科技猎我国283所高校获批数据科学与大数据专业（附完整名单）
3月21日下午，历时近一年时间，教育部公布了2017年度普通高等学校本科专业备案和审批结果的最新通知，第三批大数据本科专业院校获批。
教育部通知链接自取（点击查看 ）
2016年2月，北京大学、对外经济贸易大学、中南大学首次成功申请到“数据科学与大数据技术”本科新专业。2017年3月，第二批32所高校获批。至此，共有35所高校正在筹备“数据科学与大数据技术”专业，该专业学制为四年，授予工学学位或理学学位。有不少传言称，正在申报该专业的高校有不下几百所。
此次教育部最新公布的高校新增专业名单中，有248所学校获批，是过去两次审批通过额度近8倍。
点击下载 ☞ 第1、2、3批共283所获批高校完整名单
据大数据文摘统计，在之前获批的所有高校名单中，河南省获批高校数量最多，达22所，北京次之，19所。安徽、广东、山西、河北次之。
看一下详细分布情况：
其中，985及211高校共36所，占比13%。
百万级人才缺口，数据科学人才培养何以“独行”？
当被问及团队发展最大的挑战时，猎聘的首席数据官单艺对大数据文摘脱口而出：“首先是人才，高素质的数据人才太稀缺了”。
这似乎是个颇尴尬的场面：猎聘，这家致力于中高端人才招聘多年的互联网人力资源服务公司一直引以为傲的数据团队，竟然也面临着人才招聘的“老大难”问题。
而这个招人难的局面不止在猎聘存在，清华数据科学研究院执行副院长韩亦舜称，目前国内数据人才缺口是百万级的。
不止中国，全球的数据人才都处于极其稀缺状态，全球最大的人才社区领英LinkedIn也向大数据文摘透露过同样的招人难题。它们正无比真实的折射出一个数据团队建设的巨大难点：数据人才的奇缺。
教育部和各大高校显然也意识到了这个巨大的缺口，数据科学人才培养与学科建设自2016年2月，已经被提上了日程。
那么为什么要把大数据人才单独提出来说，它和之前的人才培养差别在哪里？大数据文摘曾经就此问题采访了清华数据科学研究院执行副院长韩亦舜。
“一方面，过去的各种学科建设成熟后都有自己的一定范围，‘自己给自己挖井’，边界清楚；但是另一方面也陷入了很深很狭隘的范围。”韩亦舜提到。
2014年4月26日，清华大学成立了“数据科学研究院”。作为国内首批培养数据科学人才为主要工作任务的研究院，清华希望培养更多有跨界意识和跨界实践的人才。
清华数据科学研究院主页
好的大数据应用型人才应该既懂得大数据，又懂得相应的产业知识（industry domain）。基于此，清华一方面希望各专业学生都对大数据知识有所了解，另一方面在课程实践上，希望文理同学组队在一起，在触碰实际问题的时候，也在产业界比较有经验的指导老师指导下进行课题研究，丰富自己的知识结构。
谈到数据科学人才培养，韩亦舜在这些年的实践中也总结了不少思考：“之前说要T字人才，一专多能，现在一专已经不够了，可能要两专甚至三专，这是社会发展的需求。类比当年发明显微镜的时候，其实给点时间，人类还是会找到如何和这么大量的数据相处的方式。”
任重道远：数据科学与大数据技术专业发展痛点重重
尽管各方都意识到了人才培养的重要性，到底如何培养好的数据科学人才，还是个悬而未决的大问题。
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。但是即使获批专业，优秀的师资队伍和课程体系也不容易建成：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”专业强调培养具有多学科交叉能力的大数据人才。该专业重点培养具有以下三方面素质的人才：
▪ 理论性人才，主要是对数据科学中模型的理解和运用；
▪ 实践性人才，主要是处理实际数据的能力；
▪ 应用性人才，主要是利用大数据的方法解决具体行业应用问题的能力。
那么，主要的数据科学人才和师资来源于哪里呢？
数据科学专业在高招时主要划分在这两个院系下：计算机派和数学统计派。此外，一些应用学科，比如金融专业、经贸等也会在自己的专业下设置相关课程。
中国人民大学统计学院赵彦云院长曾就数据科学本科专业设置思路，发表过自己的看法：“谈论大数据是时代话题，拥有大数据是时代特征、解读大数据是时代任务、应用大数据是时代机遇。”
在此背景下，开展基于数据分析、计算科学与计算机科学充分融合（即数据科学）的科学研究和人才培养工作已经十分必要和迫切。
虽然已经有高校开始进行大数据学科建设，但是在全国范围内还有很多大学无法开设大数据相关课程，培养大数据分析人才。这当中存在很多阻挠因素：
1、学习门槛高
数据科学是一门交叉学科，除了计算机相关知识，还需要有统计学、数学基础，以及一定业务知识，这无疑增加了学生学习的难度。
2、投入资金高
众所周知，大数据相关技术需要的资源配置比较高，这也妨碍了许多高校大数据专业落地实施。
3、可借鉴经验不足
数据科学是新兴学科，今年是数据科学与大数据技术本科专业获批的第三年，即便在高校中，专门研究此领域的老师也比较少，许多高校对于完整的数据科学人才培养体系还没有一套成熟的规划方案，而可以借鉴的经验也很少。
4、动手机会少
要进行大数据分析，首先必须有充足的高质量数据。然而，多数高校缺少企业项目实战案例和可以用于研究的商业数据，使得学生难以做到学以致用。
责任编辑：陈近梅
