大学里的大数据专业，应该都教什么？

大数据与人工智能已上升为国家战略，而相关人才成为数字经济发展的首要资源。因此，培养高素质、高技能应用型大数据人才，充分发挥学校与企业的优势资源，加强校企合作，探索新时代下产教融合、协同育人的培养模式，成为目前各大高校亟待解决的问题。

目前，国内许多高校都开设了大数据相关专业，甚至某些高校的经管学院、统计学院、会计学院也纷纷开设大数据专业，大数据与行业的融合日益密切，培养跨行业的大数据应用型人才迫在眉睫。对于本科、高职院校来说，人才培养的侧重点应当是不同的。

对于高职院校来说，人才的培养更应该侧重应用。对于本科院校来说，则是理论与应用并重，理论是基础，应用是目标。

对于大数据相关本科专业的学生，教师首先应让其系统掌握数据分析的相关理论，包括高等数学、线性代数、数据统计、应用统计、数据分析、自然语言处理以及编程这些理论知识。

对于应用方面的教学来说，教师应该让学生掌握大数据的获取能力、分析能力、决策能力。不管是大数据的获取还是分析，最终的目标都是为了做决策。

目前来说，国内新获批的大数据相关专业师资力量比较缺乏。为了解决师资的问题，学校可以聘请企业中拥有实际经验的工程师做兼职讲师，也可以安排教师到企业进行培养，从事大数据分析的工作，积累大数据分析与管理的经验和案例，然后用于教学。

总之，学校要注重师资队伍的建设，鼓励老师多参加培训、交流，到企业进行实践。

有了师资力量，大数据的相关课程自然就能够开设。开设课程首先要确定培养学生的目标，从而确定开设哪些课程。开设课程的时候一定要清楚课程的边界，比如有些专业的课程是重复性的，像机器学习和商务智能，机器学习注重理论，商务智能注重应用，即将机器学习的理论和方法应用到商务。

为了提升学生的实践能力，目前国内各大高校都会选用数据分析平台，在平台选择上，建议考虑以下几个因素：

第一，功能满足教学需求

大数据分析平台首先要满足学院实验中心目前的教学需求。从数据的管理、仓库的建设、数据分析到成果管理、数据可视化，数据分析平台都要具备这些功能，这样才能改变以往教学由于实验平台的缺乏而重理论轻实践的弊端。

第二，平台操作适合教学

数据分析平台应当能够不分时间、地点，解决实验教学问题。比如目前处在疫情期间，许多基于实验的教学因受场地、时间的限制无法正常进行，数据分析平台就应当能够解决这个问题。

第三，实现“教用合一”

数据分析平台不应当只用于教学，最好在许多大型企业中得到应用，学校使用这个平台可以做到“教用合一”，为了学生工作奠定良好的大数据分析平台操作基础。

通过这个平台培养出来的学生，将来应聘到企业工作，如果该企业也使用了该平台，那么他到企业就可以得心应手，不需要再次培训;学校也可以采用协同育人的方式，为企业培养实际需要的大数据分析人才。

第四，提供丰富的案例库和数据库

对大数据分析教学来说，现在缺乏的不是理论，而是数据和案例。数据分析平台必须能够提供大量完善的企业案例和数据。

在应用型大数据人才的培养上，除了实验中心的建设以及数据分析平台的搭建，国内不少高校纷纷和企业展开合作。大数据的人才培养是应用型的人才培养，因此一定要坚持校企合作的人才培养模式。经过多年的信息化建设，企业拥有海量的数据，这就为数据获取、数据分析、数据决策提供了基础和条件。

大数据分析的前提就是要有大数据。同时，大数据的具体应用一定要和特定的行业相结合，比如从元月份开始，每天会产生很多疫情数据。我们不妨把让学生进行疫情数据分析。

可以先让学生先把疫情数据获取、收集起来，再通过数据分析平台分析各省的防治水平、医疗水平并进行评价、对疫情发展情况进行各种类型的预测。比如某个省的新增确诊是多少，累计确诊是多少，通过这些数据来分析防控措施的执行情况。

校企合作可以有多种多样的形式，对高职院校来说，可以和企业联合办学，制订联合培养方案，进行“订单式”人才培养。此外，学校和企业可以合作开发课程，还可以联合进行师资培训。

对于本科院校而言，目前很多高校都有青年教师到大型企业锻炼的项目。大数据企业可以接收高校老师进行培训，并与高校联合成立实训中心，开展科研、教学项目;大数据企业可以做培训项目的认证，向学生颁发证书。

此外，学校可以向学生授予创新学分。鼓励学生参加大数据相关的大赛，参加科研、实践活动，学生取得一定的成绩就可以获得学分。

在国家“新基建”战略指导下，大数据、人工智能作为核心组成部分，相关产业必将得到更大的发展。

而困扰这个行业发展人才短缺问题(未来3-5年，大数据人才缺口180万)也将更加严重，高校如何能够紧贴行业发展需求，培养和输送符合行业需求的应用型人才，为产业发展提供人才保障，是高校当前人才培养的重中之重。

高校必须持以开放的心态、加强校企合作，这是深化和落地应用型人才培养的必然选择。