张毅博

2015年9月，国务院印发了《促进大数据发展行动纲要》（以下简称《纲要》），为发展数据科学提供了指导方针。《纲要》提出“加大大数据关键技术研发、产业发展和人才培养力度，着力推进数据汇集和发掘，深化大数据在各行业创新应用，促进大数据产业健康发展;完善法规制度和标准体系，科学规范利用大数据，切实保障数据安全”。据统计，目前我国大数据科学人才的需求在100万左右，在此背景下，开展基于统计学以及数据科学的科学研究和人才培养工作已经十分必要和迫切。因此，有必要加快培养高水平的统计学以及数据科学人才为未来国家快速发展提供人才保障。

1 大数据创新人才培养模式改革势在必行

随着2015年11月国务院印发的《统筹推进世界一流大学和一流学科建设总体方案》的正式启动，建设一流人才队伍、培养拔尖创新人才已经成为新时期建设一流大学和一流学科重要的战略性任务。“大数据+互联网”时代，大数据分析与智能处理创新人才培养模式改革势在必行，只有做好核心知识体系、教师队伍、实践平台以及教学模式的一系列改革，才能带动大数据创新人才培养的内涵式发展，提高人才的个性化和创新能力。[1]经过多年的实践，中国人民大学大数据科技人才培养模式的研究和探索取得了一定成就，希望能为其他高校人才培养提供有益参考。

2 大数据科技人才培养案例研究

为了进一步提升统计学和数据科学学科的整体实力，优化统计学和数据科学学科的师资队伍结构，提升统计学和数据科学学科的国际化水平，增强对相关人文社会科学学科的支撑能力，中国人民大学成立统计与大数据研究院（以下简称“研究院”）。研究院是中国人民大学为建设“人民满意、世界一流”大学，迎接大数据时代挑战而成立的教学科研实体。学校将研究院定位为学术特区，要求研究院以建设国际一流统计学和数据科学学科为目标，按照“高起点，高水平，入主流”的发展方针，抓住前沿，凝聚力量，创建亮点，为学校建设世界一流大学作出应有的贡献。

2.1 优化培养方案，创新培养  方式

研究院旨在构建具有世界一流水平的统计学与数据科学人才培养基地，贯彻落实好由国务院印发的《统筹推进世界一流大学和一流学科建设总体方案》，以适应国家科技发展战略和市场对创新人才的需求，优先培养方案。

研究院着重培养以下两类人才：第一类是具有国际视野、在数据分析、计算技术与计算机技术三方面高度融合的数据科学应用型高水平人才，满足我国对数据科学高水平人才的迫切需求，并为政府和企业的决策及管理提供高质量的智库服务;第二类是培养具有较好的逻辑思维能力、敢于创新、能够从事统计学以及数据科学领域国际前沿原创性研究的高水平科研人才，为高校和其他社会机构服务。

在研究生培养层面，研究院与美国德克萨斯A&M大学（Texas A&M University，TAMU）实施统计学“双博士学位” 项目。双方实施单位分别是统计与大数据研究院与TAMU统计系（Department of Statistics， Texas A&M University）。根据协议精神，双博士学位指导委员会将在研究院直博生中（在博一或博二期间）择优选拔部分学生前往TAMU统计系学习3?4年，在两校论文导师共同指导下进行博士论文撰写;达到要求者将先后获得TAMU统计系及中国人民大学的统计学博士学位。进入“双博士学位”项目的学生必须在前往TAMU前修完TAMU统计系认证的几门课程：数据科学概率论基础、随机过程 、统计模型与推断（I、II）、贝叶斯统计与推断、数据科学中的计算机技能 、统计大样本理论、高等统计计算、统计学习I、高等应用统计与数据分析。按照包括TAMU统计系在内的北美高校理学学科惯例，学生入学后不立刻确定博士论文导师。进入“双博士学位”项目考察期的学生，在考察期经过两校“双博士学位”指導委员会推荐后再逐步确定TAMU的论文指导老师[2]。

2.2 增强师资力量，完善导师制度

师资队伍、学科与人才培养是三位一体的建设，一流水平的人才培养离不开一流水平学科的支撑，而一流水平的学科必须有一流师资的保障。在推进统计学与数据科学一流学科建设过程中，学校赋予研究院高度自主权，批准研究院以超常规的发展模式，从全球招聘优秀的统计学与数据科学人才，并以开放的思维，引入国际先进的人事管理、考核和晋升制度，以“引得进、留得住、用得好、走得了”的灵活机制，创造宽松和稳定的环境，培育一支高水平的师资团队。

高素质的师资队伍对人才的培养无疑起着至关重要的作用，在提高指导教师理论和实践能力方面，研究院借鉴协同创新联合培养的模式，充分利用企业、学校的各方面师资资源，与政府部门和产业界签署联合培养大数据分析应用人才的合作协议，完善校外业界导师制度。一方面，企业或政府可以利用自身的资源为高校提供人才培养实习基地，并且引荐相关的技术人员聘为校外实习导师，指导学生在实习实践中建立以问题为导向，以项目为牵引的运作机制，让学生能够理论联系实际，切身体会数据分析的商业操作体系。另一方面，由于高校的专业教师缺乏社会实践的机会和经验，高校应该制定政策鼓励并推荐相关专业教师走出学校、走进企业，密切与企业合作交流，从而更进一步地提高教师对复合型专业学位人才培养的能力[3]。

2.3 拓展合作渠道，搭建项目平台

大数据分析与智能处理方向有很强的时代性，也有较为强烈的社会需求，与社会、相关企业的合作势在必行。因此，只有整合政府、企业以及高校自身的公共资源，建立能够面向创新人才培养的系列大数据实验场，才能为锻炼创新人才的数据分析能力提供实战机会，使他们具备持续创新能力，并真正被市场接纳[4]。

在智力引进和学术交流方面，研究院牵头申报的“科技部创新人才培养示范基地”成功入选科技部2017年“创新人才推进计划”。研究院目前已成功获得“社会经济大数据技术与应用创新引智基地”和“生物医学统计创新引智教学与研究平台”的立项，并在双一流建设经费的支持下，开展了高水平学术活动近90场，共邀请近百余位专家进行学术交流。

研究院在“產、学、研”合作方面也成果丰硕，联合论答教育公司建立论答教育大数据研究中心，合作开发教育领域自适应学习推荐产品，共同推动教育大数据及自适应学习的发展;还与北京理工大学成立北京大数据联合教育中心、与北京腾云天下科技公司合作培养金融大数据人才等。

3 结语

大数据时代，人类的工作和生活都与大数据息息相关，各类行业的发展也和大数据中的海量信息密切相关，数据及其分析将成为决策的重要依据。因此，各行各业都将需要拥有大数据分析能力的统计学专业人才。各类高等院校作为人才培养的重要载体，更是承载了培养能适应大数据环境的数据分析专业人才的重要使命[5]。

高校大数据科技人才培养工作应顺应国家发展大势、响应国家发展战略，加强理论研究，为国际发展合作夯实基础;加强学科建设，为国际发展合作理论构建基本框架;加强人才输送，为国际发展合作贡献中国力量。中国人民大学立足中国，面向世界，服务于国家全球战略，为国家培养具有“家国情怀，国际视野，青年担当”的领袖人才。中国高校应基于“教学为主、实践引领、资源共享”的运行机制，充分利用学校学科优势，重点加强与相关国际大数据研究中心和高等院校的对接合作，以优质的师资队伍、科学的培养体系、完善的推送渠道、健全的制度保障，提升学校大数据科技人才的数量和质量，努力成为国内高校大数据科技人才培养的示范基地，更好地服务国家发展战略需求。

参考文献

[1] 王国胤，刘群，夏英，胡军，于洪.大数据创新人才培养模式的探索与思考[J].计算机教育，2017（10）：25-28.

[2] 中国人民大学统计与大数据研究院.学院介绍[EB/OL].（2019-10-05）[2020-12-05].http：//isbd.ruc.edu.cn/xygk/xyjs/index.htm.

[3] 连娜，张筱筠.“大数据”时代新闻传播人才培养模式的创新[J].新闻界，2014（15）：29-32.

[4] 吴力波.多“源”异“构”培养大数据创新型人才[J].大数据，2016，2（5）： 89-94.

[5] 温雅敏，龚征.统计专业数据分析人才培养的思考与探索：基于大数据时代视角[J].广西民族师范学院学报，2017，34（4）：143-146.