本项目调研发现，大数据人才需求量大，薪资水平高，需求呈上升趋势。据数联寻英发布的《大数据人才报告》显示，截至2018年，全国的大数据人才仅46万人，未来3～5年内大数据人才的缺口将高达150万人。据职业社交平台LinkedIn发布的《中国互联网最热职位人才报告》显示，数据分析人才的供给指数最低，仅为0.05，属于高度稀缺。数据分析人才跳槽速度也最快，平均跳槽速度为19.8个月。截至2017年12月，大数据及人工智能岗位人才需求量比2016年猛增6倍多，大数据开发类增长幅度达到795%；根据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1 400万人，而在BAT企业招聘的职位里，60%以上都在招大数据人才。
目前企业大数据人才需求面临以下具体问题：
（1）合格人才短缺，招聘困难。人才供给虽大幅增加，但人才质量参差不齐，符合需要的人才数量依然有限。
（2）理论基础强，但缺乏应用实践能力。有些人才基础理论技术能力强，实际工作解决问题时缺乏业务与技术灵活结合能力。
（3）人才培养渠道有限，培养周期长。工作5年以上的大数据及AI人才是行业主力，大量存在于学术界和巨头公司，市场上大数据人才大多来自学术界、企业界或其他技术岗转岗，新鲜血液供给严重不足。
（4）市场人才争夺激烈，内部人才流失风险高。大数据人才平均工作1年，市场工资大多翻倍，然而平均在职时间不超过2年。
大数据相关产业的高速发展，带来了大数据人才的严重短缺，大数据人才培养成为急迫的任务，因此从5年前开始就有高校着手培养大数据人才。2013年，西安交通大学、香港中文大学、浙江大学、厦门大学等高校设立数据科学研究中心或大数据中心，培养具有大数据思维和创新能力的复合型人才。2014年，北京大学和清华大学开始招收第一批大数据硕士，其中清华大学培养的第一批大数据硕士生分为5个方向：数据科学与工程、商务分析、大数据与国家治理、社会数据和互联网金融。2015年，北京大学元培学院设立面向本科生的数据科学实验班；中南大学招收大数据方向第一批本科生。然而，直至2015年，大数据专业建设和人才培养依然处于力量薄弱阶段。
自2015年8月国发〔2015〕50号文《促进大数据发展行动纲要》提出“……建立健全多层次、多类型的大数据人才培养体系。鼓励高校设立数据科学和数据工程相关专业，重点培养专业化数据工程师等大数据专业人才。鼓励采取跨校联合培养等方式开展跨学科大数据综合型人才培养，大力培养具有统计分析、计算机技术、经济管理等多学科知识的跨界复合型人才”，大数据专业建设人才在各高校如火如荼地开展，设立大数据专业的学校数量呈指数级增长，截至目前，已有600多所高校获批设立“数据科学与大数据技术”专业。
虽然大数据人才的培养已起步，但是大数据人才培养模式与体系尚未达成共识。其原因在于大数据是一个跨学科、领域交叉的、与行业应用紧密结合的复合型专业，涉及的知识往往来自计算机、统计、行业领域等。如何有效地融合跨学科、交叉领域的知识，培养具备数据思维和计算思维的大数据人才，是当前高校大数据专业建设面临的问题。与此同时，为主动应对新一轮科技革命与产业变革，支撑服务创新驱动等一系列国家战略，2017年2月以来，教育部组织了多次新工科研讨会，先后形成了“复旦共识”“天大行动”“北京指南”等指导性文件，指出了新工科建设的5个“新”，即工程教育“新理念”、学科专业“新结构”、人才培养“新模式”“新质量”和“新体系”。随后，有学者对新工科的内涵进行了解读和探讨。“复旦共识”指出新工科建设和发展以新经济、新产业为背景，一方面主动设置和发展新兴工科专业，另一方面推动现有工科专业的改革创新。
越来越多的高校已开始着重建设大数据专业，启动大数据人才培养计划，以填补百万级的大数据人才缺口。然而，目前大多数高校的大数据专业建设与人才培养仍然处于起步阶段，教育教学生态尚不完善，从课程体系到教学体系、实训实习、智慧教室、人才评价等都缺乏系统性、专业性。
1）需要针对性和专业化的课程体系
由于大数据是一门新兴交叉学科，本身缺乏权威的学科外延与内涵的定义，课程设计仍在探索中，尚未形成有针对的、专业的课程教学体系。大数据专业是一个多学科交叉融合的专业，需要根据不同层次的需求和不同的人才培养目标，合理设计和融合多个学科的课程内容和知识体系。
2）需要系统化和标准化的系列教材
国内开设数据科学与大数据技术专业或开设大数据相关课程的学校越来越多，对大数据教材的需求越来越大，然而目前国内高校的大数据教学尚处在摸索阶段，无统一教材，有的选用教师自己的教案。(www.xing528.com)
高校或科研院所对大数据教材的需求主要分为两类：一类是开设了大数据专业的学校需求一整套完整的大数据教育丛书；另一类是未开设大数据专业的学校单独开设1～2门大数据相关课程时，需要知识体系完整又不空泛的导论类教材及实验类教材。
3）需要综合立体、理论结合实践的实训机制
旧有的实训实习模式，强调的是学生在课堂内的理论知识与在企业一线的技术实践的有机结合，强调的是用教材中的知识解决实际生产生活过程中的具体问题的能力，其目的集中在解决教学与应用脱节，学生毕业后需要较长时间才能适应公司工作节奏和工作能力的现实状况。
相对于传统的工科人才，大数据产业需要的是实践能力强、创新能力强、具备国际竞争力的高素质复合型“新工科”大数据人才，他们不仅在大数据专业上学业精深，而且还应具有“学科交叉融合”的特征；他们不仅能运用所掌握的知识去解决现有的问题，还有能力学习新知识、新技术去解决未来发展出现的问题，对未来技术和产业起到引领作用；他们不仅在大数据技术上优秀，还应懂得经济、社会和管理等领域知识。要培养出新一代复合型的大数据人才，需要一套综合立体、理论结合实践的实训机制。
4）需要专业化、规范化的大数据教学资源和实验资源
大数据教学和培训，和传统科目教学比起来，更偏重于实践应用，除了教师授课内容需要向这方面倾斜之外，教学教具和授课方式也需要同步改进。
大数据基础实验环境也很薄弱。高校无法满足学生多机集群实验环境需求，实验数据、实验教案、实验手册、项目实践经验严重不足，大数据实验开展困难。项目实训缺失，高校大数据专业目前难以培养实用性人才所需的专业能力，与实际应用脱轨，教学效果大打折扣。
5）需要科学化、多元化的大数据人才评价体系
大数据人才越来越受到社会的重视，他们的市场价值及其带来的影响力也越来越大。与大数据人才的不断涌现相比，对大数据人才的内涵把握和评价体系还很不成熟，一定程度上限制了大数据人才的流通和其潜力的发挥。把握好大数据人才的特点，建立科学化、多元化的评价方式，是用人单位和人才迫切的要求。
6）需要专业的教学师资力量
大数据教学科研资源严重匮乏，可配置和指导学生实验的专业师资严重不足。
大数据师资建设需要优化知识结构和教师队伍，培养在大数据领域具有影响力的学术带头人，形成大数据学术创新团队。从知识结构看，大数据人才的知识体系结构主要由大数据基础理论和方法、大数据计算技术、领域知识三方面构成。大数据师资队伍的建设，需要根据大数据专业的知识结构进行合理配置。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
