數據科學研究生教育的多學科比較研究*

吳 丹，孫雅琪，許 浩

0 引言

我們生活在一個數據爆炸的新時代，社交媒體、金融交易、交通運輸甚至科學研究每時每刻都在以不斷增長的速度產生大量的數據。對海量數據的分析與理解成了各大領域亟待解決的問題，大數據產業應運而生。2015年國務院印發《促進大數據發展行動綱要》，提出全面推進大數據發展，加快建設數據強國。隨后，工信部編制印發《大數據產業發展規劃(2016－2020年)》，進一步明確了促進行業大數據應用發展、加快大數據產業主體培育等7項任務及8項重點工程。數據產業的發展帶來了新的人力資源需求。從2016年數聯尋英發布的全國首份《大數據人才報告》中可以看出，大數據產業人才供不應求，截至2016年7月15日中國大數據人才僅46萬，3-5年內大數據人才的缺口高達150萬[1]。面對巨大的人才缺口，高校紛紛設立數據科學相關專業，以培養大數據應用型人才。

數據科學作為跨領域學科，將計算機科學領域與數學統計領域專業知識相結合，以培養具有管理和分析數據能力的專門人才。數據科學家不僅需要具有從大量數據中得到有用信息的洞察力和分析能力，而且需要熟悉所處具體領域的相關知識。因此，開設數據科學相關專業，培養數據科學人才成為高等教育的重要趨勢，眾多高校在不同學院均設立了數據科學相關專業。例如，密歇根大學安娜堡分校信息學院開設在線應用數據科學碩士專業，在計算機科學與工程學院、統計系也設立了數據科學碩士學位。我國順應時代潮流，在不同學科門類下紛紛開設數據科學相關專業。根據《普通高等學校本科專業目錄(2020版)》，我國2015年在計算機學科門類下增設數據科學與大數據技術本科專業，2017年在管理科學與工程類門類下增設大數據管理與應用專業。在今年發布的新增專業目錄中，還在醫學技術類下增加了生物醫藥數據科學專業。同時，根據我國研究生招生專業目錄，多個學科下均開設了數據科學研究生項目，如經濟學的商業大數據分析專業，理學、工學及管理學的數據科學專業。

目前數據科學專業主要集中開設在圖書情報、經濟、計算機、數學、統計等領域[2]。因此本文選取了圖書情報、經濟與工商管理、計算機科學與技術、數學與統計學4個學科背景，篩選出國內外19所學校4個學科背景下的61個數據科學相關研究生教育項目，通過對比其開設現狀、培養目標、學科背景需求、課程設置、職業前景，分析圖書情報領域數據科學相關碩士項目開設的特色及不足，并對培養方案提出改進建議。

1 研究現狀

1.1 數據科學教育研究現狀

“數據科學家”被Davenport稱為是21世紀“最性感”的職業[3]。海量數據的激增及科學技術的發展對大數據人才能力素養的要求逐漸增高，越來越多的學者開始重視數據科學教育的發展。目前國內外對數據科學的教育還處于探索階段，相關研究主要分為3種。

(1)以現有的數據科學人才為研究對象，挖掘數據科學人才應具備的各項技能。一種方法是通過調查數據科學職員的用戶檔案，分析數據科學家之間的共性。Ecleo等[4]調查菲律賓從事數據科學工作的員工LinkedIn檔案，從他們的簡介中提取學歷背景、個人技能等信息，發現數據處理及可視化、編程、數學與統計相關的技能是數據科學家必須具備的能力。另一種方法是采用問卷調查、訪談或德爾菲研究的方式，對數據科學家反饋的信息進行分析。Chen等[5]對數據科學家開展德爾菲研究，旨在探討成為中國成功數據科學家所具備的技能清單。

(2)從職業需求出發，研究成為數據科學人才所具備的能力和素養。招聘廣告中一般包含了對人才的學歷、能力等要求以及對崗位的職業描述，已經有多項研究通過內容分析對數據科學家招聘廣告進行了分析。朝樂門等[6]廣泛搜集了包括8個國家在內的數據科學家的網絡招聘信息，對崗位要求和職責描述進行了聚類挖掘，總結出數據科學家的主要職責和能力要求，為人才培養提供指導建議。Gardiner[7]利用職業名稱中包含“大數據”的招聘廣告信息，建立大數據學科技能概念模型，該模型表示數據科學家需具備的技能是復雜多樣的，不僅包括傳統的開發技能，而且需要具備團隊合作、溝通技巧、領導力等軟技能。

(3)從現有開設的數據科學專業項目出發，總結數據科學專業的人才培養模式。從教育方法層面，Song等[8]調查美國15所提供數據科學教育的大學，提出應該在數據科學教育中采用多種方法，如教授CDO(首席數據官)學科、教學中融入八步數據分析生命周期、多部門協作、與行業或政府進行實踐合作、積極使用MOOC等。從課程設置層面，蘇日娜等[9]以15所iSchools高校作為調研對象，從課程目標、授課方式、課程制度等方面對圖書館與信息科學領域數據科學研究生項目的課程體系進行了探討。從能力素養層面，Curty等[10]調研美國機構提供的93個數據科學學位，總結出數據科學教育非常重視統計、數學和計算技能，包括高級編程和建模，其中許多能力是申請該學位的先決條件。

1.2 不同學科背景下的數據科學教育研究

由于數據科學是一門交叉性和應用性極強的學科，許多研究者立足本領域對數據科學專業教育進行了探索。在經濟與商業領域，張永亮等[11]對國內外5所代表性高校的大數據專業的設立、課程、培養特色等方面進行了分析，總結了經管類學院大數據專業建設的特點，對商科背景下數據科學人才培養提出了建議。在計算機科學領域，桂勁松等[12]遵循國際工程教育認證標準，對工科背景下數據科學與大數據技術專業的培養方案和培養模式進行解讀，深入探討該專業的建設思路。在數學與統計學領域，溫雅敏等[13]重新思考了大數據時代統計專業人才培養的定位，提出要培養具備數據分析和實踐能力的復合型人才的創新教學培養模式，并構建具有大數據分析特點的科學課程體系。圖書情報領域的數據科學教育研究也比較多，蘇芳荔[14]以美國圖書館協會發布的與數據相關的招聘信息為研究對象，通過對職位名稱、能力要求、崗位職責進行分析，明確數據科學人才的工作需求，為圖情領域數據科學專業的人才培養和課程設計提供幫助。

文獻調研發現，數據科學教育在信息管理、計算機科學與技術、數學與統計學等學科均有開設，現有研究都是縱向研究，即專注于某一特定學科，缺乏對不同學科數據科學教育的橫向對比。考慮到數據科學本科教育尚處于起步階段，多數知名大學只提供數據科學研究生教育[8]，而且主要途徑大多為碩士水平[15]，本研究以圖書情報、經濟與工商管理、計算機科學與技術、數學與統計學4個不同學科背景下開設的數據科學研究生項目為研究對象，分析比較他們在培養目標、課程設置與特色等方面的異同，找到圖書情報學科開設數據科學的優勢與不足，從而促進圖書情報背景下數據科學專業課程體系建設與人才培養。

本研究主要解決兩個問題：(1)圖書情報、經濟與工商管理、計算機科學與技術、數學與統計學背景下，數據科學相關專業開設的情況是怎樣的？(2)與其他3個領域相比，圖書情報學科的數據科學專業有哪些優勢與不足？

2 調查對象及研究方法

2.1 調查對象

本研究旨在通過橫向對比分析，發現圖書情報學科開設數據科學研究生教育的特色及不足，因此以2020年QS世界大學學科排名(QS World University Rankings by Subject)中圖書館與信息管理(Library&Information Management)專業排名前50的學校為調查對象，通過遍歷這50所學校的網站，收集圖書情報、經濟與工商管理、計算機科學與技術、數學與統計學四個學科所開設的數據科學相關研究生教育項目。同一學校上述4個學科有2個及以上開設了數據科學相關研究生教育項目的高校被納入本研究。

由于各大高校開設大數據專業的名稱不盡相同，為了統一數據收集的標準，本研究制定了3條標準：(1)研究生項目開設的目標是提取數據的價值，以幫助決策和解決現實問題；(2)側重于培養與數據挖掘、數據分析和數據建模相關的技能；(3)畢業生的職業前景包含數據管理員、數據科學家、數據分析師、數據工程師等。經篩選，最終19所學校的61個數據科學相關研究生教育項目被納入。通過逐個訪問各項目的官網，對上述61個研究生教育項目的項目描述、開設課程、課程描述等信息進行獲取。

2.2 研究方法

扎根理論是一種定性的社會學研究方法，這種研究方法的本質是從數據中系統地生成理論[16]。研究者在進行研究之前通常不進行理論假設，而是通過對收集到的資料進行拆解、編碼，在此基礎上尋找雜亂數據背后的核心概念，最后建立概念之間的聯系以達到對理論的認識。扎根理論研究方法的流程如圖1所示[17]。

圖1 扎根理論研究方法流程

扎根理論主要通過逐級編碼，對資料中的每一條信息進行分類、概況及說明，從而從原始資料中歸納出經驗或特征，產生新的概念或范疇。扎根理論編碼分為3個不同層次：(1)一級編碼又稱開放性編碼，通過將原始資料打散，并進行逐字逐句編碼，最后賦予標簽；(2)二級編碼又稱主軸式編碼，是對已經形成的一級編碼進行深度分析，比較、分類、綜合并重新排列，最終得到更上位的概念；(3)三級編碼又稱核心式編碼，是對二級編碼的進一步歸納、合并和總結，最終建立反應原始資料的初步理論。

本文使用扎根理論對專業描述、入學要求、課程名稱及描述、職業前景的信息分別進行人工編碼，將收集到的官網信息進行分解、標注、概念化和類屬化，最大限度描述原始信息。表1給出了對專業描述部分編碼的示例。

為盡可能地減少個人主觀性的影響，保證編碼的客觀性，本研究采用兩個編碼員同時進行編碼，并在編碼完成后對編碼結果進行了一致性檢驗。檢驗過程為：取兩名編碼人員的全部編碼結果，進行信度檢驗，計算公式如下：

經過計算，最終得到的信度值為0.83(>0.8)，證明兩名編碼人員出的編碼結果具有較高的一致性。最后根據編碼結果，對比不同學科背景下數據科學項目在培養目標、入學要求、課程體系、職業前景的異同。

表1 專業描述部分編碼結果

3 不同學科數據科學相關碩士專業設置情況

本節分為5部分。第一部分對4門學科包含項目的數量進行了統計，分析各學科開設數據科學相關碩士項目的現狀。第二部分對專業描述字段進行編碼分析，明確各學科數據科學碩士項目培養目標的異同。第三部分對入學要求字段進行編碼分析，理解各學科數據科學碩士項目對申請人學科背景要求的異同。第四部分對課程名稱及課程描述進行編碼，分析各學科數據科學碩士項目在課程設置上的異同。第五部分對項目提供的職業前景進行編碼，分析各學科數據科學碩士項目在畢業生就業方向上的異同。

3.1 項目分布

經統計，在QS 2020年圖書館與信息管理專業排名前50的高校中，圖書情報、經濟與工商管理、計算機科學與技術、數學與統計學四個學科背景下開設數據科學研究生項目的高校分別有16(32%)、16(32%)、15(30%)、14(28%)所，有18所高校未在這些學科中開設數據科學碩士項目，有3所高校在4個學科中均開設數據科學碩士項目(見表2)。

3.2 培養目標對比

通過扎根理論對61個數據科學相關碩士項目專業描述的信息進行編碼，按照學科領域統計編碼結果，表3列出排名前10位的編碼信息。

數據科學通常涵蓋計算機科學、信息科學、統計科學及其領域專業知識的融合，具有多學科交叉融合的特點。同時，數據科學是以實踐為導向的學科，專注于處理復雜的、非結構化的大型數據集，培養數據分析能力，能通過管理、分析和使用數據來解決實際問題。當然，不同的學科對于數據科學專業的學生有著不同的培養目標。

圖書情報領域的數據科學項目往往與信息科學或信息管理專業結合緊密。有些直接是在信息科學或信息管理專業下增設數據科學的研究方向，此類項目具有濃厚的“圖情”特色。主要體現在：(1)與信息科學相融合。威斯康星大學麥迪遜分校的情報學(數據分析或管理方向)碩士專業同時培養學生的信息管理技術和數據管理能力。(2)注重以人為本的教育。最具代表性的是多倫多大學的信息碩士(以人為中心的數據科學方向)，將以人為本貫穿教育始終。(3)強調數據的隱私和安全以及法律和道德影響。(4)關注對社會的價值和影響，圖情學科的數據科學項目既關注實際問題的解決方案，又能夠從解決方案的設計到實施中評估所創造的社會價值或造成的社會影響。

表2 4個學科背景下數據科學相關專業設置現狀

表3 培養目標編碼結果

經濟與工商管理的數據科學項目培養目標的特點是以商業實踐為導向，開設的數據科學專業往往將金融、信息系統和會計等商業領域的專業知識與數據科學技能(包括收集、管理、分析數據)緊密結合，學生能利用數據分析方法和工具來解決復雜的商業問題，并通過戰略規劃、決策和預測分析提升業務價值。例如，都柏林大學學院金融數據科學理學碩士項目將大數據技術引入金融服務行業，特色是對真實金融數據集利用數據科學和機器學習技術進行定量分析和優化，做出精準決策。除金融領域外，其他項目也將數據科學技術連接到經濟與工商管理學科的其他領域，如市場營銷、供應鏈與物流、人力資源管理等。

計算機科學與技術領域開設的數據科學項目更加注重計算機科學和統計學學科基礎。此類專業培養目標要求學生掌握計算機科學、數據科學及大數據技術的基本知識、理論和技能，同時注重實踐技能的培養，但并不局限于特定的領域。計算機科學與技術學科的數據科學項目實踐領域十分廣泛。例如，南加州大學計算機科學學院創建了數據科學計劃，重點關注如何將信息應用于解決學術界，行業和政府的現實問題，并在多個應用領域開設了數據科學碩士項目，如保健數據科學碩士、空間數據科學碩士、環境數據科學碩士、公共政策數據科學碩士等。這些碩士項目均致力于培養技術型數據科學家，學生將學習使用最新的大數據基礎架構——Hadoop和Spark，以及各種分析工具，包括機器學習、數據挖掘和數據可視化等，同時能夠結合數據管理和數據分析技能來應對現實世界的挑戰。

數學與統計學領域開設的數據科學項目主要開設在數學學院或統計學院(系)。此類專業的培養目標強調嚴格的統計思維，使學生能夠使用統計思維將有關復雜數據的模糊問題轉化為實用的分析結果。在提供計算機科學與統計學理論與知識的同時，注重培養學生的數據分析技能與計算能力，為政府和企事業單位培養從事大數據分析方面的高層次、復合型、應用型人才。例如，密歇根大學安娜堡分校的統計系開設了數據科學碩士專業，旨在培養學生能夠對相關數據集運用適當的統計和計算工具，設計和評估適合數據集的分析方法，解決現實中提出的問題。

綜上所述，大數據時代許多院校開設數據科學專業，但分屬學院與專業名稱不盡相同。部分學科依照自身優勢，開展大數據專業建設。涉及學科領域主要是圖書情報、經濟與工商管理、計算機科學與技術、數學與統計學。不同學科背景有著不同的培養目標與技能要求，這就要求在不同的學科領域要有不同的專業規劃，要體現領域特色。數據科學通常被視為計算機與信息科學、統計科學及其領域專業知識的融合，前兩者代表了數據科學的核心方法論以及主要的技術手段，而第三個則是該方法論所應用的實踐領域。計算機科學與技術、數學與統計學學科背景下的數據科學專業更側重于提高學生的數據處理與分析能力，實踐應用領域廣泛。經濟與工商管理學科背景下的數據科學專業側重于傳授解決商業問題的理論與技能，定向培養金融經濟領域的大數據人才。而圖書情報學科作為社會科學的一個分支，其使命是人或組織如何有效利用信息來推動社會、改變社會，因此開設的數據科學專業在傳授基礎知識和實踐技能的同時，更加注重培養學生的信息素養與批判性思維、人際交往溝通等技能，同時堅持“以人為本”的思想，關注問題的解決對人和社會造成的影響。

3.3 入學要求對比

通過扎根理論對61個數據科學相關碩士項目入學要求字段的信息進行編碼，按照學科領域對編碼結果進行統計，表4中列出了排名前5位的編碼信息。

數據科學碩士生的培養一般要求申請人具備一定的學科知識背景。由表4可以看出，圖書情報學科的數據科學碩士項目對于申請人的學術背景一般不做要求，但希望申請人具備一定的數學統計基礎及編程能力，同時部分學校還要求申請人具備溝通能力、寫作技巧等軟技能。經濟與工商管理學科的數據科學碩士項目希望申請人具有商業、工程學、計算機科學、經濟學等背景，并且具備較強的定量分析能力。計算機科學與技術學科和數學與統計學科的數據科學碩士項目均要求申請人具有定量學科(如數學、計算機科學、工程學或統計學)的學士學位，或需要掌握線性代數、微積分、概率和統計等數學統計的基礎知識，同時編程能力也是申請的一大優勢。

表4 入學要求編碼結果

表5 課程編碼框架

綜合看，不同學科背景的數據科學相關碩士專業對申請人提出相同要求：(1)申請人的學歷背景并不是硬性要求，但更歡迎計算機科學、工程學、數學、統計學背景的學生；(2)需要申請人具備一定的數學或統計學基礎知識；(3)需要具備一定的計算機知識，最好能夠使用高級編程語言進行編程。當然對不同學科也有細微的差別，如對于經濟與工商管理的數據科學項目，更傾向于招收具有商業或經濟學背景的學生。而對圖書情報領域的數據科學項目，也歡迎具有人文學科背景的學生申請，這也是由學科自身的特點決定的。

3.4 課程設置體系對比

利用扎根理論對19所學校的61個數據科學相關項目的所有課程名稱及課程描述進行編碼，編碼框架如表5所示；再按照二級編碼對課程分別進行分類統計，主要分為9個類別，如表6所示。

從整體看，數據科學相關碩士專業應用與實踐類課程與數據分析與建模類課程均較多，說明數據科學專業都重視技術與實踐。對經濟與工商管理學科來說，應用實踐類課程最多，且大部分為商業領域的實踐，其次是商業領域的基礎課程。計算機科學與技術和數學與統計學學科下的數據科學專業占據前兩位的課程類型均為本學科課程和應用與實踐類課程，且應用范圍涉及較廣，如醫學、生物信息、商業領域。相比前3個學科而言，圖書情報學科背景下的課程帶有較多信息學科的色彩，如數據科學倫理學、信息政策、電子出版的法律和社會方面等人文類課程以及工程心理學與人的行為、面向不同用戶的信息服務、以用戶為中心的信息系統開發等以用戶為中心的課程，充分體現了圖情學科以人為本的獨特優勢。

表6 數據科學碩士課程分類

不同學科領域的數據科學專業的課程體系之間具有一定的相似性，總體來說，主要包括幾類課程：(1)數學與統計學基礎課；(2)計算機基礎課；(3)數據分析類課程；(4)領域類課程；(5)應用與實踐類課程。有些高校采用聯合辦學的方法，從不同的角度共同構建數據科學專業的知識結構，這為復合型數據科學人才的培養提供基礎。例如，多倫多大學的計算機科學系與統計科學系實行聯合辦學，學生需要分別修來自兩個學院的專業課程。雖然在課程結構上，不同學科之間的數據科學相關專業基本相似，但課程內容有所區分。考慮到圖書情報學科的碩士專業招收的學生也有較多是來自人文學科背景的，計算機和數學基礎較薄弱，因此開設的必修課看重基礎。而經濟與工商管理學科的數據科學專業重點是將數據科學工具運用到商業實踐中，是以商業知識為基礎，數據編程及統計為手段，利用數據分析來優化商業決策創造更大的價值。而計算機科學與技術和數學與統計學學科的碩士專業招收學生一般是來自本學科背景的，基本具備了傳統計算機科學或統計學的理論知識，因此課程是在已有計算機科學或統計學基礎上的升華。與圖書情報學科相比較，其他學科的數據科學專業碩士的培養重點一般為技術能力的培養，對管理學方面的內容涉及甚少。

3.5 職業前景對比

通過扎根理論對61個數據科學相關碩士項目職業前景的信息進行編碼，按照學科領域對編碼結果進行統計，表7中列出了排名前十位的編碼信息。

從大數據巨大人才缺口及就業情況看，數據科學專業學生職業前景廣闊，主要就業領域為金融、電子商務、咨詢服務、互聯網、醫療健康、銀行等，主要有數據科學家、數據分析師、業務分析師等分析崗，軟件工程師、架構師等技術崗，以及管理顧問、資訊服務、戰略咨詢等咨詢崗。雖然職業道路廣泛且多樣，范圍界定也很模糊，但不同學科體現了自身的就業優勢。經濟與工商管理領域的畢業生更傾向于在商業經濟領域就業，如金融、營銷、財務、會計、運營或供應鏈領域。計算機科學與技術領域的畢業生就業方向比較廣泛，除了互聯網公司，政府部門、醫療健康行業、金融與經濟等領域也是許多人的選擇。部分數學與統計學領域的畢業生也可以利用自身的統計專業知識勝任統計專員的職務。相比其他三個學科來講，圖書情報領域的畢業生更加支持學生不同方向的就業，利用所學的管理學知識和以用戶為中心的理念，對于申請IT服務經理、業務系統經理等管理崗位以及用戶體驗設計師、可用性分析師、互動設計師等用戶需求分析崗位更加有優勢。

表7 職業前景編碼結果

4 圖書情報學科開設數據科學項目的特點

4.1 與圖書情報學科相融合

數據科學是一門融合計算機、數學、統計學等學科的綜合交叉科學。從申請人的相關學科背景來看，數據科學碩士項目更歡迎有計算機科學、數學或統計學背景或具備一定基礎知識的學生。與其他學科不同，圖書情報學科的數據科學項目也鼓勵具有人文背景的學生申請。從課程體系設置來看，不同學科的數據科學項目均設置了計算機、數學與統計學等基礎課與數據管理、數據分析等實踐課，但領域類課程大不相同，如圖書情報學科的元數據、信息組織、情報學基礎等。相比其他學科，圖書情報學科背景下的課程體系兼具圖書情報特色，計算機、數學與統計學課程偏重基礎，可能與部分生源為人文學科背景有關。從職業前景來看，不同學科背景的數據科學碩士項目沒有明確的職業界限，但對于一些管理類、信息服務類崗位，圖情學科的畢業生更加受歡迎。

4.2 以實踐為導向

從課程設置看，應用與實踐類課程和數據分析與建模類技術課程在課程體系中占比均較大，說明數據科學是實踐導向的應用型學科。計算機科學與技術和數學與統計學學科下的數據科學專業涉及的應用領域更加廣泛，同時結合就業領域融入特定學科的課程，如醫學、生物學、金融學等基礎課程。與其他學科相比，圖書情報學科的數據科學項目的實踐課程帶有濃厚的圖情特色，如知識媒體應用、信息處理與檢索專題、圖書情報學專題，也有比較少其他領域的應用，如文本檢索及其在生物醫學中的應用、機器學習與計量經濟學實踐。因此，面向實踐，善于理解用戶需求，著重培養學生解決現實生活中實際問題的能力、支持決策制定是圖情學科開展數據科學教育的重要導向。但與其他學科相比，圖情學科的數據科學項目應用與實踐類課程較少，涉及領域比較局限，主要集中在本學科領域，還需要增加實踐課程的比例，可以采用與其他學院聯合辦學的方式，提供更多領域的基礎知識和實踐項目，拓展學生知識的廣度，培養社會所需、滿足發展要求的復合型數據科學人才。

4.3 堅持“以人為本”的理念

隨著人工智能逐漸滲透到我們工作、生活的各個領域，人們對于人工智能中人的價值的關注越來越高。而關注信息和數據實踐中的人為因素一直是圖書情報學科研究的一部分，但對于數據科學教育來說還是一個比較新的話題[18]。從各學科數據科學碩士項目培養目標與課程體系設置的對比中可以發現，與其他學科更注重計算和統計教育相比，圖書情報學科中的數據科學碩士項目不單依賴技術與算法，而且更加注重培養學生的信息素養，以善于理解用戶需求，提高對數據、模型的解釋。同時將以用戶為中心的理念引入課堂，關注學生個人特質的塑造，培養學生的批判性思維、人際溝通的能力，并挖掘人在數據分析中的價值。

大數據技術帶來便利的同時，也帶來了一系列倫理問題，如信息安全、數據污染、隱私侵害[19]。面對這些問題，圖書情報學科的數據科學項目為學生提供了整個數據科學生命周期中與法律、政策和道德問題相關的挑戰、理論和解決方案的概述，如數據科學倫理學、信息隱私、信息政策及法規和法律。這也體現了圖情學科堅持“以人為本”的數據科學教育。

5 總結

隨著人才需求的不斷增長，數據科學專業也得到了迅速的發展。作為一個交叉性和應用性極強的學科，數據科學逐漸滲透到各個行業。國內外高校也紛紛在各大學院開設大數據與數據科學相關專業。本文收集了來自圖書情報、經濟與工商管理、計算機科學與技術、數學與統計學四大學科開設數據科學相關專業的有關信息后發現，為了將數據科學與本領域更好地融合，不同的學科背景有著不同的培養目標與培養方案。與其他3個學科相比較，圖書情報學科的數據科學專業更加具有人文特色，對于計算機與數學基礎要求不高，除開設數據分析、機器學習等數據科學基礎課程之外，也開設了一些圖情類、管理學課程。同時圖情學科的數據科學專業更加注重以人為本，培養學生理解大數據的人文價值和社會價值。但是應用與實踐類課程開設較少，提供更多的領域實踐類課程、提升學生的技術水平、培養學生應用能力是今后圖情學科數據科學相關專業的努力方向之一。