大数据背景下工科院校理学院数据科学创新团队与平台建设

徐礼文

摘要：本文分析了国内外数据科学发展研究现状，提出了大数据背景下工科院校理学院数据科学创新团队与平台建设问题，讨论了这一问题研究的必要性、研究思路、创新团队与平台建设实施方案和未来发展方向。

关键词：数据科学；大数据；数据智慧

中图分类号：G642.0 文献标志码：A 文章編号：1674-9324（2017）22-0095-02

一、国内外大数据研究现状分析

1.大数据发展和研究的国际动态趋势。当前，人人都在讨论大数据，数据科学成为最为流行的词汇和最热门的学科[1-7]。的确，可以说每个科学家都是数据科学家，每个个体、组织、企业、政府都在不断产生新的数据集[8-9]。很多国家政府机构、国际各类组织、大型互联网公司和高等院校与研究机构等都感受到了大数据的重要作用，大家也先后行动起来，把软硬件开发建设、积极参与利用和深入研究大数据作为夺取制高点，赢得新一轮竞争机遇的重要抓手，投入到实施大数据战略的行列中。例如，美国政府将大数据视为重要资源，认为大数据堪比不会枯竭的原油，并把大数据研发和生产和应用计划提高到国家战略层面。英国政府则考虑开放交通运输、气候和健康卫生方面的公共数据库，并计划建成首个全球“开放数据研究所”。法国政府通过发布的《数字化路线图》，计划大力支持“大数据”在内的战略性高新技术。日本和印度等国也纷纷出台各种举措，提高信息通信领域的国际竞争力，并推出国家数据共享和开放政策等。

国外著名的互联网企业可以说是政府实施以上战略的技术支撑。他们利用自身雄厚的经济和技术能力为政府实施大数据战略提供有力支撑，也从大数据的研究中获得丰厚的回报。

2.国家大数据国家战略发展规划。我国政府也迅速行动起来，在2012年8月份国务院制定了旨在推动各企业加快信息基础设施升级，构建大数据产业链等的文件。2014年2月27日成立了中央网络安全和信息化领导小组。2015年8月31日，国务院印发《促进大数据发展行动纲要》。但已有研究指出了我国发展大数据的挑战和问题，其中包括：一方面，还没有真正提炼出研究大数据的科学问题、理念，方向和具体可行性措施。另一方面，人才队伍建设亟须加强。

3.国内高校和我校数据科学研究现状。为响应国家创新驱动的发展战略，国内许多一流大学纷纷整合学科资源优势，启动以数据科学为主要方向和特色的创新型学院、研究院和统计中心的规划建设。早在2010年7月5日，北京大学统计科学中心已正式成立。2014年4月26日，清华大学成立了“数据科学研究院”。2014年5月16日，清华大学成立清华大学统计学研究中心。2014年10月至今陆续又有西南交通大学，由中关村管委会、海淀区政府、北京大学、北京工业大学、复旦大学大和中国人民大学等成立各类数据学院和大数据研究院。从中可以看出各个高校已顺势而动，投入到数据科学的创新研究和人才培养的大军之中。我校在此方面也已形成良好的基础。北方工业大学云计算研究中心成立于2010年12月。在此基础上，北方工业大学大规模流数据集成与分析技术实验室认定为2013年度北京市重点实验室。我校还拥有现场总线技术及自动化北京市重点实验室、变频技术北京市工程研究中心、电力电子与电气传动北京市高校工程研究中心、有色冶金过程现代检测技术及装置工程技术研究中心、北京市城市道路交通智能控制技术重点实验室、北京市变截面辊弯成型工程技术研究中心、新型建筑工业化集成建造工程技术研究中心等多个省部级研究机构，产生大量研究数据，为数据科学研究提供了素材。

4.理学院面临的机遇和挑战。我校理学院设有数学系、统计学系、理化教研室及体育教研室。理学院重视科研工作的开展，近5年承担30多项国家自然科学基金、北京市自然科学基金项目和国家基础科学研究计划“973”的科研任务。计算机视觉研究团队为北京市学术创新团队，其研究对象是数据科学研究领域的前沿方向，为数据科学研究团队和平台建设打下基础。统计学系也成立了大数据研究中心平台和组建统计机器学习研究团队。

如何利用好自身的理论基础优势，主动出击，立足自身发展的同时，深度融合我校优势资源，通过数据科学研究团队和平台建设，深入认识大数据产业发展规律重视了数据资源汇聚、积累、处理与应用能力建设，主动推进大数据产业发展与应用需求间的对接是我们面临的重要问题之一。

二、数据科学创新团队与平台建设研究内容

在大数据背景下，我们考虑高校理科学科与信息科学等之间的交叉融合，改革研究团队和平台建设思想，提出了以下研究目标及内容。

1.探讨新形势下，如何借助大数据发现高校创新团队和平台建设中存在的问题。

2.在大数据背景下，如何借助大数据考虑高校创新团队和平台建设中的合适有效的理论和方法。

3.在大数据背景下，结合统计学和数理科学自身优势，开展数据科学创新团队和平台建设途径探索。

4.在科学利用研究成果基础上，进行大数据背景下数据科学创新团队和平台的建设实践探索。

三、数据科学创新团队与平台建设研究设计

1.研究思路和方法。统计学从古至今都是一门数据科学，新形势下其面临着极大的挑战和良好的机遇。美国科学院院士郁彬发表文章介绍数据科学中的“数据智慧”，其指出：“在大数据时代，只有对数据智慧也给予和其他研究同等程度的重视，大数据才能转化为真正有用的知识和可被采纳的信息。”因此，我们借助最新的大数据分析工具和“数据智慧”，系统考虑和研究目标有关多种因素，深入探讨数据科学创新团队和平台建设的方法论。

2.研究计划的实施。（1）精确定义要回答的问题。为此，我们必须要与统计学领域、数学、物理学、计算机科学这些领域的专家进行合作。这些专家会提供有助于解决问题的领域知识、早期的研究成果、更广阔的视角，甚至可能对该问题进行重新定义。（2）数据收集。大数据背景下数据的含义是什么？数据科学相关的学科实际情况研究等。（3）确立解决问题的方向。研究如何确立团队和平台的战略规划和目标；设立方便管理，有利创新的机制运作方式；建立起既有协同创新，又惠及每个成员的激励机制；搭建具有实质性交叉的团队和平台。（4）从实际出发，落实规划。首先，根据理学院的人员构成特点，建立起一个理学学科各分支为基础的大数据与机器学习讨论班，为研究团队搭建提供基础。其次，联合我校工科、经济管理学科等组建学科交叉研究实验平台，充分利用工科实验研究的数据资源，为数据科学研究提供原材料。再次，以数据科学理论研究为支撑，与互联网等企业联手建立数据工程技术平台，将数据科学研究成果及时转化为实用的新技术。

四、結语

总之，如何结合大数据和我校学科布局，发挥我校传统优势学科及我校新兴学科方向已有优势，扩展数据科学等多研究方向、促进学校产业发展，是我们进一步的重要研究内容和发展方向。

参考文献：

[1]柳洲，陈士俊，张颖.跨学科科研团队建设初探[J].科技管理研究，2006，（11）：137-139.

[2]王冠.试论高校创新型科研团队建设的制度创新[J].教育研究，2010，（6）：73-76.

[3]吴美华.高校科研团队建设管理的现状分析与机制建设[J].生产力研究，2010，（7）：101-102.

[4]王怡然，陈士俊，张海燕，柳洲，王梅.高校科研团队建设的内涵、特征及类型[J].西南交通大学学报：社会科学版，2007，8（3）：20-23.

[5]伍宏发，杨春霞，张林英.网络环境下高校科研团队建设的思考[J].科技管理研究，2010，（10）：73-75.

[6]康旭东，王前，郭东明.科研团队建设的若干理论问题[J].科学学研究，2005，23（2）：232-236.

[7]吕红芝，周婧，徐斌，周培.科研团队分类建设探索[J].科技管理研究，2012，32（20）：168-171.

[8]X Jin，B W Wah，X Cheng，Y Wang. Significance and Challenges of Big Data Research[J].Big Data Research，2015，（2）：59–64.

[9] B Gema，Jung J J，Camacho D. Social big data：Recent achievements and new challenges[J]. Information Fusion，2016，（28）：45–59.

Data Science Innovation Team and Platform Construction in Science Colleges of Polytechnics under the Background of Big Data

XU Li-wen

（College of Science，North China University of Technology，Beijing 100144，China）

Abstract：This paper analyzes the current situation of domestic and international data science development，considers data science innovation team and platform construction in science colleges of polytechnics under the background of big data，and discusses the necessity of this research，research ideas，innovation team and platform construction implementation plan and the future development direction.

Key words：data science；big data；data wisdom