McKinsey公司預測到2018年，僅在美國本土就可能面臨缺乏19萬名具備深入分析數據能力人才的情況，同時具備通過分析大數據并為企業作出有效決策的數據的管理人員和分析師也有150萬人的缺口。大數據時代，最熱門的職業是數據科學家（Data Scientist），而不是傳統的信息科學家，也不是大數據工程師，為什么呢？數據科學家的知識結構和培養體系是怎樣的？目前，被稱為數據科學家的大致有三類人：從事商業數據分析的人、從事科學數據分析的人、研究數據的人。但在解決一個大數據分析問題時，常常是來自數學與統計、計算機和業務領域的一個數據科學家團隊來完成。這說明，目前在大學沒有什么專業具備了數據科學家所需要的知識，這是一個新問題。
數據科學家的知識體系結構，主要應由三方面構成：
數據科學基礎理論：數據科學的基礎理論和方法。包括數據相似性理論、數據測度論和計算理論，數據科學的基本研究方法，數據分類學與數據百科全書等等；科學研究的數據方法研究。探索各科學研究領域數據方法的共性問題，建立科學研究的數據方法；數據界探索。包括數據界的大小、數據的增長方式、數據真實性、數據增長對人類社會的影響等等，以及數據界數據安全、數據主權等等；大數據的復雜性研究，包括大數據本身的復雜性、大數據處理過程的復雜性以及處理大數據所涉及的知識體系的復雜性。
數據技術：大數據計算技術。設計適應大數據的計算模型、分布式架構等；大數據處理技術；數據獲取與整合、數據存儲與管理、數據訪問、數據展現、數據質量與價值分析、數據安全和隱私、數據溯源等技術；大數據分析技術。這是大數據的核心技術研究內容，主要包括先前數據挖掘與機器學習技術的改進和新技術的研究。新技術研究如數據網絡挖掘（社會網絡挖掘、異質網絡挖掘等）。
領域業務知識：特定業務領域知識，并與數據技術有效結合。根據領域創新數據分析方法、提升應用技能，解決實際應用問題。因此，數據科學家應該是具備多種能力的跨界人才，數據科學人才培養體系應該是多層次多類型的。
2010年起，各國大學開始了數據科學人才培養工作。哥倫比亞大學從2011年起開設《數據科學導論》課程，并從2014年起設立碩士學位，2015年起設立博士學位；復旦大學從2010年開始招收數據科學博士研究生，并從2013年起開設研究生課程《數據科學》，2015年開始正式招收數據科學專業研究生以及本科第二專業學位。2015年10月，復旦大學大數據學院、大數據研究院正式成立。清華大學于2014年成立數據科學研究院，推出大數據碩士項目。
盡管國內大數據人才的培養已經起步，但值得注意的是，當前的數據科學家培養的基礎條件缺乏，需要重視數據科學人才培養的基礎條件建設，主要包括：計算條件——建設數據科學人才培養所需的計算能力，包括軟硬件環境；數據條件——數據是資源，也是數據科學人才培養的核心，需要建設豐富的數據資源環境；師資條件——這是目前相當缺乏的數據科學人才培養資源，也是影響未來數據科學人才培養成果的關鍵。
復旦大學數據科學家培養體系建設已初見成效，具體包括：系統化的培養體系——建立了包括青年數據科學家交流計劃、數據科學家博士后計劃、數據科學家研究生計劃、數據科學家本科第二專業計劃、軟件工程碩士大數據方向培養計劃和數據科學家訓練營計劃、數據科學FIST課程計劃，涵蓋了數據科學家培養的各個方面，是目前國際上最系統化的數據科學家培養計劃。
多學科的課程和師資隊伍——利用實驗室多學科團隊優勢，組織數據科學家培養課件編寫，內容涵蓋數學、計算機、金融、醫療、生物、管理、經濟、新聞等多學科領域，圍繞數據科學家所需要的數學基礎、計算機技能、領域知識和實踐經驗，設置課程和配置老師，使學生對數據科學的基本原理、方法、技術及領域應用具有深入的理解。
雄厚的基礎設施——建設形成了166TB的各類數據資源，涵蓋常用的科研實驗數據集，世界主要語種語料庫，以及交通、醫療、生物、證券期貨、社交網絡與輿情、互聯網營銷、公共設施安全、天文和遙感等應用領域數據資源以及相應的計算資源和網絡資源。
京公網安備 11010502049343號