教育部曾在2016年公布《普通高等学校本科专业备案和审批结果的通知》，其中北京大学、中南大学、对外经贸大学首批设立了大数据相关学科。而且继2016年以后，中国人民大学、北京邮电大学、复旦大学等32所高校成为第二批成功申请“数据科学与大数据技术”本科新专业的高校。由此可见，技术发展催生新兴学科和专业，大数据领域人才培养至关重要，这不仅是一种定制化的创新引领，也是交叉融合与学术研究的深入融合。

在社会、在市场、在行业，新兴科技企业同样重视大数据领域的人才培养，努力以思想和技术双领先为契机去打造团队。这其中不仅要拥有一套基于生态平台、具备领先性、成熟稳定性、并支持多种部署模式的大数据产品体系，还要有一支具备跨行业视角、并深刻理解行业咨询和数据科学的专业队伍，更要有一个广泛掌握数据供需信息，捕捉客户需求并持续改进大数据产品的运营能力……而这，就是支撑大数据领域业务+技术的配套服务能力。

具体工作应该如何开展？或许可以基于项目团队的演进扩张，逐渐培养自有大数据队伍，并形成一整套能力培养路径(联合培养/代培)。在大数据团队建设方面，可通过人员面试、人员定级、人员录用、定岗转岗等方式统筹规划。

基于行业的经验总结，这似乎又是一个专业系统化的工程，我们该如何做呢？试想一下，如果按照大数据项目的方式培养人才，因为那样的出发点往往目的性强，团队人员素质太过于专业成都专业数据分析团队，似乎招聘就是一个“硕大的工程”。所以，我们可以按大数据能力中心进行分类规划，它包含需求管理域、分析交付域数据管理域、项目管理域几个大类，每类人员角色可以涵盖目前主流的岗位角色，而人才能力可以从企业现有的组织队伍中虚拟构建，这似乎也是一种不错的选择。

需求管理域：要努力获取客户需求，评估事项的优先级，初步吸收并分析应对策略，保持内部信息的畅通和支持相关人员培训。这个领域的角色定义可以归属于需求分析师、咨询顾问、数据挖掘师、业务分析师、运维工程师等等。

分析交付域：专注于大数据应用和产品研发，进行产品的原型设计与功能验证，开展相应的数据分析和POC成都专业数据分析团队，支持数据源接口管理和调配。这个领域的角色定义可以归属于技术架构师、产品经理、前后端开发工程师、分析建模师、用户体验设计等等。

数据管理域：定义数据规范，开展数据管控与数据安全防范，确保数据质量和元数据管理。这个领域的角色定义可以归属于运维工程师、运营工程师、数据治理专家、工程质量控制、数据安全规划师等等。

项目管理域：进行项目工程的策略和框架设计，开展大数据项目管理，业务定义统筹规划和项目内外部沟通

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！