之前只是研究生阶段开设相关的研究课题，自从16年国家发布一系列的大数据政策之后，很多高校从本科阶段，甚至是很多高职，都开设了相关课程专业。
日前，在教育部公布的高校新增专业名单中，有32所高校成为第二批成功申请“数据科学与大数据技术”本科新专业的高校，加上第一批的3所，共有35所获批。站在互联网“风口”上的大数据，直接催热了大学里的大数据专业。
各大高校紧锣密鼓启动大数据人才培养，缘于大数据时代催生的大量相关人才缺口。其实就是一个问题，市场的需求在驱动。
事实上，大数据工作者可以施展拳脚的领域非常广泛，从国防部、互联网创业公司到金融机构，到处需要大数据项目来做创新驱动。数据分析或数据处理的岗位报酬也非常丰厚，在硅谷，入门级的数据科学家的收入已经是6位数了(美元)。
数据分析师的需求大概是1000万，真正能成为数据分析师的只有100万，整个需求很旺盛的，之后的互联网和生活会处于大数据时代，互联网和金融等行业需求旺盛。待遇情况在08年10-30万，现在一般1-2年6-8k，硕士12k，3-5年成功的数据分析，大概20-40,5年40万-60万。
目前全国各类高校、高职院校已陆续开始围绕大数据专业建设展开研究并申报大数据专业。作为交叉型学科，大数据的相关课程涉及数学、统计和计算机等学科知识，“数据科学与大数据技术”专业也强调培养具有多学科交叉能力的大数据人才。
一是理论性的，主要是对数据科学中模型的理解和运用；
培养需要通过经典的数据数据课程，比如描述统计（含数据可视化）、回归分析、多元统计、机器学习（含深度学习）、时间序列、非结构化数据、运筹优化等，根据各学校的不同定位，以应用为导向，相应地开设基础课程、核心课程或者选修课程。
二是实践性的，主要是处理实际数据的能力；
需要以下几个方面的巩固提高。第一、要强化SQL的训练，这是在企业环境中，同数据库基本的交互。第二、要强化R和Python的训练。就R而言，几乎所有最新的统计方法，都能找到相应的package，是小样本学习训练的不二之选；而在实际的数据产业中，Python则是被用得最多的编程语言。第三、并行计算能力的提升，主要针对两种最常见的技术框架：Hadoop和Spark。
三是应用性的，主要是利用大数据的方法解决具体行业应用问题的能力。
无论理论和实践功课做得多足，没有一个真实的应用场景，都无法产生价值，所以还需要产业实践。需要深入企业真实项目和案例的实战。
理论是基础，实践是工具，而应用则是目标与核心竞争力，一名合格的大数据专业毕业生应该具有让数据产生价值的能力。
任何专业人才的培养，任何一个学科的发展壮大，都离不开完整的教学体系、贴合的教学内容、适用的实践应用平台以及过硬的师资水平，大数据专业亦是如此。所以对于大数据专业的申报而言，如果能统一整合以上各方面资源，那么专业建设将会变得事半功倍~
一种是自主开设，这类高校一般有比较丰富的教学、科研师资团队，对一些前沿技术领域有很深刻的研究。
另一种是二本、三本院校，校企联合开设。这类高校一般师资比较紧张，并且在前沿科技方面的科研能力有限，但是不甘平庸，希望能抓住机会在某一方面有所斩获。
有人认为大数据专业应该是在研究生阶段才设立的学科，在本科阶段还是应该老老实实学计算机、统计学等“传统”专业，打好基础。
还有人认为，二线学校、普通本科院校等，以目前的师资力量，还没有实力开设“大数据”这个行业。
同样有人认为教育改革离不开这样的尝试，是值得推崇的。
……
欢迎右下角留言，写下自己的看法
End.
本文为中国统计网原创文章，需要转载请联系中国统计网（小编微信：itongjilove），转载时请注明作者及出处，并保留本文链接。
