数据科学与大数据技术（Data Science and Big Data Technology）是一门普通高等学校本科专业，属于计算机类专业，基本修业年限为四年，授予理学或工学学士学位。

该专业培养德、智、体、美、劳全面发展，掌握数据科学的基础知识、理论及技术，包括面向大数据应用的数学、统计、计算机等学科基础知识，数据建模、高效分析与处理，统计学推断的基本理论、基本方法和基本技能。了解自然科学和社会科学等应用领域中的大数据，具有较强的专业能力和良好的外语运用能力，能胜任数据分析与挖掘算法研究和大数据系统开发的研究型和技术型人才。

中文名：数据科学与大数据技术

外文名：Data Science and Big Data Technology

专业代码：080910T

专业层次：本科

学科门类：工学

专业类别：计算机类

修业年限：四年

授予学位：理学或工学学士

时代背景

1990年代中后期，美国的金融业和连锁零售业开始出现较大规模的信息化基础设施发展，形成了早期成规模的信息化数据沉淀，进而在商业中对数据使用转化成生产力的早期需求开始逐渐显现。2005—2007年，在商业调查与咨询行业内，“Big Data”（大数据）一词被提出并开始被讨论，在此之前，数据就是数据，狭义指能被统计的可数字化资料，广义泛指各类信息，包含文本、图片、音频、视频等。

“大数据”一词的提出，使得人类运用数据的思维和方法出现质变。相对地来描述，“小数据”一词专指利用人工采集的、规模有限的、能被传统统计学所刻画的数据集，广泛地以样本为研究出发点，多呈现结构化的特征。而“大数据”一词特指被机器或算法采集的，规模巨大的，潜在知识不清晰的数据集，广泛以总体为研究出发点，多呈现非结构化的特征。

2011年2月，世界顶级学术杂志《科学》以“数据”为主题出版专刊，大数据从商业问题开始走向严肃科学理论问题。2012年3月22日，美国奥巴马政府宣布投资2亿美元拉动大数据相关产业发展，并将数据定义为“未来的新石油”，将“大数据战略”上升为国家意志。一些科技强国开始意识到：一个国家拥有数据的规模、活性及解释运用的能力将成为综合国力的重要组成部分，在未来对数据的占有和控制，甚至将成为陆权、海权、空权之外的另一种国家主权能力延伸。

2012年，联合国发布大数据政务白皮书，指出大数据对于联合国和各国政府来说是一个历史性的机遇，极为丰富的数据资源可以帮助政府更好地响应与服务社会和经济运行。至此，“大数据”逐渐从科学界开始走向战略界。

2013年10月，由15位院士联合向中央建议中国应制定大数据国家战略，并在发展目标、发展原则、关键技术等方面作出顶层设计。

2014年3月，金山和小米公司董事长、全国人大代表雷军在两会期间发出关于加快实施大数据国家战略的建议，雷军在建议中表示，从人才培养、完善法律、基础建设、产业试点等方面着手，从国家层面上制定大数据发展规划。

2015年9月5日，国务院印发《促进大数据发展行动纲要》，开始系统部署大数据发展工作。作为落实《促进大数据发展行动纲要》以及国家“十三五”规划的大数据发展战略，2016年12月18日，工信部发布《大数据产业发展规划（2016—2020年）》，进一步明确数据是国家基础性战略资源，全面推进大数据发展，加快建设数据强国。在大数据人才培养方面，国家也提出总体要求“建立适应大数据发展需求的人才培养和评价机制。加强大数据人才培养，整合高校、企业、社会资源，推动建立创新人才培养模式，建立健全多层次、多类型的大数据人才培养体系。”

专业建设

2016年，教育部审批通过北京大学、对外经济贸易大学、中南大学三所高校开设“数据科学与大数据专业（代码080910T）”，作为计算机科学与技术专业类（代码0809）下的特设专业，可授工学或理学学位。

2020年，教育部颁布了《普通高等学校本科专业目录（2020年版）》，数据科学与大数据技术专业为工学门类专业，专业代码为080910T，属计算机类专业，授予理学或工学学士学位。

数据科学与大数据技术专业审批与备案情况

培养具有良好的道德与修养，遵守法律法规，具有社会和环境意识，掌握数学与自然科学基础知识以及与计算系统相关的基本理论、基本知识、基本技能和基本方法，具备包括计算思维在内的科学思维能力和设计计算解决方案、实现基于计算原理的系统的能力，能清晰表达，在团队中有效发挥作用，综合素质良好，能通过继续教育或其他的终身学习途径拓展自己的能力，了解和紧跟学科专业发展，在计算系统研究、开发、部署与应用等相关领域具有就业竞争力的高素质专门技术人才。

学制与学位

人才培养基本要求

一、思想政治和德育方面：按照教育部统一要求执行。

二、业务方面

（1）掌握从事专业工作所需的数学（特别是离散数学）、自然科学知识，以及经济学与管理学知识。

（2）系统掌握专业基础理论知识和专业知识，经历系统的专业实践，理解计算学科的基本概念、知识结构、典型方法，建立数字化、算法、模块化与层次化等核心专业意识。

（3）掌握计算学科的基本思维方法和研究方法，具有良好的科学素养和强烈的工程意识或研究探索意识，并具备综合运用所掌握的知识、方法和技术解决复杂的实际问题及对结果进行分析的能力。

（4）具有终身学习意识，能够运用现代信息技术获取相关信息和新技术、新知识，持续提高自己的能力。

（5）了解计算学科的发展现状和趋势，具有创新意识，并具有技术创新和产品创新的初步能力。

（6）了解与专业相关的职业和行业的重要法律、法规及方针与政策，理解工程技术与信息技术应用相关的伦理基本要求，在系统设计过程中能够综合考虑经济、环境、法律、安全、健康、伦理等制约因素。

（7）具有组织管理能力、表达能力、独立工作能力、人际交往能力和团队合作能力。

（8）具有初步的外语应用能力，能阅读该专业的外文材料，具有国际视野和跨文化交流、竞争与合作能力。

三、体育方面：掌握体育运动的一般知识和基本方法，形成良好的体育锻炼和卫生习惯，达到国家规定的大学生体育锻炼合格标准。

总体框架

数据科学与大数据技术专业的知识体系包括通识类知识、学科基础知识、专业知识和实践性教学等。课程体系须支持各项毕业要求的有效达成，进而保证专业培养目标的有效实现。人文社会科学类课程约占15%，数学和自然科学类课程约占15%，实践约占20%，学科基础知识和专业知识课程约占30%。

人文社会科学类教育能够使学生在从事工程设计时考虑经济、环境、法律、伦理等各种制约因素。

数学和自然科学类教育能够使学生掌握理论和实验方法，为学生表述工程问题、选择恰当数学模型、进行分析推理奠定基础。

学科基础类课程包括学科的基础内容，能体现数学和自然科学在该专业中应用能力的培养；专业类课程、实践环节能够体现系统设计和实现能力的培养。

课程体系的设置有企业或行业专家有效参与。

理论课程

通识类知识

通识类知识包括人文社会科学类、数学和自然科学类两部分。人文社会科学类知识包括经济、环境、法律、伦理等基本内容；数学和自然科学类知识包括高等工程数学、概率论与数理统计、离散结构、力学、电磁学、光学与现代物理的基本内容。

学科基础知识

学科基础知识被视为专业类基础知识，培养学生计算思维、程序设计与实现、算法分析与设计、系统能力等专业基本能力，能够解决实际问题。

建议教学内容覆盖以下知识领域的核心内容：程序设计、数据结构、计算机组成、操作系统、计算机网络、信息管理，包括核心概念、基本原理以及相关的基本技术和方法，并让学生了解学科发展历史和现状。

专业知识

课程须覆盖相应知识领域的核心内容，并培养学生将所学的知识运用于复杂系统的能力，能够设计、实现、部署、运行或者维护基于计算原理的系统。

实践教学

具有满足教学需要的完备实践教学体系。主要包括实验课程、课程设计、实习、毕业设计（论文），4年总的实验当量不少于2万行代码。积极开展科技创新、社会实践等多种形式的实践活动，到各类工程单位实习或工作，取得工程经验，基本了解本行业状况。

实验课程：包括软、硬件及系统实验。

课程设计：至少完成2个有一定规模和复杂度的系统的设计与开发。

实习：建立相对稳定的实习基地，使学生认识和参与生产实践。

毕业设计（论文）：须制定与毕业设计（论文）要求相适应的标准和检查保障机制，对选题、内容、学生指导、答辩等提出明确要求。保证课题的工作量和难度，并给学生有效指导；培养学生的工程意识、协作精神以及综合应用所学知识解决实际问题的能力；题目和内容不应重复；教师与学生每周进行交流，对毕业设计（论文）全过程进行控制；选题、开题、中期检查与论文答辩应有相应的文档。

对毕业设计（论文）的指导和考核有企业或行业专家参与。

教师队伍

师资队伍总体上应符合教育部《普通高等学校基本办学条件指标（试行）》（2004）的相关要求。

师资队伍数量和结构要求

专任教师数量和结构满足专业教学需要，中青年教师所占比例较高，各专业的专任教师不少于12人，专业生师比不高于24：1。教师须将足够的精力投入学生培养工作。

新开办专业至少应有12名专任教师，在120名在校生基础上，每增加24名学生，须增加1名专任教师。

专任教师中具有硕士、博士学位的比例不低于60%，其中中青年专任教师中拥有博士学位的比例不低于60%。专任教师中具有高级职称的比例不低于30%。来自企业或行业的兼职教师能够有效发挥作用。

教师背景和水平要求

1、专业背景

大部分授课教师的学习经历中至少有一个阶段是计算机类专业或计算学科学历，部分教师具有相关学科、专业学习的经历。专业负责人学术造诣较高，熟悉并承担专业教学工作。

2、工程背景与研究背景

授课教师应具备与所讲授课程相匹配的能力（包括操作能力、程序设计能力和解决问题能力），承担的课程数和授课学时数限定在合理范围内，保证在教学以外有精力参加学术活动、进行工程和研究实践，不断提升个人专业能力。

讲授工程与应用类课程的教师应具有与课程相适应的工程或工作背景，面向理科学生讲授专业基础理论课程的教师应具有与课程相适应的研究背景。

3、教学基本能力

全职教师必须获得教师资格证书，具有与承担教学任务相适应的教学能力，掌握所授课程的内容及其在毕业要求中的作用，以及它与培养目标实现的关联，能够根据人才培养目标、课程教学内容与特点、学生的特点和学习情况，结合现代教学理念和教育技术，合理设计教学过程，因材施教。参与学生的指导，结合教学工作开展教学研究活动，参与培养方案的制定。

教师发展

为教师提供良好的工作环境和条件。有合理的师资队伍建设规划，为教师进修、从事学术交流活动提供支持，促进教师专业发展。重视对青年教师的指导和培养。

具有良好的学科基础，为教师从事学科研究与工程实践提供基本条件，营造良好的环境。鼓励和支持教师开展教学研究与改革、学生指导、学术研究与交流、工程设计与开发、社会服务等。

使教师明确其在教学质量提升过程中的责任，不断改进工作，满足专业教育不断发展的要求。

设备资源

总体上应符合教育部《普通高等学校基本办学条件指标（试行）》（2004）的相关要求。

教学设施要求

（1）教室、实验室及设备在数量和功能上能够满足教学需要，生均教学行政用房不小于16平方米，生均教学科研仪器设备值不少于5000元；管理、维护和更新机制良好，方便教师、学生使用。

（2）保证学生以学习为目的的上机、上网、实验需求。

（3）实验技术人员数量充足，能够熟练地管理、配置、维护实验设备，保证实验环境的有效利用，有效指导学生进行实验。

（4）与企业合作共建实习基地或实验室，在教学过程中为全体学生提供稳定的参与工程实践的平台和环境；参与教学活动的人员理解实践教学的目标与要求，校外实践教学指导教师具有项目开发或管理经验。

信息资源要求

注重制度建设，管理规范，保证图书资料购置经费的投入，配备数量充足的纸质和电子介质的专业图书资料，生均图书不少于80册，师生能够方便使用，阅读环境良好，包括能方便地通过网络获取。

教学经费

教学经费能满足专业教学、建设、发展的需要，专业生均年教学日常运行支出不少于1200元。每年正常的教学经费包含师资队伍建设经费、人员经费、实验室维护更新费、专业实践经费、图书资料经费、实习基地建设经费等。新建专业还应保证固定资产投资以外的专业开办经费，特别是要有实验室建设经费。

质量保障

教学过程质量监控机制要求

各高校应建立质量监控机制，使主要教学环节的实施过程处于有效监控状态；对主要教学环节有明确的质量要求；建立对课程体系设置和主要教学环节教学质量的定期评价机制，评价时应重视学生与校内外专家的意见。

毕业生跟踪反馈机制要求

各高校应建立毕业生跟踪反馈机制，及时掌握毕业生就业去向和就业质量、毕业生职业满意度和工作成就感、用人单位对毕业生的满意度等，以及毕业生和用人单位对培养目标、毕业要求、课程体系、课程教学的意见和建议；采用科学的方法对毕业生跟踪反馈信息进行统计分析，并形成分析报告，作为质量改进的主要依据。

专业的持续改进机制要求

各高校应建立持续改进机制，针对教学质量存在的问题和薄弱环节，采取有效的纠正与预防措施，进行持续改进，不断提升教学质量，保证培养的人才对社会需求的适应性。

“专业课+全校性辅修课、创新实验室、校企联合培养”的培养模式

根据湘潭大学为例的地方高校的特点，以及数学学科的特色和优势，针对大数据专业的建设，按照“加强数学基础、强化计算技能、突出专业特色”的思路，吸收科研院所、企事业等合作实务部门的意见，对数据科学与大数据技术专业的教学计划和教学大纲进行制定。在项目建设期间，构建大数据数学基础、大数据计算机基础、大数据应用模块等核心课程群，重点建设几门侧重实践应用能力和创新能力培养的课程。借鉴该校数学与计算科学人才培养方案改革和设立“数学类韶峰班”的成功经验，按“分层+分流、个性化发展”的指导思想，根据人才培养目标，改变传统的专业培养模式对本科生分流，实施“专业课+全校性辅修课、创新实验室、校企联合培养”的新培养模式，从而构建了地方高校数据科学与大数据技术专业的多元化、立体化的人才培养模式。

代表院校：湘潭大学

“三段式”和“一体式”的人才培养模式

“三段式”，即“2+1+1”夹层模式，第一阶段为通识教育课程及专业课程培养，该阶段强化通识教育并拓展数学基础，为学生之后的专业课程学习打好良好的基础；第二阶段为数据科学与大数据技术专业课程的学习以及实践应用能力的培养，该阶段主要培养学生的专业基础知识、专业基本技能、项目开发能力以及岗位能力素养，将所学的基本知识应用到实际应用开发以及工作岗位上；第三阶段为实习实训与毕业设计，在该阶段每个学生去企业实习，通过企业实习让学生及早感受企业的工作模式和节奏，体验企业的职业要求，尽早建立职业发展规划，为今后就业做好充足的准备。

实施一体化人才培养模式，实现学生知识能力素养同步提升。实施通识教育、专业教育、实践教育相融合的一体化人才培养方案，设置通识必修类、通识选修类、专业必修类、专业选修类、实践教育必修类（包括实践基础、专业实践、创新创业实践、素质拓展）五大类，共计50余门课程，从各个层面设置了相应的课程。前导课程和后续课程衔接合理，专业基础课、专业核心课、专业选修课有序衔接，基础课、专业课的比例也比较适宜。能够做到以人为本，因材施教，实施柔性化教学，培养高素质复合型、应用型人才。

代表院校：萍乡学院

项目化驱动、分方向人才培养模式

1.项目化驱动人才培养

以真实产业项目为载体，与企业技术专家合作开发项目化课程教学资源，聘任企业专家模块化嵌入担任项目课程的授课讲师。围绕新一代信息技术产业岗位群，在构建专业课程体系的基础上，甄选10个典型产业项目，作为贯穿专业核心课程的依托项目。根据项目开发技术分工和工作过程分解，构建能力递进型培养体系，推动项目驱动式教学的全面实施，包括专业基础课程单元项目、专业核心课程训练模块项目、就业方向课程实战综合项目和实习课程开发企业系统性项目。通过递进循环训练过程，使学生的项目开发能力螺旋进阶，具体实施流程为：

（1）获取项目资源。通过校企合作、教师下企业以及科技服务等渠道，获得企业真实项目案例，结合实际学情特点，裁剪企业项目案例，达到适合课堂教学的尺度。

（2）重构项目案例。编排课程内容，选择切入点将知识、技能融入项目开发过程中。

（3）制定项目实施文档、考核标准，为教师实践奠定基础。

（4）项目实施。在教师引导下，根据教学项目设计情况，指导学生完成项目开发。根据学生学情，分组或单独完成项目。在实施过程中，以学生为主体，教师做好项目答疑和示范工作。

（5）项目评价与反馈。由教师组织学生汇报、演示项目成果，展示学生的学习态度、技能水平以及对技能点的掌握情况。学生再根据教师反馈评价，反思整个项目过程中的表现，并吸取经验教训，查漏补缺。

2.分方向培养

结合应用型本科的特点，提出复合型创新人才培养方向，为该专业构建宽基础、分方向的应用型课程体系，具体实施过程为：

（1）在大学一年级统一设置公共和专业基础课程模块，在多个方向通用共享。根据专业面向的岗位基础能力相通、技术领域相近的特点，统一设置培养通用能力的通识课程模块和专业基础课程模块，使学生对行业技术学习路线有一定认知，具备专业入门基本技能。

（2）在大学三年级，根据数据科学与大数据技术专业细分岗位多、知识更新快的特点，人才培养方案按照方向设置专业核心课程模块。学生在大二结束时学完专业基础课程模块，根据自身学习兴趣、知识基础以及发展规划，在所开设的专业方向中进行选择，实现分流培养。

（3）在大学四年级设置自选模块，服务个性化的毕业发展方向。根据学生毕业后可能的发展方向（就业、考研、创业）开设不同课程模块，针对性地强化知识技能。例如在就业技能提升模块中引入企业真实项目，聘请企业工程师授课，进行项目实战训练，强化项目综合开发能力，适合毕业后选择就业的学生选修。

（4）设立全程伴随的特长发展弹性课程模块，在做好学生学情分析和性格评测的基础上，引导学生选择某个技能方向重点发展，鼓励其参加特长生工作室、技能竞赛、创新工坊，通过竞赛获奖、做项目、报专利、发论文、考认证等方式置换选修课程学分。

传统教学模式和项目化驱动、分方向培养教学模式对比

人才需求

产业规模

据赛迪数据显示，2018年中国大数据产业规模为4384.5亿元，同比增长23.5%；到2021年，中国大数据产业规模将超过8000亿元。 另据《2020中国大数据产业发展白皮书》中的数据，2019年中国大数据产业规模达5397亿元，同比增长23.1%，预计到2022年将突破万亿元。

2016-2021年中国大数据产业规模（单位：亿元）

整体需求

根据天府大数据国际战略与技术研究院《2018全球大数据发展分析报告》数据，2018年中国大数据产业人才占整体就业人口规模的0.23%，大约179.4万人。

猎聘《2019年中国AI&大数据人才大数据人才就业趋势报告》指出，2019年中国大数据人才缺口高达150万。另据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1400万。

大数据人才规模及增速

　随着大数据、物联网、5G等技术应用的不断发展，社会对该职业从业人员的需求日益增长。预计2020年中国大数据行业的人才需求规模将达到210万，2025年前大数据人才需求仍将保持30%-40%的增速，需求总量在2000万人左右。

市场需求

据《2017互联网人才趋势白皮书》数据显示：眼下，几乎所有互联网企业均把数据人才列为团队标配。许多公司在数据层面增加投入，大量招募具有算法和建模能力的人才，力求通过数据沉淀与挖掘更好地推进产品的迭代。数据架构师、数据分析师成为企业争抢对象，过去一年招聘需求提高150%以上。

2017年需求增幅最大的TOP10职位

考研方向

该专业学生可以考取软件工程、计算机科学与技术、应用统计学等专业的研究生或出国深造。

就业方向

就业领域

该专业学生主要有三大就业方向：大数据系统研发类、大数据应用开发类和大数据分析类。具体岗位如大数据分析师、大数据工程师等。毕业生可在政府机构、企业等单位从事大数据管理、研究、应用开发等方面的工作。

岗位类型

企业提供的大数据岗位按照工作内容要求，可以分为以下几类：

①初级分析类，包括业务数据分析师、商务数据分析师等。②挖掘算法类，包括数据挖掘工程师、机器学习工程师、深度学习工程师、算法工程师、AI工程师、数据科学家等。③开发运维类，包括大数据开发工程师、大数据架构工程师、大数据运维工程师、数据可视化工程师、数据采集工程师、数据库管理员等。④产品运营类，包括数据运营经理、数据产品经理、数据项目经理、大数据销售等。