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

具体内容：

专业名称：数据科学与大数据技术;

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。

学制：四年;学位：工学或理学学位。

数据科学与大数据技术专业人才需求情况怎样

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，大数据人才需求将有大幅增长，高端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。

数据科学与大数据技术专业可以从事的工作有哪些

重视数据的机构已经越来越多，上到国防部，下到互联网创业公司、金融机构需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，降低成本，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：

1.大数据系统架构师

大数据平台搭建、系统设计、基础设施。

技能：计算机体系结构、网络架构、编程范式、文件系统、分布并行处理等。

2.大数据系统分析师

面向实际行业领域，利用大数据技术进行数据安全生命周期管理、分析和应用。

技能：人工智能、机器学习、数理统计、矩阵计算、优化方法。

3.hadoop开发工程师。

解决大数据存储问题。

4.数据分析师

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。

5.数据挖掘工程师

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。

6.大数据可视化工程师

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职责:1、 依据产品业务功能，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，选择合适的可视化技术。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、 配合前端开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：

腾讯、百度等IT公司：22人;

金融、银行等：21人;

出国、读博等：5人;

国家事业单位：6人;

其它：2人;

共55人。

数据科学与大数据技术专业报考建议：

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。大数据作为人才培养方向在探索中，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;需要根据数据推演、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。

报考建议：

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进行评估，有些看似平凡的院校和大数据行业企业联合办学，实力不容小觑，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;考生也可从相关专业(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。