數據科學與大數據技術

1990年代中後期，美國的金融業和連鎖零售業開始出現較大規模的信息化基礎設施發展，形成了早期成規模的信息化數據沉澱，進而在商業中對數據使用轉化成生產力的早期需求開始逐漸顯現。2005—2007年，在商業調查與諮詢行業內，“Big Data”（大數據）一詞被提出並開始被討論，在此之前，數據就是數據，狹義指能被統計的可數字化資料，廣義泛指各類信息，包含文本、圖片、音頻、視頻等。

“大數據”一詞的提出，使得人類運用數據的思維和方法出現質變。相對地來描述，“小數據”一詞專指利用人工採集的、規模有限的、能被傳統統計學所刻畫的數據集，廣泛地以樣本為研究出發點，多呈現結構化的特徵。而“大數據”一詞特指被機器或算法採集的，規模巨大的，潛在知識不清晰的數據集，廣泛以總體為研究出發點，多呈現非結構化的特徵。

2011年2月，世界頂級學術雜誌《科學》以“數據”為主題出版專刊，大數據從商業問題開始走向嚴肅科學理論問題。2012年3月22日，美國奧巴馬政府宣佈投資2億美元拉動大數據相關產業發展，並將數據定義為“未來的新石油”，將“大數據戰略”上升為國家意志。一些科技強國開始意識到：一個國家擁有數據的規模、活性及解釋運用的能力將成為綜合國力的重要組成部分，在未來對數據的佔有和控制，甚至將成為陸權、海權、空權之外的另一種國家主權能力延伸。

2012年，聯合國發佈大數據政務白皮書，指出大數據對於聯合國和各國政府來説是一個歷史性的機遇，極為豐富的數據資源可以幫助政府更好地響應與服務社會和經濟運行。至此，“大數據”逐漸從科學界開始走向戰略界。

2013年10月，由15位院士聯合向中央建議中國應制定大數據國家戰略，並在發展目標、發展原則、關鍵技術等方面作出頂層設計。

2014年3月，金山和小米公司董事長、全國人大代表雷軍在兩會期間發出關於加快實施大數據國家戰略的建議，雷軍在建議中表示，從人才培養、完善法律、基礎建設、產業試點等方面着手，從國家層面上制定大數據發展規劃。

2015年9月5日，國務院印發《促進大數據發展行動綱要》，開始系統部署大數據發展工作。作為落實《促進大數據發展行動綱要》以及國家“十三五”規劃的大數據發展戰略，2016年12月18日，工信部發布《大數據產業發展規劃（2016—2020年）》，進一步明確數據是國家基礎性戰略資源，全面推進大數據發展，加快建設數據強國。在大數據人才培養方面，國家也提出總體要求“建立適應大數據發展需求的人才培養和評價機制。加強大數據人才培養，整合高校、企業、社會資源，推動建立創新人才培養模式，建立健全多層次、多類型的大數據人才培養體系。” ^[10] 

2016年，教育部審批通過北京大學、對外經濟貿易大學、中南大學三所高校開設“數據科學與大數據專業（代碼080910T）”，作為計算機科學與技術專業類（代碼0809）下的特設專業，可授工學或理學學位。 ^[10] 

2020年，教育部頒佈了《普通高等學校本科專業目錄（2020年版）》，數據科學與大數據技術專業為工學門類專業，專業代碼為080910T，屬計算機類專業，授予理學或工學學士學位。 ^[3] 

培養具有良好的道德與修養，遵守法律法規，具有社會和環境意識，掌握數學與自然科學基礎知識以及與計算系統相關的基本理論、基本知識、基本技能和基本方法，具備包括計算思維在內的科學思維能力和設計計算解決方案、實現基於計算原理的系統的能力，能清晰表達，在團隊中有效發揮作用，綜合素質良好，能通過繼續教育或其他的終身學習途徑拓展自己的能力，瞭解和緊跟學科專業發展，在計算系統研究、開發、部署與應用等相關領域具有就業競爭力的高素質專門技術人才。 ^[2] 

一、思想政治和德育方面：按照教育部統一要求執行。

（1）掌握從事專業工作所需的數學（特別是離散數學）、自然科學知識，以及經濟學與管理學知識。

（2）系統掌握專業基礎理論知識和專業知識，經歷系統的專業實踐，理解計算學科的基本概念、知識結構、典型方法，建立數字化、算法、模塊化與層次化等核心專業意識。

（3）掌握計算學科的基本思維方法和研究方法，具有良好的科學素養和強烈的工程意識或研究探索意識，並具備綜合運用所掌握的知識、方法和技術解決複雜的實際問題及對結果進行分析的能力。

（4）具有終身學習意識，能夠運用現代信息技術獲取相關信息和新技術、新知識，持續提高自己的能力。

（5）瞭解計算學科的發展現狀和趨勢，具有創新意識，並具有技術創新和產品創新的初步能力。

（6）瞭解與專業相關的職業和行業的重要法律、法規及方針與政策，理解工程技術與信息技術應用相關的倫理基本要求，在系統設計過程中能夠綜合考慮經濟、環境、法律、安全、健康、倫理等制約因素。

（7）具有組織管理能力、表達能力、獨立工作能力、人際交往能力和團隊合作能力。

（8）具有初步的外語應用能力，能閲讀該專業的外文材料，具有國際視野和跨文化交流、競爭與合作能力。

三、體育方面：掌握體育運動的一般知識和基本方法，形成良好的體育鍛煉和衞生習慣，達到國家規定的大學生體育鍛煉合格標準。 ^[2] 

數據科學與大數據技術專業的知識體系包括通識類知識、學科基礎知識、專業知識和實踐性教學等。課程體系須支持各項畢業要求的有效達成，進而保證專業培養目標的有效實現。人文社會科學類課程約佔15%，數學和自然科學類課程約佔15%，實踐約佔20%，學科基礎知識和專業知識課程約佔30%。

人文社會科學類教育能夠使學生在從事工程設計時考慮經濟、環境、法律、倫理等各種制約因素。

數學和自然科學類教育能夠使學生掌握理論和實驗方法，為學生表述工程問題、選擇恰當數學模型、進行分析推理奠定基礎。

學科基礎類課程包括學科的基礎內容，能體現數學和自然科學在該專業中應用能力的培養；專業類課程、實踐環節能夠體現系統設計和實現能力的培養。

課程體系的設置有企業或行業專家有效參與。 ^[2] 

通識類知識包括人文社會科學類、數學和自然科學類兩部分。人文社會科學類知識包括經濟、環境、法律、倫理等基本內容；數學和自然科學類知識包括高等工程數學、概率論與數理統計、離散結構、力學、電磁學、光學與現代物理的基本內容。

學科基礎知識被視為專業類基礎知識，培養學生計算思維、程序設計與實現、算法分析與設計、系統能力等專業基本能力，能夠解決實際問題。

建議教學內容覆蓋以下知識領域的核心內容：程序設計、數據結構、計算機組成、操作系統、計算機網絡、信息管理，包括核心概念、基本原理以及相關的基本技術和方法，並讓學生了解學科發展歷史和現狀。

課程須覆蓋相應知識領域的核心內容，並培養學生將所學的知識運用於複雜系統的能力，能夠設計、實現、部署、運行或者維護基於計算原理的系統。 ^[2] 

具有滿足教學需要的完備實踐教學體系。主要包括實驗課程、課程設計、實習、畢業設計（論文），4年總的實驗當量不少於2萬行代碼。積極開展科技創新、社會實踐等多種形式的實踐活動，到各類工程單位實習或工作，取得工程經驗，基本瞭解本行業狀況。

實驗課程：包括軟、硬件及系統實驗。

課程設計：至少完成2個有一定規模和複雜度的系統的設計與開發。

實習：建立相對穩定的實習基地，使學生認識和參與生產實踐。

畢業設計（論文）：須制定與畢業設計（論文）要求相適應的標準和檢查保障機制，對選題、內容、學生指導、答辯等提出明確要求。保證課題的工作量和難度，並給學生有效指導；培養學生的工程意識、協作精神以及綜合應用所學知識解決實際問題的能力；題目和內容不應重複；教師與學生每週進行交流，對畢業設計（論文）全過程進行控制；選題、開題、中期檢查與論文答辯應有相應的文檔。

對畢業設計（論文）的指導和考核有企業或行業專家參與。 ^[2] 

師資隊伍總體上應符合教育部《普通高等學校基本辦學條件指標（試行）》（2004）的相關要求。

專任教師數量和結構滿足專業教學需要，中青年教師所佔比例較高，各專業的專任教師不少於12人，專業生師比不高於24：1。教師須將足夠的精力投入學生培養工作。

新開辦專業至少應有12名專任教師，在120名在校生基礎上，每增加24名學生，須增加1名專任教師。

專任教師中具有碩士、博士學位的比例不低於60%，其中中青年專任教師中擁有博士學位的比例不低於60%。專任教師中具有高級職稱的比例不低於30%。來自企業或行業的兼職教師能夠有效發揮作用。

大部分授課教師的學習經歷中至少有一個階段是計算機類專業或計算學科學歷，部分教師具有相關學科、專業學習的經歷。專業負責人學術造詣較高，熟悉並承擔專業教學工作。

授課教師應具備與所講授課程相匹配的能力（包括操作能力、程序設計能力和解決問題能力），承擔的課程數和授課學時數限定在合理範圍內，保證在教學以外有精力參加學術活動、進行工程和研究實踐，不斷提升個人專業能力。

講授工程與應用類課程的教師應具有與課程相適應的工程或工作背景，面向理科學生講授專業基礎理論課程的教師應具有與課程相適應的研究背景。

全職教師必須獲得教師資格證書，具有與承擔教學任務相適應的教學能力，掌握所授課程的內容及其在畢業要求中的作用，以及它與培養目標實現的關聯，能夠根據人才培養目標、課程教學內容與特點、學生的特點和學習情況，結合現代教學理念和教育技術，合理設計教學過程，因材施教。參與學生的指導，結合教學工作開展教學研究活動，參與培養方案的制定。

為教師提供良好的工作環境和條件。有合理的師資隊伍建設規劃，為教師進修、從事學術交流活動提供支持，促進教師專業發展。重視對青年教師的指導和培養。

具有良好的學科基礎，為教師從事學科研究與工程實踐提供基本條件，營造良好的環境。鼓勵和支持教師開展教學研究與改革、學生指導、學術研究與交流、工程設計與開發、社會服務等。

使教師明確其在教學質量提升過程中的責任，不斷改進工作，滿足專業教育不斷髮展的要求。 ^[2] 

總體上應符合教育部《普通高等學校基本辦學條件指標（試行）》（2004）的相關要求。

（1）教室、實驗室及設備在數量和功能上能夠滿足教學需要，生均教學行政用房不小於16平方米，生均教學科研儀器設備值不少於5000元；管理、維護和更新機制良好，方便教師、學生使用。

（2）保證學生以學習為目的的上機、上網、實驗需求。

（3）實驗技術人員數量充足，能夠熟練地管理、配置、維護實驗設備，保證實驗環境的有效利用，有效指導學生進行實驗。

（4）與企業合作共建實習基地或實驗室，在教學過程中為全體學生提供穩定的參與工程實踐的平台和環境；參與教學活動的人員理解實踐教學的目標與要求，校外實踐教學指導教師具有項目開發或管理經驗。

注重制度建設，管理規範，保證圖書資料購置經費的投入，配備數量充足的紙質和電子介質的專業圖書資料，生均圖書不少於80冊，師生能夠方便使用，閲讀環境良好，包括能方便地通過網絡獲取。 ^[2] 

教學經費能滿足專業教學、建設、發展的需要，專業生均年教學日常運行支出不少於1200元。每年正常的教學經費包含師資隊伍建設經費、人員經費、實驗室維護更新費、專業實踐經費、圖書資料經費、實習基地建設經費等。新建專業還應保證固定資產投資以外的專業開辦經費，特別是要有實驗室建設經費。 ^[2] 

各高校應建立質量監控機制，使主要教學環節的實施過程處於有效監控狀態；對主要教學環節有明確的質量要求；建立對課程體系設置和主要教學環節教學質量的定期評價機制，評價時應重視學生與校內外專家的意見。

各高校應建立畢業生跟蹤反饋機制，及時掌握畢業生就業去向和就業質量、畢業生職業滿意度和工作成就感、用人單位對畢業生的滿意度等，以及畢業生和用人單位對培養目標、畢業要求、課程體系、課程教學的意見和建議；採用科學的方法對畢業生跟蹤反饋信息進行統計分析，並形成分析報告，作為質量改進的主要依據。

各高校應建立持續改進機制，針對教學質量存在的問題和薄弱環節，採取有效的糾正與預防措施，進行持續改進，不斷提升教學質量，保證培養的人才對社會需求的適應性。 ^[2] 

根據湘潭大學為例的地方高校的特點，以及數學學科的特色和優勢，針對大數據專業的建設，按照“加強數學基礎、強化計算技能、突出專業特色”的思路，吸收科研院所、企事業等合作實務部門的意見，對數據科學與大數據技術專業的教學計劃和教學大綱進行制定。在項目建設期間，構建大數據數學基礎、大數據計算機基礎、大數據應用模塊等核心課程羣，重點建設幾門側重實踐應用能力和創新能力培養的課程。借鑑該校數學與計算科學人才培養方案改革和設立“數學類韶峯班”的成功經驗，按“分層+分流、個性化發展”的指導思想，根據人才培養目標，改變傳統的專業培養模式對本科生分流，實施“專業課+全校性輔修課、創新實驗室、校企聯合培養”的新培養模式，從而構建了地方高校數據科學與大數據技術專業的多元化、立體化的人才培養模式。 ^[7] 

“三段式”，即“2+1+1”夾層模式，第一階段為通識教育課程及專業課程培養，該階段強化通識教育並拓展數學基礎，為學生之後的專業課程學習打好良好的基礎；第二階段為數據科學與大數據技術專業課程的學習以及實踐應用能力的培養，該階段主要培養學生的專業基礎知識、專業基本技能、項目開發能力以及崗位能力素養，將所學的基本知識應用到實際應用開發以及工作崗位上；第三階段為實習實訓與畢業設計，在該階段每個學生去企業實習，通過企業實習讓學生及早感受企業的工作模式和節奏，體驗企業的職業要求，儘早建立職業發展規劃，為今後就業做好充足的準備。

實施一體化人才培養模式，實現學生知識能力素養同步提升。實施通識教育、專業教育、實踐教育相融合的一體化人才培養方案，設置通識必修類、通識選修類、專業必修類、專業選修類、實踐教育必修類（包括實踐基礎、專業實踐、創新創業實踐、素質拓展）五大類，共計50餘門課程，從各個層面設置了相應的課程。前導課程和後續課程銜接合理，專業基礎課、專業核心課、專業選修課有序銜接，基礎課、專業課的比例也比較適宜。能夠做到以人為本，因材施教，實施柔性化教學，培養高素質複合型、應用型人才。 ^[5] 

以真實產業項目為載體，與企業技術專家合作開發項目化課程教學資源，聘任企業專家模塊化嵌入擔任項目課程的授課講師。圍繞新一代信息技術產業崗位羣，在構建專業課程體系的基礎上，甄選10個典型產業項目，作為貫穿專業核心課程的依託項目。根據項目開發技術分工和工作過程分解，構建能力遞進型培養體系，推動項目驅動式教學的全面實施，包括專業基礎課程單元項目、專業核心課程訓練模塊項目、就業方向課程實戰綜合項目和實習課程開發企業系統性項目。通過遞進循環訓練過程，使學生的項目開發能力螺旋進階，具體實施流程為：

（1）獲取項目資源。通過校企合作、教師下企業以及科技服務等渠道，獲得企業真實項目案例，結合實際學情特點，裁剪企業項目案例，達到適合課堂教學的尺度。

（2）重構項目案例。編排課程內容，選擇切入點將知識、技能融入項目開發過程中。

（3）制定項目實施文檔、考核標準，為教師實踐奠定基礎。

（4）項目實施。在教師引導下，根據教學項目設計情況，指導學生完成項目開發。根據學生學情，分組或單獨完成項目。在實施過程中，以學生為主體，教師做好項目答疑和示範工作。

（5）項目評價與反饋。由教師組織學生彙報、演示項目成果，展示學生的學習態度、技能水平以及對技能點的掌握情況。學生再根據教師反饋評價，反思整個項目過程中的表現，並吸取經驗教訓，查漏補缺。

結合應用型本科的特點，提出複合型創新人才培養方向，為該專業構建寬基礎、分方向的應用型課程體系，具體實施過程為：

（1）在大學一年級統一設置公共和專業基礎課程模塊，在多個方向通用共享。根據專業面向的崗位基礎能力相通、技術領域相近的特點，統一設置培養通用能力的通識課程模塊和專業基礎課程模塊，使學生對行業技術學習路線有一定認知，具備專業入門基本技能。

（2）在大學三年級，根據數據科學與大數據技術專業細分崗位多、知識更新快的特點，人才培養方案按照方向設置專業核心課程模塊。學生在大二結束時學完專業基礎課程模塊，根據自身學習興趣、知識基礎以及發展規劃，在所開設的專業方向中進行選擇，實現分流培養。

（3）在大學四年級設置自選模塊，服務個性化的畢業發展方向。根據學生畢業後可能的發展方向（就業、考研、創業）開設不同課程模塊，針對性地強化知識技能。例如在就業技能提升模塊中引入企業真實項目，聘請企業工程師授課，進行項目實戰訓練，強化項目綜合開發能力，適合畢業後選擇就業的學生選修。

（4）設立全程伴隨的特長髮展彈性課程模塊，在做好學生學情分析和性格評測的基礎上，引導學生選擇某個技能方向重點發展，鼓勵其參加特長生工作室、技能競賽、創新工坊，通過競賽獲獎、做項目、報專利、發論文、考認證等方式置換選修課程學分。 ^[8] 

據賽迪數據顯示，2018年中國大數據產業規模為4384.5億元，同比增長23.5%；到2021年，中國大數據產業規模將超過8000億元。 ^[12]  另據《2020中國大數據產業發展白皮書》中的數據，2019年中國大數據產業規模達5397億元，同比增長23.1%，預計到2022年將突破萬億元。 ^[9] 

根據天府大數據國際戰略與技術研究院《2018全球大數據發展分析報告》數據，2018年中國大數據產業人才佔整體就業人口規模的0.23%，大約179.4萬人。

獵聘《2019年中國AI&大數據人才大數據人才就業趨勢報告》指出，2019年中國大數據人才缺口高達150萬。另據中國商業聯合會數據分析專業委員會統計，未來中國基礎性數據分析人才缺口將達到1400萬。 ^[12] 

隨着大數據、物聯網、5G等技術應用的不斷髮展，社會對該職業從業人員的需求日益增長。預計2020年中國大數據行業的人才需求規模將達到210萬，2025年前大數據人才需求仍將保持30%-40%的增速，需求總量在2000萬人左右。 ^[12] 

據《2017互聯網人才趨勢白皮書》數據顯示：眼下，幾乎所有互聯網企業均把數據人才列為團隊標配。許多公司在數據層面增加投入，大量招募具有算法和建模能力的人才，力求通過數據沉澱與挖掘更好地推進產品的迭代。數據架構師、數據分析師成為企業爭搶對象，過去一年招聘需求提高150%以上。 ^[6] 

該專業學生可以考取軟件工程、計算機科學與技術、應用統計學等專業的研究生或出國深造。 ^[4] 

該專業學生主要有三大就業方向：大數據系統研發類、大數據應用開發類和大數據分析類。具體崗位如大數據分析師、大數據工程師等。畢業生可在政府機構、企業等單位從事大數據管理、研究、應用開發等方面的工作。 ^[4] 

企業提供的大數據崗位按照工作內容要求，可以分為以下幾類：

①初級分析類，包括業務數據分析師、商務數據分析師等。②挖掘算法類，包括數據挖掘工程師、機器學習工程師、深度學習工程師、算法工程師、AI工程師、數據科學家等。③開發運維類，包括大數據開發工程師、大數據架構工程師、大數據運維工程師、數據可視化工程師、數據採集工程師、數據庫管理員等。④產品運營類，包括數據運營經理、數據產品經理、數據項目經理、大數據銷售等。 ^[12]