数据科学作为一门实操性极强的学科，需要科学的实践路径与工具的掌握。前沿技术与商业场景之间存在的认知偏差阻碍了数据科学价值的释放，在数字化趋势下，日益完善的社会教育体系和不断催生的复合工作能力要求，继高等教育之后也催化了大批数据科学人才的诞生。

实训机制是以让学生完成完整的数据科学项目为导向设置的实践类型，国外已有较多高校开设实训营以培养学生达到能用数据科学方法解决实际项目的目的。在现阶段国内高校中，依旧存在着实训统一工具管理困难、流程设置的科学性、目标与成绩评估和管理等问题。和鲸认为，以项目为导向的数据科学教育要注重“CBL + Design Thinking + 全流程云端工具”，实现“理论知识+数据资源+人才潜力”的汇总，把握真实问题、真实业务，创造真实价值。

但是正因为数据科学的知识体系较为庞杂，因此在实际教学过程中，往往会出现教学平台的资源缺口、真实数据与案例沉淀缺失、项目分工与资源调配等问题。数据科学教育需要敏捷、高效和可协同的平台支撑，基于云端化和协同化的数据科学实操，是在以科学的、循序渐进的实践路径中的重要保障。

以项目为导向的实践中，同样面临的问题包含了项目分工与资源调配的痛点。项目角色不清晰、资源分配有偏差以及分工交付时间不准确等等，导致了数据科学在应用阶段产生落地迭代慢的痛点，基于次，和鲸认为在项目实践阶段要培养项目分工与合作的团队意识，针对项目分工，不同岗位的人才需要定向培养不同的能力集。

2020年3月，国内领先的数据科学协同平台和鲸科技联合TalkingData旗下腾云大学、全球知名云计算服务平台AWS、开源学习社群Datawhale多家机构共同发布了《数据科学教育白皮书》（以下简称白皮书），旨聚焦于数据科学教育领域，研究基于全球视角下，数据科学教育的发展轨迹与方向。

想要了解更多数据科学教育项目发展现状和学科建设路径，关注和鲸公众号，后台回复“数据科学教育白皮书”，即可获得完整内容。