发展大数据还有啥问题(2)

　　另一方面，数据分析本身也是一个难题。大数据中，绝大部分属于非结构化的数据，它们大量存在于社交网络、互联网和电子商务等领域，这些数据的不确定性表现在高维、多变和强随机性等方面。股票交易数据流就是不确定性大数据的一个典型例子。这些都需要通过包括数学、经济学、社会学、计算机科学和管理科学在内的多学科交叉来研究和讨论。

　　目前，我国大数据技术创新能力还有待提升。《大数据产业发展规划（2016-2020年）》指出，我国在新型计算平台、分布式计算架构、大数据处理、分析和呈现方面与国外仍存在较大差距，对开源技术和相关生态系统影响力弱。同时，大数据应用水平不高。我国发展大数据具有强劲的应用市场优势，但是目前还存在应用领域不广泛、应用程度不深、认识不到位等问题。

　　“虽然我们在应用上不落后国外，但是在底层技术上和国外差距特别大，技术都来源于谷歌等国外大公司。”国务院发展研究中心信息中心研究处处长李广乾说，很多时候我们的商业模式走在了技术前面，并没有通过技术手段来推动创新。

　　对此，潘文表示，国家层面要支持大数据共性关键技术研究，加强海量数据存储、数据清洗、数据分析发掘、数据可视化等领域关键技术攻关，并支持自然语言理解、机器学习、深度学习等人工智能技术创新。

　　专业人才短缺严重

　　近年来，我国大数据产业发展进入爆发期，由于成熟的人才培训体系尚未建立，直接导致人才短缺的问题日益突出。“我们面临的最严重的问题就是应用场景和人才的问题，应用场景的问题是需要时间，人才问题是我这么多年来碰到的最严峻的问题。”鄂维南说。

　　人才不足限制了大数据产业创新发展的成效。清华大学计算机系教授武永卫透露的数据显示，未来3至5年，中国需要180万数据人才，截至目前，中国大数据从业人员只有约30万人。LinkedIn（领英）发布的《2016年中国互联网最热职位人才报告》则显示，数据分析是当下中国互联网行业需求最旺盛的6类人才职位之一。

　　同时，大数据行业选才的标准也不断变化。初期，大数据人才的需求主要集中在ETL研发、系统架构开发、数据仓库研究等偏硬件领域，以IT、计算机背景的人才居多。随着大数据往各垂直领域的延伸发展，对统计学、数学专业的人才，主要从事数据分析、数据挖掘、人工智能等偏软件领域的需求加大。

　　在高端人才稀缺的现实情况下，企业多选择从海外和传统行业挖掘跨界人才，但仍然无法满足国内市场的大量需求。针对大数据人才供应不足的现象，各种培训机构和各大高校也开始强化大数据人才的培养。但培养大数据人才需要时间，在短期内对于大数据领域的高端人才仍然会呈现出供不应求的现象。

　　值得注意的是，今年3月份，教育部公布了第二批获准开设“数据科学与大数据技术”的高校名单，加上第一批获批的北京大学、对外经济贸易大学、中南大学，一共35所高校获批开设该专业。今年开始，部分院校将招收第一届大数据专业本科生。