研发人才培养成果怎么写，大数据人才培养方案

数据是国家和企业的战略资源，只有掌握数据并通过分析让它自己说话，才能创造真正的价值。然而，目前我国数据分析人才缺口较大。

数据分析人才紧缺的原因是什么？如何加大培训力度？针对这些问题，新京报记者前晚采访了全国政协委员、中国科学院院士、北京大学讲座教授陈松奇。大学。全国两场。

陈松奇，全国政协委员、中国科学院院士、北京大学资深教授。受访者供图

浅谈统计人力资源开发

建议将统计学作为核心科目，并在科目构成方面给予政策优先考虑。

新京报记者：去年第二次全国会议上，您提出“加强统计基础研究人才培养”。今年你带来的《关于“加强数据分析人才培养力度”的提案》也是统计人才相关的。为什么统计学很重要？它可以应用到哪些热门领域？

陈松奇：统计学是指导数据收集、数据分析、数据推理的学科，是整个数据科学的基础。数据分析的基础是统计学。在数据驱动的时代，无论是学术研究还是商业决策都离不开统计指导。

统计有广泛的应用。目前流行的人工智能有两个基础：一是计算机科学，二是统计学。随着数据成为国家第五大生产要素，数据赋能的重要性日益凸显。实现有效的数据赋能需要丰富的数据分析人才。统计学是一门培养数据分析人才的研究。

新京报：今年提出的背景是什么？我国数据分析人才目前面临哪些挑战？

陈松奇：近年来，我国在建设大规模存储、强大计算能力的数字基础设施方面形成了良好的布局。然而，建设数字中国不仅仅是建设存储平台、计算平台等硬件，更要建设软实力，利用收集的数据、分析机会、释放数据生产力。

目前，日本数据分析人才缺口较大。据人力资源和社会保障部测算，“十四五”期间需求总量预计将达到2000万人左右。与此形成鲜明对比的是日本数据分析人才培养能力严重缺乏。

这主要体现在四个方面。首先，统计学在培养数据分析人才方面的主要作用没有得到充分利用。在全国120多个入门专业领域中，统计学是唯一以数据为研究对象的领域，是培养数据分析人才的核心领域。但由于学位点数量和招生名额有限，我国统计学硕士、博士生培养规模还十分有限，无法满足各行各业的需求。

同时，统计学不属于基础领域，不利于有才华的高中生选择统计学，而且特别是在大规模领域，作为国家核心的人工智能技术的创新受到阻碍。没有帮助，对开发没有用处。培养能够引领国际数据分析发展的战略科学家，并不等于培养能够引领企业创新发展、实现数据赋能的数据分析师。

师资严重短缺也是一大问题。为了更好地培养数据分析人才，大学需要大量的统计学和数据科学教师。纵观近10年统计领域博士生就业市场，工业界和学术界对统计领域博士毕业生的需求量较高，薪资水平较高，超过一半的博士毕业生找到工作在统计字段中。被选中。业界将进一步增强大学数据，分析人才发展能力差距。例如，北京大学每年只毕业十几个统计学博士，其中只有一半最终可能在不同的学校任教。

此外，国家和地方统计局和调查队伍、政府部门、医疗卫生行业专业统计机构等专业性强的统计分析人员严重短缺，对我国统计体系建设产生很大负面影响。数字中国和数字政府正在产生影响。

新京报：您认为应该如何加强数据分析人才的培养力度？

陈松奇：我建议将试点大学现有入学专业中的统计学纳入固基计划，加强对基础统计研究人才培养的支持，明确统计“一流学生”应纳入其中。制定基础统计人才培养计划，尽快在全国高校选拔补充基础统计拔尖人才培养基地，弥补基础统计研究拔尖创新人才培养不足。

将统计学纳入国家“101计划”，结合国家优秀优势，系统构建统计教材体系，加快形成适应数字中国建设的统计与数据科学核心课程体系，分阶段推进。全国大学。

加大对统计学一流学科建设的支持力度，增加统计学“双一流”建设学科数量；政策倾向，如长江学者、教育名师评价，给予同等地位。

谈谈空气污染防治

有必要采用排除天气影响的空气质量评估方法。

新京报：2014年以来，您带领北京大学环境统计团队对中国空气污染情况进行统计分析，近期研究得出了哪些总体结论？

陈松奇：我们主要利用大数据统计方法，提出一种去除大气监测数据中气象因素干扰的方法，创建一个可以消除气象因素和“人为因素”的具有时间可比性的空气质量指数。——得到‘天助’指标。及时计量污染排放量并评估国家大气污染防治措施的有效性。

根据对大气污染防治重点地区及周边102个地级及以上城市的长期跟踪测算，排除天气因素影响后，2022年PM2.5平均浓度为上年的55.3%。预计会下降。 2013年。

新京报：去年您当选“新一届全国政协委员”，连续两年围绕大气污染防治提出建议。请介绍一下您的提案内容。

陈松驰：去年我提交了一份提高空气质量标准的提案。目前，我国采用的是2012年开始实施的空气质量等级，这套标准主要是世界卫生组织空气质量指南中规定的“过渡期”的主要标准。

相对于我国空气质量的显着改善，这个空气质量标准是滞后的。中国目前的“良好”空气质量上限是PM2.5每立方米75微克，远高于世界许多国家。当普通公众知道空气质量良好时，大多数人并不会采取防护措施，这无助于保护敏感人群的健康。我建议，在出台新的空气质量标准时，可以先将PM2.5“良好”空气质量的上限从75微克/立方米降低到50微克/立方米。

今年我们将提交《关于采用剔除气象影响的空气质量评估方法的提案》。大气污染防治绩效评价方法的科学性和公正性将直接影响地方政府开展大气污染防治和对策的积极性和效率。

目前，国家对城市空气质量目标的衡量是基于原始观测污染物浓度的简单算术平均值，但这种简单的评价方法并没有考虑到天气状况对空气质量的显着影响。

北京大学环境统计团队提出“人为天助”指数，可以科学有效地分析人为排放和气象因素对空气质量的影响。历年的空气质量评估报告已经明确表明，“天形”（气象因素）对空气质量的影响不容忽视。

陈松奇：我们建议公共数据根据数据的风险程度有序共享。高分辨率气象、大气环境、环境保护、生态、经济、社会等与国家安全无关的数据可以优先发布。对于一些敏感数据，可以签订标准化协议，对数据的使用进行不同程度的规范，并提供给国内学术界和企业。公共数据有序开放共享，将使国内科研人员和企业能够及时获取长期历史数据，提升我国大数据分析和数据赋能能力。

我们还建议专注于构建高质量的再分析数据集。建立由现场科学家和数据科学家组成的数据融合团队，利用我国在数据同化方面的基础统计优势，在多个关键科学领域构建高质量的再分析数据集，满足我国科研人员的数据需求，减少对外部数据的需求。数据依靠科学数据来实现独立和自力更生。

讨论统计学和跨学科研究的前景

可以在气候变化、人工智能医疗诊断等方面发挥作用。

新京报：您关注的是统计学与大气环境的交叉研究，您如何看待统计学与其他领域交叉研究的未来前景？

陈松奇：数据时代，前景非常好。例如，气候变化目前成为人们关注的焦点。联合国政府间气候变化专门委员会（IPCC）报告是全球气候变化研究的权威参考，在世界各国应对气候变化战略中发挥着关键作用。本报告使用统计方法来确定气候变化的原因。最近，我们发现需要完善相关理论和方法，我们团队的成员也一直在这方面进行研究。过去20年来，统计学朝着高维和超高维数据的统计分析方向发展，最新结果可以应用于IPCC报告中。

我们跨海洋进行研究，并建立有关西太平洋温度、盐度、海流速度等的科学数据集。此外，与首都医科大学宣武医院、首都医科大学附属北京六合医院合作，利用人工智能统计方法进行医疗诊断，利用脑电图统计数据分析，实现癫痫自动诊断，让医生能够根据脑电图数据进行癫痫诊断。可以阅读。摆脱挑战。另外，在某些地区，可能没有可以解读脑电波的神经科医生，所以我们利用人工智能向优秀的神经科医生学习脑电波解读技术，这样即使是偏远地区的患者也能接受先进的分析。

新京报记者张璐

编辑白爽校对张彦军