今天我們就聊聊資料科學與大資料技術專業，

2016年，北京大學、對外經濟貿易大學和中南大學3所高校首批獲批開設這個專業，2017年32所學校開設，2018、19年成倍數、井噴式增長，開設的學校水平當然也是參差不齊，最後我會給大家去分析哪些學校值得多去關注。

簡單的說，這個專業是以大資料為核心研究物件，以數學、統計學、計算機相關知識為支撐，進行大資料的發現、採集、處理、運算、分析、應用。這個專業可以說是不折不扣的交叉性學科，當然落腳點一定是利用大資料的技術來解決具體行業應用問題。

他是個新工科專業，可以說是這個專業行業的發展，是國家戰略，順應時代發展需求的。所以多個角度來說，我們是需要大量人才儲備的。而且我們利用大資料，能夠判分析出，那些即便是憑著經驗也未必能夠洞悉的商機和未來的發展，所以這個領域的知識，非常的重要。但是，大家也要了解一個情況是，開設的時間畢竟短，每個大學也在摸索中前進，會有不斷的調整和突破，當然培養方向也會結合各自的特色進行培養，不過他的本質專業知識結構還是來自，數學、統計學和計算機相關內容的。

主幹課程：（以對外經濟貿易大學為例）

數學：數學分析一、數學分析二、高等代數、離散數學。

統計學：機率論與數理統計、多元統計分析、隨機過程。

計算機：資料結構、計算機組成原理、資料庫系統原理、C++程式設計、Java程式設計、Python與大資料分析、科學計算與Matlab應用、R語言等。

大資料分析：資料科學導論、機器學習與資料探勘、資訊檢索與資料處理、自然語言處理、智慧計算、推薦系統原理、大資料分析技術基礎、資料視覺化、大資料儲存與管理、大資料分析實踐等課程。

可能大家看過這樣的文字描述大資料，資料量巨大，無法用單臺計算機來進行處理。簡單的給大家說一下資料的儲存單位，

資料儲存單位：

B，KB，MB，GB，TB，PB，EB，.....

1024 B=1KB

1024KB=1MB

1024MB=1GB

1024GB=1TB

1024TB=1PB

比如你發了十幾個字的資訊，那他的大小可能是幾十b的大小。

比如電子錶，有的大小就是kb計算，比如這個是60.5kb，當然上百kb也很正常

一kb相當於1024個英文字母，一個漢字佔2個英文字母的空間，所以1kb，大概是512個漢字，1Mb =1024倍的KB換算成漢字，大概相當於52萬個漢字，比如人民文學出版的《西遊記》是86萬字，那存成文字的形式是1mb多吧。

那接下來1024MB=1GB

1024GB=1TB

1tB 大儲存才會用的到，比如現在的很多大儲存的硬碟，會出現TB的形式

2015年的時候淘寶統計了一下，每天能產生7tb左右的資料

1024TB=1PB

這PB有多大呢？比如大家都上百度上搜東西， 百度一天可能要處理1.5pb的資訊量，所以這個體量是巨大的。可以說現在每分每秒都在產生資料，我發了影片，你發了文字，所以儲存和處理、應用都有很大的壓力，一臺電腦是沒辦法完成的。

大資料的本質是什麼？

1、 全樣而非抽樣。

抽樣調查大家聽過麼，以前很少聽到普及性調查，以前成本、各方面條件技術，不可能抓取所有資訊。

而現在是全樣，而非抽樣，透過發達的資料統計分析技術，去統計分析所有我們想要的資訊，以提高資料的正確性。而且要多少空間我們有多少空間，過去是不行的。

2、 效率遠遠高於精確。

很多服務系統是秒級決策，這種決策系統他的速度必須要要快。比如我上百度搜索，北京大學怎麼樣，可能會搜出成千上萬條答案，但是哪個是最有效的資訊，得需要自己去判斷了，但是他的效率很高，只要點搜尋，答案就出來了。

3、相關性而非因果性

一個超市，啤酒賣得好的時候嬰兒的紙尿褲賣的好，孩子尿褲賣的不好的時候啤酒也不好，這個的因果性是什麼，可能超市不會去分析，他會更多分析相關性，分析出相關性的物品，到時候記得補貨就行。

大資料產業的不同板塊

資料獲取--資料管理--資料應用，

資料獲取是最基層，大資料的支撐系統，我們先得有資料，再去分析資料啊。

獲取後我們幹嘛呢？比如我們收集了很多今天的天氣資訊，我們要做的就是預測明天、未來一個星期的、甚至更久的，之後看看對農作物種植、對航空系統會有什麼樣的影響等等。

獲取後我們要對資訊進行管理，因為有的是圖片、文字、影片、音訊、位置資訊。這麼大量的資訊，單臺電腦是沒辦法完成的。這裡要涉及一個大資料的核心概念分散式儲存，整體要把網路裡的儲存裝置都調動起來，同時叢集化處理。一個大資料的服務中心，每天的耗電量非常的驚人，運算這些資料是需要幾千臺、幾百臺裝置都參其中的。

其實很多學校成立了雲計算的實驗室，實際上和大資料高度相關。雲計算最普及的領域就是語音識別，比如小愛同學，可以識別和判斷你的意思，播放音樂，搜尋等等。

但是你有沒有發現如果不連線網際網路，語音準確率不是特別高，連上網，準確率會大大提高，其他不是在你的手機或者音響裡直接運算，他是把你說的話傳到雲端，遠端的其他的伺服器，他透過多個伺服器，進行整合，然後進行相應的迴應。當然需要的資料量非常大，之前微軟研究院公佈報告，說語音識別的誤差率5%點幾，人與人之間的對話識別率也就這樣，也會漏聽。所以很多使用者和公司都不建立自己的機房，而是直接去購買百度雲、阿里雲的服務，這個就是雲計算和大資料的結合。

大資料的雲端到底在哪裡呢？

資料中心建設在氣溫低、自然災害少、供電量充足的地方。在運算大資料的過程中，非常耗電，而且50%以上的電力在給機器降溫，溫度低的地方，減少電力消耗。

第二不能有自然災害，泥石流，地震 海嘯，一旦出現，辛苦存的資料就毀於一旦了。第三電力要足夠豐富，你運算到一半，電斷了也不行。全國最出名的是，貴州大資料中心。

這個應用呢，其實使用大資料進行營銷的行業非常早的，可以說電商行業，大資料的應用，讓電商根據消費者的購買習慣，提前生產資料物資。後來發現，原來大資料還能夠提前預測流行趨勢、消費趨勢等等；

再包括各位觀看了我的影片之後，系統就會記住瞭解需要的什麼樣的內容，給你進行一些相關影片的推薦，也許一會你還會看到其他老師的一些相關內容

在比如大資料應用於市政交通，就能有效解決解決堵車問題，知道幾點幾分什麼地方會出現交通擁堵、交通事故，提前把資訊發給可能會走這條路的車主，提前避免堵車。

比如醫療行業，你到醫院的化驗、醫學影像、儲存用藥醫療資訊，這些資訊通通在醫院裡數字化，可以進行資料分析。而且藉助大資料平臺能夠收集到不同病例以及治療方案，之後我們就能建立出更有針對性的疾病資料庫，可以說人類的醫療水平，在大資料的推動下爆發式增長。

金融，高頻交易，操盤手，買賣各種股票

現在是利用計算機來進行處理，每秒鐘幾千只股票在變動，人再多也照顧不到幾百條資訊，只有機器能得到。波動規律的觀察，會發現機會稍縱即逝，只有計算機才能夠進行及時操作，只有大資料才能夠捕捉到這種商機。

無人駕駛，基於海量資料實時的高校分析，甚至是0.幾秒的秒及決策，他會在汽車周圍安裝非常多感測器，感測器的目的就是蒐集大資料，如果沒有這些資料支撐，就談不上自動駕駛。

真心可以說從政府到醫療行業到生活的方方面面都離不開大資料的支撐，所以你說有沒有需求和前途呢，我覺得答案是肯定的。

就業問題：

可以說畢業生能在網際網路企業、金融機構、科研院所、高等院校以及各個行業等從事大資料分析、挖掘、處理、服務、應用和研究工作

工作崗位：

大資料架構師（偏技術，熟悉底層架構的，開發平臺，資料建模，核心框架開發，程式設計程式碼是基礎，又不僅僅於此，對計算機、數學，尤其是資料的知識要求高。

大資料演算法工程師（篇技術，開發演算法的，演算法的原型，驗證，而且還要帶團隊，最終不是一個人能完成的。

大資料運營維護工程師：運營和維護 要求低一些，保證我們建立的資料平臺，能夠高效執行，能夠監控其中的問題，排故障，瞭解資料的基本知識多一些就行，沒有要求那麼深入。門開較低。

資料分析師/挖掘師（偏業務，需要調研需求，我要應用領域的挖掘的物件、分析資料的目標，包括溝通相應的客戶，要求有比較強的與人溝通的能力，協調能力

性格不同做不同的工作崗位，偏技術呢就是接觸技術更多，人少，偏業務就是接觸人偏多

大資料科學家，高學歷，碩士以上，或者，很多年的工作經驗，知名的學術會議有重要的成果。其實中國的人工智慧領域發展非常的迅速，但是人才儲備非常少，而且缺口很大，但是我們更多的是需要碩士、博士這樣高學歷人才。

這個領域待遇1.2線城市，3年以上，肯定是1萬以上 5年達到2-4萬之間 能力強會越來越高，頂級的會更高。

總體來說：

可以說應用領域，就業面是很廣泛的，薪資待遇也不錯。

但是經常接觸電腦，工作辛苦，加班常態化，入門容易，精通難。而且說實話這個領域雲集了中國非常聰明的一群學生，而且學習數學、通訊工程，計算機的人都可以過來競爭。

還有就是如果你沒有學習到這個專業，那你本科可以去學習統計學、計算機科學與技術、數學這樣的專業，然後研究生選擇大資料方向的研究，也是可以的。

學校的推薦，

第一批開設的北京大學、對外經濟貿易大學和中南大學不用多說肯定不錯。

再有就是你發現，這個學校的計算機、統計學是很不錯的，這個學校也的大資料也不會太差。

還有要注意的是，很多高校是按大類招生，比如北京郵電大學、貴州大學就是按計算機大類招生。這個專業和計算機是密不可分的，計算機不錯的學校大資料也不會差。所以你可以參照計算機類專業的排名去選擇院校。

那還有哪些值得我們關注呢，比如浙江財經大學、重慶理工大學、昆明理工大學、長春理工大學、廣西科技大學等

最後提醒一下：

學習的同學，要對計算機領域的興趣，要對數學感興趣，英語的水平要不錯，對數字要敏感。身體要健康，加班，心太要穩，沉下來學很多新知識，不斷學習，30-40都要學 不然你就落後。男生興趣比價大，女生是否適合得從你本身的能力出發。有上進心 積極主動是比較重要的。

首先，大學本科建立資料科學和大資料專業要慎重，不易太熱。

總體而言，感覺大學設定本科教育的 “資料科學與大資料” 專業是不合理的，重複過去幾十年來中國教育界一直存在的趕 “熱點” 老問題。外語熱、經貿熱、金融熱、計算機熱、石油熱、地信遙感熱 …

一般說來，資料科學是針對理、工、農、生物（醫、藥）、經濟等本科專業的“優秀畢業生” 而設定的研究生、博士生專業。而這些本科畢業生入資料科學研究生博士生的條件是：大學期間的數學、計算機、英語課程要與其專業一樣好，甚至更好 …

本科直接培育出來的資料科學畢業生一般會缺乏相應行業知識和實踐，工作中非常挑戰。大多數情況，也是無法精確理解和進行可靠的行業資料建模、處理、解釋、決策 …

如果過度培育資料科學本科畢業生，將無法幫助他們就業，也將造成資源和人才浪費。

道理非常簡單。

在數字化技術轉型和第四次工業革命時期，業界對資料分析技能要求可以說無處不在，這無疑要求工程師、經濟師等等都掌握資料分析技能。

一個例子作為參考。當研究一些經濟學家演講文章時你就會常常詫異，他們的成果怎麼這麼不靠譜、不可信呢？許多時候他們會解釋說，資料不全或者無法得到需要的資料。實際上，這是問題的一部分，不是全部。在經濟學研究中，宏觀經濟學和微觀經濟學使用的資料分析方法是不一樣的。換言之，即使不能訪問所有微觀經濟資料（實際上是不可能、也不必要），並不完全影響對宏觀經濟的分析判斷。但前提條件是要對政治經濟學、地緣政治經濟環境以及資料科學的深刻理解且使用方法恰當。

相反，國民經濟各行業和企業對 “專責” 資料分析師的需求可能並不是人們想象中那麼多、那麼火。因為，一旦行業和工藝過程中相應的資料 “建模” 成功完成後，資料分析流程中許多具體工作逐步將由IoT （物聯網）和AI（人工智慧）自動完成，包括資料採集、入庫、處理、分析、視覺化、決策。比如，目前常用的企業BI視覺化工具 “商業智慧儀表板” (geospatial business intelligence dashboards) 就是一例。因此，依靠計算機應用程式、以人工互動操作為特徵的傳統資料分析技術將逐漸減少 …

首先，說明大資料科學與技術屬於交叉學科，劃分在計算機類專業裡；

其次，該專業方向肯定很好，社會需求量也大，報考熱度也高；

但是，作為交叉學科，學的內容就多，繼續升學肯定是必須的；

然後，看一下開設這個專業的學校，把它下設在哪個學院，如果是數學學院下面，就更重視數學基礎，如果設在計算機院下面，就偏向於程式設計和資料結構方向；

最後選擇的時候，選擇數學和計算機類專業比較好的學校。

“我們正處於大資料時代”，時代發展的今天，資料與我們日常生活緊密聯絡，它將人與人，人與世界連線起來，構成一張繁密的網路，每個人都在影響世界，又在被他人影響著。

而專業的開設一定與時代分不開，比如空間網路安全、人工智慧和咱們現在說的大資料等專業的新開，或是一些高校撤銷的專業，社會工作、編輯出版學等。

此專業是2015年教育部公佈的新增專業，被譽為“21世紀的新石油”，是國家戰略性資產，是21 世紀的“鑽石礦”。麥肯錫全球研究所把大資料看作“下一個創新，競爭和生產力前沿”。2013年被稱為大資料元年。短短几年，大資料已滲透到社會方方面面。

2016年3月公佈的《高校本科專業備案和審批結果》中，北京大學、對外經濟貿易大學和中南大學3所高校首批獲批開設“資料科學與大資料技術”專業。

2017年，32所高校獲批“資料科學與大資料技術”專業。

該專業學制為四年，大部分為工學裡面的計算機類。

考研方向：

大資料系統研發類、大資料應用開發類和大資料分析類、軟體工程、計算機科學與技術、應用統計學

主要課程：

數學分析、高等代數、普通物理數學與資訊科學概論、資料結構、資料科學導論、程式設計導論、程式設計實踐、離散數學、機率與統計、演算法分析與設計、資料計算智慧、資料庫系統概論、計算機系統基礎、並行體系結構與程式設計、非結構化大資料分析等。

就業方向：

本專業就業前景廣闊，畢業生能夠在計算機和網際網路領域以及大資料相關產業從事資料科學研究、大資料相關工程應用開發、技術管理與諮詢等工作。該專業適合升學考研。

很多東西因人而異，因環境而異，大資料專業這幾年比較火，很多理科（尤其是數學和物理）強的男孩子都會瞄準這個專業，我們都知道，專業無好壞，也沒有什麼專業是容易的，想要成為一個行業的佼佼者，任何專業都是不容易的。

“有志者事竟成，破釜沉舟，百二秦關終屬楚；苦心人天不負，臥薪嚐膽，三千越甲可吞吳”。

存在一定問題，資料的真偽，數學模型的正確與否，人為因素直接影響資料分析結果！大資料統計分析需要六確定，資料來源確定，統計分析方法確定，資料分析密閉與確定，資料不間斷分析密閉與確定，資料檢測與監測系統確定，資料報表系統確定，且無人為調整！

不知道聽說過“孤陰不生，孤陽不長。”沒有？沒有指望有多少人探究過其中的海量資訊所導引道理（既共同生道，道生共同。）所指的無法用語言表達或者文字表達出來的那種意思與意味著的什麼才是真正推動“生運動的東西”卻至少要知道“孤”與“獨”是絕路的最淺顯的意思應該從聽說“孤陰不生，孤陽不長。“的讀書識事的過程中的探究書中涉及的事應該有那種最淺顯的共同的感覺而就不會固執於“獨尊“了會知道“獨“不僅不成事也不會助事生長只能玩弄過去的存在並導致其逐漸枯萎……（看看歷史事實）。再比較一下提問:”數字科學”？孤獨的”數字”而科學只是用來裝點門面的會有使用途徑嗎？沒有！”數字技術”在使用是數字在推動技術還是技術使用了數字？必須清楚數字與技術的主導與從屬關係的互推或許才會明白從何處著手推動才不至於犯南轅北轍的錯誤！”孤陰不生，孤陽不長。”是普遍的自然法則……內蘊共同原理！

這個領域是比較有發展前途的，但是入門容易，進階難。

首先，資料分析可以幫助我們更簡單的解決問題。

通常來講，我們認識事物的真相，是通過了解背後的規律。這裡我舉例說明一下，這個例子脫離現實， 但是易於理解。

假設我們開餐館但是不知道顧客什麼時候會來，以便提前作出準備。

A思路：我們對人的生理特徵進行研究，瞭解人的飢餓感和血糖有關，因此我們研究普通人一次進食的量大概是多少，血糖值在進食後會是怎樣的一個變化規律，進而得到一個結論，那就是我們早餐之後大約4個小時左右就會有飢餓感。因此，我們就知道了，按照8點吃早餐的規律，我們應該為12點的就餐高峰提前準備。

B思路：我們不進行任何研究和干預，順其自然，只記錄顧客前來就餐的時間和數量。如此一段時間之後，我們透過資料分析發現，12點左右前來就餐的顧客最多。所以，我們知道了應該為12點的就餐高峰提前準備。

我們可以看到，資料分析也是解決問題的一個途徑，當研究手段受到限制，我們無法由因及果的時候，不妨由果索因。

資料分析與專業知識結合才能發揮強大威力

我的看法，資料分析入門不難，在本科階段，在現有專業課的基礎上擴充資料分析的選修課，就能夠實現入門。我認為本科階段到此就可以了，不適合將資料分析作為本科階段的學習方向。

因為，資料分析說到底是一種分析工具，要解決實際問題的話，還需要與專業知識相結合。另外，如果缺乏專業知識的基礎，資料分析也容易跑偏，得出一些荒謬的結論。

本科階段還是應該打好專業知識的基礎，在研究生階段結合專業知識配合資料分析這個工具，才更有發展前途。

我們的生活無時無刻不在產生新的資料，如打電話、購物、吃飯行為都能夠透過資料分析，產生經濟價值。

不管你是否認同，大資料時代已經來臨，這也催生了相關專業設立。據教育部統計，2018年全國有250所高校新增資料科學與大資料技術專業。

專業解讀

資料科學與大資料技術屬於工學門類下的計算機類專業。

專業解讀依據的是教育部最新頒佈的《普通高等學校本科專業類教學質量國家標準》。

招生錄取狀況

下圖中彙總了安徽、北京、福建三省該專業2018年招生計劃及2017年錄取百分位，其中2017錄取百分位空缺代表2017年某類學校在該省份未招生。

大資料藍海已經到來，但中國大資料發展仍存在技術創新滯後、大資料發展行業應用不夠深入、大資料人才嚴重不足等問題。有志於此的朋友儘可以一試。

不過，講良心話，並不是任何高校的該專業都值得一讀，那些沒有一定的計算機或統計學相關學科基礎，追風高潮一哄而上的高校還是儘量規避為妙。

全國首批獲得教育部批准的具有招生資格的大學為:

對外經濟貿易大學

中南大學

北京大學

資料科學與大資料技術專業屬於工科專業，授予工學學士學位！

該專業需要堅實的數學基礎和紮實的物理學基礎。

培養德才兼備，具有國際視野與大資料思維的複合型高階工程技術人才。

本專業以計算機科學、統計分析，“網際網路+”、大資料技術在各領域的深度應用，具有跨文化交流和跨領域研究能力的複合型高階工程技術人才。

主要學習課程:

微觀經濟學，計量經濟學，計算機語言，國際金融，搜尋引擎技術，自然語言處理，資料視覺化，機器語言，模糊識別，大資料技術平臺等。

我們處在一個什麼樣的時代？

每個時代的人都認為，自己正處於一個偉大的時代。

第一次工業革命是機械化，第二次電氣化，第三次資訊化，第四次智慧化。這次的工業革命從規模，從對每個人的生活、對整個社會的影響的廣泛性和深度，都要遠遠大於前幾次。因為這次智慧革命的核心是透過感知來獲取知識。這是指知識的革命，透過知識來達到我們所要達到的目的。

在技術上來講，核心技術是透過資料來觀察世界，透過資料來獲取知識。

今天，我們已經進入了人工智慧和數字化的時代。

隨著人工智慧技術的應用於發展，以移動網際網路、雲計算、大資料、人工智慧、物聯網、區塊鏈等為代表的新一代數字化技術正顛覆著人類的生產和生活方式，“數字中國”的提出，為我們指明瞭方向，如數字政府、數字經濟、數字生活等。數字化時代，需要大量的數字化人才，資料科學與大資料技術專業就是在這種背景下開設的。

要說近兩年什麼專業最火，那當然是資料科學與大資料技術專業。的確，連續兩年高校新增本科專業數量第一。

一、高校開設資料科學與大資料技術專業情況

2016年：北京大學、對外貿易大學、中南大學3所高校首批開設此專業。其中，北京大學所設學科為理學，對外貿易大學、中南大學所設學科為工學，就此拉開了開設資料科學與大資料技術專業的序幕。

2017年：寧夏理工學院、雲南財經大學、雲南師範大學等32所高校開設此專業。其中，雲南財經大學、浙江財經大學、復旦大學3所高校所設學科為為理學，其他29所高校所設學科為工科。

2018年：北京化工大學、中國傳媒大學、同濟大學、上海財經大學等248所（工學190所，理學60所）高校開設此專業。其中，上海財經大學、廈門大學同時開設工學、理學兩門學科。

2019年：北京林業大學、東北大學、山東大學等196所（工學142所，理學54所）高校開設此專業。

其中，華中師範大學、山西大學、福建江夏學院、棗莊學院、中原工學院資訊商務學院、湖南財政經濟學院、三亞學院7所2019年由理學改為工學。

另外，上海財經大學、廈門大學2018年，同時開設工學、理學兩門學科；華人民大學2017年開設工學，2018年又開設理學學科；電子科技大學2017年開設了工科，2019年又開設了理科。即同時開始工學、理學學科的高校有：華人民大學、上海財經大學、廈門大學、電子科技大學。所以，2016到2019年四批開設高校共計477所（工學363，理學118共計481個）。由於篇幅原因不能提供所開高校詳細名單。

二、資料科學與大資料技術專業的基本情況介紹

資料科學與大資料技術專業，旨在培養具有大資料思維、運用大資料思維及分析應用技術的高層次大資料人才。掌握計算機理論和大資料處理技術，從大資料應用的三個主要層面（即資料管理、系統開發、海量資料分析與挖掘）系統地培養學生掌握大資料應用中的各種典型問題的解決辦法，實際提升學生解決實際問題的能力，具有將領域知識與計算機技術和大資料技術融合、創新的能力，能夠從事大資料研究和開發應用的高層次人才。

主要課程：

C程式設計、資料結構、資料庫原理與應用、計算機作業系統、計算機網路、Java語言程式設計、Python語言程式設計，大資料演算法、人工智慧、應用統計（統計學）、大資料機器學習、資料建模、大資料平臺核心技術、大資料分析與處理,大資料管理、大資料實踐等課程。

上述課程是基本課程佔總課程的80%，另外20%課程不同院校課程不同。

畢業去向：

畢業生能在政府機構、企業、公司等從事大資料管理、研究、應用開發等方面的工作。同時可以考取本專業或軟體工程、計算機科學與技術、應用統計學等專業的研究生或出國深制。

三、市場就業情況

國家成立“大資料戰略重點實驗室”將大資料技術提升至國家戰略層面，第五次人民代表大會首次明確大資料上升為國家層面，大資料技術也必將推動國家的發展。隨著大資料的應用範圍越來越廣，市場需求這方面的人才會越來越多。但是，資料科學與大資料技術專業本科教學還是屬於基礎教學，所學內容同企業要求還有一定的差距。從目前市場招聘情況來看，要求研究生學歷或是兩年以上工作經驗的本科生居多。

四、報考資料科學與大資料技術專業需要什麼條件？

資料科學與大資料技術專業雖然很熱門，但是學習此專業需要較好的數學基礎，所以想報此專業還是要三思的。

五、如何填報資料科學與大資料技術專業？

（一）、準備讀研的考生

1、能考生重點大學的高分考生

能考生重點大學（985、211）的考生，首選985高校當中，開設這個專業的北京大學、中南大學、復旦大學、華東師範大學及211高校的北京郵電大學、北京化工大學、中國傳媒大學、上海財經大學、中國礦業大學等高校。

2、非重點大學的中低分考生

考不上生重點大學（985、211）的考生，首選校風比較好的院校，好好學習，打牢基礎，為將來考研做準備。

3、想走學術線的考生，研究生畢業搞學術研究或高校當老師的話，首選理科學科的專業；其他，選工科學科的專業。

（二）、本科畢業準備就業的考生

如果打算本科畢業就業的考生，首先，選擇選校企合作辦學（優勢突出）的貴州師範大學、貴州理工學院、黃河科技學、遼寧科技學院、重慶郵電大學等院校，將理論與實踐結合起來，提高了動手能力和企業實戰應用能力；其次，選大資料、金融強強聯合，優勢更明顯的浙江財經大學（含金融資料內容）、雲南財經大學（含雲計算、金融內容）、湖北經濟學院（含金融大資料應用內容）的院校，複合型人才更受企業歡迎；第三，選特色明顯的中國傳媒大學（工學，2018年開設）具備完整的全媒體大資料體系，開設的大資料專業帶有傳媒特色。學生在校期間就可以接觸到海量影視大資料、新聞大資料、音訊大資料等，對業務資料耳濡目染。

希望此篇文章對資料科學與大資料技術專業有個瞭解，俗話說“鞋合不合適，只有腳知道”，資料科學與大資料技術專業雖好，但不適合所有的人，應理性填報！

作者簡介

黃老師：職業規劃專家，從業20餘年，幫助過無數孩子走向成功！

有諮詢和需要幫助的家長和考生，發郵箱：[email protected]

針對你的問題，會給你一個完美的解決方案。

一段時間以來，我一直對資料科學家如何更好地將資料分析活動相互交流到對方和外地以外的人感興趣。我認為，我們目前的方法是不夠的，因為它們大多是從其他領域（特別是計算機科學）借來的。其中許多工具是有用的，但它們不是專門用來傳達資料分析概念的，而且往往達不到要求。今年早些時候，我在院長的演講中談到了這個問題，以及資料科學領域如何能夠從發展自己的理論中獲益，從而像其他領域一樣簡化通訊。

我注意到的一件事是，在其他領域，這些領域的發展可以部分地被視為一種日益專業化的趨勢。隨著某個領域的人越來越專攻某個子專業，專家需要相互溝通和協調，才能生產出完整的產品。隨著時間的推移，將一個領域分離成一組專家，推動通訊工具的開發，這些工具可以作為相互商定的資訊交換所。如果沒有足夠的工具，增加專案人員所涉及的通訊費用將變得太大，整個企業可能會崩潰。這種現象在弗雷德·布魯克斯的《神話人月》中被著名地描述為與軟體工程專案有關。

我認為，談論其中一些其他領域，以及它們如何克服通訊工具增加的專業化和職責分離，可能是有益的。追蹤其他領域的歷史很有啟發性，因為它可能為我們討論資料分析提供基礎。我的播客與希拉里帕克的聽眾知道，我們經常有一個片段，我們稱之為”類比角”，這是簡單的統計版本。

其他領域的專業化

第一個例子來自電影製作和劇本的發展。指令碼實驗室描述了劇本的歷史以及電影製作在劇本開發之前是如何運作的：

在思考編劇史時，不能把編劇理論與電影製作的演變分開。最早的電影往往是獨奏專案，從構思到完成。被稱為”攝影師系統”，這是最原始的電影製作。不久，導演們就成了這個過程的核心，但大多數電影的拍攝都只是對導演想要拍攝的內容一無所知。當導演計劃下一步拍攝什麼時，劇組經常在等待。

電影是單人專案，或多或少是線性開發的。這是一個低效的系統——如今大多數電影都是以高度非線性的方式製作的，以適應演員的日程安排和各種製作過程。

如今，劇本是一個關鍵的溝通中心，許多電影製作部門（服裝、化妝、頭髮、道具、套裝）都可以圍繞它組織他們的活動。試想一下，如果每個部門的代表必須單獨諮詢編劇或導演關於他們工作的每一個細節。這將是一場日益複雜的噩夢。有了書面檔案，如劇本，每個人都可以同意作為權威的”在電影中發生的事情”，人們可以完成他們的工作，而無需不斷來回溝通。

第二個類比來自金融。在金融領域，專業化的發展與有限責任類似。在這裡，”專業化”是指公司所有者與其經理的分離。因此，公司經理必須有辦法向投資者傳達公司運營的具體情況。因此，制定財務報表、會計規則和各種公開檔案，讓投資者分析公司的健康。Graham 和 Dodd 開創性的安全分析本質上是呼籲投資者根據公開的資料來評估公司，而不是基於關於什麼造就了良好或安全投資的常見神話和傳說。今天，隨著所有者與管理者的分離，以及兩者（例如 S-1、10-K、10-Q 等）之間標準化通訊格式的建立，我們擁有全球資本市場體系的基礎。

最後一個類比來自西方古典音樂，在西方古典音樂中，音樂的作曲家和表演者之間常常存在分歧。在更復雜的交響樂中，你可能會說有三個角色：作曲家、表演者和翻譯/指揮家。然而，在早期的古典音樂中，這種劃分並不存在，作曲家通常自己演奏音樂，通常是自己演奏的。在此設定中，無需將內容寫下來，因為音樂可以儲存在作曲家的頭部並進行表演。這個概念在電影《阿馬德烏斯》中被很好地捕捉到了，莫扎特描述他的歌劇《魔笛》是”在我的麵條裡”（其餘的只是塗鴉和胡言亂語）。

當然，歌劇可能是古典音樂的終極例子，在古典音樂中，音樂家、歌手和設計師之間需要某種溝通工具來協調。因此，對於大多數古典音樂，我們有樂譜，它指定了每個樂器和簽名者在任何給定時間做什麼。有一個標準化的符號，允許其他不熟悉作曲家的人快速掌握髮生了什麼事情，並收集執行工作所需的時間和資源。

資料分析呢？

在當今的資料科學中，或者實際上在科學中，大部分內容都遵循”垂直整合”模式，即同一個人提出問題、收集資料並分析資料。在這項工作需要傳播給他人（包括你自己）之前，對溝通方法的需求才真正出現。在大型協作中，需要從一開始就進行分析溝通，我的經驗是，即使在最佳情況下，方法也是臨時的，很難在另一個涉及不同人員的專案中重現。

大多數人會同意，實際進行分析的軟體程式碼是傳達正在做的事情的一個重要組成部分。但是，並非每個人都需要或想要程式碼提供的所有詳細資訊。也許我們可以從音樂中竊取的一個概念是樂譜和部分之間的區別。在交響樂中，指揮需要滿分，因為他們需要知道每個人在做什麼。但第一小提琴手只讀第一小提琴部分，他們不需要閱讀整個樂譜，以便在創造成品中發揮重要作用。

為資料科學開發適當的通訊工具對於擴充套件資料分析、讓更多人參與進來以及可重複性/可重複性至關重要，以便更多的人能夠了解分析中發生的情況。在那之前，我認為我們將繼續將來自其他領域的工具插入資料科學過程，這很好。這些工具是有用的，但我認為最終不是一個完美的適合。