Ansøgning om prækvalifikation af videregående uddannelser

Kandidat - Data Science - Syddansk Universitet

Syddansk Universitet
01/02-2019 09:50
2019-1
Godkendt
Ansøgningstype
Ny uddannelse

Udbudssted
Syddansk Universitet

Kontaktperson for ansøgningen på uddannelsesinstitutionen
Kvalitetskoordinator Gitte Toftgaard Jørgensen tlf. 60112416 e-mail: gittet@sdu.dk

Er institutionen institutionsakkrediteret?
Ja

Er der tidligere søgt om godkendelse af uddannelsen eller udbuddet?
Nej

Uddannelsestype
Kandidat

Uddannelsens fagbetegnelse på dansk fx. kemi
Data Science

Uddannelsens fagbetegnelse på engelsk fx. chemistry
Data Science

Den uddannedes titel på dansk
Kandidat i Data Science

Den uddannedes titel på engelsk
Master in Data Science

Hvilket hovedområde hører uddannelsen under?
Naturvidenskab

Hvilke adgangskrav gælder til uddannelsen?

For at søge ind på Data Science skal ansøgeren have en universitets- eller en professionsbachelor.

Adgangskravene til uddannelsen er fastsat således, fordi uddannelsens natur er interdisciplinær. Den studerende skal kunne supplere en hvilken som helst bacheloruddannelse med Data Science kompetencer. Uddannelsen er således tilrettelagt for studerende, der ikke har en datalogi-/softwarebaggrund. Har man en tilsvarende uddannelse, foretager SDU en individuel vurdering af den pågældende ansøger.

En forudsætning for optagelse er et sprogkrav om dansk på A-niveau.

Ingen bachelorer har retskrav.

Syddansk Universitet har gode erfaringer med brede indgangskrav på kandidatuddannelser, fx på Cand.IT i Web Communication Design. Universitetet vil trække på disse erfaringer ved oprettelsen af Data Science.


Er det et internationalt uddannelsessamarbejde, herunder Erasmus, fællesuddannelse og lign.?
Nej

Hvis ja, hvilket samarbejde?

Hvilket sprog udbydes uddannelsen på?
Dansk

Er uddannelsen primært baseret på e-læring?
Nej

ECTS-omfang
120

Beskrivelse af uddannelsens formål og erhvervssigte

Formålet med Data Science er at uddanne kandidater, der har analytiske og tekniske færdigheder til at dække alle aspekter inden for håndtering, analyse og præsentation af data – nu og i fremtiden. Kandidaterne kan således arbejde med, behandle, analysere og præsentere data i alle brancher og alle typer af virksomheder.

Viden
Kandidater i Data Science kender værktøjer, metoder og teknikker til dataanalyse, herunder maskinlæring, statistisk analyse og datamining. De forstår desuden opbygningen af disse værktøjer. Kandidaterne har kendskab til programmering, og endelig har de viden om, hvordan databehandling indgår indenfor en selvvalgt fagretning.

Færdigheder
Kandidater i Data Science kan udvælge, anvende og sammensætte de rette programmerings-, statistik- og maskinlæringsværktøjer og -metoder til at arbejde med større datamængder generelt eller indenfor et givent fagområde. Kandidaten kan desuden designe og foretage komplekse dataanalyser og arbejde med avancerede data. De kan udvikle dataanalytiske systemer under hensyntagen til privathed og it-etiske problemstillinger. Kandidaten kan visualisere data og sætte dem i en fagspecifik kontekst. De kan desuden formidle viden og diskutere fagrelevante problemstillinger med kolleger, virksomhedens ledelse og omgivelser.

Kompetencer
En kandidat i Data Science kan styre arbejds- og udviklingssituationer, der er komplekse og uforudsigelige indenfor databehandlings- og analyseområdet. Kandidaten kan selvstændigt igangsætte og gennemføre analyser og påtage sig et professionelt ansvar under overvejelse af IT-etiske og IT-sikkerhedsmæssige konsekvenser. Kandidaten kan tage ansvar for egen faglig udvikling.

Særlig kobling til forskellige faglige områder
Uddannelsen giver kandidaten mulighed for at vælge mellem forskellige faglige retninger – sundhedsdata, economics and business administration, human informatics, miljødata eller ICT systems – som oftest vil være i sammenhæng med dennes bachelorbaggrund. Her vil kandidaten få indsigt i, hvordan uddannelsens grundelementer hænger sammen med netop det valgte fagområde. Kandidaten vil desuden få kendskab til fagområdets behov, muligheder og særkender i arbejdet med og behandling af data.

Erhvervssigte
I erhvervsliv, forskning og offentlig administration er større datamængder både en central del af arbejds-processerne og en værdifuld ressource til at skabe ny viden, stærkere beslutningsgrundlag samt til at lave forskellige forudsigelser. Kandidater med stærke faglige og tekniske færdigheder til at bearbejde og analysere data er derfor i høj kurs i private og offentlige virksomheder. Data Science kandidaterne forventes således at få både gode og brede karrieremuligheder.

Alle bachelorer og professionsbachelorer, med ovenstående undtagelser, kan komme ind på uddannelsen i Data Science. Uddannelsen vil derfor give nye muligheder for mange forskellige bachelordimittender fra samtlige hovedområder, der enten ønsker at skifte retning eller supplere deres fag med et dataorienteret perspektiv.

Uddannelsen bygger en to-årig kandidatuddannelse i dataforståelse, databehandling og dataanalyse ovenpå de studerendes bachelorgrader i vilkårlige fag, som fx økonomi, folkesundhedsvidenskab, samfundsfag, biologi eller markedsføring. Kandidaterne vil få deres forskellige bacheloruddannelser suppleret med en solid fælles værktøjskasse i form af Data Science-uddannelsens grundelementer. Kandidaterne vil kunne tone deres Data Science-uddannelse indenfor en selvvalgt fagretning, hvor de uddyber deres forståelse og viden om Data Science indenfor anvendelse i et bestemt område, der typisk vil hænge sammen med deres bachelorbaggrund.

Tilsammen gør disse kombinationsmuligheder Data Science-kandidaterne unikke, og de vil få en bred vifte af jobmuligheder. Deres fællesnævner vil blive stærke evner til at forstå, analysere og behandle data.

Eksempler på relevante jobopslag
Eksempler på jobopslag, der henvender sig til kandidater med færdigheder og kompetencer, som dem Data Science-uddannelsen vil give:

“The Novo Nordisk Foundation is looking for a Scientific Officer within Health-related data science. The Scientific Officer will be responsible for developing as well as implementing grant-awarding activities within health-related data science. The activity will be coordinated with research institutions, healthcare providers, the public administration, and other stakeholders in the area.”

“Nordea is looking for a Data Scientist to define data problems in environmental, social and governance datasets, and generate analysis and future scenarios using data science tools for investment research.”

”ICT skal bygge fremtidens toldvæsen ved både at gennemføre omfattende ændringer af nuværende forretningsprocesser og databrug og ligeledes udvikle en serie af nye it-systemer på området. På datafronten skal der blandt andet udvikles nye data- og risikomodeller med afsæt i de nyeste metoder inden for moderne analytics og big data.”

“As our senior data scientist, your primary task will be to provide action consulting as you participate in priority busi-ness or strategy projects across Grundfos globally. Tackling problems such as minimising energy consumption in pump systems, optimising digital configuration tools or designing a graph database, you ensure that the project team solves the task in the best possible way.“

“Join DONG and become data analyst in Projects & Analytics where you’ll help shape our analytics journey and be responsible for turning data into insights that we use to drive decisions.“

”Red Barnet står på kanten af en ny strategiperiode, hvor World Class anvendelse af data er en klar ambition. … Til at drive denne udvikling og videreudvikle vores systemer har vi brug for en superstærk Data Scientist med kompetencer inden for softwareudvikling.  Du skal bl.a. a) vedligeholde og udvikle vores analysemodeller mhp at generere insights om bidragydere og kampagnetiltag, b) Rådgive afdelingsledelsen om såvel optimal datastruktur som optimering af aktiviteter og c) Inspirere og motivere kolleger i fundraising-afdelingen til brug af data.”


Uddannelsens struktur og konstituerende faglige elementer

Data Science-uddannelsen er interdisciplinær og således tilrettelagt til de studerende, der ikke har en datalogi-/software-bachelorbaggrund.

Uddannelsen er inddelt i tre blokke:
- Grundelementer bestående af 60 ECTS konstituerende kurser
- Fagretning bestående af en 20 ECTS-kursuspakker
- Speciale på 30 ECTS


Hertil kommer valgfag på 10 ECTS.

Kassogram
































Speciale
30 ECTS 



Valgfag
10 ECTS



Anvendt Maskinlæring
10 ECTS


Visualisering
5 ECTS

Deep Learning
5 ECTS



Fagretning
20 ECTS


Datamining og maskinlæring
10 ECTS
Multivariat analyse
5 ECTS
Databasesystemer
5 ECTS
Introduktion til databehandling
10 ECTS  
Statistik for Data Science
5 ECTS
IT-sikkerhed, IT-etik og privathed
5 ECTS

Uddannelsens grundelementer – 60 ECTS
Pakken af konstituerende kurser giver den studerende viden, færdigheder og kompetencer indenfor temaer; Programmering og datamanagement, Statistisk analyse samt Datamining og maskinlæring.

Derudover introducerer de konstituerende kurser metoder på samme tid, som metoderne vil blive anvendt. Sammen med kurset om anvendt maskinlæring bliver de studerende solidt klædt på til at anvende deres metodekundskaber til at bidrage til datadrevne løsninger på virksomheds- og samfundsudfordringer.

Uddannelsens grundelementer på 60 ECTS rummer følgende konstituerende kurser:

Introduktion til databehandling – 10 ECTS
- Principper for imperativ programmering
- Data preprocessing inklusiv data cleaning & data transformation
- Redskaber fra den lineære algebra
- Introduktion til dataanalysebiblioteker

Databasesystemer – 5 ECTS
- Structured query language (SQL) databaser
- Programmering med databasesystemer
- NoSQL databaser og query languages

Statistik for Data Science – 5 ECTS
- Sandsynlighed og fordelinger
- Hypoteser og statistiske tests
- Statistiske modeller inklusiv lineær regression

IT-sikkerhed, IT-etik og privathed – 5 ECTS
- Sikker databehandling
- Juridiske rammer for databehandling
- Etiske overvejelser i data science

Multivariat analyse – 5 ECTS
- Multivariat normalfordeling
- Inferens og sammenligning af gennemsnitsvektorer
- Diskriminant og principal komponentanalyse

Datamining og maskinlæring – 10 ECTS
- Principper og udfordringer i maskinlæring
- Metoder til datamining inklusive clustering
- Statistiske læringsmetoder med anvendelse på udvalgte cases

Anvendt maskinlæring – 10 ECTS
- Datadrevne beslutningstagen
- Mining af sociale medier, herunder sentiment analyse
- Recommendation engines

Visualisering – 5 ECTS
- Principper for datavisualisering
- Kommunikation af datadrevne resultater
- Teknikker for grafiske fremstilling af data

Deep learning - 5 ECTS
- Neurale netværk
- Implementering og anvendelse af deep learning metoder til løsning af konkrete problemstillinger

Eksempler på mulige valgfag i forlængelse af grundelementerne
- Avanceret Data Mining
- Lineær algebra med anvendelse

Cases og virksomhedssamarbejde
Uddannelsen vil inddrage en række cases i såvel de 60 ECTS kernefag som i fagretningerne. Endelig kan den studerende vælge at skrive et case-baseret speciale og/eller at indgå i et samarbejde med en virksomhed om specialeprojektet.

Den studerende kan desuden vælge, at valgfagene bruges til et virksomhedsprojekt. Denne mulighed eksisterer allerede for studerende på det Naturvidenskabelige Fakultet, og rammerne er således til stede for dette.

Fagretninger – 20 ECTS:
Uddannelsens fagretninger er på hver 20 ECTS. Fire af de fem fagretninger vil være tilrettelagt efter hvilke fagområde, den studerendes bacheloruddannelse favner, mens fagretningen i ICT Systems (informations- og kommunikationsteknologisystemer) er tilrettelagt for alle, der optages på uddannelsen, uanset baggrund.

Economics and Business Administration (20 ECTS)
Studerende, der tager denne fagretning, vil få en dybere viden om at anvende data science-teknikker til markedsanalytiske formål i bredeste forstand. Studerende vil blive i stand til dels at foretage databehandling og tage informerede beslutninger på baggrund af store mængder data, dels at forstå anvendelsen af moderne teknologi og innovation som konkurrenceparameter i produktionsvirksomheder og virksomheder inden for service (herunder finansielle institutioner). Denne fagretning er tilrettelagt efter studerende, der har en bachelor i økonomi, erhvervsøkonomi eller tilsvarende.

Obligatoriske kurser:
- Data-driven decision making - 10 ECTS
- News and market sentiment analytics - 5 ECTS
- Organizational intelligence - 5 ECTS

Eksempler på mulige valgfag i forlængelse af fagretningen:
- Thick data analytics - 5 ECTS
- Corporate fintech - 5 ECTS

Health Data (20 ECTS)
Studerende, der tager denne fagretning, vil ved ansættelse i både det centrale og decentrale sundhedsvæsen blive i stand til at understøtte videns- og databaserede beslutninger og prioriteringer. Kandidater vil i forskningsmæssig sammenhæng kunne fungere i relation til både datamanagement og dataanalyse af sundhedsdata. Denne fagretning er tilrettelagt efter studerende, der har en sundhedsfaglig (professions-) bachelor, en samfundsfaglig bachelor eller en bachelor i matematik eller statistik.

Obligatoriske kurser:
- Sundhedsøkonomi – 5 ECTS
- Introduktion til sundhedsdata – 2,5 ECTS
- Introduktion til det statistiske analysesystem R - 1,5 ECTS
- Avanceret anvendelse af R - 1,5 ECTS
- Introduktion i Stata - 1.5 ECTS
- Generelle regressionsmodeller (overlevelses- og longitudinale data) - 5 ECTS
- Biodemografi, forecasting and populationsdynamik - 3 ECTS

Eksempler på mulige valgfag i forlængelse af fagretningen:
- Introduktion til grundlæggende biostatistiske begreber - 2 ECTS
- Essentielle emner i Biostatistik – 3 ECTS
- Avanceret sundhedsøkonomi - 5 ECTS

Environmental Data Science (20 ECTS)
Studerende, der tager denne fagretning, vil opnå kompetencer til at håndtere store datasæt fra naturen med særlig fokus på monitering af miljøfaktorer og naturelementer, som er relevante for at kunne forvalte natur- og miljø. Hertil kommer viden om optimering af natur- og miljøovervågning. Forskellige valgfag giver det teoretiske grundlag for forvaltning af natur og økosystemer. Denne fagretning er tilrettelagt efter studerende, der har en naturvidenskabelig bachelor.

Obligatoriske kurser:
- Planlægning og fortolkning af biologiske eksperimenter – 5 ECTS
- Modellering af økologiske systemer – 5 ECTS
- Geografiske Informationssystemer – 10 ECTS

Eksempler på mulige valgfag i forlængelse af fagretningen:
- Miljøkvalitet og miljøbedømmelse i vandløb – 5 ECTS
- Klimatilpasning – 5 ECTS
- Dronekursus indenfor natur, miljø, klima og miljøteknologi – 10 ECTS

Human Informatics (20 ECTS)
Studerende, der tager denne fagretning, vil blive i stand til at arbejde med datadrevne design- analyse- og beslutningsprocesser på et værdibaseret og menneskeorienteret grundlag. Der fokuseres særligt på datafunderet værdiskabelse gennem analyse af tekst-, billed- og lydbaserede data. Denne fagretning er tilrettelagt efter studerende, der har en humanistisk eller samfundsvidenskabelig bachelor.

Obligatoriske kurser:
- Introduction to human informatics – 10 ECTS
- Ethics by design– 5 ECTS
- Collaborative encounters & adaptive processes in software innovation – 5 ECTS

Eksempler på mulige valgfag i forlængelse af fagretningen:
- Mathematical Analysis of Cultural Expressions – 5 ECTS
- Cultural Patterns in Heterogeneous Data - 5 ECTS
- Artificial Intelligence and Ethics – 5 ECTS

ICT Systems (20 ECTS)
Studerende, der tager denne fagretning, vil få en dybere viden om programmering samt en bred introduktion til algoritmer og datastrukturer. De vil således blive klædt på med mere generelle IT-kompetencer. Efter at have gennemført de obligatoriske kurser, vil en række mere avancerede kurser blive tilgængelige som valgfag, fx netværk og sikkerhed. Denne fagretning er tilrettelagt efter alle studerende, der er optaget på uddannelsen og som ønsker at supplere kurserne i kerneelementerne med mere avancerede IT-kompetencer.

Obligatoriske kurser:
- Introduktion til objektorienteret programmering – 10 ECTS
- Datastrukturer og algoritmer – 10 ECTS

Eksempler på mulige valgfag i forlængelse af fagretningen:
- Netværk og sikkerhed – 10 ECTS
- Formelle sprog og dataprocessering – 10 ECTS

Valgfag – 10 ECTS
De studerende vil kunne vælge 10 ECTS valgfag. Valgfagene kan ligge indenfor den valgte fagretning, som beskrevet ovenfor, eller den studerende kan vælge nogle kurser indenfor en anden fagretning eller kurser, der ligger i forlængelse af uddannelsens grundelementer. En valgmulighed for alle er desuden at lave et projekt i samarbejde med en virksomhed.

Speciale – 30 ECTS
Specialet på 30 ECTS baseres på de kompetencer i Data Science, som den studerende har opnået gennem uddannelsens grundelementer og gennem fagretningen. Den studerende anvender disse kompetencer på en konkret problemstilling som oftest i tæt samarbejde med fagmiljøet bag den valgte fagretning og/eller i tæt samarbejde med en virksomhed. Specialeprojektet omfatter en selvstændig afgrænsning, løsning, og perspektivering af resultater med inddragelse af international forskning.


Begrundet forslag til taxameterindplacering

Det foreslås, at indplacere uddannelsen på takst 3 på linje med landets datalogi-uddannelser, bacheloruddannelsen i Data Science på ITU og lignende uddannelser, da ressourcetrækket vil være tilsvarende.


Forslag til censorkorps
Uddannelsen knyttes primært til Censorkorpset for Datalogi, idet det ligger tættest på uddannelsens kerne-fag. Da uddannelsen har tværfaglige elementer kan det datalogiske censorkorps ikke alene dække det fagli-ge behov. Derfor suppleres der med at beskikke censorer fra andre relevante censorkorps, der kan repræsentere uddannelsens elementer.

Dokumentation af efterspørgsel på uddannelsesprofil - Upload PDF-fil på max 30 sider. Der kan kun uploades én fil.
Aftagerbehovsundersøgelse_DataScience_2019.pdf

Kort redegørelse for det nationale og regionale behov for den nye uddannelse

Politisk perspektiv
Data Science er et alternativ til de kandidatuddannelser, der normalt bygger oven på en given bacheloruddannelse. Data Science er tværfaglig og giver studerende en ny mulighed. Uddannelsen imødekommer på denne måde budskabet i en aftale fra december 2018 mellem regeringen, Dansk Folkeparti, Socialdemokratiet, Radikale Venstre, Socialistisk Folkeparti, Enhedslisten og Alternativet om Mere fleksible universitetsuddannelser, hvor der bl.a. står:

Der skal gøres op med det stive system, hvor alle i dag går den samme vej gennem universitetet. Fremover skal vi have et mere fleksibelt uddannelsessystem, der passer bedre til forskellige ønsker og til den tid, vi lever i.

De unge skal have flere valgmuligheder på studiet, der gør det muligt at kombinere på tværs af fagområder og veksle mellem uddannelse og arbejdsmarked. De unge skal have flere valgmuligheder på studiet, der gør det muligt at kombinere på tværs af fagområder og veksle mellem uddannelse og arbejdsmarked.

Data Science møder også pointerne i Erhvervsministeriet Strategi for Danmarks digitale vækst fra 2017, hvor et hovedpunkt er "Data som vækstdriver i erhvervslivet” (se strategi her):

Mange danske virksomheder sidder i dag inde med data, der kan anvendes til at skabe vækst i virksomhederne selv. Virksomhedens egne data kan fx anvendes som et analytisk værktøj og føre til en optimering af processerne i forretningen hos virksomhederne selv, og det kan føre til at virksomheder får viden om enkelte kunders behov, og udvikle mere specialiserede produkter baseret på kundernes individuelle behov.

Regeringen ønsker, at danske virksomheder bliver endnu bedre til at anvende data.

Data Science vil give en bred IT-profil, som er et attraktivt tilbud til de studerende, der ønsker at ændre kursen efter deres bacheloruddannelse hen mod en hurtig og sikker vej til erhvervslivet. Det vil samtidig imødekomme ovenstående ønske.

Uddannelsen er unik, idet den gør det muligt for den studerende både at opnå en meget stærk dataprofil og at perspektivere denne i retning af et bestemt fagområde oftest med udgangspunkt i den studerendes bachelorbaggrund. Det forventes, at der vil være et stigende behov for sådanne kombinationer af kompetencer i erhvervslivet.

Regionalt perspektiv
Data Science uddannelsen vil også være unik regionalt, og der vurderes samtidig at være et regionalt behov for at ansætte denne type kandidater (SMV’er, store virksomheder som Danfoss og Lego, Regionens hospitaler, kommunerne og styrelser).

Danske Regioner har undersøgt, hvor dimittender generelt set bosætter sig efter endt uddannelse, og der er en tydelig tendens til, at de bliver i samme region, som de dimitterede fra. Således er der ikke en reel konkurrence mellem denne uddannelse og de uddannelser i fx hovedstadsområdet eller Aalborg, som den kan sammenlignes med. Sammenholdt med erhvervslivets efterspørgsel på ”data-kandidater” synes behovet både regionalt og nationalt (samt internationalt) åbenlyst.

Uddannelsen er ligeledes unik, fordi den er åben for alle typer bacheloruddannelsesbaggrunde, og de studerende vil kunne vælge mellem flere forskellige fagretninger.


Underbygget skøn over det nationale og regionale behov for dimittender

Efterspørgslen på Data Science-kandidater er blevet undersøgt. Alle de virksomheder, der har bidraget til denne aftagerbehovsundersøgelse, har vurderet, at der er et stigende behov for kandidater med kvalifikationer som dem Data Science vil give. Kun en enkelt klynge, som vi har talt med, har sat tal på behovet for kandidater i Data Science. Ud fra deres skøn vil der på sundhedsområdet alene være et behov på 50 dimittender om året.

Erhvervsstyrelsen fik i 2016 udarbejdet rapporten ”Virksomheders behov for digitale kompetencer”. Denne rapport giver en kvantificering af behovet for IT-specialister i den nærmere og fjernere fremtid, og rapporten nuancerer desuden disse tal med forskellige tal i forhold til hvilke kompetencer indenfor IT, som der er særligt efterspørgsel på.

Tekstuddrag fra rapporten:

FORVENTNINGER PÅ KORT OG LANG SIGT 
I de kommende år vil udbuddet af IKT-arbejdskraft være nogenlunde uændret. De seneste års stigning i efterspørgslen efter IKT-arbejdskraft kan forventes at fortsætte, særligt i lyset af den gradvise forbedring af situationen på arbejdsmarkedet. På kort sigt kan det således forventes, at udfordringerne med at rekruttere IKT-specialister vil stige.

Det forventes, at rekrutteringsudfordringer vil stige inden for især konstruktion. Desuden forventes der yderligere behov for konstruktionskompetencer inden for dynamisk webprogrammering (fx jQuery, og Ruby). Disse kompetencer anvendes ofte inden for bl.a. udviklingen af platforme til e-handel. Derudover er der også kommet øget fokus på cloud-løsninger, Big Data (dataanalytikere kompetencer) samt kompetencer inden for programmer til fremstilling og produktion.

Risiko for øget mangel på IKT-specialister på længere sigt 
Fremskrivninger af arbejdsmarkedets kompetencebehov er generelt behæftet med betydelig usikkerhed, og på IKT-området, hvor den teknologiske udvikling går stærkere end inden for mange andre områder, vil usikkerheden være særlig stor. Der er i dette projekt gennemført en fremskrivning af efterspørgsel efter og udbud af IKT-specialister baseret på en række efterspørgselsscenarier.

På trods af et stigende udbud af IKT-arbejdskraft viser grundscenariet, at der vil være et udækket efterspørgselspotentiale på 19.000 IKT-specialister i 2030. … Det kan risikere at medføre produktionsbegrænsninger og lavere produktivitet, da jobbene risikerer at forsvinde eller blive besat af personer med et lavere kompetenceniveau.

Særlig mangel på IKT-specialister med lange videregående uddannelser 
Det samlede udækkede efterspørgselspotentiale på 19.000 i 2030 dækker over betydelige forskelle mellem uddannelsesgrupperne. Fremskrivningen viser et underudbud af IKT-arbejdskraft med lange videregående uddannelser på ca. 13.000. Dette på trods af, at der ventes en markant stigning i antallet af personer med lange videregående uddannelser frem mod 2030.

Antal dimittender
Hvis man oversætter de positive interessetilkendegivelser fra Aftagerbehovsundersøgelsen og sammenholder det med ovenstående kvantificering af fremtidens IT-specialistbehov, så har det givet anledning til, at universitetet forventer at uddanne 20 kandidater efter to år, og derefter 50 kandidater årligt. Dette er en konservativ spejling af det forventede behov.


Hvilke aftagere har været inddraget i behovsundersøgelsen?

Efterspørgslen på Data Science-kandidater er blevet undersøgt. Der har været dialog med 30 virksomheder, 1 brancheorganisation og 2 klynger. Flere virksomheder, som vi var i kontakt med, er netop i gang med at etablere en Dataanalyse-afdeling eller lignende – det gælder fx DSB og Sydbank.

Se bilaget ”Aftagerbehovsundersøgelse”.

I det store billede følger svarene de samme spor med følgende pointer:
- Uddannelsen skal sikre grundlæggende Data Science færdigheder
- Uddannelsen skal inddrage visualisering og kommunikation som obligatorisk del af uddannelsen
- Der bør være en tæt kobling mellem teori og praksis/brug af cases
- Forretningsforståelse er en fordel

Et bredt udsnit af potentielle aftagere har bidraget til aftagerbehovsundersøgelsen. Som bilaget ”Aftagerbehovsundersøgelse for kandidatuddannelse i Data Science” viser, har der været fokus på at belyse såvel et regionalt som et nationalt behov. Der har været særligt fokus på private virksomheder, men store offentlige regionale aftagere er også blevet inddraget.


Hvordan er det konkret sikret, at den nye uddannelse matcher det påviste behov?

De dominerende budskaber fra undersøgelsen har medført følgende justeringer af uddannelsen:

1. Ændring af balancen mellem grundelementer og fagretninger
Resultaterne gav anledning til at revurdere, om balancen var den rette mellem uddannelsens grundelementer og fagretninger. Mange aftagere lagde vægt på, at uddannelsen giver de studerende stærke basale færdigheder indenfor Data Science. Derfor blev balancen ændret og 10 ECTS blev flyttet fra fagretningerne og tilføjet som grundelementer. Kurser i hhv. visualisering og deep learning er således blevet obligatoriske for alle.

Fagretningerne har afgivet 10 ECTS kurser, men den studerende vil i stedet for kunne vælge 10 ECTS valgfag på fagretningen. Valgfagene kan dog alternativt også vælges fra en bredere pulje.

2. Inddragelse af cases og virkelighedsnærhed
Det var et gennemgående ønske i resultaterne, at undervisningen på uddannelsen i høj grad bliver case-baseret og praksisnær. Dette var allerede tænkt ind i uddannelsen, men vigtigheden heraf er blevet bekræftet, tydeliggjort og mere konsekvent indarbejdet i uddannelsens struktur.

3. Justeringer og tydeliggørelse af indhold i nogle kurser
Flere besvarelser havde nogle meget specifikke kommentarer om indholdet i kurserne fx ønske om undervisning i neurale netværk og visualisering af data. Disse er blevet vurderet og har nogle steder medført justeringer og/eller tydeliggørelse af kursernes indhold.


Beskriv ligheder og forskelle til beslægtede uddannelser, herunder beskæftigelse og eventual dimensionering.

En markant forskel til de fleste beslægtede uddannelser er, at målgruppen for Data Science er en anden. De fleste beslægtede kandidatuddannelser kræver en bacheloruddannelse indenfor samme hovedområde, fx kræver datalogi-kandidatuddannelsen, at den studerende har en datalogibachelor for at blive optaget. Data Science adskiller sig også fra beslægtede uddannelser ved via fagretningen at give et særligt kendskab indenfor et specifikt område, der kan være en perspektivering på den studerendes bachelorgrad.

Data Science-uddannelsen kan sammenlignes med følgende mere eller mindre beslægtede uddannelser:

- KU, BA i Maskinlæring og Data Science 
Uddannelsen er netop blevet godkendt.
Data Science-uddannelsen har mange fælles elementer med denne uddannelse, men adskiller sig ved at være en kandidatuddannelse, og ved at den bygger ovenpå mange forskellige bachelorfagligheder. Dette giver en anden type Data Science-dimittender.

- KU, Kandidat i Social Datavidenskab
Uddannelsen er netop blevet godkendt.
Social datavidenskab uddanner kandidater i at indsamle og analysere kvalitative og kvantitative data, med fokus på relationen til samfundsfagene, herunder datastyring og projektledelse. Data Science på SDU har nogle af de samme elementer men har større vægt på tekniske færdigheder, der kan bruges i en bredere sammenhæng og favner derfor et bredere rekrutteringsgrundlag.

- ITU, BA i Data Science: 
Dette er en bacheloruddannelse, der ikke har samme tværfaglige profil som Data Science SDU.

- AAU, Kandidat i Data Engineering: 
Dette er en overbygning på en bachelor i enten Datalogi eller Software. Målgruppen er derfor ikke den samme som til den her foreslåede uddannelse

- DTU, Tværgående kandidatforløb i Data Science/Big Data: 
Dette er en 45 ECTS kursuspakke, som kan indlejres i én af kandidatuddannelserne Computer Science and Engineering, Mathematical Modelling and Computation, Digital Media Engineering. Her er målgruppen heller ikke den samme.

- AAU, Fagpakke i Data Science & Big Data: 
Dette er en 15 ECTS fagpakke fra IT-Vest som kan læses selvstændigt eller indgå i linjen "Software konstruktion" under Master i IT. Optagelseskravet til linjen (og dermed pakken) er kompetencer inden for programmering og softwareudvikling svarende til f.eks. bachelor i Datalogi, IKT-Ingeniør, eller lignende. Målgruppen og jobmarkedet er ikke det samme, som den her foreslåede uddannelse.


Det vurderes, at den efterspørgsel, der er på national plan, er så stor, at det giver mening at udvide udbuddet af denne type uddannelser.

Ledighed
For mange af de nyere IT-uddannelser er der endnu ikke opgjort ledighedstal, da der enten er for lille population, eller fordi kandidaterne fra disse uddannelser ikke har været færdige længe nok til at man kan opgøre tallene. Ledighed opgøres i 4.-7. kvt. efter dimission. Hvis man ser på de traditionelle datalogi-uddannede, så har de generelt set meget lav ledighed med 1 % for dimittender fra 2014 og 3% for dimittender fra 2015.

Da uddannelsen har en klar IT-profil med en forankring i det datalogiske miljø, forventes det, at ledighedsgraden bliver lav.


Rekrutteringsgrundlag og videreuddannelsesmuligheder

De potentielle ansøgere kan komme fra alle universitets- og professionsbacheloruddannelsesretninger. Samfundsfaglige, herunder økonomi-bachelorer, ville kunne se en naturlig specialisering af deres uddannelse i Data Science i forhold til fx datadrevne beslutningsprocesser. Sundhedsfaglige og humanistiske bachelorer vil også kunne få en meningsfuld specialisering i forhold til fx Sundhedsdata eller Human Informatics. Naturvidenskabelige bachelorer som fx biologer vil også kunne fortsætte på uddannelsen og opnå særlige kompetencer indenfor håndtering af miljødata.

Uddannelsen er også være en oplagt overbygning for nogle professionsbachelorer. Det kunne fx være en sygeplejerske, der ønsker at arbejde med forskningsdata indenfor sundhedsområdet eller en professionsbachelor i Finans, der ønsker at arbejde med at analysere økonomiske data i en virksomhed.

Samtidig vil der blive arbejdet på, at uddannelsen også udbydes som en erhvervskandidat, så den vil kunne fungere som et efteruddannelses- og opkvalificeringstilbud.

Der er ingen nært beslægtede uddannelser til Data Science-uddannelsen, og den er derfor ikke i en direkte konkurrencesituation. De studerende, der vil blive optaget på Data Science, vil naturligt ikke blive optaget på andre kandidatuddannelser, hvilke betyder en ganske marginal og spredt forventet konsekvens.


Forventet optag på de første 3 år af uddannelsen

Det første år forventes et optag under 25, mens der for de følgende to år forventes et optag på mellem 40 og 60 studerende om året.


Hvis relevant: forventede praktikaftaler

Ikke relevant.


Øvrige bemærkninger til ansøgningen

Der henvises til relevante artikler, der støtter behovet for flere IT-specialister i fremtiden:

- https://borsen.dk/nyheder/executive/artikel/1/375089/hun_er_en_af_de_hoejest_placerede_danskere_i_udlandet_her_opridser_hun_topchefernes_stoerste_udfordringer_i_2019.html
- https://komsprog.dk/cheferne-mener-data-bliver-altafgørende-i-fremtidens-kommunikationsarbejde-f915978931a1
- http://bigdataacademy.dk/nyheder/ny-analyse-viser-oeget-behov-brug-big-data-danske-virksomheder/
- https://www.itu.dk/om-itu/presse/nyheder/mangel-paa-it-specialister---det-skal-vi-finde-en-loesning-paa
- https://www.berlingske.dk/opinion/massiv-mangel-paa-it-specialister-kraever-nye-loesninger
- https://uniavisen.dk/samfundsvidenskab-vil-uddanne-fremtidens-kandidater-i-big-data-science/


Hermed erklæres, at ansøgning om prækvalifikation er godkendt af institutionens rektor
Ja

Status på ansøgningen
Godkendt

Ansøgningsrunde
2019-1

Afgørelsesbilag - Upload PDF-fil
A7 - Godkendelse af ny uddannelse - KA i Data Science - SDU (Odense).pdf

Samlet godkendelsesbrev - Upload PDF-fil