大數據管理與應用專業建設路徑思考

李樹青 曹杰 劉凌波

摘? ? 要：隨著大數據應用的快速普及，大數據人才培養正在廣泛受到國內外高校的重視，不同的學科和定位也促使大數據相關專業建設呈現出多樣化的特點。文章從大數據管理與應用專業發展現狀出發，從完善培養方案

優化課程體系、加強專業師資建設等方面提出了大數據管理與應用專業的建設路徑

關鍵詞：大數據管理與應用;數據科學;信息管理與信息系統

中圖分類號：G642.3? ? ? ? ? 文獻標識碼：A? ? ? ? ? 文章編號：1002-4107（2020）01-0025-05

2008年《Nature》出版了“Big Data”專刊[1]和2011年《Science》出版了“Dealing with data”[2]專刊，兩篇論文分別探討了大數據對互聯網、網絡經濟學、生物醫學等領域的影響和大數據給社會各行業帶來的機遇與挑戰。自此以后，大數據相關研究和技術開始廣泛受到人們的關注，其中較早的標志性事件如2012年1月達沃斯世界經濟論壇將大數據作為主題之一，探討了如何更好地利用數據產生社會效益[3]，2012年3月美國政府投資2億啟動了“大數據研究和發展計劃”[4]，等等。同時，大數據相關技術也被廣泛地應用于各種商業領域，對當前社會經濟發展產生了重要影響，數據科學也被認為是繼實驗觀察、理論推導、計算機模擬后的第四科學研究范式。讓相關專業人才因此也呈現出相對匱乏的局面。一份2016年對全球53個國家數據科學人員的薪酬調研表明，具有數據科學相關碩士或者博士學位的雇員要比同期的其他學生具有更高的薪資水平[5]。

一、大數據管理與應用專業發展現狀

為了及時滿足相關人才的社會需求，國內外高校紛紛開始增設大數據相關課程。數據科學相關課程內容在國外最初于2010年后以專業課程的形式出現在大學計算機科學學院，如加州大學伯克利分校于2011年開設“數據科學導論”課程等[6]。同時，大數據專業建設也被提到了議事日程。在國外，大數據專業最初誕生形式主要為數據科學（Data Science）專業，該專業是從數據分析學（Data Analytics）專業發展而來，最早可追溯至2007年美國北卡羅來納州立大學設立的數據分析碩士學位（Master of Science in Analytics），2013年美國紐約大學正式開設數據科學碩士專業。截至2017年11月，國外數據科學專業的本科、碩士、博士學位項目分別已達到5601、4179和301項[7]。

國內的表現有兩種情況：一是傳統專業增加大數據方向，截至2016年9月，此類專業主要有信息與計算科學、統計學、應用統計學、計算機科學與技術、軟件工程、信息管理與信息系統等;二是開始增設專門的大數據新專業，如數據科學與大數據技術專業，該專業在2016年有3所高校首次獲批開設，包括北京大學、對外經濟貿易大學和中南大學。與此同時，2015年由我國管理科學與工程類專業教學指導委員會設立的“新專業建設研究”調研課題組經過近兩年的詳細調查，研究了國際教育動態和國內商務數據分析人才需求情況，在教指委2015年會和2016年會上進行報告和討論，建議增設商務數據科學專業，后經教育部核準更名為大數據管理與應用專業，并于2018年首次批準5所高校開設此專業，包括東北財經大學和南京財經大學等。在研究生教育方面，西南財經大學等多所高校也設置了與大數據相關的二級學科和交叉學科，2013年北京航空航天大學開設了國內首個“大數據技術與應用”軟件工程碩士項目，2014年中國人民大學等5所大學還宣布聯合培養大數據分析碩士等。

作為管理學科歸屬下的大數據專業，大數據管理與應用專業具有很多自身的定位考慮和人才培養特色，它既受到原有相關專業人才培養方式的影響，也和其他新興大數據專業形成較大的區別。下面本文重點介紹兩個與該專業最為相關的專業，并進行比較說明。

（一）信息管理與信息系統

信息管理與信息系統（以下簡稱為信管）是目前國內管理學科下與大數據管理與應用最為相關的專業之一，設立于1998年，很多院校的信管專業也是最早提出并增設大數據管理與應用專業。按照教育部規定，我國信管專業的培養目標是培養具備現代管理學理論基礎、計算機科學技術知識及應用能力，掌握系統思想和信息系統分析與設計方法以及信息管理等方面的知識與能力，能在國家各級管理部門、工商企業、金融機構、科研單位等部門從事信息管理以及信息系統分析、設計、實施管理和評價等方面的高級專門人才。

這個專業的名稱明顯地反映了當時信息管理人才需求的特點，即信息系統是信息管理的重要載體，信息系統知識是信息管理知識體系中重要組成部分。因此按照這個思路，中國信息系統學科課程體系CIS 2011中明確了信管專業的主要課程包括信息管理、數據庫系統原理、計算機網絡及應用、數據結構、系統分析與設計、管理統計學、運籌學、管理信息系統等[8]。在實際開設中，各個院校還廣泛開設經濟管理類課程以加強學生對信息技術的綜合應用能力培養。

該專業有兩個明顯的特點：一是在專業培養內容設置上，側重信息技術和經濟管理應用的結合，重點培養學生利用信息技術來解決經管應用中的實際問題，傳統常見的應用領域有企業信息化（包括MIS等）、信息咨詢（ERP實施等）、互聯網信息服務（包括信息檢索、信息組織等）等;二是由于較為寬泛的專業設定特點，目前國內相關高校對于此專業的開設往往都會根據自己的特點，進行有針對性和有特色的適應化改造。有的院校側重于信息技術培養，側重理工科特色，如清華大學、西安交通大學等，甚至很多相關院校都把該專業放置于信息工程類學院下和計算機科學與技術等專業一起開設。還有的院校側重于解決經管應用中各種信息分析能力的培養，如武漢大學、南京大學等。在國外院校也是如此，計算機學院、信息學院、商學院甚至教育學院都是信管專業常見的所在學院。

經過近二十年的發展，信管專業人才培養取得了明顯的成就。截至2017年年底，我國共有612所高校開設了此專業。與此同時，信管專業自身發展中的一些問題也逐漸受到越來越多學者的關注，而在很大程度上，這些問題也正是因為信管專業具有上述兩個特點才得以產生。

第一，在專業內容設置上，從宏觀層面來看，提出設置信管新專業的二十世紀末正是我國企業實施信息化建設的高峰時期，社會對具有一定企業運營知識又懂信息技術的信息化人才需求量很大，致使信管專業畢業生供不應求，該專業也一度受到熱捧[9]。但隨著企業信息化普及程度的不斷提高，今天企業信息化所面對的已不是二十年前上不上、如何上之類的傳統問題，基礎性的信息化系統和信息化管理等相關技術與理論已經不再表現為社會人才需求的熱點，相反，如何深度融合互聯網并利用互聯網來改造重構傳統企業信息化流程則是更為現實的挑戰。此時，結合產業上下游、協作主體交互的大數據共享和分析將突破單一企業應用內部的局限，在更大的行業層面和社會層面上形成更有價值的應用領域[10]。

從微觀層面來看，專業知識內容也隨著大數據處理自身的發展特點而發生著較大的變化。如站在傳統信息科學的角度來看，數據科學專業是由信息科學專業人才培養逐漸細化為數據分析方向后而逐漸形成，比如目前很多數據科學學科設置也多為傳統信息科學教育項目下的專門培養方向，因此數據分析類專業內容在數據科學教育中占有較大的地位。但是傳統的信息分析方法側重于統計方法和傳統數據挖掘方法的應用，在面對海量數據資源的大數據時代，亟須創新與變革。如維克托·邁爾·舍恩伯格在《大數據時代：生活、工作與思維的大變革》中將大數據理念的革命精髓歸結為三點：一是更關注相關性而不是因果性;二是更關注數據的紛繁復雜，而不是數據的精準;三是全部數據，而不是抽樣數據[11]。顯然，這些大數據處理特性對傳統信息分析方法提出了新的要求。

在專業應用方面，對于那些與經管類結合密切的課程內容，發展變化的需求更為旺盛，比如近年來快速發展的互聯網金融、移動電子商務、“互聯網+”都需要相關信息技術人才的專業能力及時跟進，也只有這樣才能勝任當前社會用人單位的需求。

第二，在專業定位的統一性上，過于分散和各自發展的專業特色也在一定程度上造成了專業總體認識上的不清晰，導致信管專業定位一直都成為相關學者關注的焦點，也長期以來沒有得到很好的解決[12]。要想形成一種清晰的專業定位布局，必須在專業培養目標上形成一個較為明確的聚焦點，現在的大數據管理與應用提供了一個很好的發展契機，現實中廣泛存在的社會需求也會加強用人單位對相關人才和專業的深入認識，這對于專業未來的發展大有裨益。

事實上，信管專業開始轉向大數據相關專業的趨勢已經在國外iSchool聯盟院校成員中逐漸體現出來，如在2018年77所正式院校成員中，含有數據科學（Data Science）的成員已達14所，占比18.2%，其中在第一等級的27所院校成員中，有7所已經開設，占比更高達26%。在這14所院校當中，4所學校在本科階段開設數據科學教育項目，10所學校在碩士階段開設相關學位教育，其中印第安納大學—普渡大學印第安納波利斯聯合分校在博士階段也增設了數據科學專業教育[13]。這充分說明國際領先的信管專業教育機構已經開始廣泛重視數據科學教育，該方向也正在成為新的學科增長點。另外值得關注的是，當代國外數據科學教育并非完全是由傳統信管學科所主導，數據科學教育的發展更依賴計算機、數學、統計等學科，這也在一定程度上反映了大數據專業自身的學科交叉性特點。

（二）數據科學與大數據技術

數據科學與大數據技術是我國第一批與大數據相關的新設專業，雖然時間很短，但是截至2018年，已有285所國內高校獲批數據科學與大數據專業，其中師范類、財經類、綜合類和新升本科地方院校也為數眾多，由此可以看出該專業的廣受關注。從學科定位上來看，該專業呈現明顯的工科特點，大都是由計算機科學類專業所在學院增設，專業培養內容側重于大數據技術能力的培養，往往對學生有較高的編程和開發能力要求。該專業也具有較強的復合型特點，如中國人民大學數據科學專業開設在統計學院，由統計學院、信息學院、統計與大數據研究院、數學科學研究院聯合培養。

從定位來看，該專業在強調數據科學多學科交叉特點基礎之上，可以將社會科學、計算機科學、統計學、管理學和法學等多學科知識融入現有課程體系中，但更側重培養學生的研究設計和項目開發能力，要求學生能綜合運用計算機科學和應用數學的知識來分析與處理大規模數據集的能力，具體包括數據清洗、存儲與檢索、挖掘與探索、數據可視化、道德與隱私、數據分析、溝通與呈現等內容。具體課程包括基礎理論類課程、領域應用類課程、數據呈現和溝通類課程、數據計算類課程、數據管理類課程、數據分析類課程、數據產品開發類課程等[14]。

雖然數據科學與大數據技術專業也涉及數據管理內容，但是這部分數據管理內容主要是指數據模型、查詢語言、數據庫調優和優化、數據倉庫以及并行處理等，而大數據管理與應用專業所著力解決的企業行業具體經營管理實踐目標迥然不同。由此可以看出，它和目前的大數據管理與應用專業定位差異較大，更多強調工科的特點，目前也主要是計算機科學與技術專業相關學院增設此專業。因此，我們可以這樣對數據科學與大數據技術專業和大數據管理與應用專業做個對比分析，前者主要關注“大數據本身的管理”，而后者更側重于“基于大數據的管理”。

二、大數據管理與應用

（一）完善培養方案

大數據管理與應用為新設專業，國內目前新增院校還不多，因此相關培養方案的設定缺乏足夠的參考，也無現成的經驗可以利用。按照前文所述的專業定位思考，我們可以將該專業的人才培養定位為“具備良好科學精神和工程素養，具有良好的數據科學基礎，掌握面向互聯網大數據環境的數據處理和分析方法、面向某行業數據管理方向的管理科學專業知識，具有較強的大數據管理能力和技術應用能力，熟悉現代某行業領域的大數據管理工作，能夠承擔各級各類組織機構特別是現代互聯網企業和政府管理部門數據管理應用工作的復合型、應用型高級專門人才”。

其中“某行業”可以具體結合所在高校的自身特點，有針對性地做出選擇，如電子商務、金融服務等。這種院校培養方向的自我定位往往成為特色建設的主要形式，如美國雪城大學的數據科學項目由信息學院和惠特曼管理學院聯合培養，目標指向企業經營中數據科學人才的培養，英國斯克萊德大學數據科學項目是由計算機信息科學學院和政府公共政策學院聯合培養，定位是為政治領域培養相關數據科學人才。

和數據科學與大數據技術專業相比，大數據管理與應用專業具體的就業崗位主要適應大數據獲取與處理及大數據分析等不同領域需求，具體包括數據科學工程師、大數據分析工程師、大數據挖掘工程師、大數據可視化工程師等，而對于大數據應用開發工程師、大數據運維工程師、大數據技術研發工程師之類的崗位更適合數據科學與大數據技術專業。

（二）優化課程體系

從教學目的來看，目前國外數據科學相關專業主要集中在研究生階段，以課程實踐為依托，注重專業教育，而本科階段的教育則重在培養學生興趣與素質，更強調數據科學趣味性與專業性。在現有的數據科學相關課程體系設計上，有學者提出了三層結構的數據科學教育框架（Data Science Education Framework，DSEF），即采用用戶、工具、應用程序為主的三焦點法來實施教學項目[15]。丹麥的阿姆斯特丹大學于2015年9月實施的EDISON項目也充分采取了該教育框架，具體課程體系包括數據科學能力框架（CF-DS）、數據科學知識體系（DS-BOK）、數據科學專業概況和職業分類（DSP）、數據科學分類學和科學學科分類等內容[16]。國外iSchool院校成員的數據科學專業也可以提供一個基本的參考，它們的具體課程教學目標主要圍繞以下幾個方面，如培養數據科學領袖和數據靈感、靈活應對不同場景下的數據需求、注重數據科學在企業中的應用、強調數據處理（包括采集、存儲、分析、可視化等）應用能力、利用數據科學思想去解決政治社會問題等[17]。在國內，有學者認為數據科學與信息科學在理論邏輯和技術方法上一脈相承，因此建議使用“數據—信息—知識”、“計算技術—數學方法—專業知識”、“人—技術—數據”3個三位一體的教學模式來統一數據科學和信息科學[18]。還有學者提出大數據管理類人才知識體系主要包括信息技術、大數據管理與信息系統、大數據分析處理和大數據技術應用等四個方面[19]。對于具體教學課程的設定，有學者在對iSchool中10所重點院校數據科學專業的141門課程進行收集整理后，可以發現主要分為基礎理論課、相關學科基礎理論課、統計學、機器學習、數據可視化、數據分析、大數據編程、數據挖掘和綜合性內容等方面[20]。

從已有的相關類似專業建設情況來看，該專業主要以計算機、數學和統計等學科為基礎，將傳統數據處理方法放在大數據環境下，培養學生進行現代企業和政府等組織的管理變革和改進工作的能力，通過以行業應用結合為基礎的實踐鍛煉，加強學生綜合利用相關理論知識和技術應用。因為和很多學科存在著較大的交叉關系，數據科學課程設置一直都存在著廣度和深度的設置平衡問題，這種問題往往是具有跨學科性質的專業都普遍面臨的問題[21]。

但是時至今日，在包括大數據管理與應用等數據科學相關專業教學體系上，依然缺乏較為明確的統一提法，雖然相關學科已有多年教學和科研積累，但是無論是教育層面的研究還是學科層面的研究，數據科學學科的邊界和歸屬問題有待進一步論證，這也在很大程度上可以解釋目前教學體系設計的困難原因所在。

我們提出一種按照大數據處理流程為思路的課程設計體系，綜合考慮學習進度和課程內容進度的深度融合。該方案具體內容如表1所示。

這里需要補充說明幾點。

1.表1從上到下代表著一個不斷遞進的大數據管

理過程和層次，每一階段都對應相應的主要教學內容、具體課程、實驗和可能的應用結合方向，教學內容從左上角到右下角呈現出基礎內容向高層管理決策不斷遞進發展的設計過程。

2.不同院校由于在人才培養定位和方向上具有很

大差異，因此在授課內容選擇上，既可以向表左上方傾斜，側重于技術理論教學和相關實驗教學，也可以向表右下方傾斜，側重于管理應用的案例分析。

3.“Hadoop集群環境安裝部署”為基礎性內容，是后續其他大數據處理類課程實驗的前置要求課程。后續具體課程和實驗的次序并不明顯，可以根據實際情況靈活做出選擇和調整。

（三）加強專業師資建設

專業師資隊伍的建設絕非一蹴而成，更何況目前國內大數據相關專業主要表現在本科階段人才培養方面的改革，在研究生階段，相關學科建設上仍然廣泛留存于現有學科的自我完善和研究方向的自我調整。因此，對于大數據管理與應用專業的師資隊伍建設，短期內依然還需要現有師資隊伍的支撐。這給相關新設該專業的高校提出了較為緊迫的師資隊伍專業能力培養和進修要求。從另外一個方面來看，大數據管理應用方面的企業技術人才較為普遍，因此合理地加大與企業聯合培養、引進行業應用案例、搭建產學研合作平臺是大數據管理與應用專業師資隊伍建設的必然之選。即使對于理論課程，這種來自于行業的師資力量也能發揮較大的作用，如Airbnb數據科學家Dave Holtz等來自產業界專家在Udacity上開設了“數據科學導論”，同時他們還能帶來更多真實的產業數據資源以供學生實驗學習[22]。

（四）突出實驗實踐

按照2017年教育部在復旦大學召開的高等工程教育發展戰略研討會所提出的“新工科”概念，強調深化產教融合、校企合作、協同育人，增強學生的就業創業能力[23]。

大數據科學相關實驗對硬件設備和軟件都有著非常高的要求，因此不論在硬件處理能力上還是數據規模上，目前現有的高校實驗室往往都不能提供有效的實驗條件。而這部分實驗條件恰恰被大數據應用相關行業單位所具有，因此大數據管理與應用專業實驗必須要考慮行業應用的結合，通過大力引進行業實訓平臺或者到培訓基地參與仿真環境實踐，可以更為經濟有效地實現實驗教學目標，具體形式有課程實驗、綜合實驗、學期實訓、專業見習、專業實習、企業實習、企業項目化實訓、畢業設計與課外素質等形式。

在學分學時設計上，考慮到實驗實踐環節的重要性，可以將整體實踐環節學分為增設到總學分三分之一以上，為保障課程實驗效果，每門課程實驗課時占總課時可達四分之一以上，實踐性強的課程可以超過一半，如機器學習與高級數據庫等課程[24]。綜合性實驗可以某一個學期進行，時長要有連續性，如一周，在此期間內最好不安排任何其他課程教學，以便于學生全身心投入綜合實驗訓練中。對于綜合實訓可以放在每學期最后兩周集中進行，主要訓練本學期基本知識與綜合應用，以及培養學生初步的綜合應用能力。對于專業見習一般安排在大四期間，為期兩周以上，主要讓學生了解實際崗位工作環境以及所需的知識能力，為進一步的企業實習和就業做準備。同時為了保證實驗實踐教學的效果，必須要制定嚴格的考核標準，包括所有課程實驗均有相應的學分，以及明確具體的實訓內容、實訓計劃、指導教師、人員分組、考核辦法等系列操作細節。

另外，實踐教學體系不是由獨立的單一成分組成，它需要考慮到與所在院校專業能力培養的契合、與大數據管理應用的關系、實踐教學體系構建對企業自身價值的吸引等多方面內容。

參考文獻：

[1]Frankel F，Reid R.Big data：distilling meaning from data[J]. Nature，2008，（455）.

[2]Science S.Challenges and Opportunities[J].Science，2011，（5）.

[3]劉蕾，鄢章華，白世貞.大數據——多維度給管理決策帶來的改變[J].科技管理研究，2016，（14）.

[4]孫強，張雪峰.大數據決策學論綱：大數據時代的決策變革[J].華北電力大學學報：社會科學版，2014，（4）.

[5]King，J.，Magoulas，R.：2014 Data Science Salary Survey[M].San Diego：OReilly Press，2015：5-7.

[6]蘇日娜，楊沁.LIS學科中數據科學課程體系設置研究——以iSchools高校課程調研為中心[J].圖書館論壇，2019，（4）.

[7][14]朝樂門，邢春曉，王雨晴.數據科學與大數據技術專業特色課程研究[J].計算機科學，2018，（3）.

[8]教育部高等學校管理科學與工程類學科專業教學指導委員會，國際信息系統協會中國分會（CNAIS）課題組.中國信息系統學科課程體系2011[M].北京：清華大學?出版社，2011：10-14.

[9]尹燕芳，楊衛平，王卓鵬.信息管理與信息系統專業國際化人才培養研究[J].計算機教育，2015，（5）.

[10]李春燦.信息管理與信息系統專業畢業生就業現狀分析及就業能力提升措施研究——以鄭州航空工業管理學院為例[J].中國管理信息化，2017，（21）.

[11][英]維克托·邁爾—舍恩伯格，肯尼思·庫克耶.盛楊燕，周濤，譯.大數據時代：生活、工作與思維的大變革[M].杭州：浙江人民出版社，2013.

[12]劉星寶，楊蓓.“互聯網+”背景下地方院校信管專業的路徑選擇[J].中國管理信息化，2018，（7）.

[13][18][20]閆慧，張鈺浩，張鑫燦，等.iSchools聯盟數據科學教育項目現狀調查[J].情報資料工作，2018，（4）.

[15]Il-Yeol，Song，Yongjun.Big Data and Data Science：Opportunities and Challenges of iSchools[J].Journal of Data and Information Science，2017，（3）.

[16]Y Demchenko.LEARN Toolkit of Best Practice for Research Data Management[M].London：Leaders ActivatingResearch Networks（LEARN），2017：105-115.

[17]葉鷹，馬費成.數據科學興起及其與信息科學的關聯[J].情報學報，2015，（6）.

[19]胡洋，石云輝，王觀玉.大數據背景下的信息管理與信息系統專業建設改革探究[J].中國教育信息化，2018，（3）.

[21]Ramamurthy B.A Practical and Sustainable Model for Learning and Teaching Data Science[C]//Technical Symposium on Computing Science Education，ACM， 2016：169—174.

[22]朝樂門，楊燦軍，王盛杰，等.全球數據科學課程建設現狀的實證分析[J].數據分析與知識發現，2017，（6）.

[23]陶皖，張偉，楊丹.新工科背景下信管專業大數據技術與應用方向改造實踐[J].渭南師范學院學報，2018，（10）.

[24]歐衛華，夏道勛，張仁津.“數據科學與大數據技術”專業實踐教學體系構建研究[J].軟件導刊，2018，（5）.