當前大數據行業真的是人才稀缺嗎?

　　學了幾年后，大數據行業會不會產能過剩?

　　大數據行業終需要什么樣的人才?

　　“熱門專業”填報，有哪些注意點?

　　接下來科多大數據就帶你們看看分析結果：

　　當前大數據行業真的是人才稀缺嗎?

　　對!未來人才缺口150萬，數據分析人才稀缺。

　　先看大數據人才缺口有多大?

　　根據LinkedIn(領英)發布的《2016年中國互聯網熱職位人才報告》顯示，研發工程師、產品經理、人力資源、市場營銷、運營和數據分析是當下中國互聯網行業需求旺盛的六類人才職位。

　　其中數據分析人才為稀缺、供給指數低。同時，數據分析人才跳槽速度也快，平均跳槽速度為19.8個月。

　　而清華大學計算機系教授武永衛去年透露了一組數據：未來3-5年，中國需要180萬數據人才，但目前只有約30萬人。

大數據行業未來會產能過剩嗎?

　　提供大數據技術與應用服務的第三方公司面臨調整，未來發展會趨集中

　　關于“大數據概念是否被過度炒作”的討論，其實2013年的夏季達沃斯就有過。彼時支持“炒作”觀點的現場觀眾達54.5%。對此，持反對意見的北京大學光華管理學校副教授蘇萌提出了三個理由：

　　不同機構間的數據還未真正流動起來，目前還只是數據“孤島”;

　　完整的生態產業鏈還未形成，盡管通過行為數據分析已能夠分辨出一個消費者的喜好，但從供應到購買的鏈條還沒建成;

　　數據分析人才仍然極度匱乏。

　　4年之后，輿論熱點已經逐漸從大數據轉向人工智能，大數據行業也歷經整合。近一年間，一些大數據公司相繼出現裁員、業務大調整等情況，部分公司出現虧損。那都是什么公司面臨危機呢?

　　基于數據歸屬，涉及大數據業務的公司其實有兩類：一類是自身擁有數據的甲方公司，如亞馬遜、阿里巴巴等;另一類是整合數據資源，提供大數據技術與應用服務的第三方公司。目前行業整合出現盈利問題的公司多集中在第三方服務商。

　　對此，LinkedIn(領英)中國技術副總裁王迪表示，第三方服務商提供的更多的是技術或平臺，大數據更多還是讓甲方公司獲益。

　　在王迪看來，大數據業務要產生規模效益，至少要具備三點：算法、計算平臺以及數據本身。“第三方大數據創業公司在算法上有一技之長，而計算能力實際上已經勻化了，傳統企業如果用好了，和大數據創業公司沒有區別，甚至計算能力更強，而數據獲取方面，很多數據在傳統行業內部并沒有共享出來，第三方大數據公司獲取這些數據是比較困難的，后可能誰有數據，誰產生的價值更高。”說白了，數據為王。

　　在2013年，拿到千萬級A輪融資的大數據企業不足10家，到2015年，拿到千萬級以上A輪融資的企業已經超過30家。直到2016年互聯網資本寒冬，大數據行業投資熱度有所減退，大數據行業是否也存在產能過剩?

　　王迪認為，目前的行業整合屬于正常現象，“經過市場的優勝劣汰，第三方服務領域會出現一些做得比較好的公司，其他公司可能被淘汰或轉型做一些垂直行業應用。從社會來看，總的需求量一定是增加的，而對于供給側，經過行業自然的洗牌，終會集中在幾家優秀的行業公司。”

需要什么樣的大數據人才?

　　今年3月份，教育部公布了第二批獲準開設“數據科學與大數據技術”的高校名單，加上第一批獲批的北京大學、對外經濟貿易大學、中南大學，一共35所高校獲批該專業。今年開始，部分院校將招收第一屆大數據專業本科生。

　　大數據人才培養涉及到兩方面問題：

　　交叉性學科的人才培養方案是否與市場需求相匹配;

　　學科建設的周期與行業快速更新之間的差距怎樣彌合。

　　對于第一個問題，“電商熱”時期開設的電子商務專業是一個可吸取經驗的樣本。2000年，教育部高教司批準了第一批高校開設電子商務本科專業。作為一個復合型專業，電子商務的本科教學涵蓋了管理、技術、營銷三方面的課程。電子商務領域人才需求量大，但企業卻無法從電子商務專業中找到合適的人才，原因何在?

　　職業規劃專家姜萌認為，并不是某一個專業對應一個行業熱點，而是一個專業集群對應一個行業熱點。“比如電子商務專業，我們到電子商務公司里會發現，不是學電子商務的人在做這些工作，而是每個專業各司其職，比如計算機、設計、物流管理、營銷、廣告、金融等等。現在行業的復合型工作都是由一個專業集群來完成的，而不是一個人來復合一堆專業特點。”

　　大數據專業的人才培養也同樣走復合型路線，復旦大學大數據學校的招生簡章顯示，學校本科人才培養以統計學、計算機科學和數學為三大基礎支撐性學科，以生物學、醫學、環境科學、經濟學、社會學、管理學等為應用拓展性學科，具備典型的交叉學科特征。

　　LinkedIn(領英)中國技術副總裁王迪指出，“從企業應用的角度來看，大數據行業里從事相關職能的同學背景是各異的，大數據作為一個人才培養方向還在探索中，在這個階段，高校嘗試開設碩士課程是很好的實踐，但開設一類的本科專業還為時過早。”

　　另一方面，專業人才培養的周期較長，而行業熱點不斷更新輪替，中間產生的時間差使得新興專業的志愿填報具備了一定風險。

　　王迪認為，“從今天的產業實踐上看，大數據領域依然是從現有專業中挑選人才，教育和市場發展總是有一定差距的，學生本科四年，加上碩士階段已經是七年之后的事情了，產業已經演進了很多，而教學大綱并不會跟進得那么快。”

　　因此，盡管大數據的應用前景毋庸置疑，但在人才培養層面，復合型人才培養方案會不會重走電子商務專業的老路?學校教育如何趕上行業發展速度?這些都是值得進一步商榷的問題。

　　面對熱門專業，志愿填報需要注意啥?

　　了解了大數據行業、公司和大數據專業后，姜萌對于考生填報像大數據相關的熱門專業，提出了幾條建議：

　　報考熱的專業和就業熱的專業并不一定是重合的，比如軟件、計算機、金融，這些專業的就業率實際并沒有那么高，地質勘探、石油、遙感等專業，雖然報考上是冷門，但行業需求大，就業率更高。

　　選擇熱門專業，更需要考慮就業質量。專業就業好，是統計學意義，指的是平均收入水平高，比如金融專業的收入，比其他純文科專業的平均收入較高，但落實到個體層面，就業情況就不一樣了，尤其像金融專業是典型的名校高學歷好就業，但對于考試成績較低的同學來說，如果去一些普通院校、專科院校學習金融，后就業情況可能還不如會計專業。

　　志愿填報，除了專業，城市因素也很重要：如果想從事金融、互聯網的工作，更適合去一線城市，如果是去三、四線城市的學生可以考慮應用面比較廣的專業，就是各行各業都能用到的專業，比如會計專業，專科層次的會計和985層次的會計都有就業渠道。如果先選擇報考城市，也可以針對所在城市的行業特點選擇專業，比如沿海城市外貿相對發達，選擇國際貿易、外語類專業就業情況更好，比如武漢有光谷，選擇光電類專業更好就業。