数据科学与大数据技术专业人才培养方案探析

窦丹妮 丁朋朋 李腾达

【摘要】近两年，随着大数据市场人才的需求迫切，人才缺口急需大量补充，各高校抓住时代机遇，纷纷设立数据科学与大数据技术专业（以下简称数据科学专业），并不断提升大数据人才培养质量。本文以2019年之前开设的数据科学专业的482所高校为探求目标，将各个高校培养方案分类并进行对比分析，并与社会需求发展现状相结合，提出适应性的决策和建议。

【关键词】大数据专业建设  人才培养  课程建设

【基金项目】教育部产学合作协同育人项目（201802111017），大学生创新创业训练计划项目（S202011070016）。

【中图分类号】G42 【文献标识码】A 【文章编号】2095-3089（2021）05-0163-03

1.引言

1.1大数据发展背景

随着时代的发展，互联网经济的快速发展引发了数据的迅猛增长，数据已成为国家基础性战略资源，被誉为“21世纪的新石油”。根据2015年8月31日国务院关于印发促进大数据发展行动纲要的通知中提到的大数据成为推动经济转型发展的新动力。以数据流引领技术流、物质流、资金流、人才流，将深刻影响社会分工协作的组织模式，促进生产组织方式的集约和创新。在抖音、淘宝、微博、12306铁路购票网站、知乎等软件每天产生的结构化数据、半结构化数据、非结构化数据都是海量的（见图1），这些数据对于我国的发展有着巨大的潜在价值。现行较多的软件根据用户的喜好利用算法分析进行精确推荐。

图1  日常生活中大数据的应用占比

信息战略对各个行业的发展都具有先天优势，利用大数据的特点可以与各个行业形成交叉学科，例如农业、工业、医学、交通等等。现在很多专业的基础课程都有交叉学科的影子，如医学中的生物化学、医学物理等。各个基础学科的交叉又形成了较多的学科，课程设立在不同的专业中。

1.2大数据行业现状

在大数据应用的项目中，描述性、预测性分析应用多，决策指导性等更深层次分析应用较少。根据大数据的应用中，大数据相关的职业也应运而生，大数据分析师、大数据应用开发工程师等等。

随着大数据行业的发展和大数据行业的巨大潜力，我国也出台了相应的政策，创建数据大国。对于行业的发展是离不开人才的培养，而人才培养的基地——高校也结合国家政策、行业的发展和提高自身竞争力，开设了数据科学与大数据技术专业[1]。

2.数据科学专业人才培养特点

各个高校争相抓住时代机遇，设立数据科学专业。因高校的教育观念、教学习惯、学习氛围、硬件设施、合作对象、人才培养都各有差异，为更加顺应社会人才需求实况，本文对482所设有数据科学专业的高校进行人才培养方案分析，经调研总结发现，482所高校的人才培养模式和亮点工作大致可分为以下五种：

2.1学生进阶式、分层分类培养

高校进行全方位、多层次、高效率的人才培养模式。个别双一流院校大数据人才培养本科较为基础且浅层，在读本科首先集中数理基础知识学习，逐步深入大数据挖掘，大数据设计研发，大数据可量化分析等;再通过考研筛选出学术技能符合要求的高级人才，继而培养研究生乃至博士的大数据拔尖创新型人才。分步识才，物尽其用[2]。

中国科学技术大学的2+X（本研贯通）创新人才培养模式：依托中科大在数理基础方面的学科优势，前两年进行数理及计算机等基础课教育，经选拔后第三年进入数据科学与大数据技术专业，逐步形成大数据方向的学士、硕士和博士培养体系。

2.2多学科交叉培养

两院联合开拓，培养数据科学学科交叉性人才，打破学科局限性，采用协同创新、交汇融合的人才培养思路，奠定广泛的知识和经验基础，拓宽口径加大就业率的同时也为数据学科的发展打下坚实基础，以多学科交叉的优势培养知识结构与行业实践紧密结合的复合型人才[3]。

厦门大学（信息科学与技术学院，经济学院）：学生不仅要求掌握数学、计算机科学、应用统计等通识基础课程，还需要深入学习经济、生物、物理、化学等交叉学科业务课程。由此培养专业能力强、涉足范围更广的高素质应用型人才。

2.3与高校优势领域协同育人

数据科学依托高校的特色领域和优势学科，协同创新，形成宽口径的大数据创新性人才。大数据技术目前已经成为促进科技创新的重要力量，推动各行各业迅猛发展，与农业、金融、智慧体育、航天、醫学、海洋、遥感等学校自身领域融会贯通，使之专业人才的复合潜力巨大，市场需求层次丰富，上升空间很大。大数据专业与高校特色领域紧密联系，培养适应国际化竞争环境的高层次人才。

中国农业大学：在具备计算机、数学、统计学等多学科知识和技能的前提下，也培养利用大数据思维分析现代农业中复杂工程问题、解决问题、自主学习以及创新能力;大数据专业与高校自身优势结合，使之更趋向国际化竞争环境的高层次人才培养。

2.4专业特色培养模式

学校实施“因材施教、特色培养”，以产业需求建专业，以学生产出导向立课程，以大数据技术发展改内容。各高校开设数据科学专业的侧重点不一，通过分析社会人才需求现状加之本校的教育特色，自成一套大数据专业的人才培养模式和亮点工作。使其具备团队协作意识和一定的国际视野，能够选择和使用先进技术及工具，追求数据科学的高级专门型人才。

西南交通大学：熟悉工科大数据应用相关实际问题背景，掌握大数据科学的基本理论、方法和技能，注重应用实践性人才，能够从事大数据分析与挖掘、大数据系统开发和大数据处理相关工作，培养“理工融合，理论基础扎实”的复合型、应用型人才。

2.5校企联合培养

本专业以产业需求为导向，以行业背景为依托，与多家大数据相关企业建立良好的合作关系;强化企业化模式的创新实践训练，通过建立项目组和实践项目的任务式驱动，为学生实习实训提供真实项目案例，开展多元化教学模式，模拟行业企业实际工作模式，提升学生专业实践能力和团队协作能力。以大数据岗位能力为核心，注重学生能力的差异性和大数据不同岗位能力素养的差异性;不断增强学生的职业技能和就业竞争力，注重培养大数据企业实践型人才。

重庆师范大学：数据科学专业是与厦门布塔信息技术股份有限公司（简称布塔公司）联合开设的大数据分析与处理方向的校企合作专业，坚持“厚基础、强实践、重创新”的培养理念，注重数学、统计学、计算机科学与技术等学科的基础理论，突出“校企合作”的办学特色，培养具有从事大数据采集、处理、分析的能力，并能够在互联网、健康、环境、金融等行业从事大数据分析和算法工作的专业人才。

3.数据科学专业课程建设分析

根据学校类型和级别，我们将482所高校分成三大类。第一类双一流院校——一流大学建设高校和一流学科建设高校;第二类双非院校——不属于双一流院校，学校名称属于“某某大学”;第三类一般院校——不属于双一流院校，学校名称属于“某某学院”;这样使高校培养方案分析更加详略得当，增强视野对比度和了然性。

3.1双一流院校

数据科学专业在双一流院校中，学术研究型人才培养占比78%，应用技术型占比22%，学校更注重书面理论和数学基础，与考研考博紧密贯通，学生毕业后可在相关领域继续深造，培养大数据专业课程理论的高材生[4]。

双一流院校的课程有数据结构与算法、机器学习、数据挖掘、可视化技术、云计算、数学建模、深度学习、离散数学等;具有坚实的数理基础，良好的统计理论素养，缜密的数据思维，熟练的计算机及数据分析软件应用能力;面对大数据时代的社会需求，具有较大发展潜力和卓越创新实践能力，培养适应能力强、全面发展的复合型大数据学术拔尖人才。

3.2双非院校

数据科学专业在双非院校中，学术研究型人才培养占比41%，应用技术型占比59%，学校教学侧重实用性技术培养，拥有广阔的数据应用视野，瞄准社会各领域对数据科学新型工科人才的需求。课程有机器学习、Python语言程序设计、面向对象程序设计（Java）、数据库原理与应用、数据挖掘、数据预处理、数据仓库、Hadoop大数据平台技术等。学生毕业后能从事各行业大数据分析、处理、服务、开发和利用工作，能进行大数据系统集成与管理维护等工作，亦可做大数据研究、咨询和教育培训等工作;或继续攻读学位，深领域发展，增强自身的社会竞争力。

3.3一般院校

数据科学专业在一般院校中，学术研究型人才培养占比27%，应用技术型占比73%，多数一般学校与企业联合培养大数据人才，紧扣国内大数据产业发展走势，立足数据产业发展现状，注重实践性教学环节和实习实训课外活动。课程包括离散数学、机器学习、Linux操作系统高级应用、数据库原理与技术、数据结构、操作系统、Java程序设计、Python语言程序设计等，能够运用领域知识与大数据技术解决复杂工程问题，能在IT、金融、行政企事业单位等从事大数据处理、分析与预测，大数据系统架构与应用等相关工作的应用型大数据专门技术人才。

3.4分类分析

高校的数据科学培养模式各有侧重，三大类高校的人才质量、教学氛围、师资力量和硬件设备都各不相同。一般院校对比双一流院校，没有北京大学厚实的数学基础，没有上海交通大学熟练的计算机设计思维，甚至也没有广阔的教学培养视野交流;但是一般院校与企业的联合培养、协同共新，也形成了自身的特色优势，即真实的企业环境、真实的项目经理、真实的项目案例、真实的工作压力、真实的就业机会。各自优势造就不同的培养方向和最后的就业岗位[5]。

4.问题和建议

4.1各高校根据自身特色确定专业发展模式

针对目前大数据发展状况，结合高校人才培养方案与学生问卷结果，高校需要注重学科建设，探索新的教学发展模式，打造出令学生满意的教育，培养适应社会的专业人才。

（1）就目前网络安全情况来说，同比网络安全，我们也需要加强数据的安全管理和有效保障。各高校可以向中国科技大学、海南大学等已经开展安全教育和隐私保护课程的高校进行学习，保障大数据的安全可靠性，令其更好地为社会服务[6]。（2）就问卷调查结果显示，还有相当部分的同学对大数据专业的了解程度一般。高校需关注专业入门课程的讲授，还需要及时布置相应作业，帮助学生提高理解和应用知识的能力。（3）就目前各高校的大数据人才培养方案来看，双一流大学比一般院校更注重培养学术型高材生。双一流院校的学生资源、师资力量、交流视野等比一般院校更占优势，可以着重发展数理基础和数据科学专业课知识，更深层次去培养高质量人才。

图3  大数据关注度

（4）针对师资力量不到位的情况，高校可采用“双师制”教学模式。高校教师普遍都是学术型教师，拥有专业的理论知识却缺乏专业的工程经验。高校可加强与企业的合作，大数据专业需要的实践能力强，而高校现有的实验室设施普遍不足，并且大数据市场人才需求迫切，因此，加强校企合作不仅有利于提高学生对自己专业的满意程度，提高学生的实践能力，且能培养出优秀的应用型大数据人才。

图4  学生对本专业不满意原因占比

4.2教育主管部门合理引导人才培养体系制定

教育主管部门需要制定合理的人才培养体系，完善相应的标准规则，推动大数据专业的合理有序建设发展。教育主管部門需制定严谨合理的人才评价标准体系，为人才的培养和人才的输出提供可靠有效的依据，保证学生和企业双方权益。

（1）教育主管部门应严格规范高校培养方案。482所高校中，有个别院校培养目标不明确，考研深造+实习就业两头抓，学生容易懈怠的同时，也不能突出本校教育特色。需要有侧重性的培养，定好目标才能走得更远。

（2）教育主管部门需要对高校教材内容进行审定并推荐教材和参考案例，为大数据教育系统提供系统化、规范化的培养内容。

（3）教育主管部门需设立专门的教育专项资金，鼓励各大高校师生进行探索创新，推动大数据人才的培养进程。

致谢：感谢洛阳理工学院发展规划处数据中心主任余亚辉副教授在文章构思、素材搜集和撰写中的全程指导。

参考文献：

[1]王元卓，隋京言.新工科背景下的大数据专业建设和人才培养[J].中国大学教学，2018（12）：35-42.

[2]范剑青，吴力波.“数据科学与大数据技术”本科专业设置申请表[Z].上海：复旦大学，2015.

[3]张祖平.“大数据科学与技术专业”本科专业设置申请表[Z].长沙：中南大学，2015.

[4]北京大学信息科学技术学院本科教学手册（2016版）：数据科学与大数据技术专业（大数据分析方向）[Z].北京：北京大学，2016.

[5]王国任，金福生，刘驰，王树良.面向国际化的数据科学与大数据专业课程体系建设[J].中国大学教学，2018（12）：43-51.

[6]李国杰.发展数据学科应在何处发力？[J].计算机学会通讯，2018，14（8）：7.

作者简介：

窦丹妮（1999-），汉族，河南开封人，洛阳理工学院学生。

丁朋朋（1999-），汉族，河南驻马店人，洛阳理工学院学生。

李腾达（1999-），汉族，河南新乡人，洛阳理工学院学生。