作者简介：晏齐宏，北京交通大学；发表于《科技智囊》期刊
摘要：为提高网络与新媒体人才培养的质量、回应新媒体就业市场的需求，文章提出了新媒体人才培养的新动向，即数据思维。文章围绕就业市场状况、新文科建设战略等认为，数据思维依托于数据分析实践及能力，也强调了在数据基础之上的应用实践。在此基础上，文章提出了新媒体人才培养的抓手，即知识模块建构及人才培养模式的探索。前者包括基础理论及人文素养模块、数据分析方法模块、应用实践模块；后者指在低年级中开设知识输入型课程、在高年级中开设内容输出型课程。同时，提出了基于数据思维的新媒体人才培养的着力点，即身份意识、课程体系、信息环境等。
关键词： 数据思维;新媒体;人才培养;网络与新媒体专业;
基金资助： 北京交通大学教学改革和建设项目“基于数据分析能力培育的网络新媒体专业课程及实训体系建设研究”（项目编号：133489522）研究成果；
DOI： 10.19881/j.cnki.1006-3676.2022.04.09
随着新媒体、大数据、智能媒体的发展，新媒体平台中的数据越来越多，数据成为互联网领域的核心资源，数据在信息内容的生产、分发、营销、运营等方面得到越来越广泛且深入的运用。例如，用户画像建构、算法推荐、精准营销、计算广告、新媒体运营、舆情分析、数据新闻生产等的实践，都在运用数据分析能力、数据分析思维等。数据能够为互联网产业发展、用户体验提升、企业舆情引导、网络问政工作等提供宝贵资源。与之相伴的是，新媒体等就业市场设置了与数据相关的岗位，如市场分析师、商业分析师、舆情分析师、产品经理、产品运营师、内容运营官等。
面临业界对数据人才的大量需求，学界数据研究理论和路径的转向以及国家新文科建设的号召，一些高校的网络与新媒体专业采取文理交叉模式，开设了数据分析及应用相关课程[1-2]，并认为数据分析能力是网络新媒体专业的特色。但从目前课程开设以及学生上课效果来看，仍然存在诸多挑战[3-4]。首先，课程内容更新速度很难赶上业界发展和变革速度，再加上对数据能力要求较高，导致一些数据分析方法很难满足业界需求。其次，目前课程中专门的数据分析课程（如数据挖掘、数据可视化、传播学研究方法）与应用类课程（如数据新闻、新媒体营销与策划、新媒体平台运营）等存在衔接不畅问题。最后，学生课堂学习偏重于技术，与在就业市场缺乏技术竞争力之间存在矛盾，导致学生缺乏对专业的认同感。基于此，笔者尝试探索新媒体语境下网络新媒体专业的人才培养。
一、新媒体人才培养的新动向：数据思维
数据分析能力是网络与新媒体专业的特色，但在具体应用实践中，不能仅强调数据分析技能，更要强调数据思维的培养。由此，网络新媒体专业人才培养的着力点，在于数据思维的训练和培养。
（一）数据思维的内涵和外延
从狭义来看，数据思维侧重于数据分析能力及其中反映的思维，如数据获取、数据清洗、数据分析、数据呈现、数据阐释等。有研究发现，我国传媒业非常重视从业者的数据分析能力。[5]密苏里大学新闻学院研究者分析了美国媒体发布的招聘广告，发现传媒业将从业者的数据分析能力作为重要指标，如用数据讲故事、数据分析、数据解读等能力。[6]基于此，学界大力加强数据分析能力的培养。部分美国大学传播院系将数据化作为重要改革方向。[7]哈佛大学尼曼媒介实验室对2019年新闻业的年度预测中认为，数据技能将会成为未来媒体人的基本技能。[8]有研究者对海外多所大学新闻传播学院进行调查发现，海外新闻传播院系本科生培养目标之一是懂调研且会使用数据。[9]数据科学、信息可视化、数据挖掘、计算社会科学等课程，已然成为国外新闻传播院系标配的技术类课程。[10]在数据新闻方面，密苏里大学及雪城大学等高校认为，数据新闻教育除了应使学生具备判断新闻价值的能力，还要使其具备数据挖掘、数据可视化的能力。[11]哥伦比亚新闻学院新媒体相关专业，围绕数据新闻开设了两个阶段的课程，一是初级数据处理，包括数据搜集与分析、数据可视化等;二是高级数据处理，包括数据建模、数据深度挖掘等。哥伦比亚大学的另一项举措是通过数据驱动的运营，提升学生的新闻写作素质。[12]
从广义来看，数据思维除了具体的技术、技能，还包括基于此而进行的深度数据应用，以及在产品开发、内容生产、营销策划等实践中体现出的数据思维。在应用层面，新媒体行业的数据思维是一种以可量化结果为导向来驱动目标设定，以目标为切入、以数据结果为抓手，再通过数据实践落实项目执行的思维模式。例如，在新媒体产品开发中，要有以商业价值为中心、以数据分析为驱动的方法论指引;在具体执行中，需要运用用户故事地图、用户体验地图、双钻模型、同理心等模块进行数据化的处理和思考，从而设计出既叫好又叫座的新媒体产品。
数据思维依托于数据分析实践及能力，但并非局限于数据分析。这主要有以下两方面原因：1.从专业基因来看，网络新媒体专业学生并不在数据分析方面占绝对优势，其更突出的特点在于能够将数据化思维运用到具体的传播实践中。如果不训练数据思维，在就业市场面对计算机等专业学生时，网络新媒体专业学生的数据优势无法得到应用和展示。2.互联网公司或者新媒体部门内部推出了一些数据抓取软件、数据分析软件等，这些软件的介入门槛较低，直接输入信息便可生成文字报告或者数据分析报告。有些企业的部门业务划分得非常精细，技术部门会直接输出数据分析结果。在这些情况下，技术本身已经不是网络新媒体专业人才培养的重要着力点。因此，本来在技术方面不占绝对优势的网络新媒体专业学生，在学习中更需要关注专业知识，掌握内容生产、传播规律等。
（二）数据思维的重要性
1.数据分析能力会影响内容作品的生产、分发，平台运营策略及方式，营销方案的执行与实施，广告实践的效果获得及监测，产品开发的方向等。具体来看，在内容生产实践中，数据分析可以用于用户调研、市场调研、竞品分析等，也可以用于用户画像的建构、用户需求的了解等方面。在内容分发实践中，可以获得运营数据和用户数据，以了解用户偏好，对后续的推荐内容和推荐方式进行调整。在平台运营实践中，数据可以用于对文章的阅读量、点赞量的把握，对用户流入流出过程的分析。在营销实践中，数据分析可以用于产品卖点的洞察、用户关注的埋点设计等。在广告推送实践中，需要基于广告内容特性、广告潜在用户，结合广告主的出价等数据，进行精准化推荐。在产品研发实践中，需要依据用户偏好、关注度、体验度等进行产品的优化迭代，如产品开发中的灰度测试或AB测试，都需要一定的数据思维。除此之外，数据分析还被运用于项目后期评估、项目质量监测等方面。对于跨国企业来讲，可以帮助汇总全球各个地方的多来源数据，通过建立数据库进行更系统的数据分析。
2.数据思维的训练有助于网络与新媒体专业学生确定发展方向。从微观层面看，数据思维包括具体数据处理、数据分析等执行层面;从中观层面看，数据思维需要解决的是现实中遇到的具体问题，其并不一定以数据的方式存在，但需要有数据分析的模式化解决方案。既然数据思维更强调应用层面，或者其落脚点在于数据的运用能力，这就意味着网络新媒体专业学生并不一定要深耕所有的计算机知识或者数据知识且深度运用，但要理解计算的原理、数据和技术为应用带来的影响等。以主题模型算法LDA为例，网络新媒体专业学生要重点了解其基本原理，了解通过LDA如何得到主题以及对应的词汇，并且能够运用代码或者修改已有代码来获得主题。在此基础上，学有余力的同学可以继续钻研数学、计算机科学中的知识体系。网络新媒体专业的学生需要在内容等输出层面下功夫。
3.数据思维可以依照不同的维度分为不同的类别，有助于把握学生学习的发力点，有针对性地进行数据思维的训练。（1）按照数据运用的目的，数据实践主要包括技术目的和内容目的。技术目的主要是数据处理的从业者，基于所学数据知识、分析技能等，进行专业化的数据处理工作，目的是建构数学模型、制定数据规则、设计底层技术框架、训练算法模型等，保证整个平台系统的正常运转。内容目的主要是将数据分析作为工具，无论进行的何种数据操作，都是为了最终的产品、内容等输出实践。针对内容目的的实践，要基于数据，再结合其他社科、传播学知识展开具体工作。（2）按照数据分析涉猎领域的广度，分为前期数据分析、后期数据分析以及贯穿整个过程的数据分析。前期数据包括市场调查、用户假设、竞品分析等。其重点考察的是从业者的数据搜集能力，以及严谨的数据分析能力，目的是对事物本身有客观的、整体性的、趋势性的理解和认识。后期数据分析包括后期工作复盘、收益分析、成果分析、质量监测、效果监测等。贯穿整个过程的数据分析包括所有涉及数据操作、基于数据的实践环节和过程。（3）按照数据产生的来源，包括前端数据和后端数据。对于前端用户生产的数据可以用较为初级的分析方法处理，对于后端与计算机、算法相关的数据，大多需要深层的数据分析能力。心理数据针对的是用户，可以用于洞察用户心理、建构用户心理画像、了解用户偏好;在分析中除了技术知识、数据知识外，还需要一定的人文社科知识。从整体来看，针对以内容为目的、前期数据及后期数据、前端用户数据等，掌握基本的数据分析方法即可，如数据搜集与分析、数据可视化、简单的数据统计等。其重点在于，在数据分析的基础上挖掘、提炼观点、意义，进行内容产出、产品设计等输出型、创造型实践。对于以技术为目的、过程数据、后端数据等，需要高级数据处理技术，如数据建模、数据深度挖掘、算法开发等。
二、新媒体人才培养的抓手：知识模块与数据思维能力培养模式
基于目前学界开设的相关课程以及业界对新媒体人才的需求，要找到新媒体人才培养的抓手，具体包括知识模块建构、培养模式探索等。
（一）基于数据思维能力的新媒体人才知识模块建构
知识模块是整个培养体系的内核。对于网络新媒体专业学生来讲，基于数据思维进行输出、创造型实践活动，尤为重要。这需要立足于传播学传统，落脚于对传播内容、规律等的把握。在数据思维培养中，除了数据技术层面、应用层面，最基础的是专业知识模块（见图1）。
图1 数据思维培养中的知识模块
1.基础理论及人文素养模块。该模块包括新闻传播理论的学习、人文社科知识的广泛涉猎等。具体来看，学生需要学习与本专业最相关的新闻学、传播学、情报学等知识;社科类知识，如社会学、政治学、心理学等;人文类知识，如艺术学、语言学、哲学等;理工科知识，如计算机、物理学、系统工程等。对于这些知识的学习，要以理解、领悟为主，要完善知识结构、夯实理论基础，从积累中产生灵感和创意，并与数据技能结合。
2.数据分析方法模块。该模块包括基础的统计分析方法和大数据分析方法。统计分析方法包括传播学研究方法、计量经济学等知识，该部分的学习要依托整个社会科学研究方法，又要深入把握传播学特有的方法，如内容分析法等。大数据分析方法包括编程语言、数据挖掘、数据可视化、大数据分析法等知识，该部分的学习要打破学科界限，要在计算科学内部建立关联，如计算政治、计算社会、计算心理、计算传播等。这两类方法的学习要根据研究问题进行适当的取舍和整合。
3.应用实践模块。该模块包括产品、内容、运营等3个部分。就产品来说，包括新闻产品、可视化产品、数字产品、软件产品、App产品等的设计及开发。就内容来说，包括不同形式的内容生产，如新闻报道、数据新闻、可视化新闻、网络新闻、营销文案、活动策划方案等。就运营及营销来说，包括新媒体平台运营、用户运营、社群运营、广告营销、计算广告等。对于该部分的学习，要积极结合业界最新技术和实践。就从业者个人来讲，特别要培养网感，个人要喜欢体验、喜欢思考、喜欢新事物、喜欢与他人分享使用感受等。
针对以上知识模块，在具体学习中，要根据学生的兴趣和未来就业方向等，进行针对性、专门化、系统性的训练。在具体执行中，除了按照课程来培养之外，还可以通过训练营的方式展开，为不同兴趣同学提供有针对性的学习内容指导和方法指导。在学习中，要注重知识迁移，避免过度强调知识的记忆等，要着眼于个人能力的提升。
（二）基于数据思维能力的新媒体人才培养模型探索
数据思维是具有层次和结构的，具体表现为数据概念、数据实践、数据观念等（见图2）。从数据概念到数据实践再到数据观念，越来越从书本理论知识转向业界实践，越来越从数据分析技能转向数据应用及实践。与此对应，对基本数据理论知识的运用能力越来越高，对数据的理解能力要求越来越高，对数据的感知难度越来越高。从内容认知复杂性来看，数据概念的学习只需要理解和知道;数据实践的学习侧重于分析和应用;数据观念更反映在创造和呈现中，即结合自我兴趣、创意、网感体验等呈现、创造相关内容或产品。
图2 数据思维培养中的知识模块
结合数据思维的层次、内容认知复杂性等，要进行课程前后的排序设置，以更好地挖掘数据分析在新媒体行业的潜能。在数据分析能力中，数据概念包括概率、统计、调查、方法、工具等，强调数据相关理论知识，这些内容比较基础，偏向于理论。数据概念对应的课程包括研究方法、数理统计等。数据实践包括调查研究、市场洞察、数据挖掘、数据呈现等，强调数据相关的以技能为基础的初级运用。数据实践对应的课程包括新媒体运营、计算传播、数据可视化等课程。数据观念包括数据表达、数据连接、数据理解等，强调以抽象化为基础的高阶数据运用或者以数据为驱动的价值理念、内容输出。数据观念对应的课程包括产品开发、营销策划、数据新闻等。值得注意的是，新媒体运营包括平台运营、内容运营、受众运营等，尽管有一些文案的撰写工作，但是学生可发挥的创造空间有限，达不到金字塔最顶尖的创造、输出层次。所以，新媒体运营课程在中年级学生中开设比较合适。另外，大数据分析本身比传统的数理统计更难，而且需要对研究对象本身有深刻的认识，需要学生有一定的社会阅历和对传播现象的深入洞察，所以在中年级学生中开设比较好。
整体来看，在低年级开设知识输入型课程，包括成熟的原理、技术，课程教授强调系统性、体系性、基础性。在高年级开设内容输出型课程，其特色在于开展创作输出实践，如产品、内容、营销创意，课程讲授强调开放性、前沿性、创新性。当然，创新是建立在对已有基础知识的深度理解、对前沿行业的洞察和把握基础之上，同时要洞察用户需求、市场规律、平台调性，从而进行创新实践。由此，可以更好地解决课程之间的衔接问题。
三、基于数据思维的新媒体人才培养着力点
在基于数据思维的人才培养中，人、课、环境等在宏观层面存在一定的问题，这可能影响人才培养的大方向。针对此问题，要找到人才培养的着力点，对这些方面加以关注，为人才培养提供更好的理论和思想资源。
（一）身份意识：网络新媒体专业学生的专业定位
数据知识学习能力有限及与就业市场的矛盾，引发网络新媒体专业学生的身份意识焦虑。针对网络新媒体专业学生，很多学校都开设了计算机等相关课程，尽管学生对计算机等类课程的学习有很大热情，但是碍于较高的数据分析能力要求，该群体在学习方面依然存在困难。调查显示，美国广告学专业学生对统计分析能力的要求较高，但是学生学习动力不足。[4]更为重要的是，从就业市场和人才需求来看，虽然网络新媒体专业学生学习了统计学甚至计算机相关课程，但是在计算机人才岗位上，无法与计算机科班出身的学生相竞争。对此，学生们会出现专业定位的迷茫和身份焦虑。就业界实践来看，目前的就业趋势在尽可能地消除学校专业设置壁垒，以核心能力来考核人才、录用人才，且部分岗位不太看重专业，更看重求职者的项目参与经验。由此，网络新媒体专业学生在工作岗位上，要消除专业边界带来的身份顾虑，围绕项目、任务进行多领域、多学科的知识学习，全身心围绕输出需求展开具体实践。
在新文科建设及创新科技崛起的背景下[13]，尽管新媒体行业需要计算机人才，但是目前技术门槛逐渐降低，内容生产、创意能力等愈发凸显，网络新媒体专业学生仍然有大量的市场需求。在具体工作中，计算机专业人才需要系统地学习计算机相关知识，需要负责整块的项目系统设计。而对网络新媒体专业人才的要求，更强调创意、开放、发散思维等，需要具备较高的综合能力，如创新能力、商业意识、内容创意、人际沟通、团队合作、营销策划、设计能力等。从数据思维培养的角度来看，网络新媒体专业学生要将自己打造为“一专多才”的人才。值得注意的是，为了解决身份矛盾、树立正确的身份意识，在某个方面形成核心竞争力，学生要尽早探索兴趣领域、确认自我发展方向。
（二）课程体系：数据思维是基础、数据应用是上层建筑
数据思维是基础，数据应用是上层建筑。数据类课程是垫脚石，其能量的发挥不局限于课程本身，更重要的是要在高层次应用课程中，将这些基础知识进行多维度的、体系化的、深入的应用。也就是说，网络新媒体专业学生为自己所学的数据课程找到应用领域、找到出口，这些出口就是新媒体内容、产品、运营等。对于数据分析知识这一基础的学习，学生在学习中需要详略有度、张弛有度。在工作中遇到问题时，学生要明确知道自己想解决的问题、界定问题特征，并将其转化为技术语言、计算机语言，然后在数据、技术等知识体系中寻找解决该问题的技术和方法;要了解每种技术方法能够解决何种问题、了解技术方法运作的原理、掌握这些方法的应用场域及其优势和劣势;要能运用特定软件、工具等建构数学模型，寻找数学问题的最优解，最终将数学最优解映射为现实问题的解决方案。同时，很多企业有自己的智能数据分析系统，但这并不意味着学生在学校不需要学计算、数据分析等理论知识。如果对数据的理解较为深刻，从原理上懂一些数学模型，再懂内容、产品、运营的逻辑，就可以根据计算相关基础知识、内容、产品需要等调整模型。
网络新媒体专业学生需要通过计算机相关课程训练逻辑思维能力。学习计算机相关知识，并不仅仅在于进行数据抓取、数据分析、数据处理，更重要的是训练逻辑思维能力。就逻辑思维来讲，可以分成两个方面：一是概念，二是推理。要将现实问题映射到学科知识上，界定问题对应的概念，并对概念之间的关系进行推理。以互联网App为例，主要的业务包括3个方面：其一，与企业收益相关的业务，如将不同类型、内容的广告投放到不同平台，通过精准化的广告推荐获取用户，并进行后续的用户运营，吸引其购买相关产品。其二，与用户使用相关的业务，如获得用户对特定功能的反馈、用户画像、使用感受等。其三，与产品相关的业务，如产品功能、登录界面、产品内测、产品更新迭代等。这些都是基于数据，并以数据为基础进行的数据运用实践。在具体工作中，要梳理不同环节之间的关系及各个环节内部的具体问题，并寻求业务、知识层面的解答。
（三）信息环境：优质内容是根本、技术只是工具
基于数据的内容、产品等输出实践可能对社会产生不良影响，依托数据、技术进行内容生产及分发等，能够在很大程度上提高效率，但同时会出现一些问题。例如，在算法推荐实践中，内容的低俗化、浅薄化、碎片化、标题党等现象非常明显。短期来看，流量分配会吸引粉丝、增加粉丝黏度，获得经济效益。但是从长远来看，可能会污染、恶化网络信息环境，不利于网络生态环境的建设。网络新媒体专业学生在内容、产品、运营实践中，最基本的是要坚持党性原则，要有高尚的政治道德，要考虑内容以及产品可能带来的社会影响;不能仅仅为了迎合流量，靠猎奇、吸引眼球等策略来开展工作，生产没有社会影响或者影响不好的内容、产品等。学生要始终将坚持正确的价值观、勇于承担社会责任、将坚持做优质内容放在首位。
优质内容是优化网络信息环境的核心。在大数据语境下，信息已经相当丰富。在信息环境中，内容是基本盘，技术、算法等只是辅助内容的工具。如果内容不好，不管用何种方式进行传播、分发，也改变不了低质内容的事实，而且会对社会造成不良影响。当前，较多内容生产者或者企业，为了迎合流量和吸引用户，侧重于关注平台热梗、对文案形式层面的包装，局限在自媒体流行文案的写作上，并未对长期的、隐形的、高级的、重要的、高质量话题进行内容生产和创作。如果内容足够优质，技术可以让更多人看到该内容，对平台、创作者、整个社会都是有益的。这就要求在对网络新媒体专业学生输出层面的培养中，切忌过度追逐热点，而忽略硬核实力的培养。
四、结语
文章提出基于数据思维的新媒体人才培养方向，该方向的探索有助于解决以下问题。其一，深度挖掘网络新媒体专业人才的特色，提炼其核心竞争力，提升网络新媒体专业学生对本专业的认识、加强专业认同。其二，相比于以往强调不同学科之间的融合，文章强调专业内部各个课程之间融合工作的推进，强调数据思维的基础作用，以及建立在此基础之上的应用型领域、课程等的拓展。其三，基于数据思维，借鉴OBE的教育理念夯实学生的知识基础[14]，以业界需求为导向，为业界输送符合需求的新媒体人才。
参考文献：
[1]李明德，刘婵君.对网络与新媒体专业人才培养模式的思考[J].传媒，2017（21）：17-18，20.
[2]骆正林.媒介融合背景下新闻传播专业课程教学的耦合机制[J].传媒，2020（09）：9-11.
[3Most Business Editors Find Journalism Graduates Still Unprepared[J] . Mary Jane Pardue. Journalism ＆ Mass Communication Educator . 2014 (1).
[4]Fullerton，J.A.&Kendrick，A.Themathproblem：Advertisingstudents’attitudestowardstatistics[J].Journalism&MassCommunicationEducator，2013（02）：134-149.
[5]刘蒙之，刘战伟.2018传媒业需要什幺样的人才？首份传媒人能力需求报告[EB/OL].（2018-03-02）[2022-03-19].https：//www.sohu.com/a/247392245_242827.
[6](Re)defining Journalistic Expertise in the Digital Transformation: A Content Analysis of Job Announcements[J] . Lei Guo,Yong Volz. Journalism Practice . 2019 (10)
[7]祝建华.大数据时代的新闻与传播学教育：专业设置、学生技能、师资来源[J].新闻大学，2013（04）：129-132.
[8]Niemanlab.Predictions for Journalism 2019[EB/OL]（2019-02-25）[2022-01-17].Retrieved from https：//www.niemanlab.org/collection/predictions-2019/，20190225.
[9]张迪.媒体变革背景下的海外新闻传播教育现状与发展趋势[J].国际新闻界，2014（04）：158-169.
[10]刘明洋，袁晓川.融通之道：解读新媒体环境下新闻传播教育的两大趋势[J].国际新闻界，2018，40（09）：128-148.
[11]张铮，陈雪薇.从“数据新闻”到“数据传播”——智媒时代新闻传播教育的数据转向及因应策略[J].中国编辑，2020（05）：74-79.
[12]杨开源.5G融媒体时代下的网络与新媒体专业人才培养探究[J].传媒，2020（08）：84-86.
[13]杜文超.大数据时代新文科专业科技创新发展模式研究[J].科技智囊，2021（02）：69-72.
[14]胡劲.OBE导向的高校产学研结合人才培养模式研究——以广州理工学院“京苗班”为例[J].科技智囊，2021（02）：63-68.