这件事起源于2016年11月，马云在浙商大会提出了一个很惊人的观点，那就是”未来计划经济将会越来越强大”，他认为未来三十年内，市场经济和计划经济将会被重新定义。很快吴敬琏、刘胜军、陈志武、钱颖一、张维迎等重量级经济学家都没有点名的对马云的这一观点予以反驳。

我们坚信，中国目前的繁荣盛况是离不开改革开放和市场经济的，但随着科技的发展，互联网大数据以及人工智能等技术的日益成熟，仿佛也给了我们更大的勇气和信心在经济领域有所作为。

现在有一种很超前的观点，认为在大数据时代，经济集体和个体之间的联系更加密切，人们对数据进行计算和再加工的能力也远远超出了以前，而且对世界的认识水平也会有全新的提升，这也意味着，大数据技术能够让我们对经济领域的事物进行更加科学准确地评估，在这种情况下，市场经济的优势可能并不能超越计划经济。

计划经济体系的缺陷在于，在一个人口众多的社会，没有一个中枢机构可以准确获知的每个行为主体随时变化的精神和物质需求，并按需生产和分配，个体需求必然会被压抑，不会被及时满足，票凭经济就是一个很好的体现。

市场经济体系的巨大缺陷在于，个体需求无法通过市场机制汇聚成整体，供求必然出现极大偏差，导致资源浪费。

事实上，在上世纪七十年代，苏联在研究计划经济方面已到了相当的高度，苏联经济学家康托罗维奇曾因为《生产组织与计划管理中的数学方法》，对资源最优分配理论做出了卓越贡献，获得1975年诺贝尔经济学奖。理论上，康氏的研究可以实现全社会范围的资源最优分配和利用，即在现有资源条件下，全社会能够以最小的劳动消耗，获得最大限度的生产量，由此得出的生产计划叫最优计划。

1990年，笔者第一次赴苏联，那时候苏联尚未解体，还不叫俄罗斯。第一次在饭堂吃饭的时候，特意观察过他们的餐具，印证了老前辈所讲过的苏联计划经济典型案例，苏联对民用工业产品有一种变态的价格限制，一般商品上面都铭刻着价格。记得钢制的汤勺是2戈比，玻璃杯5戈比，一个官窑的瓷盘子只要8戈比。

不过，苏联式的计划经济最后还是失败了。苏联在第十个五年计划（1976-1981年）期间，每年要报废10-20%的工业品，积压库存30-40亿卢布以上的残次消费品。在随后的第十一个和第十二个五年计划，苏联的计划经济显示出巨大的缺陷，到了80年代末，苏联形成了极度的军工经济特征，军品占机器制造业的80%以上，军事支出占国民总产值28%。经济结构失衡，工业技术工艺落后，苏联人民饱受食品和生活物资短缺的痛苦，经济接近崩溃。

苏联的失败表明，以上世纪的组织和技术能力，要对整个国民经济进行精确的指令性计划管理，就是超大型计算机可能也无能为力。

但是，进入新世纪以后，由于人类的计算能力以几何速度递增，一切美好的计划都开始变的可能起来。

近些年，由于计算机、软件和网络技术的进步，出现大数据，共享数据，云统计，云计算。人们可以对订单、消费和物流进行精确统计和安排，这样可以用计算机化的比较精确的计划经济来整体安排社会产出和消费。这只是企业基于市场预测的生产计划，而不是政府指令性计划。

互联网、人工智能和大数据，解决了计划经济所需要的技术支持。有了互联网技术的大规模应用，使得人类社会在庞大复杂的微观经济领域也可以自然而然的进入计划经济时代。互联网经济的出现恰恰证明了马克思思想的前瞻和伟大。

那么问题来了，在互联网大数据以及人工智能技术风起云涌的时代，计划经济真的可能卷土重来吗？

贵州大学软件学院学生在上课。　周燕玲　摄

中新网贵阳7月7日电 (周燕玲)“应聘进单位的第二天开始熟悉业务，并进行开发工作。”阔别校园不到一个月，贵州大学省级示范性软件学院大数据技术与应用专业应届本科生郭鹏就应聘上杭州一家公司从事java后端开发，每月基本工资7000元。

作为贵州大学软件学院的首批毕业生，跟郭鹏一起毕业的还有140余名学生，整体就业率超过95%，超过70%的学生起薪在5000元以上，10%的学生起薪达到1万元以上。

“软件学院的这批毕业生，是贵州省第一批真正意义上的本科大数据人才。”贵州大学计算机科学与技术学院副院长秦永彬在贵州大学省级示范性软件学院建设4周年总结大会上接受采访时说。

2013年，地处中国西南地区的贵州开始谋划发展大数据，2014年《贵州省大数据产业发展应用规划纲要(2014—2020年)》出台，贵州大数据发展正式启航。

秦永彬介绍，为支持贵州大数据产业发展的人才需求，2014年贵州大学与慧科集团共建软件学院并开始招生，开设大数据技术与应用、移动云计算技术与应用、互联网营销等行业人才紧缺的专业，目前每届学生规模200人左右。

在毕业生郭鹏看来，因为学院采用校企合作办学模式，教学过程中通过引入企业真实项目进行实战和企业实践等，在课堂上学到的知识切合了企业需求和行业发展趋势，所以就业较为容易，本届毕业生有不少同学在朗玛集团、小i机器人、云上贵州等大数据企业从事数据库工程师和数据分析师。

正在一国企从事数据分析工作的谭俭，也是贵州首批大数据本科毕业生，目前月薪在5000元左右。

“数据已经渗透到各行各业，未来就业前景将十分广阔。”谭俭说，大数据时代来临，选择与这些互联网新风口相对应的专业，会有不错的“钱”景。

智联招聘调查统计显示，短期内中国大数据人才缺口将超过130万。巨大的人才缺口，意味着专业人才成为“香饽饽”。

国家教育部日前公布《2017年度普通高等学校本科专业备案和审批结果》，250所高校新增了“数据科学与大数据技术”专业，一时成为“爆款”专业。

慧科集团总裁王浩认为，高校“跟风”开设“爆款”专业最原始的动力来自于市场需求，但许多“不甘落后”跻身进来的院校在师资队伍、办学条件是欠缺的，需要“接地气”才行。

记者了解到，贵州大学软件学院其办学模式为“3+1”： 前3年在学校学习、第4年在实训基地实习，并完成毕业论文。其中，在校学习的3年中，前2年主要由贵州大学计算机学院负责基础课(含公共课)教学，第3年主要由慧科集团负责企业实战课。

在贵州大学计算机科学与技术学院院长许道云看来，借助于社会资源助力高等教育发展，通过校企合作的方式，引进企业端优质的师资和教学资源，可以有效地解决“高等学校人才培养与企业需求脱节“的老问题。(完)

各位家长大家好，今天给大家介绍的是新工科的云计算专业。云计算专业也是为了满足公司激增的人才需求，现在让我们一起来了解一下云计算专业。

专业概况

云计算的“云”源于绘制互联网的网络图表时的一个习惯——将其画成一朵云。

最受认同的云计算的解释是，在一个商业供应者的数据中心上通过互联网远程运行工作负载——也就是所谓的“公有云”模式。AWS、Azure、谷歌云等平台都是这一云计算概念的例证。

但是，云计算还有一个更精确的解释：数据中心资源的虚拟化和中心管理。

其关键优势是敏捷性：根据工作负载的需求，使用抽象计算、存储和网络等资源，且具备大量的预构建服务。

从客户的角度来看，公有云能够提供一种方式，在不投入新的硬件和软件的情况下，获得新的功能。

同时，客户只需按照自己所使用的资源为他们的云供应商支付费用。只要填写web表单，用户就可以设置账户、加速虚拟机或提供新的应用程序。

根据客户在运行自己的工作负载时的需求增加更多计算资源，这种特性被称为伸缩性。

学习课程

该类主要学习云计算关键技术与应用、J2EE/JavaEE+大数据、资源虚拟化与云架构、Linux操作系统及应用、基于Android平台的移动云计算开发、数据库设计与实现、大数据存储与运算、大数据查询与处理、大数据快速运算等课程。

报考要求

开设的学校有自己的方向，要看清楚，大家可以查看想去学校的招生简章。不过这个专业技术性强，建议攻读研究生再去工作，这样可以从事研发方面的工作。

逻辑思维强。这个是计算机方面衍生出来的方向，需要数学和物理的基础较好。

就业前景

自1989年微软推出Office办公软件以来，工作方式已发生极大变化，而云计算带来云端办公室——更强的计算能力但无须购买软件，省却本地安装和维护。其次，从某种意义上说，云计算意味着硬件之死。至少，那些对计算需求量越来越大的中小企业，不再试图去买价格高昂的硬件，而是从云计算供应商那里租用计算能力。在避免了硬件投资的同时，公司的技术部门也无须为忙乱不堪的技术维护而头痛，节省下来的时间可以进行更多的业务创新。

大数据在中国是新生事物，国内高校开展人才培养的时间不长，技术市场上掌握大数据处理和应用开发技术的人才少。另一方面，大数据的发展速度很快，无论是政府部门还是企业都需要掌握懂技术、善管理、有经验的人才。目前，中国大数据市场上的技术人才储备与大数据处理和应用需求之间存在着巨大的缺口，就业不愁。

云计算专业的学生毕业后可从事的岗位主要有大数据架构师、大数据运营经理、大数据挖掘与处理专员、大数据统计工程师、数据分析师、云计算的规划与设计、云计算系统部署工程师、云计算系统运维工程师等岗位的相关工作，或进一步深造。

开设院校

开设云计算或者大数据专业的院校目前有几十所：

北京大学，重庆大学、北京工业大学、华东师范大学、西安电子科技大学、清华大学、武汉大学、华中科技大学、东南大学、中国科学技术大学、大连理工大学、四川大学、山东大学、厦门大学、电子科技大学、东北大学、吉林大学、西安交通大学、北京交通大学、南开大学、北京理工大学、天津大学、云南大学、华南理工大学、湖南大学、国防科学技术大学、中山大学。

目前并没有权威没有排名出现。下面为大家介绍其中三个院校，可以作为参考。

电子科技大学

电子科大大数据研究中心

教育部公布2016年度普通高等学校本科专业备案和审批结果，电子科技大学获批设立数据科学与大数据技术专业在内的5个本科专业。

计算机科学与工程学院拥有一大批从事大数据分析的教师和科研人员，在教学和科研上拥有丰富的经验和成果。在筹建该本科专业之前，学院已开设硕士和博士学位大数据培养方向，目前已招收两届研究生。

数据科学与大数据技术本科专业旨在培养具有大数据储存与管理、大数据平台架构、大数据分析算法、大数据行业应用等知识体系的复合型人才，使其在数据分析和存储等方面具有深入研究能力，工程应用方面能系统地帮助企业掌握大数据应用中各种典型问题的解决办法。

本科有“数学与应用数学”、“信息与计算科学”和“数理基础科学”三个专业。“数学与应用数学”为国家级特色专业，“信息与计算科学”为四川省特色专业。有应用数学系、信息与计算科学系、工科数学部、复杂系统与控制研究中心、统计科学研究中心、智能信息处理与大数据研究中心、数学建模人才培养中心、ACM程序设计人才培养中心，成果丰硕。

河南大学

计算机与信息工程学院有软件工程博士学位授权一级学科，遥感信息科学与技术博士学位授权二级学科，计算机科学与技术、软件工程、控制科学与工程3个硕士学位授权一级学科，计算机科学与技术、软件工程、网络工程、数据科学与大数据技术、信息安全、自动化6个本科专业。计算机科学与技术为省级重点一级学科和省级特色专业，控制科学与工程为省级重点一级学科。

硬件方面，学院有河南省空间信息处理工程实验室、河南省大数据分析与处理重点实验室、河南省智能技术与应用工程技术研究中心等4个省级科技创新平台。与环境规划学院共同建设河南省时空大数据应用技术研究院。设有数据与知识工程研究所、图像处理与模式识别研究所和先进控制与智能信息处理研究所等学校重点研究机构。

在科学研究方面。近年来，主持国家重大专项课题4项，国家科技支撑计划项目1想，国家863子课题2项。发表学术论文近千篇，其中被SCI、EI收录200余篇，出版专著或教材40余部，获得其他省市级成果奖近40项。

在学生就业方面。学院与北京文思海辉技术有限公司、北京千锋互联科技有限公司、无锡-IBM软件及服务外包人才实训基地、无锡NIIT(中国)软件服务外包实训基地、上海群硕软件开发有限公司、惠普（洛阳）国际软件人才及产业基地等企业就学生实习、实训开展合作。就业率和就业质量一直在全校名列前茅，就业主要集中在北京、上海、广州、大连等地区。

中南大学

中南大学信息科学与工程学院是中南大学规模最大的学院。

现有教职工288人。学院有控制科学与工程、计算机科学与技术两个一级学科博士点，信息与通信工程、电气工程、电子科学与技术三个一级学科硕士点，拥有控制科学与工程、计算机科学与技术两个博士后流动站。

大学本科专业全面覆盖信息学科领域，包括：自动化、测控技术与仪器、智能科学与技术、计算机科学与技术、物联网工程、信息安全、通信工程、电气工程及其自动化、电子信息工程、数据科学与大数据技术10个本科专业。

学院师资力量雄厚，科学研究和学术水平也国内一流。控制学科、通信学科、电气学科等对中南大学工程学ESI前1%论文贡献率达25%，计算机科学ESI论文已进入全球排名前1%。在透明计算、有色冶金自动化、流程工业智能优化制造、网络优化、计算机算法、量子安全通信、生物信息、网络资源管理与可信服务等多个领域形成鲜明的研究特色，为人才培养奠定了良好的研究基础。

大数据是一个通用术语，用来指当前业务领域中存在的各种数据。从医疗机构的数字数据和记录到政府机构的大量文件，人们把这些文件存档供将来参考，技术为我们提供了一个面向服务的架构来分析这些信息。

大数据是永远不可能被归档到在个描述或定义下。关于信息技术的神器之处在于，它始终在不断发展，并且可供愿意接受信息技术的公司使用。另一方面，云计算的发展使得商业企业更容易获得可负担得起的软件包。云计算的使用大大降低了存储公司信息的成本，这也带来了小型企业可以利用的多个应用程序。自互联网诞生以来，随着云计算的不断发展，互联网上广泛的信息爆炸式增长。标准用户和数字营销人员现在可以每天使用社交媒体营销平台来生成大量关于消费者的信息。有时，对于机构和企业来说，管理每天生成和存储的数据量就是一项相当艰巨的任务。例如，每天创建2.5万亿字节的数据，这可能会给云计算带来存储和排序挑战。

这正是大数据用来管理海量数据如何通过云计算存储的地方。总而言之，这两种技术形式提供的解决方案既适应业务分析、也适用于大数据。在这篇文章中，将重点介绍如何使用大数据和云计算来管理政府机构和商业机构日常生成的大量数据。可购性对于那些预算计划比较紧张，但又需要更新技术的企业或机构来说，云技术可能是解决燃眉之需的一大利器。用于管理大数据的成本资源，即使是小公司，也在预算之内，而且在市场上也很容易找到合适的产品。在云计算出现之前，商业机构和政府机构花费大笔资金建立信息技术部门来管理数据，甚至花更多的时间来更新这些IT系统。今天，由于技术的进步，企业可以把他们的大数据托管在异地的服务器上，或者按需支付。敏捷性

替换高清大图

传统的数据存储和管理方法正变得越来越难以管理，因为数据存储和管理非常慢，需要公司花费大量时间从中检索信息。有时，安装和运行服务器可能需要几周甚至几个月的时间。云计算的出现有可能为企业或机构提供所需的全部存储需求。一个基于云计算的公司数据库可以在几分钟内完成安装，并将数据存储在数千个虚拟服务器中，在这些服务器中，只有一台计算机或移动设备和互联网连接的人可以很轻松访问它。

替换高清大图

数据处理海量数据的爆炸式增长带来了管理数据的挑战。例如，社交媒体会产生大量的数据，这对于在推文、帖子、博客或照片等类别中进行处理来说是具有挑战性的。对于大数据，有一些分析平台，比如Apache Hadoop，可以在将非结构化数据存储到云中之前处理这些数据。

大数据：藏在啤酒和尿布背后的秘密; 云计算：物联网的隐形大脑

我们提到物联网，就不得不把它与现在非常火热的另一个概念联系起来，那就是“大数据”。

大数据是怎么一回事呢？有一个为人津津乐道经典案例，就是啤酒与尿布的例子。一家美国超市把尿布与啤酒这两种风马牛不相及的商品居然摆在一起，但这一奇怪的举措居然使尿布和啤酒的销量大幅增加了。原来，美国的妇女通常在家照顾孩子，所以她们经常会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。

在这个案例里面，丈夫的行为被预测出来，其预测的依据是根据长期经验所得的。假定不在尿布旁边放啤酒，爱喝酒的丈夫可能也会去买，但嫌麻烦或者酒瘾不那么大的丈夫可能就只会买了尿布就走，而想不到去买啤酒。因而，大数据就此产生了经济价值。当然，这背后基本是一个零和游戏，这家超市的啤酒销售得多了，别家超市卖得就少了。

腾讯的QQ我们都用过，它能够把我们久未联系的老同找出来，推荐给我们去联系，但也会把你的前女友推荐给你的未婚妻认识。而淘宝在我们买东西的时候会把相关产品推荐给我们，还会告诉我们诸如某省狮子座最败家、某省水瓶座最花心、某省天蝎座最抠门这样的信息。而百度则会对人们使用关键字搜索进行排名，从而让更多人知道最近大家的关注点在哪里。

显然，这些数据或多或少已经开始影响我们的生活。而在未来，万物联网产生的数据量与现在人们通过互联网活动产生的数据量不可同日而语，开发的价值也会更加巨大。比如我们现在的手环、手表读取我们的心率、运动量等数据，仅仅是反馈给我们让我们管理自身健康。而未来随着大数据的分析能力增强，加上能够互动的设备增多，那么这些数据就变成了健康服务，甚至能提前预防疾病发生。

反过来，大数据的处理能力能力会反过来帮助物联网实现智能控制和产品改进。比如，我们的智能家居的学习功能，可以看做是对用户一段时间的行为数据的收集，然后通过特定算法得出主人的喜好从而自己完成对家庭环境的控制。

前面讲了大数据，那么还有另一个大数据的亲兄弟不得不讲，那就是云计算。从成本和实际效果来考虑，其实很多物联网设备并不需要太多的计算能力，只要能够取得数据并反馈给上层具有计算能力的数据处理中心就好了，多一点的还有能够通过从计算中心获取的指令完成某些活动就可以了。

那么，这些数据谁谁在处理呢，他们又是怎么处理的呢，这里就要提到云计算的概念。云计算被认为是一种革命性的计算方法，是继大型计算机到客户端-服务器的大转变之后的又一关于计算方式的重大转变。

举一个不那么恰当但比较好理解得例子。使用过QQ远程助手的朋友大概可以体验云计算，你在QQ提供的界面里面访问对方的电脑，使用对方的软件。云计算大概也可以看做这么种方式，不过对方的电脑变成了处理能力超强的云计算中心，而处理方式更加复杂一些。

云计算给我们带来了全新的解决思路。由于通讯技术的不断发展，我们的计算不一定要在本地进行。比如，在远程操作的例子，哪怕你的电脑没有安装一个程序，你仍然能够获得这个程序的使用结果。而我们平时收发邮件，这些邮件存储在我们的邮箱里，而不是在我们的电脑上，这其实可以视作早期的云服务。这种理念，简单概括起来就是“网络即电脑”。只要有网络，我们就能获得更高的运算能力。

目前云计算还处于基础阶段，现在的云计算被分为三层：基础设施即服务（IaaS），平台即服务（PaaS）和软件即服务（SaaS）。基础设施可以看做是我们的电脑主机，其实质是大规模的主机集群。平台的地位大致相当于我们的计算机系统，类似于windos，是开发和运行程序的基础。软件服务我们就明白多了，微信、游戏客户端、美图秀秀这样的都是软件。

借助云计算，企业的管理成本将降低。由于云计算的作用，一些企业不用浪费金钱和精力建立自己的数据处理中心，而将自己的一些数据和企业管理软件放在公共的云服务器上；而另一些企业对于数据的安全性和专业性等要求较高，于是自建云服务器，于是有了公有云、私有云、的概念之别；有一些私有云并不能满足企业的运算需求，向公有云服务器寻求支持，于是就有了混合云的提法。

同时，云计算中心能够根据实际需求来安排服务器的运算，让整个计算中心保持高效的运作，避免了运算资源的浪费。除此之外，云计算的好处在于按使用付费。这就是说，你可以按照实际需要的存储空间或者运算能力购买云服务。这是云服务诞生之初的“电厂模式阶段”就提出的理念，即把计算能力当做像水、电这样的产品来出售。现在基本已经变成现实，而在未来，个人用户也将慢慢感受到这种全新方式给生活带来的改变。

讲了这么多云计算，那么云计算和物联网是是怎么结合起来的呢？前面我们已经提到，我们的物联网设备只需要能够联网，云计算就能够通过网络为我们的设备提供数据处理能力。其次，大数据的运用对物联网来说十分重要，而云计算和大数据分析就像一枚硬币的两面密不可分。

比如智能家居系统，其一部分运算其实就是依托云服务器，因为我们的家里面的数据处理中心（电脑或手机）没有必要一直保持开机状态。而更多的诸如交通系统、工厂制造系统、社区服务系统等等都将依托于私有云或者公有云的服务。除了这些，我们前面提到云计算还是打通各种物联网标准的有效手段，两个采用不同技术标准的设备也具有了互相交换数据的可能，简单说来，就像你在网上和一个外国人聊天，哪怕你不懂他的语言，只要通过相应的翻译软件，就能够理解对方的意思了。

云计算的核心思想，是将大量用网络连接的计算资源统一管理和调度，构成一个计算资源池向用户按需服务。云计算的基本原理是，通过使计算分布在大量的分布式计算机上，而非木地计算机或远程服务器中完成目标任务。企业数据中心的运行将更与互联网相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。

对此有网友表示称，那大数据好不好学呢？其实所谓大数据，就是由很多小数据汇聚而成的，我们本身就是一个数据，比如我们的通讯信息、我们的路线信息、我们浏览网页的信息等等，都是一个个活生生的数据，而正是这一个个精确的数据组成了我们口中的大数据。什么叫做大数据？说白了就是一台机器干不完，大家一起干。可是随着数据量越来越大，很多不大的公司都需要处理相当多的数据，这些小公司没有这么多机器可怎么办呢？

说到这里，大家想起云计算了吧。当想要干这些活时，需要很多的机器一块做，真的是想什么时候要就什么时候要，想要多少就要多少。大数据和云计算其实并不难学，一般4到5个月的培训就能找工作了。

只需自己想学，感兴趣的话，不管什么根底都能够学，仅仅要比他人更努力的去学了。柠檬学院大数据，注册就能学习大数据了，一起还有大数据的根底课程java，linux，mysql等。好多机构，也是有各种活动的啊。肯定要必定的根底，仍是挺轻松的，去大讲台看看，推出在线运用科学混合式自适应学习体系安排线上教育，运用大数据可视化的在线实训体系安排实战练习。

2017年高考已经顺利结束，接下来考生也应该为填志愿好好准备了，今天小编为大家解读一下最近最热门的专业-大数据科学与大数据技术,供高三毕业生填志愿时参考大数据专业产生的背景

21世纪中国互联网经济的兴起，特别是以电商为主的商业平台的兴起以及智能手机的普及，各行业强化与互联网的结合，各行业产生的大量数据需要收集、处理、分析以及云数据库的兴起等都需要大量的大数据人才。

另一方面，随着互联网的发展，网络安全和个人隐私的保护都需要大量的人才进行数据的保护。而我国开设大数据相关专业的高校少之又少。所以各高校从2016年才起积极申请开设大数据相关的专业，第一批招生从2017年6月开始

“大数据”专业学什么?

大数据领域三个大的技术方

方向一、Hadoop大数据开发方向

方向二、数据挖掘、数据分析&机器学习方向

方向三、大数据运维&云计算方向

该专业包括基础课程、核心课程及选修课程三大模块。其中专业基础部分侧重为语言和专业基础方面的课程，包括《大数据的Python基础》、《Linux系统基础》、《大数据的统计基础》等。专业核心部分涵盖了数据采集、存储与处理方面的内容，包括《数据存储（MySQL）》及《数据清洗》等课程。专业选修部分以大数据分析、开发及应用为重点，开设包括《数据分析导论》、《大数据行业应用导论》、《数据可视化》、《Hadoop大数据平台基础》等课程。

开设大数据专业的高校

在教育部公布的高校新增专业名单中，有35所高校成为第成功申请“数据科学与大数据技术”本科新专业的高校，第一批三所高校为：北京大学、对外经济贸易大学、中南大学

第二批高校清单如下:

大数据专业培养本科生的目标

“大数据技术与应用”专业强调培养具有大数据实践能力的大数据人才。该专业重点培养具有以下两方面素质的人才：一是工具的掌握，掌握数据采集和数据分析的基本工具；二是数据分析能力，掌握实用数据分析和初步数据建模能力。

大数据专业毕业生的发展前景

随着工业生产的智能化、互联网技术对各行业的渗透，未来大数据专业人才的就业面会更广阔，晋升的速度也会相对较快；据全球咨询公司麦肯锡的报告显示：预计到2018年大数据人才的岗位需求会激增，特别是在中国，需求缺口会更大。这些都为大数据专业的毕业生提供很好的就业前景

填报建议

高三毕业生在选择大数据及其相关专业时，最好与自身的兴趣相结合，不要因为大数据专业热门而盲目地填报；大数据专业一般只招收理科生，学习大数据的理论知识及其技术需要很强的逻辑思维和长久的坚持；如果在大学期间没有学到真技术，毕业后也会面临失业的危险！

云计算和大数据哪个发展前景好？

说实在话，二者之间都是未来的发展趋势，没有说那种好或者不好，根据你的兴趣，你未来的发展方向，来判断你想走那条路!

大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展，Hadoop的产生使我们能够用普通机器建立稳定的处理TB级数据的集群，把传统而昂贵的并行计算等概念一下就拉到了我们的面前，但是其不适合数据分析人员使用(因为MapReduce开发复杂)，所以PigLatin和Hive出现了(分别是Yahoo!和facebook发起的项目，说到这补充一下，在大数据领域Google、facebook、twitter等前沿的互联网公司作出了很积极和强大的贡献)，为我们带来了类SQL的操作，到这里操作方式像SQL了，但是处理效率很慢，绝对和传统的数据库的处理效率有天壤之别，所以人们又在想怎样在大数据处理上不只是操作方式类SQL，而处理速度也能“类SQL”，Google为我们带来了Dremel/PowerDrill等技术，Cloudera(Hadoop商业化最强的公司，Hadoop之父cutting就在这里负责技术领导)的Impala也出现了。

整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗?

在谈大数据的时候，首先谈到的就是大数据的4V特性，即类型复杂，海量，快速和价值。IBM原来谈大数据的时候谈3V，没有价值这个V。而实际我们来看4V更加恰当，价值才是大数据问题解决的最终目标，其它3V都是为价值目标服务。在有了4V的概念后，就很容易简化的来理解大数据的核心，即大数据的总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。

数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。

传统的BI分析通过大量的ETL数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的BI分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，BI分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。

谈了这么多，核心还是想说明大数据两大核心为云技术和BI，离开云技术大数据没有根基和落地可能，离开BI和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是BI，大数据实施落地式云技术。

无论是否你这个学校里面有没有人工智能、大数据、云计算等专业，老师们的研究方向中肯定会有这些。即使你所在是专业是计算机科学与技术、软件工程亦或是网络工程等，你还是可以去跟着老师研究单独的一个方向，即使你们不学这个。

人工智能强校名单

当前，中国人工智能领域的差距其实是在与美国高校的差距上。因为一篇顶尖论文的发表后，我们大概在3、4个月就能消化吸收了。所以在应用领域里，我们与美国的差距不大。但在基础研究方面，我们的差距是巨大的。下面是排名20强的高校，都是知名的学校，高考或者考研的你可以把这些高校作为目标。

智能科学与技术专业

目前，全国仅有20多所高校招收智能科学与技术专业，其中，开设该专业较早的高校有北京大学、北京邮电大学、南开大学、西安电子科技大学、华南理工大学、中南大学、中山大学、北京科技大学、厦门大学、东北电力大学、首都师范大学、北京信息科技大学、西安邮电大学等。近几年，华南理工大学、大连东软信息学院等院校也新开设了该专业。

大数据

自2015年教育部开设了“数据科学与大数据技术专业”，首批只有北京大学、中南大学和对外经济贸易大学三所学校申报成功，2016年有31所高校申报成功。从两次获批的”数据科学与大数据技术专业”名单中可以看出，该专业学制都为四年，授予工学学位或理学学位。

云计算

国内高校开展云计算专业研究最早是在2015年，目前为止也已经有不少的院校已经开设了云计算相关的专业课程，但是目前阶段，云计算相关专业还没有正式列入本科专业目录。大家可以参考一下以下的内容，首批开设云计算与数据科学专业方向的院校有：北京航空航天大学，浙江大学，复旦大学，上海交通大学，西安交通大学，南京大学，武汉大学，华南理工大学。