数据与系统工程

数据与系统工程（Data and Systems Engineering）是数据科学与传统工程（工业、自动化、电子）的交叉专业，研究如何设计数据驱动的系统：从传感器与物联网采集数据，到数据平台的建设，再到用数据优化工程系统。香港的智慧城市、物流航运、金融科技与制造业升级大量需要这类「懂数据又懂系统」的工程师。港校相关项目通常要求 IB 36+ / A-level AAA / AP 4 门 4+ 分，数学与物理是重要基础（IB 数学 AA HL、A-level 数学+物理、AP 微积分 BC+物理）。

数据与系统工程的本质是「让真实世界的系统学会用数据工作」。学科有三大支柱：1. 数据工程（Data Engineering）——数据采集、清洗、存储与管道（Pipeline）建设，让数据「流动起来」 2. 系统工程（Systems Engineering）——如何设计、集成、运维复杂系统（硬件+软件+网络） 3. 数据驱动优化（Data-driven Optimization）——用数据与模型优化系统的效率（预测性维护、智能调度）。培养的核心能力是：端到端视野（从传感器到决策的整条链路）、工程落地（把算法变成稳定运行的生产系统）、数据治理（质量、安全、合规）、跨学科协作（与硬件、业务、算法团队沟通）。 数据与系统工程不是「数据科学的工程版」：它更重系统的建设与运维，而非统计建模；它不是「传统工业工程的翻版」：数据是这门学科的核心燃料；它也不是「纯软件工程」：物理设备、传感器与真实约束是课程的常客。

数据与系统工程的发展脉络：20 世纪中叶系统工程（Systems Engineering）在航空航天与军事项目中成形（如阿波罗计划）；1970-80 年代工业工程与运筹优化结合，供应链管理科学化；1990 年代企业信息化与 ERP 普及，信息系统工程需求爆发；2000 年代物联网（IoT）概念提出，物理系统开始大规模接入数据；2010 年代大数据技术成熟，数据管道、数据仓库成为企业标配；2015 年后「数据驱动决策」进入制造业与基础设施（工业 4.0）；2020 年代以来数字孪生（Digital Twin）、边缘计算、AI 运维（AIOps）把数据与系统推向深度融合。 香港特色：香港国际机场、港口与地铁的智能运维，以及北部都会区的智慧基建，都是数据与系统工程师的用武之地；港校（HKU、CityU）近年推出专门的 Data and Systems Engineering 本科，呼应「智慧香港」的人才需求。