01近年来，我国在大数据人才培养方面有了哪些进展？发展到了什么样的阶段？和国外相比有哪些优势和差距？
   自2016年起，我国就大数据人才培养方面，开始全面发力。2016年2月，教育部公布新增“数据科学与大数据技术”本科专业，二批次共35所院校获批。截止2018年3月，283所院校获批。不同院校分别对该专业的学生授予工学或理学学位。除此之外，2018年3月，教育部又增设了“大数据管理与应用”本科专业，授予管理学学位。国家所做的这些工作，都基于一个非常重要的事实：人才的紧缺是大数据发展的瓶颈，因此人才的培养便成为大数据产业生存和发展的重要支撑。
   各大高校已经开始全方位布局来培养大数据人才。例如北京大学目前已建立了本科、硕士和博士三个层次的完整的数据科学培养体系。大部分课程采用理论和实践相结合的教学模式。比如，开设数据科学导引这门专业必修课、让学生在实验平台上进行实操。另外还有很多高校也都出台各种方案，大力培养大数据方面的人才。但现在的人才培养工作整体上仍处于探索性的阶段，需要各大高校发挥联动性和合作性来推进整个学科的发展。
   当前，国内已经从本科层面就开始加大对大数据人才培养的投入力度，而国外更多的是开设硕士培养项目，在培养的广度上我们就占了较大的优势。然而，我们的大数据人才培养项目和产业结合的紧密程度，还没有美国等发达国家成熟。这一方面
由于现在的培养体系还处于探索阶段，另一方面由于我们国家现实存在的问题比国外更具有挑战性，更具有自己的特色。产学研的协同创新，是大数据学科建设和人才培养的重要推动力。
   对于大数据人才的定位，我们认为主要包括几个方面：一是理论性的，主要是对算法和模型理解和运用的能力；二是实践性的，主要是处理实际数据的能力；三是应用性的，主要是利用大数据的方法解决具体行业实际问题的能力；并且这些人才要具有数学、统计学和计算机科学等多学科交叉能力。
   “数据科学课程的开设，需要采用理论和实践相结合的新模式，要就像物理、化学和生物课一样提供相应的实验平台。数据科学中的实验平台应该提供实际问题、实际数据和基本的处理工具。”数据科学许多课程的开设都需要和实际问题紧密的结合起来，如果说没有问题、数据、实验环境，让学生亲自动手处理数据和分析数据，只是老师在课上讲讲算法和技术，那么这些课程很难真正开设得有特色。
   02未来大数据人才的培养有哪些见解和期望？
   对于高校大数据人才培养，有两方面比较重要。一方面，领头羊的学校要有义务和责任把自己优势的教学资源共享出来，共同打造数据科学教学资源共享的平台，从而促进数据科学学科的良性发展。也就是说，需要有一些学校发挥它们的联动性和合作性，联合起来为其他学校做示范。比如，大数据教育联盟就是这样的平台，它是北京大数据研究院与北大元培学院联合国内众多高等院校、科研机构和企事业单位组建的，旨在推进高校间合作，实现高校间资源共享、推广数据理论研究与成果、服务国家建设、促进大数据产业的发展。
   另一方面，需要把有数据的政府部门和企业联合起来，以问题和数据驱动来完成教学和培养。在很多时候，教师讲课时使用的案例数据，大多都是已经清洗过非常干净的数据，但在实际分析中数据清洗是最费时的一个部分。将数据处理成怎样的形式，适用于怎样的问题，有数据的企业才是最清楚的。没企业的真实数据，数据清洗这样课程的开展就会比较困难。举个例子，北大和旷视科技联合面向本科生开设的深度学习课程。整个过程中都是围绕实际问题、实际数据来学习。在传统的高校和企业合作的实践课中，都是以就业为导向进行教学，但在数据科学中这种合作模式应融合到教学设计、案例设计和课程设计的全过程中。
   总的来说，大数据产业的发展需要大数据人才的支撑，而大数据人才的培养需要产学合作共同来完成，最终培养出政府和企业需要的人才。