⑴ 省部共建公共大數據國家重點實驗室分數
不同地區分數線不一，具體分數還是要看當年的招人才計劃。
專家組評審內容包括考生的學習成績（20%）、英語水平（15%）、參與各類研究實踐情況（15%）、碩士論文和發表文章及獲獎（25%）、攻讀博士學位期間擬進行的科學研究設想（25%）等方面，給出百分製成績（成績在60分以下取消其申請資格）。
省部共建公共大數據國家重點實驗室（以下稱「國重實驗室」）是在貴州省公共大數據重點實驗室基礎上，以貴州大學為依託單位，整合全省科研力量，充分藉助外部智力資源進行申建。國重實驗室的任務是針對公共大數據，特別是政府數據的開放、共享和應用中的「聚、通、用」需求及痛點問題，分別從人工智慧、網路安全和公共管理的角度，聚焦公共大數據融合與集成、公共大數據安全與隱私保護、塊數據與區域治理三個研究方向的基礎研究、應用基礎研究和地方產業服務，構建公共大數據「融合-安全-治理-應用」於一體交叉研發體系，組建高水平研究團隊，並以貴州的國家大數據綜合試驗區為試驗基地，推進公共大數據在治理領域的創新應用，實現大數據服務地方的功能並形成特色。
2021年4月20日，貴州省科技廳和科技部基礎司在北京共同組織專家按照《省部共建國家重點實驗室管理辦法(試行)》的要求對「省部共建公共大數據國家重點實驗室」建設運行實施方案進行了論證，同意通過建設運行實施方案論證。
國重點實驗室通過整合貴州力量和柔性引進省外知名專家，組建了一支以知名教授領銜、中青年教師為骨乾的學術隊伍。現有固定人員編制100人，已聘固定研究人員80名，其中教育部青年長江學者1人，教育部新世紀人才3人，國務院特殊津貼專家3人，貴州省核心專家2人，貴州省省管專家4人，貴州省青年優秀科技人才培養對象3人。客座及流動人員75人，其中教育部長江學者特聘教授2人，國家傑出青年基金獲得者1人。
⑵ 哪些學校有大數據分析實驗室
阿里大數據實驗室
阿里大數據實驗室是由阿里雲和慧科教育共同合作開發，包含雲計算平台及大數據應用平台，提供易於維護的大數據教學、開發、分析、可視化綜合實訓平台，集成大數據開發系統、數據挖掘系統、大數據教學系統、案例分析系統等優勢，從大數據應用工具、演算法實現、數據可視化按時實驗等角度，幫助學生掌握大數據領域的基礎理論學習、單點技能訓練和綜合實戰演練；並且輔以線上課程、線下項目實訓，形成實現專業實驗教學的多層次實驗體系，為用戶提供完整的高可用性的教學、實訓、競賽支持的解決方案。
建立阿里巴巴大數據學院的貴州理工學院、成都信息工程大學、北京城市學院等學校都陸續將該大數據實驗室投入使用。
⑶ 實驗室規劃的方案應該怎麼做
你的問題不是太清楚,比如: 什麼樣的實驗項目, 具體企業的性質,多大的規劃,可能要到什麼層面的人的批註等. 簡單來將至少需要按照商業方案來整,現簡單的闡述以下內容的需要在方案:
1.>人員配置的需求,測試人員, 管理人員及處理業務的人員[如果對外]
2.>設備的需求,設備清單,備注將要的進行的測試能力清單
3.>空間的需求及規劃,測試區域,樣品區域,辦公區域等, 考空間對不同測試的交叉影響導致結果的不可靠
4.>資金的預算及將來的回報,比如,幾年能夠回收本錢(考慮折舊在內),內外部的測試實驗室都是要考慮的, 也有出於提高企業形象的原因來建立實驗室的,但基本上都需要銷售提出估計的收入數,便於判斷.
5.>系統體系的建立,實驗室不是人+設備溝通,這只是硬體,軟體才是關鍵, 所以必須對軟體系統的建設有一個規劃, 比如多長時間滿足什麼樣的測試標准需求,滿足ISO17025的體系要求.
6.>如果需要建立或者裝修,則必須考慮設計,工期,消防,法律法規等
7.>整個項目的時間表,可能是很粗的或者不準, 但作為項目的規劃方可能需要包括在內.
....
不是太全, 僅作為參考吧
⑷ 大數據怎樣影響著金融業
大數據可以挖掘和分析金融信息深層次的內容，使決策者能夠把握重點，引導戰略方向。
正在來臨的大數據時代，金融機構之間的競爭將在網路信息平台上全面展開，說到底就是「數據為王」。誰掌握了數據，誰就擁有風險定價能力，誰就可以獲得高額的風險收益，最終贏得競爭優勢。
中國金融業正在步入大數據時代的初級階段。經過多年的發展與積累，目前國內金融機構的數據量已經達到100TB以上級別，並且非結構化數據量正在以更快的速度增長。金融機構行在大數據應用方面具有天然優勢：一方面，金融企業在業務開展過程中積累了包括客戶身份、資產負債情況、資金收付交易等大量高價值密度的數據，這些數據在運用專業技術挖掘和分析之後，將產生巨大的商業價值；另一方面，金融機構具有較為充足的預算，可以吸引到實施大數據的高端人才，也有能力採用大數據的最新技術。
總體看，正在興起的大數據技術將與金融業務呈現快速融合的趨勢，給未來金融業的發展帶來重要機遇。
首先，大數據推動金融機構的戰略轉型。在宏觀經濟結構調整和利率逐步市場化的大環境下，國內金融機構受金融脫媒影響日趨明顯，表現為核心負債流失、盈利空間收窄、業務定位亟待調整。業務轉型的關鍵在於創新，但現階段國內金融機構的創新往往淪為監管套利，沒有能夠基於挖掘客戶內在需求，提供更有價值的服務。而大數據技術正是金融機構深入挖掘既有數據，找准市場定位，明確資源配置方向，推動業務創新的重要工具。
其次，大數據技術能夠降低金融機構的管理和運行成本。通過大數據應用和分析，金融機構能夠准確地定位內部管理缺陷，制訂有針對性的改進措施，實行符合自身特點的管理模式，進而降低管理運營成本。此外，大數據還提供了全新的溝通渠道和營銷手段，可以更好的了解客戶的消費習慣和行為特徵，及時、准確地把握市場營銷效果。
第三，大數據技術有助於降低信息不對稱程度，增強風險控制能力。金融機構可以擯棄原來過度依靠客戶提供財務報表獲取信息的業務方式，轉而對其資產價格、賬務流水、相關業務活動等流動性數據進行動態和全程的監控分析，從而有效提升客戶信息透明度。目前，先進銀行已經能夠基於大數據，整合客戶的資產負債、交易支付、流動性狀況、納稅和信用記錄等，對客戶行為進行全方位評價，計算動態違約概率和損失率，提高貸款決策的可靠性。
當然，也必須看到，金融機構在與大數據技術融合的過程中也面臨諸多挑戰和風險。
一是大數據技術應用可能導致金融業競爭版圖的重構。信息技術進步、金融業開放以及監管政策變化，客觀上降低了行業准入門檻，非金融機構更多地切入金融服務鏈條，並且利用自身技術優勢和監管盲區佔得一席之地。而傳統金融機構囿於原有的組織架構和管理模式，無法充分發揮自身潛力，反而可能處於競爭下風。
二是大數據的基礎設施和安全管理亟待加強。在大數據時代，除傳統的賬務報表外，金融機構還增加了影像、圖片、音頻等非結構化數據，傳統分析方法已不適應大數據的管理需要，軟體和硬體基礎設施建設都亟待加強。同時，金融大數據的安全問題日益突出，一旦處理不當可能遭受毀滅性損失。近年來，國內金融企業一直在數據安全方面增加投入，但業務鏈拉長、雲計算模式普及、自身系統復雜度提高等，都進一步增加了大數據的風險隱患。
三是大數據的技術選擇存在決策風險。當前，大數據還處於運行模式的探索和成長期，分析型資料庫相對於傳統的事務型資料庫尚不成熟，對於大數據的分析處理仍缺乏高延展性支持，而且它主要仍是面向結構化數據，缺乏對非結構化數據的處理能力。在此情況下，金融企業相關的技術決策就存在選擇錯誤、過於超前或滯後的風險。大數據是一個總體趨勢，但過早進行大量投入，選擇了不適合自身實際的軟硬體，或者過於保守而無所作為都有可能給金融機構的發展帶來不利影響。
應該怎樣將大數據應用於金融企業呢？
盡管大數據在金融企業的應用剛剛起步，目前影響還比較小，但從發展趨勢看，應充分認識大數據帶來的深遠影響。在制訂發展戰略時，董事會和管理層不僅要考慮規模、資本、網點、人員、客戶等傳統要素，還要更加重視對大數據的佔有和使用能力，以及互聯網、移動通訊、電子渠道等方面的研發能力；要在發展戰略中引入和踐行大數據的理念和方法，推動決策從「經驗依賴」型向「數據依靠」型轉化；要保證對大數據的資源投入，把渠道整合、信息網路化、數據挖掘等作為向客戶提供金融服務和創新產品的重要基礎。
（一）推進金融服務與社交網路的融合
我國金融企業要發展大數據平台，就必須打破傳統的數據源邊界，注重互聯網站、社交媒體等新型數據來源，通過各種渠道獲取盡可能多的客戶和市場資訊。首先要整合新的客戶接觸渠道，充分發揮社交網路的作用，增強對客戶的了解和互動，樹立良好的品牌形象。其次是注重新媒體客服的發展，利用各種聊天工具等網路工具將其打造成為與電話客服並行的服務渠道。三是將企業內部數據和外部社交數據互聯，獲得更加完整的客戶視圖，進行更高效的客戶關系管理。四是利用社交網路數據和移動數據等進行產品創新和精準營銷。五是注重新媒體渠道的輿情監測，在風險事件爆發之前就進行及時有效的處置，將聲譽風險降至最低。
（二）處理好與數據服務商的競爭、合作關系
當前各大電商平台上，每天都有大量交易發生，但這些交易的支付結算大多被第三方支付機構壟斷，傳統金融企業處於支付鏈末端，從中獲取的價值較小。為此，金融機構可考慮自行搭建數據平台，將核心話語權掌握在自己的手中。另一方面，也可以與電信、電商、社交網路等大數據平台開展戰略合作，進行數據和信息的交換共享，全面整合客戶有效信息，將金融服務與移動網路、電子商務、社交網路等融合起來。從專業分工角度講，金融機構與數據服務商開展戰略合作是比較現實的選擇；如果自辦電商，沒有專業優勢，不僅費時費力，還可能喪失市場機遇。
（三）增強大數據的核心處理能力
首先是強化大數據的整合能力。這不僅包括金融企業內部的數據整合，更重要的是與大數據鏈條上其他外部數據的整合。目前，來自各行業、各渠道的數據標准存在差異，要盡快統一標准與格式，以便進行規范化的數據融合，形成完整的客戶視圖。同時，針對大數據所帶來的海量數據要求，還要對傳統的數據倉庫技術，特別是數據傳輸方式ETL（提取、轉換和載入）進行流程再造。其次是增強數據挖掘與分析能力，要利用大數據專業工具，建立業務邏輯模型，將大量非結構化數據轉化成決策支持信息。三是加強對大數據分析結論的解讀和應用能力，關鍵是要打造一支復合型的大數據專業團隊，他們不僅要掌握數理建模和數據挖掘的技術，還要具備良好的業務理解力，並能與內部業務條線進行充分地溝通合作。
（四）加大金融創新力度，設立大數據實驗室
可以在金融企業內部專門設立大數據創新實驗室，統籌業務、管理、科技、統計等方面的人才與資源，建立特殊的管理體制和激勵機制。實驗室統一負責大數據方案的制定、實驗、評價、推廣和升級。每次推行大數據方案之前，實驗室都應事先進行單元試驗、穿行測試、壓力測試和返回檢驗；待測試通過後，對項目的風險收益作出有數據支撐的綜合評估。實驗室的另一個任務是對「大數據」進行「大分析」，不斷優化模型演算法。在「方法論上。
（五）加強風險管控，確保大數據安全。
大數據能夠在很大程度上緩解信息不對稱問題，為金融企業風險管理提供更有效的手段，但如果管理不善，「大數據」本身也可能演化成「大風險」。大數據應用改變了數據安全風險的特徵，它不僅需要新的管理方法，還必須納入到全面風險管理體系，進行統一監控和治理。為了確保大數據的安全，金融機構必須抓住三個關鍵環節：一是協調大數據鏈條中的所有機構，共同推動數據安全標准，加強產業自我監督和技術分享；二是加強與監管機構合作交流，藉助監管服務的力量，提升自身的大數據安全水準；三是主動與客戶在數據安全和數據使用方面加強溝通，提升客戶的數據安全意識，形成大數據風險管理的合力效應。
⑸ 大數據解決方案都有哪些
在信息時代的我們，總會聽到一些新鮮詞，比如大數據，物聯網，人工智慧等等。而現在，物聯網、大數據、人工智慧已經走進了我們的生活，對於很多人看到的大數據的前景從而走進了這一行業，對於大數據的分析和解決是很多人不太了解的，那麼大數據的解決方案都有哪些呢？一般來說，大數據的解決方案就有Apache Drill、Pentaho BI、Hadoop、RapidMiner、Storm、HPCC等等。下面就給大家逐個講解一下這些解決方案的情況。
第一要說的就是Apache Drill。這個方案的產生就是為了幫助企業用戶尋找更有效、加快Hadoop數據查詢的方法。這個項目幫助谷歌實現海量數據集的分析處理，包括分析抓取Web文檔、跟蹤安裝在Android Market上的應用程序數據、分析垃圾郵件、分析谷歌分布式構建系統上的測試結果等等。
第二要說的就是Pentaho BI。Pentaho BI 平台和傳統的BI 產品不同，它是一個以數據流程為中心的，面向解決方案的框架。其目的在於將一系列企業級BI產品、開源軟體、API等等組件集成起來，這樣一來就方便了商務智能應用的開發。Pentaho BI的出現，使得一系列的面向商務智能的獨立產品如Jfree、Quartz等等，能夠集成在一起，構成一項復雜的、完整的商務智能解決方案。
然後要說的就是Hadoop。Hadoop 是一個能夠對海量數據進行分布式處理的軟體框架。不過Hadoop 是以一種可靠、高效、可伸縮的方式進行處理的。另外，Hadoop 依賴於社區伺服器，所以Hadoop的成本比較低，任何人都可以使用。
接著要說的是RapidMiner。RapidMiner是世界領先的數據挖掘解決方案，有著先進的技術。RapidMiner數據挖掘任務涉及范圍廣泛，包括各種數據藝術，能簡化數據挖掘過程的設計和評價。
Storm。Storm是自由的開源軟體，一個分布式的、容錯的實時計算系統。Storm可以非常可靠的處理龐大的數據流，用於處理Hadoop的批量數據。 Storm支持許多種編程語言，使用起來非常有趣。Storm由Twitter開源而來，其它知名的應用企業包括Groupon、淘寶、支付寶、阿里巴巴、Admaster等等。
最後要說的就是HPCC。什麼是HPPC呢？HPCC是High Performance Computing and Communications(高性能計算與通信)的縮寫。HPCC主要目標要達到：開發可擴展的計算系統及相關軟體，以支持太位級網路傳輸性能，開發千兆比特網路技術，擴展研究和教育機構及網路連接能力。
通過上述的內容，想必大家已經知道了大數據的解決方案了吧，目前世界范圍內擁有的大數據解決方案種類較多，只有開發並使用好最先進的，最完備的大數據解決方案，一個公司，甚至一個國家才能走在世界前列。
⑹ 大數據分析系統平台方案有哪些
目前常用的大數據解決方案包括以下幾類
一、Hadoop。Hadoop 是一個能夠對大量數據進行分布式處理的軟體框架。但是 Hadoop 是以一種可靠、高效、可伸縮的方式進行處理的。此外，Hadoop 依賴於社區伺服器，因此它的成本比較低，任何人都可以使用。
二、HPCC。HPCC，High Performance Computing and Communications(高性能計算與通信)的縮寫。HPCC主要目標要達到：開發可擴展的計算系統及相關軟體，以支持太位級網路傳輸性能，開發千兆 比特網路技術，擴展研究和教育機構及網路連接能力。
三、Storm。Storm是自由的開源軟體，一個分布式的、容錯的實時計算系統。Storm可以非常可靠的處理龐大的數據流，用於處理Hadoop的批量數據。 Storm支持許多種編程語言，使用起來非常有趣。Storm由Twitter開源而來
四、Apache Drill。為了幫助企業用戶尋找更為有效、加快Hadoop數據查詢的方法，Apache軟體基金會近日發起了一項名為「Drill」的開源項目。該項目幫助谷歌實現海量數據集的分析處理，包括分析抓取Web文檔、跟蹤安裝在Android Market上的應用程序數據、分析垃圾郵件、分析谷歌分布式構建系統上的測試結果等等。
⑺ 哪類院校適合建設大數據實驗室
1、 開設單獨的大數據課程的高校
目前該類院校還是佔多數，主要是因為教育版主管部門對開設新的權專業方向有一定的約束，對開設單獨課程則不加限制。此類高校可以通過先開設大數據技術基礎的導論性課程使學生接觸了解大數據知識和相關技術，建立大數據思維。推薦教材：廈門大學林子雨老師的《數據技術原理與應用》，該教材提供全套的課件、視頻、習題、實驗指導、學習指南。同時打算開設課程的院校可以安排授課教師參加有林子雨博士開辦的「大數據教師培訓交流班」，解決授課教師的問題。
2、 開設數據科學與大數據專業方向的高校
目前國內已經申請獲批開設數據科學與大數據技術專業方向有30多所。針對該類院校，我們建議可以通過建設大數據實驗室對學生進行大數據知識的全面培養，使得學生能夠系統的學習到大數據專業技能，從而勝任數據工程師、大數據分析師等工作。同時選用企業級大數據應用環境作為學生的實踐環境，實現真正的產學研用。
完美校園大數據實驗室建設主要由四部分建設內容構成，分別是：
大數據實驗室硬體環境建設
大數據實驗室軟體環境建設
大數據基礎課程內容建設
大數據行業項目案例課程建設
⑻ 大數據解決方案有哪幾種類型
一、Hadoop。Hadoop 是一個能夠對大量數據進行分布式處理的軟體框架。但是 Hadoop 是以一種可靠、高效、可伸縮的方式進行處理的。此外，Hadoop 依賴於社區伺服器，因此它的成本比較低，任何人都可以使用。
二、HPCC。HPCC，High Performance Computing and Communications(高性能計算與通信)的縮寫。HPCC主要目標要達到：開發可擴展的計算系統及相關軟體，以支持太位級網路傳輸性能，開發千兆 比特網路技術，擴展研究和教育機構及網路連接能力。
三、Storm。Storm是自由的開源軟體，一個分布式的、容錯的實時計算系統。Storm可以非常可靠的處理龐大的數據流，用於處理Hadoop的批量數據。 Storm支持許多種編程語言，使用起來非常有趣。Storm由Twitter開源而來，其它知名的應用企業包括Groupon、淘寶、支付寶、阿里巴巴、樂元素、Admaster等等。
四、Apache Drill。為了幫助企業用戶尋找更為有效、加快Hadoop數據查詢的方法，Apache軟體基金會近日發起了一項名為“Drill”的開源項目。該項目幫助谷歌實現海量數據集的分析處理，包括分析抓取Web文檔、跟蹤安裝在Android Market上的應用程序數據、分析垃圾郵件、分析谷歌分布式構建系統上的測試結果等等。
五、RapidMiner。RapidMiner是世界領先的數據挖掘解決方案，在一個非常大的程度上有著先進技術。它數據挖掘任務涉及范圍廣泛，包括各種數據藝術，能簡化數據挖掘過程的設計和評價。
⑼ 全國首個國家大數據工程實驗室獲批，未來要幹些啥
近日，國家發改委員批復建設全國首個國家大數據工程實驗室——政府專治理大數據應用屬技術國家工程實驗室。該工程實驗室由中國電子科技集團牽頭，聯合電子科技大學（大數據研究中心承建）、國信優易數據有限公司等共同組建。
是不是應該來個大大的贊！
電子科大要做什麼？
電子科技大學是政府治理大數據應用技術國家工程實驗室排名首位的共建單位，也是目前為止國家大數據工程實驗室系列裡面第一個高校單位。
作為此次工程實驗室的重要參與方，電子科大將圍繞如何高效運用政府數據，提升政府治理效能的迫切需求做重點研究，參與建設政府治理大數據應用技術研究平台，並與眾合作單位共同建立成熟的政務大數據應用模擬試驗平台，以形成國內一流的科研環境，培養和匯聚政府治理大數據應用高端技術人才，主動承擔國家和行業重大科研項目。
電子科大還將在建設工程實驗室中發揮帶頭引領作用，集聚整合創新資源，增強產學研用結合，為促進大數據產業快速發展，培育和發展戰略性新興產業提供動力支持。