2016年2月，教育部公布新增的“数据科学与大数据技术”专业，北京大学、对外经济贸易大学、中南大学成为第一批获批高校。时隔一年，2017年3月，教育部公布第二批“数据科学与大数据技术”专业获批的32所高校。到此为止，我国已有35所高校获批该专业。 
　　第二批32所获批高校名单如下：
　　1 中国人民大学
　　2 北京邮电大学
　　3 复旦大学
　　4 华东师范大学
　　5 电子科技大学
　　6 北京信息科技大学
　　7 中北大学
　　8 晋中学院
　　9 长春理工大学
　　10 上海工程技术大学
　　11 上海纽约大学
　　12 浙江财经大学
　　13 宿州学院
　　14 福建工程学院
　　15 黄河科技学院
　　16 湖北经济学院
　　17 佛山科学技术学院
　　18 广东白云学院
　　19 北京师范大学-香港浸会大学联合国际学院
　　20 广西科技大学
　　21 重庆理工大学
　　22 成都东软学院
　　23 电子科技大学成都学院
　　24 贵州大学
　　25 贵州师范大学
　　26 安顺学院
　　27 贵州商学院
　　28 贵州理工学院
　　29 昆明理工大学
　　30 云南师范大学
　　31 云南财经大学
　　32 宁夏理工学院
　　第一批3所，第二批32所，全国高校纷纷响应，都在积极申报，而且这完全符合国家推动大数据发展的政策，下一批估计会有几百所获批。那么，各大高校应该怎么建设大数据专业，才能不至于掉队呢? 
　　首先需要明确大数据专业需要培养什么样的人才。
　　“数据科学与大数据技术”专业(专业代码080910T)强调培养具有多学科交叉能力的大数据人才。该专业人才一般需要培养以下专业能力：一是理论性的，主要是对数据科学中模型的理解和运用;二是实践性的，主要是处理实际数据的能力;三是应用性的，主要是利用大数据的方法解决具体行业应用问题的能力。 
　　理论是基础，实践是工具，而应用则是目标与核心竞争力，一名合格的大数据专业毕业生应该具有让数据产生价值的能力。 
　　其中，理论素养的培养需要通过经典的数据数据课程，比如描述统计(含数据可视化)、回归分析、多元统计、机器学习(含深度学习)、时间序列、非结构化数据、运筹优化等，根据各学校的不同定位，以应用为导向，相应地开设基础课程、核心课程或者选修课程。 
　　实践方面，则需要以下几个方面的巩固提高。第一、要强化SQL的训练，这是在企业环境中，同数据库基本的交互。第二、要强化R和Python的训练。就R而言，几乎所有最新的统计方法，都能找到相应的package，是小样本学习训练的不二之选;而在实际的数据产业中，Python则是被用得多的编程语言。第三、并行计算能力的提升，主要针对两种常见的技术框架：Hadoop和Spark。
　　最后，无论理论和实践功课做得多足，没有一个真实的应用场景，都无法产生价值，所以还需要产业实践。比如，大数据与金融学结合催生出金融科技方向，带来了征信、风控、自动化交易、机器人投资顾问等分支;数据挖掘与生物学结合产生了计算生物学方向……而这些大数据应用都需要深入企业真实项目和案例的实战。 
　　社会对大数据人才的需求是多层次的，大数据人才的培养也应该有区别有重点。如果说硕士层次注重职业发展的广度和综合运用能力，本科注重扎实的学科基础和工程实践能力，而专科侧重具体的岗位的技术运用能力。
　　比如，高职高专学校怎么建设大数据专业呢?从事数据挖掘的人都知道，数据挖掘的80%工作量都在数据清洗准备。这个工作又繁琐，又消耗大量的人力，但是对技能水平要求并没有那么高，那么高职高专学校正好可以培养大量大数据准备人才。
　　任何专业人才的培养，任何一个学科的发展壮大，都离不开完整的教学体系、贴合的教学内容