摘要:数管专业建设的关键,是让课程内容接得上真实数据、实验环境接得住产业工具链。美林数据把专业定位、课程体系与实验环境放在同一条数据全生命周期链路上展开。
一、为什么地基要换
要看懂一家企业的业务,靠的是行业自己的高质量数据集。腾讯研究院调研显示,78%的企业已在用AI,但80%尚未见到明显利润改善,问题在数据。
政策端,2022年“数据二十条”发布,2024年“高质量数据集”进入国家产业政策,2025年27个部委启动建设行动,全国已建成高质量数据集超过10万个。2026年国家数据局印发实施方案,提出“数据飞轮”。
人才端,我国大数据相关岗位人才缺口约230万,年增长率15%,供需比约1:4.3,数据治理型人才占约25%,缺口最大。AI时代最缺的不是会调模型的人,而是能把原始数据变成模型可用资产的人。
![]()
二、定位与能力
这个专业(专业代码120108T,管理学门类·管理科学与工程类,四年制,授管理学学士)在AI时代的定位是:培养能把数据变成AI可用资产的人。
与“数据科学与大数据技术”的边界在于,后者研究数据怎么处理,落点在算法、框架、性能;前者研究数据怎么管好、用好、变成资产,落点在标准、质量、治理、资产化、场景化。
用人要求来自产业现场。美林数据技术股份有限公司服务全国上千家龙头企业的数智化转型,主导多项技术规范与白皮书编撰。
![]()
三、课程与实验怎么接
课程变化是三处:数据治理升为核心课,新增高质量数据集构建,新增数据资产化与合规,由岗位、课程、能力三张图谱支撑。
![]()
实验环境要装下真实数据和全栈工具。美林数据把产业项目数据做脱敏与教学化处理,覆盖金融、能源、制造、零售、政务等行业,按四个指标加工——来源经脱敏授权,格式与元数据统一,经清洗与质量校验,每个数据集都对应明确实训场景。依托千万级真实产业数据,学生模拟数据治理工程师、数据集运营专员等岗位,把业务诉求做成带数据字典、质量报告、可用于模型微调的数据集。
![]()
四、产教融合落在哪
标准共建方面,美林数据担任全国信标委大数据标准工作组工业大数据专题组组长单位,参与多项国家及行业标准研制,也是全国工业大数据行业产教融合共同体的发起单位之一;教材共建方面,联合高校与行业专家出版《数据治理概论》等教材,并安排教师产业研修、企业专家进课堂带实训。
相关成果已服务湖北汽车工业学院、吉林大学、厦门大学嘉庚学院、西安理工大学等院校。支撑体系是美林数据Tempo Talents数智人才应用能力成长综合解决方案,其五类方案为教育大模型、人工智能通识教育、人工智能专业建设、数智人才综合、大数据专业建设,本篇谈的是最后一类。
五、写在最后
数管专业建设是从培养方案、课程体系到实训平台、师资队伍的系统工程。方案设有专业整体建设、实训条件专项、数据治理与大模型方向共建、岗课赛证融通、双师型师资培养等合作方式,让学生带着真能力、真作品走向产业最前线。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.