闭赛式
（二）竞赛流程
九、竞赛试题
2019年全国职业院校技能大赛高职组
大数据技术与应用赛项任务书（样卷）
（一）需求背景
高职院校在制定专业教学计划、新专业申报、学生招生过程中缺乏科学稳定的数据支撑，无法准确的确定专业相关知识点和技能点。
如何解决“专业学习技能与企业岗位技能要求不匹配”、“毕业等于失业”、“学生毕业找不到工作，企业招不到合适的员工”等一系列难题始终困扰着各大高职院校。
为了更高效的培养符合企业岗位要求的学生，院校领导深入贯彻“供给侧”思路，拟定采用大数据相关技术构建市场招聘需求监控分析系统，从市场上各大公开招聘持续采集岗位发布情况，利用大数据技术深入挖掘企业用人需求，为学校招生、专业设置、课程设置、学生就业提供科学的决策依据。
（二）项目需求
为了能够的掌握企业岗位需求，需要完成以下工作：
1.构建大数据分析系统。
建立大数据分析系统进行数据的采集、处理、分析及可视化，系统应至少包括以下几个部分：
（1）数据采集系统
构建数据采集程序，从公开招聘采集涉及全国的全部招聘信息，招聘信息包括：
公司名称、所属行业、公司规模、公司地址、工作地点、采集时间、工资情况、学历要求、工作经验要求、职位名称、岗位职责、任职资格等。
原始数据采集后应完成数据中特殊字符的替换工作，数据采集系统本身不进行数据清洗及结构化转化，将完成预处理的数据通过Flume向大数据平台发送，同时在本地保留文件副本，文件采用json格式进行存储。
（2）数据存储与访问机制
建立定时任务，完成原始数据读取、清洗和转化。
包括但不限于：
读取并解析原始数据、清洗不合规职位数据、完成原始数据结构化转换、导入数据存储系统。
建立数据分析定时任务，任职资格进行语义分析，建立知识点、技能点标签并对各知识点、技能点进行数据统计，将统计后的数据结果导入MySQL数据库，作为可视化系统展示内容。
（3）数据可视化系统
构建数据监控Web应用对后台数据进行展示，包括以下几个方面的数据展示：
①热门职位排行
使用柱状图展示指定方向当前招聘数量较多的前十个热门职位。
②大数据相关职位招聘趋势
使用折线图展示大数据相关职位招聘数量变化趋势。
③大数据相关职位知识技能点词云
通过词云的方式大数据相关职位的知识技能要求进行可视化展示。
2.提交分析报告
生成招聘需求分析报告，分析热门岗位、大数据职位招聘数量趋势、大数据相关职位招聘过程中关注的知识技能点及岗位素养要求，为大数据技术与应用专业人才培养方案的制定提供数据支撑。
（三）项目任务
根据项目背景及项目需求内容描述，DataSolution公司决定委派大数据应用研发部，以项目需求为基础，充分利用你们掌握的大数据技术与应用专业知识及专业核心技能，与其他小组配合构建数据采集与分析环境，完成数据分析系统的研发，同时，高质量的完成招聘需求分析报告，向客户交付。
为了能够顺利完成项目，公司委派的项目经理已经制定了项目整体计划，完成了项目工作任务拆分。
按照项目的整体工作任务安排，分配给你们小组的任务如下：
任务一：
平台运维（15分）
当前，平台组已完成了数据分析集群环境的初步部署，集群采用完全分布式部署，包括1台ster、2台slave，已完成HDFS、Hive、Yarn、Zookeeper四个基础组件的部署工作，数据分析集群可正常运行，要求你们小组完成数据采集组件Flume的部署及配置，确保安装后的组件能够正常运行。
1.在slave1主机安装数据采集组件Flu
升级会员 