大數據背景下工科院校理學院數據科學創新團隊與平臺建設

徐禮文

摘要：本文分析了國內外數據科學發展研究現狀，提出了大數據背景下工科院校理學院數據科學創新團隊與平臺建設問題，討論了這一問題研究的必要性、研究思路、創新團隊與平臺建設實施方案和未來發展方向。

關鍵詞：數據科學；大數據；數據智慧

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2017）22-0095-02

一、國內外大數據研究現狀分析

1.大數據發展和研究的國際動態趨勢。當前，人人都在討論大數據，數據科學成為最為流行的詞匯和最熱門的學科[1-7]。的確，可以說每個科學家都是數據科學家，每個個體、組織、企業、政府都在不斷產生新的數據集[8-9]。很多國家政府機構、國際各類組織、大型互聯網公司和高等院校與研究機構等都感受到了大數據的重要作用，大家也先后行動起來，把軟硬件開發建設、積極參與利用和深入研究大數據作為奪取制高點，贏得新一輪競爭機遇的重要抓手，投入到實施大數據戰略的行列中。例如，美國政府將大數據視為重要資源，認為大數據堪比不會枯竭的原油，并把大數據研發和生產和應用計劃提高到國家戰略層面。英國政府則考慮開放交通運輸、氣候和健康衛生方面的公共數據庫，并計劃建成首個全球“開放數據研究所”。法國政府通過發布的《數字化路線圖》，計劃大力支持“大數據”在內的戰略性高新技術。日本和印度等國也紛紛出臺各種舉措，提高信息通信領域的國際競爭力，并推出國家數據共享和開放政策等。

國外著名的互聯網企業可以說是政府實施以上戰略的技術支撐。他們利用自身雄厚的經濟和技術能力為政府實施大數據戰略提供有力支撐，也從大數據的研究中獲得豐厚的回報。

2.國家大數據國家戰略發展規劃。我國政府也迅速行動起來，在2012年8月份國務院制定了旨在推動各企業加快信息基礎設施升級，構建大數據產業鏈等的文件。2014年2月27日成立了中央網絡安全和信息化領導小組。2015年8月31日，國務院印發《促進大數據發展行動綱要》。但已有研究指出了我國發展大數據的挑戰和問題，其中包括：一方面，還沒有真正提煉出研究大數據的科學問題、理念，方向和具體可行性措施。另一方面，人才隊伍建設亟須加強。

3.國內高校和我校數據科學研究現狀。為響應國家創新驅動的發展戰略，國內許多一流大學紛紛整合學科資源優勢，啟動以數據科學為主要方向和特色的創新型學院、研究院和統計中心的規劃建設。早在2010年7月5日，北京大學統計科學中心已正式成立。2014年4月26日，清華大學成立了“數據科學研究院”。2014年5月16日，清華大學成立清華大學統計學研究中心。2014年10月至今陸續又有西南交通大學，由中關村管委會、海淀區政府、北京大學、北京工業大學、復旦大學大和中國人民大學等成立各類數據學院和大數據研究院。從中可以看出各個高校已順勢而動，投入到數據科學的創新研究和人才培養的大軍之中。我校在此方面也已形成良好的基礎。北方工業大學云計算研究中心成立于2010年12月。在此基礎上，北方工業大學大規模流數據集成與分析技術實驗室認定為2013年度北京市重點實驗室。我校還擁有現場總線技術及自動化北京市重點實驗室、變頻技術北京市工程研究中心、電力電子與電氣傳動北京市高校工程研究中心、有色冶金過程現代檢測技術及裝置工程技術研究中心、北京市城市道路交通智能控制技術重點實驗室、北京市變截面輥彎成型工程技術研究中心、新型建筑工業化集成建造工程技術研究中心等多個省部級研究機構，產生大量研究數據，為數據科學研究提供了素材。

4.理學院面臨的機遇和挑戰。我校理學院設有數學系、統計學系、理化教研室及體育教研室。理學院重視科研工作的開展，近5年承擔30多項國家自然科學基金、北京市自然科學基金項目和國家基礎科學研究計劃“973”的科研任務。計算機視覺研究團隊為北京市學術創新團隊，其研究對象是數據科學研究領域的前沿方向，為數據科學研究團隊和平臺建設打下基礎。統計學系也成立了大數據研究中心平臺和組建統計機器學習研究團隊。

如何利用好自身的理論基礎優勢，主動出擊，立足自身發展的同時，深度融合我校優勢資源，通過數據科學研究團隊和平臺建設，深入認識大數據產業發展規律重視了數據資源匯聚、積累、處理與應用能力建設，主動推進大數據產業發展與應用需求間的對接是我們面臨的重要問題之一。

二、數據科學創新團隊與平臺建設研究內容

在大數據背景下，我們考慮高校理科學科與信息科學等之間的交叉融合，改革研究團隊和平臺建設思想，提出了以下研究目標及內容。

1.探討新形勢下，如何借助大數據發現高校創新團隊和平臺建設中存在的問題。

2.在大數據背景下，如何借助大數據考慮高校創新團隊和平臺建設中的合適有效的理論和方法。

3.在大數據背景下，結合統計學和數理科學自身優勢，開展數據科學創新團隊和平臺建設途徑探索。

4.在科學利用研究成果基礎上，進行大數據背景下數據科學創新團隊和平臺的建設實踐探索。

三、數據科學創新團隊與平臺建設研究設計

1.研究思路和方法。統計學從古至今都是一門數據科學，新形勢下其面臨著極大的挑戰和良好的機遇。美國科學院院士郁彬發表文章介紹數據科學中的“數據智慧”，其指出：“在大數據時代，只有對數據智慧也給予和其他研究同等程度的重視，大數據才能轉化為真正有用的知識和可被采納的信息。”因此，我們借助最新的大數據分析工具和“數據智慧”，系統考慮和研究目標有關多種因素，深入探討數據科學創新團隊和平臺建設的方法論。

2.研究計劃的實施。（1）精確定義要回答的問題。為此，我們必須要與統計學領域、數學、物理學、計算機科學這些領域的專家進行合作。這些專家會提供有助于解決問題的領域知識、早期的研究成果、更廣闊的視角，甚至可能對該問題進行重新定義。（2）數據收集。大數據背景下數據的含義是什么？數據科學相關的學科實際情況研究等。（3）確立解決問題的方向。研究如何確立團隊和平臺的戰略規劃和目標；設立方便管理，有利創新的機制運作方式；建立起既有協同創新，又惠及每個成員的激勵機制；搭建具有實質性交叉的團隊和平臺。（4）從實際出發，落實規劃。首先，根據理學院的人員構成特點，建立起一個理學學科各分支為基礎的大數據與機器學習討論班，為研究團隊搭建提供基礎。其次，聯合我校工科、經濟管理學科等組建學科交叉研究實驗平臺，充分利用工科實驗研究的數據資源，為數據科學研究提供原材料。再次，以數據科學理論研究為支撐，與互聯網等企業聯手建立數據工程技術平臺，將數據科學研究成果及時轉化為實用的新技術。

四、結語

總之，如何結合大數據和我校學科布局，發揮我校傳統優勢學科及我校新興學科方向已有優勢，擴展數據科學等多研究方向、促進學校產業發展，是我們進一步的重要研究內容和發展方向。

參考文獻：

[1]柳洲，陳士俊，張穎.跨學科科研團隊建設初探[J].科技管理研究，2006，（11）：137-139.

[2]王冠.試論高校創新型科研團隊建設的制度創新[J].教育研究，2010，（6）：73-76.

[3]吳美華.高校科研團隊建設管理的現狀分析與機制建設[J].生產力研究，2010，（7）：101-102.

[4]王怡然，陳士俊，張海燕，柳洲，王梅.高校科研團隊建設的內涵、特征及類型[J].西南交通大學學報：社會科學版，2007，8（3）：20-23.

[5]伍宏發，楊春霞，張林英.網絡環境下高校科研團隊建設的思考[J].科技管理研究，2010，（10）：73-75.

[6]康旭東，王前，郭東明.科研團隊建設的若干理論問題[J].科學學研究，2005，23（2）：232-236.

[7]呂紅芝，周婧，徐斌，周培.科研團隊分類建設探索[J].科技管理研究，2012，32（20）：168-171.

[8]X Jin，B W Wah，X Cheng，Y Wang. Significance and Challenges of Big Data Research[J].Big Data Research，2015，（2）：59–64.

[9] B Gema，Jung J J，Camacho D. Social big data：Recent achievements and new challenges[J]. Information Fusion，2016，（28）：45–59.

Data Science Innovation Team and Platform Construction in Science Colleges of Polytechnics under the Background of Big Data

XU Li-wen

（College of Science，North China University of Technology，Beijing 100144，China）

Abstract：This paper analyzes the current situation of domestic and international data science development，considers data science innovation team and platform construction in science colleges of polytechnics under the background of big data，and discusses the necessity of this research，research ideas，innovation team and platform construction implementation plan and the future development direction.

Key words：data science；big data；data wisdom