加强数据要素学科专业建设和数字人才队伍建设

xinwen.mobi · 发表于 2025-12-6 07:49:13

关于加强数据要素学科专业建设与数字人才队伍培养的指导意见
引言

数据作为新型生产要素，是数字化、网络化、智能化的基础，已深刻融入经济社会发展的各领域全过程，对于推动高质量发展、构建新发展格局具有战略性、基础性意义。当前，我国数据要素市场建设正处于关键阶段，而与之相适应的数据要素学科专业体系尚不完善，数字人才的规模、结构与质量尚不能满足深化数据要素市场化配置改革和赋能人工智能高质量发展的重大需求。为系统应对这一挑战，激活数据要素赋能新质生产力的创新引擎作用，促进教育链、人才链与产业链、创新链深度融合，现就全面加强数据要素学科专业建设和数字人才队伍建设提出以下意见。

一、总体要求与战略定位
（一）重大使命

数据要素学科专业建设和数字人才队伍建设，承担着为统筹推进数字中国、数字经济、数字社会规划和建设提供坚实智力支持与人才保障的重大使命。其核心目标是培养能够支撑数据要素产权界定、流通交易、收益分配、安全治理等市场化配置改革各环节，并能驱动人工智能等前沿技术高质量发展的复合型、创新型、实战型专业人才。

（二）核心目标

力争通过一段时间的努力，建立起以国家战略需求和科技发展前沿为牵引的学科专业动态调整机制和人才培养模式。构建覆盖高等教育、职业教育，贯通本、硕、博各层次的，产学研用深度融合的数据人才培养体系。最终形成具有中国特色、立足实践的数据要素自主知识体系和科学研究体系，为数字中国高质量发展提供坚实的理论支撑和源源不断的人才动力。

二、重点任务与具体举措
围绕上述目标，需从学科体系、职业教育、科学研究、协同创新四个维度协同推进，形成合力。

（一）以国家战略为牵引，健全多层次数据要素学科专业体系

构建系统化、多层次的数据要素学科专业布局，是培养高端人才的基石。

优化学科专业设置：教育部门与数据管理部门需协同加强顶层设计。重点支持有条件的学位授予单位，设立和发展“数据科学与工程”、“数字经济与管理”等核心交叉学科。同时，建立健全从本科到博士的全链条衔接培养机制。在职业教育领域，鼓励职业院校紧密对接产业一线需求，动态开设如数据采集清洗、数据标注、数据合规、数据运营等市场急需的专业方向。

推进分层分类建设：引导不同类型高校发挥特色优势。支持综合性大学整合资源，探索建设实体性或虚拟化的“数字学院”。鼓励理工、财经、政法、传媒、艺术等特色院校，分别聚焦数据安全、数字金融、数字法学、数字传媒、数字艺术等领域，打造优势专业。鼓励高校面向产业发展最前沿的知识技能需求，灵活开设数字贸易与商务、健康医疗大数据、国际数据治理等“微专业”，快速响应社会需求。

强化核心教学要素：加快构建高质量的核心课程与教材体系，推出一批理念先进、特色鲜明的优秀教材。加强师资队伍建设，支持高校按规定聘请产业界专家参与教学，并推动教师到企业、研究机构实践锻炼。充分发挥数据要素相关教学指导委员会在研究、咨询、指导、评估和服务等方面的专业作用。

（二）以产业发展为导向，深化数据行业职业教育改革

职业教育是培养高素质技术技能人才的主阵地，必须与产业发展同频共振。

打造产教融合新生态：建立健全“政府统筹、行业指导、企业参与”的职业教育体制机制。研究组建全国数据职业教育教学指导委员会，加强行业指导。鼓励各地以数据产业园区为基础，打造集人才培养、创新创业、产业升级于一体的“市域产教联合体”。支持龙头企业联合高水平院校，牵头组建跨区域、跨行业的“产教融合共同体”。同步研究制定数据要素从业人员能力要求的国家标准，为人才培养和评价提供依据。

推动教育教学模式创新：深化校企合作，鼓励企业深度参与职业院校教学，共建“校中厂”、“厂中校”等实训基地，共同开展技术研发与成果转化。加快建设兼具理论教学和实践操作能力的“双师型”教师队伍，落实教师企业实践制度，推动企业技术骨干到校任教。实施数据专业就业跟踪计划，精准把握市场脉搏，并鼓励学生参与世界职业院校技能大赛等高层次竞赛。

开发实践性教学资源：支持行业企业、协会与院校共同开发基于真实生产案例的课程、工作手册式教材和教学项目。建设并全域共享数据专业教学资源库，推动竞赛成果向教学资源转化，形成“赛课联动”机制。同时，鼓励在传统专业的课程体系中融入数据素养相关内容，助力各行业数字化转型。

（三）以有组织科研为支撑，繁荣数据领域学术研究

高水平科学研究是学科发展和高端人才培养的引擎。

加强科研组织与平台建设：积极推动建设数据领域的全国性科技社团，加快形成学术共同体和人才梯队。实施高层次数字人才培养行动，对接国家重大人才工程。支持创办高水平数据学术期刊，鼓励现有期刊开设数据研究专栏，畅通高质量成果的发表渠道。

聚焦前沿与重大问题研究：科研方向应聚焦国家重大战略需求。系统研究数据要素市场化配置改革中的全局性问题，重点攻坚数据产权、定价、交易等基础理论、政策与法律。紧跟人工智能、区块链、隐私计算等技术前沿，加强数据基础共性理论技术研究。同时，围绕智能制造、金融科技、智慧医疗等重点行业，突出数据应用技术的创新研究。

夯实科学数据基础设施：培养专业的数据工程团队，致力于科学数据的采集、整理与开放共享，建设一批具有国际影响力的权威科学数据库。以国家科学数据中心等平台为主体，打破“数据孤岛”，推动科研与产业数据融合共享，建设高质量数据集，为人工智能驱动的科研创新提供数据动能。

（四）以应用场景为载体，促进产学研用深度协同

真实的应用场景是检验和提升人才培养质量的试金石。

建设人才培养应用场景：构建以企业为主导的产学研用协同创新体系，在智能制造、智慧城市、数字金融等领域建设一批典型的人才培养应用场景。强化企业在场景构建、需求定义和实施落地中的主导作用，鼓励高校和科研机构的师生、研究人员深入一线，在实践中培养解决复杂问题的能力。

创新协同培养模式：支持高校与龙头企业、研究机构共建特色学院、交叉学科平台或产教融合研究院。以具体场景和项目为牵引，共同开发核心课程与实践项目，并积极探索知识产权共享等激励机。在国家设立的各类数字经济、数据要素试验区，开展具有地方产业特色的数字人才培养项目。

打造协同创新平台：探索“揭榜挂帅”机制，依托高校优势学科建设数据要素产教融合创新平台，组建跨学科团队，攻关关键共性技术与颠覆性技术。鼓励领军企业开放其技术平台和场景，委托国家级平台承担人才培养项目，让学生在国家级项目中锻炼成长，共同培养国家战略急需的复合型应用人才。

三、组织保障与实施机制
为确保各项任务有效落实，必须建立强有力的组织保障体系。

强化统筹协调：由国家数据局会同教育部、国家发展改革委、科技部等部门，建立常态化工作联系机制，统筹推进各项工作。组织部门要加强宏观指导与统筹协调，凝聚各方力量，形成政策合力。

压实地方与主体责任：各省（区、市）相关部门应结合本地实际，制定具体实施方案，认真组织落实。各高等学校、职业院校、企业及研究机构要主动作为，积极承担在学科建设、人才培养、科研创新中的主体责任。

加强监测评估与推广：国家数据局负责对实施效果进行跟踪监测，研究建立数字人才发展指标，科学评估建设成效。要及时总结实践中形成的成功经验和优秀案例，通过多种渠道进行宣传推广，发挥示范引领作用，在全社会营造重视数据学科、培育数字人才的浓厚氛围。

加强数据要素学科专业和人才队伍建设是一项关乎长远发展的系统工程。各部门、各地方及各相关单位务必高度重视，切实履职尽责，锐意改革创新，共同推动数据人才生态的繁荣发展，为将我国建设成为数据强国、数字中国提供坚实支撑。

		自动登录	找回密码
密码			立即注册