01近年來，我國在大數據人才培養方面有了哪些進展？發展到了什麼樣的階段？和國外相比有哪些優勢和差距？
   自2016年起，我國就大數據人才培養方面，開始全面發力。2016年2月，教育部公布新增“數據科學與大數據技術”本科專業，二批次共35所院校獲批。截止2018年3月，283所院校獲批。不同院校分别對該專業的學生授予工學或理學學位。除此之外，2018年3月，教育部又增設了“大數據管理與應用”本科專業，授予管理學學位。國家所做的這些工作，都基于一個非常重要的事實：人才的緊缺是大數據發展的瓶頸，因此人才的培養便成為大數據産業生存和發展的重要支撐。
   各大高校已經開始全方位布局來培養大數據人才。例如北京大學目前已建立了本科、碩士和博士三個層次的完整的數據科學培養體系。大部分課程采用理論和實踐相結合的教學模式。比如，開設數據科學導引這門專業必修課、讓學生在實驗平台上進行實操。另外還有很多高校也都出台各種方案，大力培養大數據方面的人才。但現在的人才培養工作整體上仍處于探索性的階段，需要各大高校發揮聯動性和合作性來推進整個學科的發展。
   當前，國内已經從本科層面就開始加大對大數據人才培養的投入力度，而國外更多的是開設碩士培養項目，在培養的廣度上我們就占了較大的優勢。然而，我們的大數據人才培養項目和産業結合的緊密程度，還沒有美國等發達國家成熟。這一方面
由于現在的培養體系還處于探索階段，另一方面由于我們國家現實存在的問題比國外更具有挑戰性，更具有自己的特色。産學研的協同創新，是大數據學科建設和人才培養的重要推動力。
   對于大數據人才的定位，我們認為主要包括幾個方面：一是理論性的，主要是對算法和模型理解和運用的能力；二是實踐性的，主要是處理實際數據的能力；三是應用性的，主要是利用大數據的方法解決具體行業實際問題的能力；并且這些人才要具有數學、統計學和計算機科學等多學科交叉能力。
   “數據科學課程的開設，需要采用理論和實踐相結合的新模式，要就像物理、化學和生物課一樣提供相應的實驗平台。數據科學中的實驗平台應該提供實際問題、實際數據和基本的處理工具。”數據科學許多課程的開設都需要和實際問題緊密的結合起來，如果說沒有問題、數據、實驗環境，讓學生親自動手處理數據和分析數據，隻是老師在課上講講算法和技術，那麼這些課程很難真正開設得有特色。
   02未來大數據人才的培養有哪些見解和期望？
   對于高校大數據人才培養，有兩方面比較重要。一方面，領頭羊的學校要有義務和責任把自己優勢的教學資源共享出來，共同打造數據科學教學資源共享的平台，從而促進數據科學學科的良性發展。也就是說，需要有一些學校發揮它們的聯動性和合作性，聯合起來為其他學校做示範。比如，大數據教育聯盟就是這樣的平台，它是北京大數據研究院與北大元培學院聯合國内衆多高等院校、科研機構和企事業單位組建的，旨在推進高校間合作，實現高校間資源共享、推廣數據理論研究與成果、服務國家建設、促進大數據産業的發展。
   另一方面，需要把有數據的政府部門和企業聯合起來，以問題和數據驅動來完成教學和培養。在很多時候，教師講課時使用的案例數據，大多都是已經清洗過非常幹淨的數據，但在實際分析中數據清洗是最費時的一個部分。将數據處理成怎樣的形式，适用于怎樣的問題，有數據的企業才是最清楚的。沒企業的真實數據，數據清洗這樣課程的開展就會比較困難。舉個例子，北大和曠視科技聯合面向本科生開設的深度學習課程。整個過程中都是圍繞實際問題、實際數據來學習。在傳統的高校和企業合作的實踐課中，都是以就業為導向進行教學，但在數據科學中這種合作模式應融合到教學設計、案例設計和課程設計的全過程中。
   總的來說，大數據産業的發展需要大數據人才的支撐，而大數據人才的培養需要産學合作共同來完成，最終培養出政府和企業需要的人才。