大數據人才培養方案2

⑴ 大數據專業系列教材，大數據專業應該看什麼書

目前，全國高校總數477所「數據科學與大數據技術」專業，累計30所「大數據管理與應用」專業，成功高校總數超過409所。
但由於大數據專業是以軟硬體融合、數據科學和大數據技術為特色的新型復合型專業，許多高校在專業建設和人才培養方面面臨挑戰，教材選用成為許多高校的頭疼問題。
在深入調研以上情況後，清華大學博士、中國大數據應用聯盟人工智慧專家委員會主任、雲創大數據總裁劉鵬教授在業內很早就開始著手策劃，聯合國內多所高校從事一線教育科研任務的專業教師相繼擔任主編，《高級大數據人才培養叢書》
在大數據教學中，本科院校實踐教學注重系統性，偏重新技術的應用，且對工程實踐能力要求較高。
為此，劉鵬教授帶領團隊花了一年的時間編寫了《高級大數據人才培養叢書》( 《雲計算》、《大數據》、《深度學習》、《大資料庫》、《數據挖掘》、0755-0755 )
其中，《Python程序設計》多年來一直處於我國計算機圖書被引量的前列，據網路對微信公眾號( cnkipj ) 《大數據可視化》的評價，2010年至2014年《大數據實驗手冊》
《大數據應用人才培養系列教材》( 《虛擬化與容器》、《雲計算》、《【工學】高被引圖書前三甲，你讀過嗎？》、《雲計算》、《大數據導論》、0755-79055- )
內容從簡單到復雜，既遵循理論到實踐的學習過程，也遵循系統而廣的原則。
清華大學出版社王編輯說：「劉鵬教授的這個教材選題很獨特，考慮到未來高職高專大數據人才的就業需求，他選擇了一個非常有特色的選題。
」
從業內高校的大數據教材來看，理論知識過於復雜高深，與教學實際不契合，或者實踐部分過於簡略，學生學完往往也會感到一頭霧水。
《高級大數據人才培養叢書》和《大數據應用人才培養系列教材》大相徑庭，符合教師教育實際和學生實踐實驗，一經推出，就受到高校的廣泛關注和採用。
師生們普遍對它給予了很高彎梁的評價。 ——不僅與教學實際相符，理論部分和實踐部分比例分配合理，大量實驗提高了學生動手能力，大數據學習不再是「紙上談兵」。
大數據教育特別注重實踐，除了兩套教材外，針對目前大數據教育實踐教學中師資力量不足、實驗環境薄弱、實驗數據缺乏等問題，劉鵬教授帶領雲創大數據技術團隊，與備受高中老師好評的教師教育和教材進行了配套
師資培訓
三年來，雲創大數據(工信部教育與考試中心授權的「工業和信息化人才培養工程訓練基地」)連續舉辦了幾十期大數據/人工智慧實戰培訓班，培訓班全部採用實習方式，大大提高了參訓老師的實戰能力，各期訓練有求必應
全國2000多所虧棗高校的5000多名老師能夠參加並接受培訓，老師們普遍反饋，對未來的教育和人才培養方面有很大啟發，雲創舉辦的大數據實戰培訓班也在教育領域引起了強烈反響。
此外，雲創大數據優秀講師和技術人員還將定期或不定期赴合作高校開展包括教育、實驗人員教育指導在內的培訓服務。
2016年12月-2017年1月，多次舉辦高中(高職)大數據教師免費培訓班
2017年1月，百所高中老師齊聚二期高中(高職)大數據教師免埋空運費培訓班
2017年4月，全國千所高校大數據教師免費講習班在南京舉行
2018年5月，2018信息技術新工科產學研聯盟大數據技術師資培訓班舉辦
2018年9-10月，第二屆全國高校大數據人工智慧教師實戰免費培訓班舉辦三期
2019年1月，2019年全國高校大數據人工智慧師資培訓實戰免費培訓班連續舉辦兩期
2019年3月，2019大數據人工智慧師資培訓班在南京舉辦
2019年6月，2019雲計算免費培訓班在南京舉辦
2019年7月，2019年全國高校大數據人工智慧師資培訓實戰免費培訓班(第三期)舉辦
雲創大數據持續的大數據實戰訓練，一方面為高中老師提供了與專家討論、同事交流、向實戰經驗豐富的講師學習的機會，另一方面也一步步突破了Hadoop、Spark、Python語言、Scala等多個大數據實驗
大數據實驗室
大數據實驗室建設方案基於雲提供的大數據實驗一體化計算機和大數據實驗平台建設，採用Docker容器技術，為用戶提供大數據實驗服務，實現大量用戶同時在線實驗避免相互干擾，同時提供實驗手冊、課程資源、教學視頻、考試系統等，方便高校師生在平台上開展大數據教學和實驗。
今年5月，大數據實驗平台再次迎來更新，改版用戶界面，優化系統資源使用，增加實驗內容，豐富實驗形式，擴充題庫，完善教材與實驗內容的映射，增錄實驗操作視頻集成了商業智能實踐教學子系統，基礎鏡像速度也得到了極大優化，一鍵營造環境只需十幾秒鍾。
目前，大數據實驗平台已更新為400個大數據實驗。
操作簡便，實戰效果顯著，大數據實驗平台依託貴州大學、西北工業大學、山東理工大學、鄭州大學、河南農業大學、成都理工大學、西南大學、重慶師范大學、重慶工商大學、陝西師范大學、寧夏大學、南京財經大學、金陵科技學院、天津農學院、鄭州升達經貿管理學院
值得一提的是，鄭州升達經貿管理學院作為民辦三大高校，自天驕數據實驗平台落地以來，在課堂教學、實驗拓展、課程體系建設等諸多方面屢創新成果。
目前，大數據實驗室是該校利用率最高的實驗室，一直排到周日。
這所學校信息工程學院的計算機科學和軟體工程兩個專業分別有250名學生和學院其他專業的800多名學生在這個平台上接受了嚴格的訓練。
使用該平台畢業的學生工資水平遠遠超過普通專業大學畢業生，直接帶動了學生就業率和學校影響力的同步提高。
無論是教材體系、師資培訓，還是大數據實驗室建設，雲創大數據都在教育領域穩步發展，擁有雄厚的技術優勢和優質資源。
熱忱歡迎廣大高校、教育機構及各企事業單位與雲創業開展多方面交流合作，共同探討大數據建設相關領域，培養越來越多大數據優秀人才，為行業發展作出貢獻。
要獲取《高級大數據人才培養叢書》、《大數據應用人才培養系列教材》配套PPT、人工智慧人才培養方案大數據、人工智慧實驗室建設方案大數據、雲創大數據合作工作手冊等資源，可通過以下方式之一獲取
2 .關注「雲創大數據( cStor_cn )」，在微信後台回復「PPT」，獲取網盤全套資源下載鏈接

自考/成考有疑問、不知道自考/成考考點內容、不清楚當地自考/成考政策，點擊底部咨詢官網老師，免費領取復習資料：https://www.87dh.com/xl/

⑵ 在新時期，如何利用大數據成為不可或缺的人才

感謝悟空的邀請！

 

在新時期，談起大數據，相信很多人都不陌生了吧！其實大數據已經悄無聲息的走入了我們的生活，大數據也是未來互聯網發展的重要方向。

那麼在新時期，大數據對人才的能力有何要求？如何利用大數據成為新時代不可多得的人才？下面帶你詳細分析下：

大家都知道，其實現在的中國市場，最缺乏的就是復合型的大數據開發人才，我認為，在新時代，要想成為大數據人才，應該從以下幾方面著手：

1、大數據人才首先要擁有技術

大數據自然離不開人才，要想成為大數據不可或缺的人才 ，就必須要擁有相關大數據技能。大家都知道，大數據對人才的能力提出了更加高的要求，技術能力上大數據人才要具備java、大數據開發、大數據架構、軟體開發工程等技術背景，會用大數據分析工具，了解統計模型相關知識；在一定程度上掌握Python等一類通用型編程語言，特別是編程方面一定要精通，沒有哪一種大數據不需熟練掌握一門編程語言的。

 

2、大數據人才需要強大的跨學科學習

隨著大數據向各行業的滲透，大數據從業者往往身兼數職，需要同時掌握數據技術和業務知識。一個好的大數據人才，必須具備強大的數據分析、數據挖掘的能力，而一個既能做業務數據分析，又懂機器學習和工程開發的分析師就是數據科學家。

 

3、  大數據人才需要堅持

     任何技術的掌握都不是一朝一夕的事情，當然大數據也不例外。大數據人才對人提出了更高的需要，不僅需要掌握相關的編程語言，還需要掌握數據分析能力，這就要求我們想要全方位提升自己的大數據業務水平，必須要堅持學習，只有具備大數據知識了，我們才能投入到大數據行業添磚加瓦。

 

4、 堅持學習的能力

大數據人才要有較強的溝通協調能力、學習能及推動能力、善於執行和監控，有較強的組織和責任意識，還需要強大的邏輯思維能力、歸納演繹能力幫助理解業務，能快速學習全新領域的商業模式和生態。

5、心態很重要

學習大數據的時候，一定要有良好的心態，大數據學習是一個枯燥的國產。要想學有所成，心態極其重要，不是什麼東西一學就會的。

 

總結：在新時期，目前大數據人才已經成為市場上不可或缺的人才，大數據已經悄無聲息的進入到很多行業了。但學習大數據不是一朝一夕的事情，需要有規劃有計劃的學習、要有堅持學習的能力，只有這樣，才會在新時期，成為新時代所需要的大數據不可多得的人才…

大數據是我的主要研究方向之一，同時也在帶大數據、機器學習方向的研究生，所以我來回答一下這個問題。

首先，當前正處在大數據時代，大數據未來將創造出一個巨大的新價值領域，而這個領域的核心就是圍繞數據價值化的一系列環節。從目前大數據領域所形成的初步產業鏈來看，涉及到數據採集、數據整理、數據存儲、數據安全、數據分析和數據引用，目前數據分析是比較常見的落地應用之一。所以，要想利用大數據成為不可或缺的人才應該從大數據產業鏈入手。

對於當前沒有進入職場的大學生來說，根據自身的知識結構來掌握相應的大數據技術能夠在一定程度上提升自身的職場競爭力。比如具備數學基礎的同學可以考慮學習一下大數據分析技術，未來對於大量的職場人來說，數據分析將是日常工作的一部分。對於動手能力比較強的同學，可以考慮學習一下大數據運維的相關技術，包括數據採集、大數據平台部署等。隨著大數據逐漸開始落地到傳統行業，大數據分析、大數據運維、大數據開發等崗位將有大量的人才需求。

對於當前的職場人來說，要想通過大數據成為不可或缺的人才，需要從三個方面入手，其一是掌握大數據技術；其二是把大數據技術與行業相結合；其三是能夠通過大數據技術創造出源源不斷的價值。

學習大數據技術要根據自身的知識結構來學習，對於職場人來說，可以從大數據分析工具開始學習，基本的學習路線是Excel、BI工具、資料庫、Python編程。大數據與行業的結合有多種不同的方式，目前場景大數據分析是比較常見的落地應用。要想通過大數據技術來創造出價值，一個重要的出發點就是通過大數據完成各自決策的制定，大數據不是目的，通過大數據完成各自決策才是目的。大數據一方面是給人力崗位使用，另一方面是給智能體使用，未來智能體的應用空間將非常廣闊。

我是從以前做淘寶天貓的，今年不做的。在我看來大數據有點類似淘寶的生意參謀，它會給您提供行業各種數據，只是現在應該這個數據維度更豐富了。比如這個行業同行的轉化率，有些行業的轉化率，進店訪客等等；在電商平台都是可以看到的，但是實體以前是做不到的。

現在隨著數字技術的發展，以及實體行業對消費反饋收集困難等原因，才有了大數據的概念。比如現在好多行業面臨的問題是自己設計的產品，消費者不喜歡，賣不出去。可以如果有了大數據，你就知道你的客戶男女比例多少，年齡分布、喜好什麼價位的產品等等，讓你設計的產品更精準。

其實在我看來，你成為數字化的運營高手，你就可以成為不可或缺的人才。

大數據在我看來就是「1+1=N」。

怎麼說呢，比如大數據提供給您行業轉化率是多少，你的實體轉化率是多少？等等，你想成為不可或缺的人才，那你就要有通過這些數據知道我公司現在問題出現在什麼地方了？是什麼因素刺激的出現了這種情況的能力，比如這周你店鋪成交額漲了多少？這是數據給您能提供的，但是為什麼漲了，數據給您提供不了，這你要自己分析，是有節氣，還是因為你做了一個什麼活動等，並針對現有數據對下一周做出計劃。

數據給你的是「1+1=N」你要做的就是把這個數據反映到實物上，並進行分析，並制定下一步公司運作計劃。

比如現在是數據給你1+1=3，那你就要分析為什麼是3，不是2或者1甚至0呢？是什麼刺激這個數據的增長了，是因為你在某些方面優化了還是因為有節氣等，下一步什麼安排等，也就是說你的每一步都能從數據反映出來，並能分析數據，做出下一步的安排等。

好了就說這么多吧，說太細我怕我理解的不準確，誤導人。

對於一個企業來說，大數據可以拓寬產品的銷售渠道和提升服務質量。有利於獲取市場的動態和了解分析用戶需求體驗。

大數據如何才能發揮其作用，最重要的還是得有相對應的人才為它進行分析整理。

大數據可以讓業內的情況變得清晰明了，是事實的支撐，通過數據可以知道業內的最新動態，根據數據分析，及時做出方案調整 有利於企業的發展。

大數據的工作中最重要的是什麼？

1. 細致精準的數據採集；

2. 同時具備邏輯性與適用性；

3. 數據標簽的規劃切實可行(務實)；

4. 具備行業垂直度的商業性思維能力；

5. 能夠做到更強的擴展性構架。

總結來說，商業化的大數據最重要的價值便是邏輯性與適用性，而擴展性也能保證在實踐中更有競爭力，最後便是務實和思維能力的支撐。

任何時代的任何職業都需要面對競爭，所以能夠產生的價值決定了我們被需求的程度，如想成為那個不可或缺的人，不僅要具備能力，還要具備務實的心態！

感謝悟空邀請回答。當今世界是 科技 高速發展的時代，也同樣是大數據時代，競爭也是十分的激烈，要想成為大數據不可或缺的人才，必須要保證自己的專業知識過硬，這是一個看技術的活，弱者會被淘汰只有強者才能生存！

大數據可以拓寬產品的銷售渠道和提升服務質量。有利於獲取市場的動態和了解分析用戶需求體驗。

大數據如何才能發揮其作用，最重要的還是得有相對應的人才為它進行分析整理。

大數據可以讓業內的情況變得清晰明了，是事實的支撐，通過數據可以知道業內的最新動態，根據數據分析，及時做出方案調整 有利於企業的發展。

⑶ 應對大數據人才短缺的四種方式

應對大數據人才短缺的四種方式_數據分析師考試

在一份關於大數據增長趨勢的調研報告中，IDC表示，較之其他的商業智能(BI)工具，可視化數據發現工具在市場上的增長要比前者快2.5倍;而基於雲的大數據和分析(BDA)解決方案的開銷增速將是其他類型的企業內部部署解決方案的三倍。

然而，在未來幾年大數據領域仍將繼續面臨人才的嚴重缺乏尷尬境地。IDC預測，到2018年，僅在美國就有181000個深度數據分析師的角色 空缺，而這一空缺將是與數據管理相關或解釋需要相關技能職位空缺的五倍。然而，市場缺沒有足夠多合格的申請者來填補這些職位空缺。

Gartner表示，今年，大數據的需求將在全球范圍內創造440萬個就業機會，但卻只有三分之一的崗位能夠招到合適的人才。

這是因為大數據分析所需要的技能不僅僅是使用儀錶板監控數據流。該領域的人才需要在數據科學方面具備高水平的技能來設置相應的搜索和參數，以設 計濾波演算法(filtering algorithms)。這類人才需要碩士學位甚至博士學位，沒有相關的技能，無法獲得相應的行業資質認證。

根據Burtch在2013年的調查發現，近九成的大數據專業人員具有諸如統計學，應用數學，運籌學或經濟學等相關學科碩士以上學歷。

而根據來自麥肯錫全球研究所的另一項調查顯示，預計到2018年，美國將面臨大約150萬大數據專家的短缺。

那麼，如果你企業無法招聘到具備相關高學歷背景的大數據專家的話，您企業要如何應對呢?本文接下來的部分，我將為您介紹四種可供選擇的方法，以幫助您企業發現、發展和留住相關的大數據人才。

1、從真正熟悉您企業業務的人開始著手

「我非常認可大數據技能非常緊缺這一評估，」Gartner信息管理研究室主任Nick Heudecker表示。「許多企業客戶甚至不知道他們需要從什麼技能開始著手，更不用說如何才能這些技術。他們對於自己企業將面臨怎樣的問題，以及亟待 解決的分析技能是無意識的。」

企業往往認為他們需要一個具有先進的數據科學或數學博士學位的專業人士，但Heudecker表示，一個替代的方法是找一個真正熟悉您企業的業務的人員，並教給這些人員相關的分析能力。

從理解您企業的業務開始要比從對於機器學習的理解開始來得更為重要。企業可以教給員工進行數據處理和統計，或找到具備編程背景學位的人。企業可以通過對這些人實施更多培訓，並讓這些人員加入到您企業的大數據和先進的分析團隊，他說。

2、培養您企業自己的超級巨星

領先的大數據軟體提供商Tamr公司的現場工程技術負責人Min Xiao說，在過去的五年裡，他已經面試過大約500人，並實際招募了約40至50人，他同意找到合適的大數據分析人才是很難的，但他也有自己尋找人才的方法。

「我的訣竅是找到那些當前還不是超級巨星，但要具備潛在的成長為超級巨星潛力的人才。我嘗試聘請過很多從未從事過數據科學家相關工作的年輕人， 但我可以看到他們有這方面的潛力;或是那些目前尚只有中級或中高級水平的潛力，目前也沒有做過數據科學相關工作，但具備成長成為該領域實力巨匠潛力的人 才。」他說。

他所看重的潛力主要是教育，包括學歷和學校。他所考察的人才主要來自統計學，計算機科學等相關專業，有時包括物理專業。當然物理專業的人才可能不會是數據分析工作崗位的首選學位，但Xiao說他跟那些人合作得都很好。

「首先，如果他們有物理學位，說明他們很聰明。他們接受過數學課程的訓練，而現代物理課程還需要他們做大量的編程。所以他們即使可能沒有接受過正式的計算機科學的訓練，但卻已經具備了數據科學家角色所需的計算機技能，他們中的許多人甚至在這方面很擅長。」他說。

他著重考察的另一方面是應聘人才的畢業院校是否強調數學和科學，諸如像麻省理工學院，卡耐基梅隆大學，斯坦福大學，布朗和約翰·霍普金斯大學。」一些院校的畢業門檻非常高，所以從這些院校畢業的人工作努力程度很高，工作的態度很好。」Xiao說。責任編輯：qxcpw24895.com

3、尋找Excel專家

The Hershey Company人才分析部門經理Jason Chavarry在另一個不尋常的領域找到了大數據人才：微軟Excel用戶。

「Excel可以說是一份沃土，很多人從中獲得有大數據的能力，他們往往被人們請教，以幫助其他的工作，」他說。

他補充說，Excel是一個入門級的管道里的人學習，是在大數據的分析，發現其基本的功能。」每個人都是用大量的基本功能。你如何制定出一個報 告或電子表格，你創造什麼樣的規則。Excel穿過所有的人。你可以使用它的基礎水平的統計，基本的數據分析和可視化，」他補充道。

他補充說，Excel是學習大數據分析基本功能的一款入門級的學習管道。「我們每個人一般都只是大量了其一些基本功能。例如製做出一份報告或電子表格。但其實我們可以通過其創造一些相應的規則。通過利用其基礎的統計功能，實現一些基本的數據分析和可視化。」他補充道。

但Chavarry指出，針對不同規模的項目也需要不同的工具。對於有5000行數據的分析項目，採用諸如SAS或R這樣的工具無疑將是矯枉過 正，但若採用Excel的將是非常完美的。而若是有20萬行的數據，Excel的功能就明顯不夠強大了。這時，你就需要大數據軟體和編程知識，但並不拘泥 於一種特定語言。

「你真的不需要特定拘泥於關心採用哪種語言。如果有員工能夠用一種語言來實現，那麼其必然有能力以別的語言來實現。因此，你企業尋找的是具備學習能力的人才。」 Chavarry說。

4、自行培養人才

鑒於大數據人才的稀缺，大多數企業的解決方案將是採用自行培養人才的方式。據大數據軟體集成公司Talend的CMO Ashley Stirrup稱，該公司通過建立一個導師計劃，讓有經驗的專家來培訓年輕人才，取得了良好的結果。

「有一類人能夠作為嫁接其業務部門和新興技術之間的橋梁。」Stirrup說。「通常，企業業務部門的人員還沒有意識到的新技術對於業務進展的潛力，而對於一些高科技，他們也不知道如何使用。」

不幸的是，留住人才是相當困難的。Talend公司的客戶說，他們培訓了一些人，讓他們接受新技術，然後這個人很可能會被其他公司以50%或更高的漲薪誘惑挖走，所以他們很難找到合適的人才，也更難找針對這些人才實施培訓之後，將它們留住。

那麼，企業應該如何留住這些人才呢，簽訂短期性約束力的合同協議可能有損與員工的關系? 「關鍵在於想讓這些經過專業培訓的人才展示出他們能夠在您的企業充分使用並展示他們的技能，而且，他們留在您的公司會更具有價值潛力。此外，企業需要設置 一定的期望，而不要看合同，」 Stirrup說。

Xiao也正遭遇同樣的人才爭奪的問題。他說，他所在的Tamr公司試圖激發所雇傭人才的團隊意識，並激勵他們尋找在該公司的價值。「當他們找 到與自己有『共同語言』的同事，員工通常會認可這便是自己在未來幾年將要心甘情願合作的團隊。鑒於市場競爭是如此激烈，我們真誠的希望員工能夠在外面公司 獲得成功，否則我們將無法吸引到更好的人才。」他說。

Heudecker也認為公司應該鼓勵人才，而不是束縛人才。「您企業可能並不需要一個博士團隊。也許只需要一個擁有統計學、計算機科學和工商 管理碩士學位的人。考察一下那些可能只有本科學歷的員工，看看他們是否對於數據分析方面感興趣。公司應該提供激勵性的基礎訓練和方法來確保將員工留在企 業，因為這些技能在現如今的需求都是如此迫切。」他說。

Heudecker說，最終，大數據將成為新的常態，而人才儲備也將擴大。 「如果我們看一下大數據的基礎架構，它非常類似於80年代的RDBMS市場。彼時，其還沒有被廣泛應用，但人們已經在部署建造它們。而同樣的事情將在大數據領域發生。」

以上是小編為大家分享的關於應對大數據人才短缺的四種方式的相關內容，更多信息可以關注環球青藤分享更多干貨

⑷ 重慶高校大數據專業教學體系如何搭建

芝諾大數據教學科研平台以校企聯合培養模式為手段，通過校企合作聯合培養機制，讓企業、行業深度參與人才培養過程，逐步實現校企共同制定培養目標、共同建設課程體系和教學內容、共同實施培養過程、共同把控培養質量，全面提升學生的應用實踐能力。該平台以應用型人才培養為目標定位，在以解決現實問題為目的的前提下，使培養的學生有更寬廣和跨學科的知識視野，注重知識的實用性，有創新精神和綜合運用知識的能力。注重培養學生具有在創新中應用、在應用中創新的能力，讓學生真正學會大數據行業各個崗位真正的職業技能。
芝諾大數據教學科研平台構建總體分為三大部分，一是平台硬體，二是教學與實驗支撐系統（包括：芝諾數據綜合分析ZDM平台、芝諾數據教學實訓平台），三是產品服務。
教學與實驗支撐系統由芝諾數據綜合分析ZDM平台和芝諾數據教學實訓平台構成，教學與實驗支撐系統部署在大數據教學科研一體機中。
1）平台的建設能讓高校大數據專業與實際應用相結合，提高學生的學習、實踐和創新創業能力，能夠培養實用性人才所需的專業能力，提升教學效果與就業率，為「大數據時代」的創新人才培養做出貢獻。
2）平台的建設將支撐大數據去冗降噪、大數據融合、大數據可視化等關鍵技術研究，能夠服務於學校的教學和科研，有助於大數據方向發展和自主創新，有利於創新團隊培育和高水平研究成果積累，有利於提升教師的教學和科研水平，推動教學和科研團隊建設。
3）平台的建設搭建可以發揮學校的行業優勢，體現學校辦學特色，推進
與國內外高校、科研機構和企業間的產學研合作，開展項目合作研究和人才培養，促進科研成果轉化，促進產學研協同創新。
4）平台的建設有利於促進學科交叉與融合。
本項目通過對芝諾數據教學實訓平台和芝諾數據綜合分析ZDM平台的建設，支撐大數據去冗降噪、大數據融合、大數據安全與隱私保護等關鍵技術研究，形成以工程實訓和創新拓展為主的實踐教學體系，培養學生良好的科學素養和實踐創新能力。同時，提升高校承擔重大科研項目和實現自主創新的能力。適應國民經濟和社會發展的信息化進程、信息化與工業化「兩化」融合和新興戰略性產業迅速發展，完善科研平台和教學實驗平台體系建設，提升科技創新能力，推進產學研合作。預期達到以下效果：
（1）建立健全實驗教學環境，為相關專業學生提供與產業界接軌的、良好的實驗條件；
（2）模擬企業環境，引入以實際項目為藍本的實訓項目，構建實訓基地；
（3）為開設大數據類公共選修課提供實驗環境；
（4）支撐高校科研項目的實施及科研論文的發表；
（5）為學生在數學、統計、計算機類學科競賽獲獎提供教學實驗環境支持。

⑸ 大數據教育平台方案

當前，以信息技術和數據作為關鍵要素的數字經濟蓬勃發展，並成為推動我國經濟增長的重要力量。數字人才是數字經濟發展的核心要素。實踐出真知，美林數據基於數十年數據領域實踐經驗，結合產業發展的人才需求，為高校提供從教學、實踐、科研一體化的大數據應用能力解決方案。
大數據人才應用能力成長平台——Tempo Talents，從產業人才需求的視角，通過模式創新、技術創新，為高校大數據人才培養提供從平台、課程內容到教學管理的系統解決方案。平台核心圍繞「人才應用能力培養」，以實踐為基礎，將大數據人才培養所需的知識、技能和方法論三個層面互相融合，核心是通過學生動手實踐，培養數據思維及解決問題的能力。

5、激發學生學習熱情，打造「自驅型」能力成長平台

闖關、競賽、自主探索的數據游樂場，打破傳統的學習模式，打造專業與趣味性融合的學習體驗，充分激發學生自主學習熱情，打造「自驅型」能力成長平台。

⑹ 怎麼培養數據分析的能力

數據分析需要哪些思維/能力/知識呢？
比如，數據分析思維、結構化思維、公式化思維、學法體系的思維.......這些思維幫助你，即使碰到自己不熟悉的問題，也能從一定的角度切入分析並保持清晰的邏輯；
一定的業務理解能力，能理解業務背後的商業思路。只有理解問題，才能轉換成數據分析的問題，才知道如何設定分析目標並進行分析；
基礎理論知識：數理統計、模型原理、近期市場的調研等；
常規分析工具的使用：常用辦公軟體（Excel、PPT、思維導圖）、資料庫、統計分析工具、數據挖掘等；
數據報告和數據可視化的能力。數據分析得再好，如果不能以簡潔易懂的方式「表達」，成效也會大打折扣。
等等等，諸如此類的基本知識能力貯備......

那麼想要提升這些能力該做點什麼呢？下面具體來說說怎麼做能把這些基礎實力打好。
從分析理論和工具實踐著手

1、分析理論
分析理論包括：明確業務場景、確定分析目標、構建分析體系和梳理核心指標。
我們要做的就是，首先明確是什麼樣的業務場景，不同的業務，分析體系也隨之不同；然後，結合業務問題確定分析的目標，列出核心指標，再搜集整理所需要的數據。
推薦書籍：《數據化管理》、《決戰大數據 》
數據分析的幾個步驟：
（1）數據獲取
數據獲取往往看似簡單，但是它需要分析者對問題進行商業理解，即轉化成數據問題來解決，如，需要哪些數據，從哪些角度來分析等，在界定了這些問題後，再進行數據採集。
此環節，需要數據分析師具備結構化的邏輯思維。
推薦書籍：《金字塔原理》、麥肯錫三部曲：麥肯錫意識、工具、方法
推薦工具：思維導圖工具（Xmind網路腦圖等）
（2）數據處理
數據的處理需要掌握有效率的工具：
Excel及高端技能：
基本操作、函數公式、數據透視表、VBA程序開發。
我一般會先過一遍基礎，知道什麼是什麼，然後找幾個case練習。多逛逛excelhome論壇，平常多思考如何用excel來解決問題，善用插件，還有記得保存。
專業的報表工具：
（成規模的企業會用）日常做報表可以設計一個通用模板，只要會寫SQL就可上手。
相比excel做報表，這種工具開發的技術要求較低，能很快地開發常規報表、動態報表。
資料庫的使用：
熟練掌握SQL語言（很重要！！！），常見的有Oracle、SQL sever、My SQL等。
學習流行的hadoop之類的分布式資料庫來提升個人能力，對求職等都會有所幫助。
（3）分析數據
分析數據往往需要各類統計分析模型，如關聯規則、聚類、分類、預測模型等等。
因此，熟練掌握一些統計分析工具不可免：
lPSS系列：老牌的統計分析軟體，SPSS Statistics（偏統計功能、市場研究）、SPSS Modeler（偏數據挖掘），不用編程，易學。
SAS：經典挖掘軟體，需要編程。
R：開源軟體，新流行，對非結構化數據處理效率上更高，需編程。
各類BI工具：Tableau、PowerBI、FineBI，對於處理好的數據可作自由的可視化分析，圖表效果驚人。
推薦書籍：
《說菜鳥不會數據分析》系列，入門級書，初學者最適。
《數據挖掘與數據化運營實戰，思路、方法、技巧與應用》，內容很系統很全面。
《市場研究定量分析方法與應用》，簡明等編著，中國人民大學出版社。

（4）數據可視化呈現
很多數據分析工具已經涵蓋了數據可視化部分，這時就只需要把數據結果進行有效的呈現和演講匯報即可，可用word\PPT\H5等方式展現。

2、工具實踐

（1）對於入門小白，建議從Excel工具入手，這里以Excel為例:
學習Excel是一個循序漸進的過程:
基礎的：簡單的表格數據處理、列印、查詢、篩選、排序
函數和公式：常用函數、高級數據計算、數組公式、多維引用、function
可視化圖表：圖形圖示展示、高級圖表、圖表插件
數據透視表、VBA程序開發......
多逛逛excelhome論壇，平常多思考如何用excel來解決問題，學慣用各種插件，對能夠熟練使用Excel都有幫助。

其中，函數和數據透視表是兩個重點。
函數
製作數據模板必須掌握的excel函數：
日期函數：day，month，year，date，today，weekday，weeknum 日期函數是做分析模板的必備，可以用日期函數來控制數據的展示，查詢指定時間段的數據。
數學函數：proct，rand，randbetween，round，sum，sumif，sumifs，sumproct
統計函數：large，small，max，min，median，mode，rank，count，countif，countifs，average，averageif，averageifs 統計函數在數據分析中具有舉足輕重的作用，求平均值，最大值，中位數，眾位數都用得到。
查找和引用函數：choose，match，index，indirect，column，row，vlookup，hlookup，lookup，offset，getpivotdata 這幾個函數的作用不用多說，特別是vlookup，不會這個函數基本上復雜報表寸步難行。
文本函數：find，search，text，value，concatenate，left，right，mid，len 這幾個函數多半用在數據整理階段使用。
邏輯函數：and，or，false，true，if，iferror
（以上學會，基本能秒殺90%的辦公室白領！）
數據透視表
數據透視表的作用是把大量數據生成可交互的報表，它具有這樣一些重要功能：分類匯總、取平均、最大最小值、自動排序、自動篩選、自動分組；可分析佔比、同比、環比、定比、自定義公式等

現實中，取數或報表+EXCEL+PPT似乎還是主流形式。
工具上，無論是業務人員還是分析人員，都可以通過自動取數工具或者BI工具來製作報表，減少重復操作的時間。
其次，增加與業務人員的溝通，充分了解業務需求，當你的業務水平和他們差不多甚至更高時，自然而然知道他們一言兩語背後真實的需求是什麼了。
最後，站在更高角度上，報表的基本粒度就是指標，可梳理出企業的基本指標體系，從經營分析的角度去做報表，把報表的工作標准化，降低報表的冗餘，避免動不動就做一張報表。標准化包括指標分類，指標命名，業務口徑，技術口徑，實現方式等等。其實，最終目的是實現報表數據一致性，減少重復報表開發，降低系統開銷的戰略性舉措。
在業余時間，可以多補充數理統計知識，學習R、Python語言，學習常用的挖掘模型，往高級分析師路上發展！
一起加油鴨！

以上，就是今天的分享，數據分析能力聽起來很大很抽象，雖是軟實力但卻是行業的硬要求！量變引起質變，一步步來，才能做到觸類旁通，做起項目才會越來越順手。