1月3日，对外经济贸易大学信息学院教授、信息化副处长曹淑艳在CIO时代APP微讲座栏目作了题为《“数据科学与大数据技术”专业课程体系与教学环节探讨》的主题分享。她从大数据专业的认识、课程体系探讨、实践性教学环节与实验三个方面阐释了大数据课程体系建设。



　　一、大数据专业的认识

　　（一）大数据专业设置的理由和基础探讨主要是四个方面：

　　第一，国家的重视。我国十分重视大数据产业的战略意义、大数据资源对社会发展的作用，具体表现为国务院于2015年出台了《促进大数据发展行动的纲要》，并将实施国家大数据战略、推进数据资源开发共享纳入“十三五”期间规划建设的重要目标。从目前来看，国内的大数据产业发展已基本具备一定规模，正有待于形成产业界的共识。从国外情况来看，尤其是美国市场，麦肯锡在报告中预测，在2018年美国大数据人才和高级数据分析专家缺口达到19万，美国企业还需要150万提出正确问题、运用大数据分析结果的相关管理人才。同时，85%的500强企业已经或正在筹划推出大数据项目，未来几年这些企业在大数据的投资将上涨36%。同时，大数据产业的发展也需要大数据人才的支撑。

　　第二，大数据相关专业的发展情况。国内2015年申报新专业，2016年3月教育部批准三所高校设立本科专业，2016年又有38所高校申报在目录外本科专业，具体如下图所示：



　　图中既有985、211，以及地方院校，自从2016年3月开始首批设立专业后，全国上下的高校均开始重视起来。可以看出，大数据相关专业发展情况近几年在国内的势头较为迅猛。

　　第三，高校陆续进行了开设大数据专业的基础工作。如高校大数据联盟开办的相关会议，高校也加强了师资团队的培训与建设，探讨实践教学的建设，组建了大数据专业建设小组，与大数据产业协会的联系日益紧密，参与了大数据人才培养论坛，探讨复合型人才就业前景，等等。这些工作都是目前全国高校在开展的。

　　第四，学科逐渐交叉。目前很多学科在进行学科建设时也在向大数据方向发展，如数学、统计、信息管理、管理科学与工程等都在向大数据专业靠拢。因此，高校在进行申报时将大数据归到信息科学与技术学科下，其实它是一门交叉学科，应该是一个融合，用来解决问题时是明确的，要通过数据分析和挖掘来获得价值。目前看来，就像2000年初设立电子商务专业相似，如今电子商务已成为管理学门类独立的学科，但有时也无法进行准确归类。

　　（二）大数据专业和相近专业的区分和联系

　　主要是与计算机科学技术、统计学、信息管理、数学四个学科之间的联系与区别。

　　与计算机专业的区别和联系：如果是一名经验丰富的软件工程师，转型到数据科学领域是很方便的，因为大量的大数据工作都涉及到软件工程方面的知识，不仅包括设计健全的系统，也包括简单的软件。拥有这种计算机专业的学术背景，可能会快速完成实验任务。因此，大数据科学应用专业的技术支撑主要来源于计算机科学，这是第一点；第二，大数据专业具有前所未有的复合型特征；第三，以大数据为核心的研究对象强调学生对专业领域数据的理解能力，体现了技术为数据服务的思想，是复合型人才。二者既有联系又有区别，联系是计算机技术支撑着大数据专业。

　　与统计学专业的区别：统计学建模使用的数据是结构化数据，大数据的来源是多元、异构的，因此，其中会有一些区别。大数据重视非结构化、半结构化数据的处理，如今大数据强调处理技术平台、获取存储、处理和展示各个环节与计算机深度融合，统计学的方法时大数据环节进行数据分析环节必不可少的，联系很紧密，区别也是很清晰的。

　　与信息管理专业的区别：主要体现在看待数据和信息的角度。信息管理主要强调在理解数据和业务流程的基础上，通过科学的分析和设计方法来实现管理信息系统，强调利用计算机技术借助改造升级原有的业务系统，如学校中的人事管理系统、学生管理系统等，而大数据相关理论和技术管理系统侧重对数据本身的洞察和理解，相对而言独立于原有的业务系统，更专注于海量、复杂、多元数据的深度分析处理能力，更依赖于大数据处理平台和技术，更好地支撑了物联网、移动互联网平台的发展。

　　与数学的关系：数学知识是为数据科学的数据分析所有研究领域打下坚实基础的学科，因此是做基础支撑。大数据是在其基础上做应用分析。

　　二、课程体系

　　这是一个新的专业。有关人才培养方案与课程体系难以成熟，需要不断去探索。目前难以有完整的课程体系，现阶段的信息管理是在1978年设立的，电子商务2000年初确定的，都是需要一个长时间的探索过程的。我们可以围绕大数据产业的核心要素，根据各个学校特色进行大数据课程核心体系设计，设计过程中将统计学的一些定量模型和方法纳入考虑范围。

　　从大数据产业的核心要素进行分析。如下图：



　　以往在申报专业之初是依据数据价值的提升路径来进行课程体系的初步设计，如从数据的获取、存储、清洗、形成结构化数据、利用统计学方法进行统计分析、其结果通过利用可视化技术进行展示，进而支持行业应用，这是原来的方法。图中则是从四个方面对大数据产业的核心要素进行划分，是值得借鉴的。其中，核心要素分为四个层次，数据价值的提升路径及IT领域的产品布局来进行布局设立的。四个层次分别为：数据资源层、基础能力层、分析展示层及应用层。数据资源的功能主要是负责原始数据的供给与交换，是数据资产作为生产要素的直接表现，根据数据来源不同可以细分为数据资源提供者和数据交易平台两种角色。数据基础能力部分是负责与数据生产加工相关的基础设施与技术要素的供应，为数据加工和价值提升提供生产工具，包括数据存储、数据处理和数据库等多个角色。数据分析和展示部分是负责数据隐含价值的挖掘、数据关联分析与可视化展现，这是智力要素在数据价值中的集中体现，包括传统意义上的人工智能BI、可视化和通用数据分析工具、面向非结构化数据提供的语音图像等媒体识别服务。而数据应用部分是根据数据分析和加工的结果面向电商、金融、交通等细分行业提供精准营销、信用评估、初期引导等企业或公众的服务。

　　围绕大数据产业核心要素的四个层次，可以看出在数据资源层和基础能力层主要还是与传统计算机科学与技术专业的核心课程设置相关联的。在数据资源提供和数据交易平台还涉及到信息资源管理、外部技术、软件体系结构等。在数据基础能力层主要提供的是数据存储、数据处理和数据库，这些主要体现在计算机软件技术，如各种程序设计语言，体现在大数据上的是R语言、程序设计、数据结构等等。在数据分析和展示时，体现在人工智能、统计学应用、数据挖掘、机器学习、可视化和通用数据分析、可视化和媒体识别服务等。主要的课程涉及到分布式系统原理、人工智能基础、应用统计、多元统计分析、机器学习与数据挖掘、数据可视化、云计算以及相关的大数据分析。在数据应用层建议结合高校的特色来进行设计，以对外经济贸易大学为例，将数据应用与专业特色、学校背景相结合，申报时分为以下三个方向：贸易金融大数据、网络营销大数据、电子商务大数据。如果想做贸易金融大数据，需在学生课程中包括国际贸易背景、财务会计概论、供应链管理、风险管理学；要想做网络营销大数据，要有计算广告学、搜索引擎优化、网络营销等课程背景；要做电子商务大数据，可能围绕电子商务概论、电子商务应用基础、电子商务系统分析与设计、个性化推荐理论和实践来进行课程体系设计。从大数据产业的四个核心层次来看，进行课程体系梳理时可以看出，数据资源与数据基础能力依托于传统的计算机技术多一些，在数据分析和展示层是在统计学支撑下与IT相结合有所创新，在数据应用层体现为各个学校的办学特色，在应用层方面依靠高校的专业背景来进行相应的课程设计。

　　进行课程体系设计的目的主要是为了人才培养、沿着什么领域继续，学生未来的就业应该是沿着大数据分析师的职业方向走，接着可能会是大数据分析行业专家，这是业务层；技术层是向大数据架构师；管理层是大数据分析总监，再向前走是首席数据官。推荐的就业领域是以下三个方向：贸易金融方向的大数据分析师可以在供应链融资公司、P2P信贷征信平台、商业银行等找到自己的位置；网络营销方向的大数据分析师可以互联网广告、O2O营销公司、大型网络媒体企业就职；电子商务方向的大数据分析师应沿循电子商务公司、第三方支付公司、电子商务流公司来做。因此，专业的课程体系设计应与学生的就业领域和职业生涯发展相匹配，于是可能会梳理出一些核心课程，如多元统计分析、统计分析软件与应用、统计学习理论与基础、人工智能、商务智能、数据科学导论、数据挖掘、数据可视化、模式识别、云计算学习中心、大数据分析等等，都应作为课程体系中的核心课程。

　　三、实践性教学环节与主要实验

　　大数据这一学科实践性很强，学科交叉线也很强。这里将实践性教学环节按实验性质分为三个层面：

　　第一是技术基础类的实验。包含数据库、程序设计、云计算平台的建设与开发等等。

　　第二是数据分析及展示类的实验。包括机器学习、大数据分析与处理、大数据可视化。

　　第三是综合应用类实验。学生学到最后时，应有一门综合性的课程，如像对外经济贸易大学这样的财经背景学校应该设有“”金融大数据综合实验”、“营销大数据综合实验”或“物流大数据综合实验”等课程，这种综合类应用实验建议与相关的大数据公司建立产学合作关系，进行人才联合培养。另外，大数据联盟平台也提供了一些机会。

　　的确，大数据专业是很新的。没有十分完善的专业课程体系，只能在探索中前进。建设新专业任重而道远，最后的实践可能还会遇到问题，需要不断进行修正。但最后的目标是一致的，即如何将大数据这一新专业建立起来，为企业、市场提供人才。
第三十五届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。