高考填志愿：数据科学与大数据技术专业怎么样？

发布时间：2020-07-24 20:09:07

高考填志愿，要不要选择“数据科学与大数据技术”专业？

抛开学校的好坏不谈，这是个好专业。

数据科学专业，专业代码：080910T。《普通高等学校本科专业设置管理规定》（教高﹝2012﹞9号）中第六条《专业目录》包含基本专业和特设专业。基本专业一般是指学科基础比较成熟、社会需求相对稳定、布点数量相对较多、继承性较好的专业。特设专业是满足经济社会发展特殊需求所设置的专业，在专业代码后加“T”表示。

无论任何人站在任何角度，吐槽或推崇这个新专业，不可否认的一点是，我们已经身处数据智能时代了。那作为这个时代的基础人才供给专业，至少在当下，在中国，是值得选择的。

现在是2020年，经过前几年密集的申报、备案与审批，开设“数据科学与大数据技术”专业的高校

版图已经基本确定。学校名单网络可查，可以在学校上、这个专业的配置上多花点儿功夫做研究。

近几年相关专业的动态：

2015年共有2个省级行政区的3所院校成功新增备案“数据科学与大数据技术”专业；

2016年共有16个省级行政区的32所院校成功新增备案“数据科学与大数据技术”专业；

2016年2月，北京大学为首家获批“数据科学与大数据技术”专业的高校，同时获批的还有对外

经济贸易大学，中南大学；

2017年共有29个省级行政区的250所院校成功新增备案“数据科学与大数据技术”专业；

2017年3月，第二批32所高校获批“数据科学与大数据技术”专业；

2018年共有28个省级行政区的196所院校成功新增备案“数据科学与大数据技术”专业；

2018年3月，第三批250所高校获批“数据科学与大数据技术”专业；

2019年全国29个省级行政区的481所院校成功新增备案“数据科学与大数据技术”专业；

2019年3月，第四批196所高校获批“数据科学与大数据技术”专业；25所高校获批“大数据管

理与应用”专业；35所高校获人工智能专业首批建设资格；

2020年3月，138所高校获批第五批“数据科学与大数据技术”专业；180 所高校获批新增人工

智能本科专业，开设人工智能专业的高校达到 215 所；

以首家获批“数据科学与大数据技术”专业的北京大学为例，公开可查的（2019）专业介绍是这样

的：

北京大学数据科学与大数据技术专业

一、专业简介

数据科学是运用概率统计、分布式计算、现代软件等综合知识探索来自商业贸易，生物医疗，金

融证券，社交网络等众多领域的较大规模或结构复杂数据集的高效存储、高效管理、高效概括、

深入分析和精准预测的科学和艺

三、授予学位

理学学士

四、学分要求与课程设置

总学分：132-138学分，其中：

1．公共与基础课程40-46学分；

2．核心课程29学分；

3．限选课程32学分；

4. 通识与自主选修课程31学分；

并须同时满足下列选课要求：

1）公共与基础课程：40-46学分

大学英语系列课程（2-8学分），政治系列课程（14学分），计算机系列课程（6学分），体育系

列课程（4学分），数学分析(14学分)

2）核心课程：29学分

高等代数Ⅰ(5学分)，高等代数Ⅱ（4学分），几何学（5学分），抽象代数（3学分），复变函数

(3学分)，常微分方程（3学分），数学模型（3学分），概率论（3学分）

3）限选课程：32学分

专业必选课程（6学分）：数理统计(3学分)，应用多元统计分析(3学分)

限选课程: 在下列课程中选修15学分

实变函数（3学分）/实函与泛函（4学分），应用回归分析（3学分），贝叶斯理论与算法（3学

分），应用时间序列分析（3学分），统计计算（3学分），统计机器学习（3学分），程序设计

实习（3学分），数据结构与算法（3学分），分布与并行计算（3学分），算法设计与分析（3学

分），数据库概论（3学分），自然语言处理导论（3学分），数值与计算方法（3学分），人工

智能（3学分），最优化方法（3学分），深度学习（3学分），数据科学导论（3学分）

毕业论文3学分

每个学生在第三学年或第四学年里须参加毕业论文讨论班或者经批准的其它形式的科研训练，并

在导师指导下写出论文、读书报告或实习实践报告，通过考核后获得3学分。

参加毕业论文讨论班的学生须在导师指导下进行科研训练或者到经批准的企事业单位、科研院所

或学校实习实践至少100小时。进行科研训练或参加实习实践活动不应影响其它课程的学习。学

院鼓励学生利用寒暑假期进行科研训练或实习实践活动。

理学部的非数学学院课程8学分（其中4学分物理）。

4) 通识与自主选修课程31学分

理学部及信息学部12学分，可以选自理学部及信息学部中的任何院系，包括数学学院。

通选课：12学分，其中社会科学类至少2学分；哲学与心理学类至少2学分；历史学类至少2学

分；语言学、文学、艺术与美育类至少4学分，其中大学国文必选，另一门是艺术与教育类课

程；数学与自然科学类和社会可持续发展类至少2学分。

在全校课程中选择其余7学分。

五、其他要求

1．保研要求：

专业限选课中任选三门、数学分析、核心课程以及专业必选课进行简单求和作为保研专业排名的

依据。

2．读研准备：

保送为硕士研究生的学生在硕士生入学前的两年内选修的数学学院研究生课程，考试成绩在70分

以上，且学分没有计入本科毕业学分的，可以计为研究生阶段成绩，获得相应学分。但需本人申

请、导师同意、主管院长批准。这种成绩不能超过9学分。

北大“数据科学与大数据技术”专业毕业后授予的是理学学士学位。而有一个趋势是，2018年有7

所院校的数据科学与大数据技术专业学位授予门类由理学变成了工学。理学研究的是科学，工学研

究的是技术；理学注重于理论研究，工学注重实际应用。可见，数据科学与大数据技术专业更注重

培养学生的实践能力。

不过，各高校在新专业的课程建设路上还是存在着很多挑战，教学质量也均在较大差异。

投入资金和资源要求高，数据科学相关技术需要的资源配置比较高，这妨碍了许多高校“数据科学

与大数据技术”专业落地实施；同时，作为应用型学科，数据科学的教学中需要有大量行业真实数

据和项目资源支撑。

可借鉴经验不足，数据科学是新兴学科，即便在高校中专门研究该领域的老师也比较少，许多高校

对于完整的数据科学与大数

学生实践机会少，数据科学来源于各类行业场景，注重实践训练和案例教学，是一门与实践高度结

合的学科。要进行大数据分析，必须要有充足的高质量数据和统一的实践平台，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。

《普通高等学校本科专业设置管理规定》（教高﹝2012﹞9号）中规定“ 第十八条　高校现设专业

连续五年不招生的，原则上按撤销专业处理。第二十六条　高校设置的专业在教育教学过程中出现

办学条件严重不足、教学质量低下、就业率过低等情况，高校主管部门须责令有关高校限期整改、

暂停招生。”

短时间内，这么1000多所高校密集开设“数据科学与大数据技术”专业，私以为，国家层面是鼓励

高校院系之间的竞争，优胜劣汰的。所以高考填志愿，还是需要慎重选择学校，不要报了个未来可

能会裁撤的专业。

这里引用一个排名（注意仅仅是引用，不作为权威性参考！）

大数据本科专业排行榜 2019全国482所高校数据科学与大数据技术教育教学综合实力一览表

“A类”高校一共100所。其中，代表综合实力最高的“A+类”高校20所，它们分别是：北京大

学、中南大学、吉林大学、复旦大学、华东师范大学、北京理工大学、厦门大学、西安交通大

学、天津大学、东北大学、同济大学、山东大学、湖南大学、电子科技大学、哈尔滨工业大学、

北京邮电大学、中国科学技术大学、重庆邮电大学、西安电子科技大学、对外经贸大学。

“B类”表示大数据专业教育教学综合实力总体水平位居全国高校第二，包括：湖北大学、上海

对外经贸大学、中国石油大学(北京)、山西农业大学、辽宁大学、成都信息工程大学、广东工业

大学、长春大学、广州大学、南京信息工程大学等全国120所高校。

“C类”表示大数据专业教育教学综合实力总体水平位居全国高校第三，包括河北金融学院、衢

州学院、淮海工学院、石家庄学院、黑龙江工程学院、宁波工程学院、盐城师范学院、宁波大红

鹰学院、南京晓庄学院、晋中学院等全国110所高校。

说完了专业的一些信息，接下来我们具体了解一下，这个专业教什么，怎么教，学什么，怎么学，

学完了要成为什么样的人才。由于该专业目前也是处于建设的初期阶段，所以资料有限，我这里仅

作整理和归纳。这对于答主而言，也是一个深入了解的过程。

学好这个专业，未来做一颗怎样的螺丝钉？

既然还是谈专业，那么这一Part，我们就锁定在专业数据人才。TDU和美世共同发布的《专业数据

人才教育报告》中将专业数据人才分为四类：数据科学家、数据工程师、数据分析师和数据产品经

理。

数据科学家

数据科学家是综合运用数据科学领域知识对数据进行采集、处理、挖掘、建模等操作以形成洞察并

最终解决问题的专业型人才。数据科学家致力于用数据产生实际的价值。

1. 业务领域：业务领域方面的知识和能力是必备的。数据科学家要对问题所在领域的知识有充分的

掌握和理解，例如接触金融数据项目，就需要理解金融行业的趋势和业务模型，能够进行专业化

的数据分析。数据科学家对业务领域的了解和知识储备是提升数据价值的关键。

2. 机器学习：机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂

度理论等多门学科。这些学科都可以用来帮助数据科学家梳理业务领域中遇到的各种数据问题，

进行建模并得出指标和预测值来辅助业务。

3. 工程能力：工程能力代表的是数据科学家的动手能力，影响数据科学家的工作效率和产出质量。

4. 沟通能力：沟通能力可以帮助数据科学家发现并解决问题。数据科学家的沟通能力应该能够将数

据的价值以通俗易懂的方式表达出来，以确保数据发挥真正的价值。随着业务领域的深入，数据

科学家应该能经常发现和提出新的洞察和建议，以帮助企业实现其目标。

数据工程师

数据项目一般是一个工程项目，负责工程部分的实施人员就是数据工程师。数据工程师负责搭建架

构和实现数据工程所需的技术平台和工具（包括数据连接器、数据存储和计算引擎、数据可视化能

力、工作流引擎等），保证稳定可靠的数据处理，为数据架构师、数据科学家和数据分析师的工作

提供支持。

数据工程师需要具备的能力包括但不限于如下：

1. 技术能力：包括编程能力、架构设计能力、工程能力等；

2. 业务能力：主要是对于业务的理解能力；

3. 实战能力：包括数据意识、结果导向和文档撰写能力；

4. 团队协作能力：包括学习辅导、沟通、合作以及影响力。

数据分析师

数据分析师负责将数据中的价值提取、分析并解读出来以指导行动。在这份报告里，将数据分析师

和数据科学家做了单独的区分，不过很多地方并没有区分的这么细，这里做个参考：

数据分析师通常只针对于公司高层提出的问题和目标进行分解、分析，并最终报告他们的发现。数

据科学家是主动通过数据和现象了解其业务关联性并采用更先进的统计和建模技术实现数据可视

化，并更多以驱动业务的方式来进行汇报。

首先，两者使用的工具通常是不同的。数据分析师进行商业智能和分析使用的工具：Microsoft

Excel（进行可视化，数据透视表等）的Tableau、SAS、SAP和Qlik。数据分析师考虑的首要因

素是快捷地从中间解读结果并验证设想，得出结论；而数据科学家则比较侧重算法选型、模型稳

定以及大数据情境下运算的实现。

其次，数据分析师有时会进行数据挖掘和建模工作，倾向于使用数据可视化工具，如IBM

SPSS、Rapid Miner、SAS和KNIME。相比较下，数据科学家在执行相同的任务时，偏向于编程