从IT时代进入DT时代，高校在大数据方向上设置了哪些专业，具体学什么，就业怎么样，作为新兴专业，考生如何报考?

  人才培养目标：以大数据为核心研究对象，利用大数据的方法解决具体行业应用问题。

  第二批(32所)：中国人民大学、复旦大学、北京邮电大学、华东师范大学、电子科技大学、北京信息科技大学、中北大学、长春理工大学、上海工程技术大学、上海纽约大学、浙江财经大学、广西科技大学、昆明理工大学、云南师范大学、云南财经大学、重庆理工大学、晋中学院、福建工程学院、黄河科技学院、湖北经济学院、佛山科学技术学院、广东白云学院、北京师范大学-香港浸会大学联合国际学院、成都东软学院、电子科技大学成都学院、贵州大学、贵州师范大学、安顺学院、贵州商学院、贵州理工学院、宁夏理工学、宿州学院。

  属于交叉学科：以统计学、数学、计算机为三大支撑性学科;生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。此外还需学习数据采集、分析、处理软件，学习数学建模软件及计算机编程语言等，知识结构是二专多能复合的跨界人才(有专业相关知识、有数据思维)。

  基础课程(38学分)：数学分析、高等代数、普通物理数学与信息科学概论、数据结构、数据科学导论、程序设计导论、程序设计实践。

  必修课(37学分)：离散数学、概率与统计、算法分析与设计、数据计算智能、数据库系统概论、计算机系统基础、并行体系结构与编程、非结构化大数据分析。

  选修课：数据科学算法导论、数据科学专题、数据科学实践、互联网实用开发技术、抽样技术、统计学习、回归分析、随机过程。

  根据领英发布的《2016年中国互联网最热职位人才报告》显示，研发工程师、产品经理、人力资源、市场营销、运营和数据分析是中国护理万网行业需求最旺盛的职位。

  目前国内有30万数据人才，预计2018年，大数据人才需求将有大幅度增长，高品质人才如大数据科学家的缺口在14万至19万之间;懂得利用大数据做决策的分析师和经理缺口达到150万，数据分析师现在需求就很旺盛了，2年工作经验的月薪可达到8K，硕士学历的数据分析师月薪可达到12K，5年工作经验的可达到40万至60万元。

  重视数据的机构已经慢慢的变多，上到国防部，下到互联网勇于探索商业模式的公司、金融机构一定要通过大数据项目来做创新驱动，需要数据分析或处理岗位也很多;常见的食品制造、零售电商、医疗制造、交通检测等也需要数据分析与处理，如优化库存，减少相关成本，预测需求等。人才主要分成三大类：大数据系统研发类、大数据应用开发类、大数据分析类，热门岗位有：

  不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业技术人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。

  作为一名数据分析师，至少需要熟练SPSS、STATISTIC、Eviews、SAS、大数据魔镜等数据分析软件中的一门，至少能用Acess等进行数据库开发，至少掌握一门数学软件如matalab、mathmatics进行新模型的构建，至少掌握一门编程语言。总之，一个优秀的数据分析师，应该业务、管理、分析、工具、设计都不落下。

  做数据挖掘要从海量数据中发现规律，这就需要一定的数学知识，最基本的比如线性代数、高等代数、凸优化、概率论等。经常会用到的语言包括Python、Java、C或者C++，我自己用Python或者Java比较多。有时用MapReduce写程序，再用Hadoop或者Hyp来处理数据，如果用Python的话会和Spark相结合。

  随着大数据在人们工作及日常生活中的应用，大数据可视化也改变着人类的对信息的阅读和理解方式。从百度迁徙到谷歌流感趋势，再到阿里云推出县域经济可视化产品，大数据技术和大数据可视化都是幕后的英雄。

  大数据可视化工程师岗位工作职责:1、 依照产品业务功能，设计符合需求的可视化方案。2、 依据可视化场景不同及性能要求，选择正真适合的可视化技术。3、 依据方案和技术选型制作可视化样例。4、 配合视觉设计人员完善可视化样例。5、 配合前端研发人员将样例组件化。

  中国人民大学与人大、北大、中科院大学、中财、首经贸五校联合培养数据分析硕士第一届毕业生就业情况：

  当下企业用人现象：一个专业集群对应一个行业热点。大数据是交叉学科，走的是“复合型”培养路线，行业内从事相关职能的人专业背景各异。大数据作为人才教育培训方向在探索中，如果直接从各专业人才中遴选学苗开展硕士研究生阶段的教育会更适合一些，直接开设本科阶段的教育还相对不够成熟。

  人才培养与行业发展存在差距。由于教学大纲更新不会太及时，大数据人才7年毕业(本科四年、硕士研究生三年)后，所学恐怕落后于行业发展。

  大数据人才的典型胜任特征：善于做需求分析、写代码;善于与人沟通，喜欢探索未知;应该要依据数据推演、分析、提出解决方案，有数据思维;需要持续保持学习状态;内性格上能动能静。

  不同办学层次的院校开设此专业，培养模式会有差异。例如，高职类院校学生由于数学基础相对薄弱，会跟多偏向于工具的使用，如数据清洗、数据存储以及数据可视化等相关工具的使用;本科院校会倾向于大数据相关基础知识全方面覆盖性教学，在研究生段则会专攻某一技术领域，比如数据挖掘、数据分析、商业智能、人工智能等。

  注意规避如上缺点，制定、执行相应的解决方案。例如：报考前评估从目标院校毕业后能否在大数据行业中找到理想的职位，各高校一般会根据服务地区经济发展需求开设专业，前几届毕业生一般都有对口的就业机会;根据未来职业规划初步定为初始职位，在大学期间通过选修、培训等方式精修相关学科，夯实基础;对开设院校开设专业的实力做评估，有些看似平凡的院校和大数据行业企业联合办学，实力不可以小看，例如贵州理工学院与阿里云合建的“贵州理工学院阿里巴巴大数据学院”，计划在5年内为贵州省培养1万名大数据专业方面技术人才，黄河科技学是与中科院、云和数据以及中国科普开等知名大数据相关研究机构及公司开展交流合作，在学校建立联合实验室、在企业设立学生实训基地，实现更好地培养人才;考生也可从有关专业(如应用统计学专业)跨考此专业的研究生，可实现快速切入，但还应注意关注行业发展最新状况并着重弥补能力差距。

  大数据类专业有很多，不同院校开设情况不同，应注意比较择选，例如：清华大学数据科学研究院开设大数据专业，2014年开始招生; 北大、人大等五校大数据分析硕士培养协同创新平台开设大数据分析专业，2014年开始招生; 复旦大学计算机科学技术学院开设数据交通专业，2015年开始招生; 北航交通科学与工程学院开设计量经济学大数据分析方向，2014年开始招生; 上海财经大学经济学院开设计量经济学大数据分析方向，2014年开始招生;