周涛卧龙大数据

❶ 大数据来告诉你如何成为学霸

大数据来告诉你如何成为学霸

目前，川内各所大学即将开学。对于新入校的学生来说，大学生活该怎样合理安排?如何才能在大学里炼成一个学霸?

别担心，有大数据来告诉你!这不，由国内大数据领域的领军专家、电子科技大学教授周涛等人共同研发的“学生画像”系统，通过数据整合、分析，挖掘出每个学生的学习、生活状态，预测出学生的挂科危险以及可能出现的“特殊状况”。这个系统已经覆盖电子科大两万余名本科生。

记者从电子科大教育大数据研究所了解到了“学生画像”所统计出来的一些数据，那么，现在我们就来看下，在大学里怎样才能成为一个学霸。

排名均值越小，成绩越好。

1 新奇的发现

打水次数减少35次学生成绩相应降低了26名

电子科大教育大数据研究所成立于去年，数十名师生共同承担着我国多项教育研究课题。周涛曾介绍研究所说，数据中心集中了学校上万名学子的行为、消费等匿名信息，研究所基于这些数据，进行整合、分析与运用。

据介绍，目前学生的数据包括出入寝室的时间、进出图书馆的次数、借阅书籍的种类、在教学楼打水的次数、去澡堂洗澡的时间等。“学生画像”的研究团队首先会根据这些数据与实际行为的关联性，“计算”出每名学生的学习、生活状态，从而预测学生是否有挂科的可能，甚至还有辅导学生更好规划自己学业的可能。

通过这一年时间的大数据统计，可以看出，在电子科技大学：总体上，女生平均成绩好于男生;大二上学期，成绩两极化最为明显。

同时，还总结出一个规律，学生成绩波动之前，生活模式会先发生变化。比如，一名学生第一学期在教室打水的次数为53，他的成绩在565位同学中排名200;第二学期，这名学生的打水次数减少了35次，他的成绩也相应降低了26名。

2 如何成为学霸?

生活有规律多与成绩好的学生做朋友

通过大数据研究，其实可以发现，学霸也是有规律可循的。这不，教育大数据研究所根据这些数据，绘制出了“学霸”和“学渣”的学习生活轨迹。来，一起看下，想要成为学霸，你要做些什么?

一、去图书馆和教学楼次数越多，成绩越好

在大数据研究所提供的图表一上，记者可以看到桥扰，第一学期，成绩最好的学生进入图书馆的次数为55次，成绩最差的学生进入图书馆的次数为35次;到了第四学期，成绩最好的学生进入图书馆的次数为61次，成绩最差的学生进入图书馆的次数为18次。

正如图表所显示的，“学生画像”的研究团队通过大数据分析，发现出入图书馆次数比较多的学生，成绩要优于出入图书馆次数比较少的学生。而同一名学生，随着出入图书馆次数的增多或减少，成绩排名在上下浮动。

同样的情况也存在教学楼，学生去教学楼饮水机上打水次数越多，就说明学生长期在教学楼历誉里活动。第三学期的数据显示(图二)，成绩最好的学生在教学楼打水近80次，成绩最差的学生在教学楼打水不到10次。这也说明，经常在教学楼活动的学生，成绩就越好。

二、生活、学习有规律的学生，成绩更好

研究人员通过分析全校本科生进出宿舍、在食堂吃饭、去澡堂洗澡等记录，发现成绩好的学生除了在教学楼打水次数比较多之外，生活、学习等行为习惯比成绩差的更有规律。

以吃早饭的次数为例(图三)，第二学期，成绩最好的学生吃早餐次数在110次，成绩最差的学生吃早餐次数仅为60次。也就是说，9点前出现在食堂吃早餐的同学，成绩也相对更好。

除此之外，研究还发现，在固定时间进出宿舍，在宿舍的平均时长少的学生，成绩远远高于经常宅在宿舍的学生。

三、身边朋友成绩较好，自身成绩也相对较好

大数据显示，学霸的身边总是围绕着学霸，身边朋友成绩较好，自身成绩也相对较好。

电子科大教育大数据研究所有专门分析“朋友圈”的模块，主要分析同校的朋友。“两个朋友关系越亲密，共同行动肢消段的概率就越大，而陌生人之间则不然，这是已经经过仔细验证的结论。”基于此，研究所的专家们对学生们的共现频率进行了统计分析，凡是两两间较短间隔内在同一场所，研究人员都进行了记录，以此获取两人的关系亲密程度，超过某一亲密程度的则为朋友，以此获取每个人的朋友圈信息。此后，研究人员再结合学生基本信息，获取学生与朋友之间的标识，如室友、同班、同学院等，进而进一步分析学生的交际能力与偏好。

研究人员在分析了学生和朋友们之间的成绩之后，得出一个研究结果：学生自身成绩与身边朋友的成绩具有很强的相关性。

3 科研人员建议

大学新生们 这样做你也能成为“学霸”

基于以上的研究成果，教育大数据研究所也给出了一定的建议：

生活习惯很重要，请注意保持生活的规律性，早上6点起床跑步读书吃早餐而不是8点起床飞奔去上课，你这一天的感觉会完全不一样;

一定要抽时间锻炼身体，不要天天宅，睡懒觉和打游戏不如出去跑跑步，打打球;

不要迷恋网络游戏;入学就打好学习基础;多去教室图书馆学习。

4 挂科预警

推送给辅导员及时调整学生的学习状态

除了教你如何成为“学霸”之外，“学生画像”还可以帮学生预测成绩，发出“挂科预警”。

据介绍，挂科预警就是通过学生学习基础以及由日常行为特征体现出的努力程度，综合分析提前预测学生挂科可能性，并将挂科可能性较高的群体发送给辅导员，帮助他们提前引导，有效提升学生的学习成绩。

研究人员告诉记者，挂科预警主要从三个方面分析：一是刻画学生生活与学习的规律性。比如，如果某学生最近几个月作息极不规律，那么他的成绩就会有下滑的可能;二是分析课程相关性，先导课程的掌握程度对后续课程的成绩有大的影响。比如，如果某学生微积分—I分数在及格边缘，那么后续课程微积分—II就有较高的挂科可能性。三是计算学生在该课程上付出的精力。比如，如果发现该生在图书馆从未借阅与微积分课程相关的图书，那么他在该课上挂科的可能性会进一步提高。

依据这些分析，系统便可计算出学生的挂科可能性，类似于“电磁场与波有87.5%的可能性挂科”这样的信息就会推送给辅导员，由辅导员介入调整学生的学习状态。

5 如何保护隐私?

不强调个人情况对异常状况提供人文关怀

通过数据挖掘获知学生在校行为记录，这是否意味着学生的行踪被监控，侵犯了学生的隐私权?

其实不然。教育大数据研究所副所长连德富强调，如今，“大数据”已渗透到生活的各个领域。学校做数据收集，不会去强调每个人的情况，而是察看学生整体的学习生活状况，及时预测预警学生异常状况，为学校的决策提供数据支撑。比如，根据学生就业能力情况，学校及时开展个性化引导，提升学生就业水平;根据学生实际消费情况，找出隐性困难学生，提升学校人文关怀等。

❷ 企业想要成功布局大数据的七大关键步骤

企业想要成功布局大数据的七大关键步骤
在这个大数据已经成为市场一个美味的“大蛋糕”的今日，大多数企业都很想要分得一块。大多数企业正做好了布局大数据的准备，那么，该怎么做才能成功去布局?
最近，电子科技大学教授，云基地大数据实验室合伙人周涛在接受采访时提出，对于普通企业要通过修炼成为大数据企业，关键要做好7个步骤：
1.要实现数据化。企业要为此做好计划，到底需要保存什么样的数据，以人为中心的数据还是以产品为中心，还是更关注企业运营，需要做好这样的计划，然后再将企业生产经营中的数据保存下来，即便是现在看来没什么用的数据，未来也可能产生巨大的价值。比如说像售楼处、体验店客户的来访数据，就有必要完整的记录下来。包括怎么过来的，一个人来还是几个人，有老人和小孩吗，穿什么样的衣服等等，还有客户的情绪，看了什么，问了什么问题，最后买了什么东西，都是非常重要的数据。
另外，企业内部人力资源的各个方面也都可以记录下来，这些可以进行挖掘和分析的数据。他举例说，长虹公司在自己的生产线设置了很多传感器，监测温度、湿度、震动、噪音、颗粒等等因素，希望了解到生产过程中哪些因素会对员工产生明显影响。他们此前都认为温度和颗粒可能对于员工操作和产品质量影响最大，但是事实上最终数据分析的结果，温度是没有什么影响的，恒温的控制对于生产效率和合格率的贡献并不像想象中那么大，反而是噪音对于员工情绪以及生产的影响非常重要。要成为大数据企业，第一步企必须要实现数据化。
2.企业要自己培养一些大数据理念，或者是小数据挖掘的团队。做大数据，企业的规模不一样，要求也不一样。如果企业规模足够大，比如说是电信运营商或者电力、银行这样的行业，可能会形成一个大数据的团队。如果不是，比如说就是简单的服务企业，那么形成理念就可以了。现在我们认为比较好的数据科学家，也不是说就是特别擅长或适应网络，这样的人不重要了，重要的是要有武器，什么样的问题来了知道怎么解决。
关键我们认识是要培养四种理念：
(1)除了结构化数据以外还有文本、音频、图像、遥感、网络、行为轨迹、时间数据，这些数据怎么处理，它存在的大挑战是什么。
(2)一定要懂预测，因为绝大部分的大数据应用回到预测中，预测里面很多方法都是基准学习的，而基准学习目前最火的方向是集群学习。
(3)要走分布式存储计算，这绝对不是说我知道给Hadoop 、Maprece、Hbase就够了，关键问题是首先要知道怎么样去搭一个混合式的，你的数据来了，我到底是应该牺牲我的一致性还是牺牲操作性，大概的成本多少，哪些数据挖掘的重要算法我要把他Hadoop、Maprece实现，哪些算法要通过SPTA，可变逻辑治理是在硬件里面，从而替代CPU、GPU。
(4)需要整个数据向外的发展，知道哪些数据可能在外部产生什么样的重要价值，或者外部的数据能够在你的企业产生什么样的重要价值。企业应该培养出这四个能力，建立起企业数据挖掘的人才团队。
3.企业一定要做好自己的外部数据储备。我们都说“书到用时方恨少”，很多的企业，比如说像服装销售这样的传统行业，我要进的货在淘宝、天猫上卖的怎么样?在淘宝、天猫哪一个店铺怎么样?它的竞争品牌是什么样售价，怎么样销售的?对于这样一些数据，如果到需要的时候才去找，往往都来不及了。同样的道理。比如银行给中小企业发放贷款的时候，希望了解到它的用水、用电、生产、交通数据，例如通过摄像头就能知道这个企业到底有多少车运行，这些数据可能对于中小企业发放贷款决策都很重要。但是当你要发贷款的时候，再去问已经没有机会了，或者说成本太高了。我们建议，企业应该学会通过公共渠道或者数据交换的方法，根据自己的业务需求来量身定做自己的外部数据和战略数据。
4.企业要建设自己的大数据管理与应用平台。对于很多企业，做大数据并不是意味着要自己去建设数据中心。随着云计算和云数据中心出现，使用外部数据中心的成本已经非常低了，数据存储的费用也是在成倍的下降。但是，企业要做大数据，必须要在IT基础设施方面具有比较好的数据处架构，要用大一些工具比如数据分布式存储、Hadoop等等。很关键的企业不仅要具备一个数据中心的硬件，还要考虑和企业业务方向结合，不仅就是包括了数据的采集、数据库架构，向上的分析模块，再往上的API数据出口，以及横向的一些业务模块和出口这些东西。要做成企业的大数据管理应用平台，我们强调一定要从企业的业务出发，量体裁衣，企业首先必须要搞清楚自己的业务形态是什么。
5.大企业一定要有数据侦测的能力，需要有创新思维的人随时思考这些问题，比如企业占有的数据到底在外部能够产生什么样大的作用。就像我们经常拿雅昌艺术中心的例子，它存了很多艺术品的数据，所以最后它可以发布艺术指数。同样国家电网也发布两个指数，一个叫重工业用电指数，一个叫轻工业用电指数。淘宝网有它的CPI指数，还有很多企业的一些数据，实际上都可以发挥想象不到的价值。
6.一个大数据企业包括未来现代化企业，一定要有开放共享的态度。一方面需要企业把自己的很多问题社会化，另一方面企业要尽量去通过一些平等办法，通过数据交换的方式互相共享形成数据化。
7.企业还要做好数据方面的战略投资。我认为有三种比较先进的模式。
一种模式叫做产业链布局，比如说海尔、长虹可以投物联网，对物联网企业创新进行投入。比如说中信集团可以关注医疗，在这个方面寻找相关的数据应用。
第二个方面就是技术，你要知道哪些是硬技术创新，特别是在基础术设施层面的，比如加速存储，云计算的一些技术，比如数据挖掘，垂直应用分析，这个方面集中了很多创新也可以形成很大的规模。
第三种模式是数据集方面的投资，我们知道阿里巴巴投资高德是为了数据，它投资新浪微博不仅是要投钱还要花钱买数据，所有这一切本质还是想把数据流动起来做更大的事情。这种投资就是集成数据，强调数据流动性。这些投资里面有几点是需要注意的，一是要去关注企业的数据价值，其次要关注早期的投资，去长期指引而不是短期追逐回报率，最后还要多关注传统行业。
周涛教授提出，大数据的本质不在于数据量有多少，也不在于是否是异构的数据，而是在于数据是关联的，整体的数据可以流动起来。他认为，跨领域关联，通过一加一产生远大于二的价值才是大数据的精髓。
当然，数据本身并不产生价值，只有通过大数据的分析去解决难题才是价值，而大数据对于企业营销的作用是可大可小的，不过在这个把大数据作为概念的时代，企业还是要做好布局大数据的准备，向大数据企业修炼。

❸ 大数据的应用领域有哪些

1.了解和定位客户
这是大数据目前最广为人知的应用领域。很多企业热衷于社交媒体数据、浏览器日志、文本挖掘等各类数据集，通过大数据技术创建预测模型，从而更全面地了解客户以及他们的行为、喜好。
利用大数据，美国零售商Target公司甚至能推测出客户何时会有Baby;电信公司可以更好地预测客户流失;沃尔玛可以更准确的预测产品销售情况;汽车保险公司能更真实的了解客户实际驾驶情况。
滑雪场利用大数据来追踪和锁定客户。如果你是一名狂热的滑雪者，想象一下，你会收到最喜欢的度假胜地的邀请;或者收到定制化服务的短信提醒;或者告知你最合适的滑行线路。。。。。。同时提供互动平台(网站、手机APP)记录每天的数据——多少次滑坡，多少次翻越等等，在社交媒体上分享这些信息，与家人和朋友相互评比和竞争。
除此之外，政府竞选活动也引入了大数据分析技术。一些人认为，奥巴马在2012年总统大选中获胜，归功于他们团队的大数据分析能力更加出众。
2.了解和优化业务流程
大数据也越来越多地应用于优化业务流程，比如供应链或配送路径优化。通过定位和识别系统来跟踪货物或运输车辆，并根据实时交通路况数据优化运输路线。
人力资源业务流程也在使用大数据进行优化。Sociometric Solutions公司通过在员工工牌里植入传感器，检测其工作场所及社交活动——员工在哪些工作场所走动，与谁交谈，甚至交流时的语气如何。美国银行在使用中发现呼叫中心表现最好的员工——他们制定了小组轮流休息制度，平均业绩提高了23%。
如果在手机、钥匙、眼镜等随身物品上粘贴RFID标签，万一不小心丢失就能迅速定位它们。假想一下未来可能创造出贴在任何东西上的智能标签。它们能告诉你的不仅是物体在哪里，还可以反馈温度，湿度，运动状态等等。这将打开一个全新的大数据时代，“大数据”领域寻求共性的信息和模式，那么孕育其中的“小数据”着重关注单个产品。
3.提供个性化服务
大数据不仅适用于公司和政府，也适用于我们每个人，比如从智能手表或智能手环等可穿戴设备采集的数据中获益。Jawbone的智能手环可以分析人们的卡路里消耗、活动量和睡眠质量等。Jawbone公司已经能够收集长达60年的睡眠数据，从中分析出一些独到的见解反馈给每个用户。从中受益的还有网络平台“寻找真爱”，大多数婚恋网站都使用大数据分析工具和算法为用户匹配最合适的对象。
4.改善医疗保健和公共卫生
大数据分析的能力可以在几分钟内解码整个DNA序列，有助于我们找到新的治疗方法，更好地理解和预测疾病模式。试想一下，当来自所有智能手表等可穿戴设备的数据，都可以应用于数百万人及其各种疾病时，未来的临床试验将不再局限于小样本，而是包括所有人!
苹果公司的一款健康APP ResearchKit有效将手机变成医学研究设备。通过收集用户的相关数据，可以追踪你一天走了多少步，或者提示你化疗后感觉如何，帕金森病进展如何等问题。研究人员希望这一过程变得更容易、更自动化，吸引更多的参与者，并提高数据的准确度。
大数据技术也开始用于监测早产儿和患病婴儿的身体状况。通过记录和分析每个婴儿的每一次心跳和呼吸模式，提前24小时预测出身体感染的症状，从而及早干预，拯救那些脆弱的随时可能生命危险的婴儿。
更重要的是，大数据分析有助于我们监测和预测流行性或传染性疾病的暴发时期，可以将医疗记录的数据与有些社交媒体的数据结合起来分析。比如，谷歌基于搜索流量预测流感爆发，尽管该预测模型在2014年并未奏效——因为你搜索“流感症状”并不意味着真正生病了，但是这种大数据分析的影响力越来越为人所知。
5.提高体育运动技能
如今大多数顶尖的体育赛事都采用了大数据分析技术。用于网球比赛的IBM SlamTracker工具，通过视频分析跟踪足球落点或者棒球比赛中每个球员的表现。许多优秀的运动队也在训练之外跟踪运动员的营养和睡眠情况。NFL开发了专门的应用平台，帮助所有球队根据球场上的草地状况、天气状况、以及学习期间球员的个人表现做出最佳决策，以减少球员不必要的受伤。
还有一件非常酷的事情是智能瑜伽垫：嵌入在瑜伽垫中的传感器能对你的姿势进行反馈，为你的练习打分，甚至指导你在家如何练习。
6.提升科学研究
大数据带来的无限可能性正在改变科学研究。欧洲核子研究中心(CERN)在全球遍布了150个数据中心，有65,000个处理器，能同时分析30pb的数据量，这样的计算能力影响着很多领域的科学研究。比如政府需要的人口普查数据、自然灾害数据等，变的更容易获取和分析，从而为我们的健康和社会发展创造更多的价值。
7.提升机械设备性能
大数据使机械设备更加智能化、自动化。例如，丰田普锐斯配备了摄像头、全球定位系统以及强大的计算机和传感器，在无人干预的条件下实现自动驾驶。Xcel Energy在科罗拉多州启动了“智能电网”的首批测试，在用户家中安装智能电表，然后登录网站就可实时查看用电情况。“智能电网”还能够预测使用情况，以便电力公司为未来的基础设施需求进行规划，并防止出现电力耗尽的情况。在爱尔兰，杂货连锁店Tescos的仓库员工佩戴专用臂带，追踪货架上的商品分配，甚至预测一项任务的完成时间。
8.强化安全和执法能力
大数据在改善安全和执法方面得到了广泛应用。美国国家安全局(NSA)利用大数据技术，检测和防止网络攻击(挫败恐怖分子的阴谋)。警察运用大数据来抓捕罪犯，预测犯罪活动。信用卡公司使用大数据来检测欺诈交易等等。
2014年2月，芝加哥警察局对大数据生成的“名单”——有可能犯罪的人员，进行通告和探访，目的是提前预防犯罪。
9.改善城市和国家建设
大数据被用于改善我们城市和国家的方方面面。目前很多大城市致力于构建智慧交通。车辆、行人、道路基础设施、公共服务场所都被整合在智慧交通网络中，以提升资源运用的效率，优化城市管理和服务。
加州长滩市正在使用智能水表实时检测非法用水，帮助一些房主减少80%的用水量。洛杉矶利用磁性道路传感器和交通摄像头的数据来控制交通灯信号，从而优化城市的交通流量。据统计目前已经控制了全市4500个交通灯，将交通拥堵状况减少了约16%。
10.金融交易
大数据在金融交易领域应用也比较广泛。大多数股票交易都是通过一定的算法模型进行决策的，如今这些算法的输入会考虑来自社交媒体、新闻网络的数据，以便更全面的做出买卖决策。同时根据客户的需求和愿望，这些算法模型也会随着市场的变化而变化。

❹ 大数据告诉你：学霸是怎样炼成的！

大数据告诉你：学霸是怎样炼成的！

近日，国内大数据领域领军专家、电子科技大学周涛教授与有着近十年学工部长教育 经验 的吕红胤研究员，花费了近大半年的时间，联合研发出一套“大数据”系统——“学生画像”。

该系统利用校园一卡通追踪学生行为轨迹，通过对学生吃饭、打水、出行、消费行为记录，“算”出每名学生的 学习 、生活状态。更厉害的是，通过对学生日常学习状态的追踪，该系统还会对学生的期末成绩乃至 大学四年 后的 就业 情况作出预警——

注：系统用排名均值来计量学生成绩的优异。排名均值=学生在所在专业的年级排名/本专业的总人数，排名均值越接近0，代表该学生的成绩越好。

学霸是如何炼成的?

学霸出门时间通常比较固定

研究人员分析了近半年的 宿舍 门禁、吃饭、进出图 书 馆等刷卡记录，发现成绩较好的学生作息时间比成绩差的更规律。

例如，某 专业排名 第3的小雪，几乎每天固定在8点、12点、14点三个时间点出门，留在宿舍的总时长低于专业平均水平。而该专业成绩排名第61的小石每天进出宿舍的时间很随机，而且通常每次外出的时长不超过2小时，“宅指数”明显高于专业平均水平。

此外，研究人员还发现，9点前出现在食堂吃早餐的同学，成绩也相对更好。

学霸最爱在晚上10-11点洗澡

上图中，横轴代表了时间点，竖轴则代表了在当前的时间点下，学生的洗澡概率。电子科大的澡堂是全天开放的，但研究团队发现，晚上10——11点，学习好的学生与学习差的学生洗澡概率出现了较大的差异。简言之，集中在晚上10到11点之间洗澡的学生成绩更优异。

不管是出门时间还是洗澡时间，抑或是相对固定的早餐时间，都是学生作息规律的具体体现。研究人员发现，较有规律的学生群体，除了成绩上的优势外， 考研 成功 率以及 出国留学 获得奖学金的概率均高于一般学生。这也从侧面印证了生活的规律性对于成绩有正面影响的结论。

学霸爱泡图书馆和自习室

在样本量足够庞大的情况下，学生在一定时期内的行为追踪确实可以反映他的学习和生活状态。比如，如果一个学生的打卡记录显示，他长期在教学楼的饮水机上打水，那一定程度上就说明了，教学楼是他的长期活动地点。

“学生画像”的研究团队，通过大数据分析，发现了出入图书馆次数多少与学习成绩的好坏存在着一定的相关性，即：出入图书馆次数比较多的学生，成绩要仔码优于出入图书馆次数比较少的学生。同一个学生，随着他出入图书馆次数的增多或减少，他的成绩排名在上销戚仔下浮动。如图↓↓

这样的相关性，同样适用于学校的教学楼↓↓(注：在教室打水代表该学生出现在了教学楼~)

学霸也扎推?

现实中，每个人都会受到种种环境的影响。无疑，处于校园之中，身边人的学习状态，自然也会影响到学生自身的成绩好坏。

研究团队发现，如果一个 大学生 ，他身边的朋友成绩比较好，那他自身的成绩也相对较好!

想要成为一枚学霸?先找个学霸好友吧——

期末会不会挂科?算一下吧

在这项研究中，研究团队专门设计出了一系列辅助学生更好完成大学学业的功能模块——“挂科预警”。

想知道你学期末会不会挂科?那就算一算喽!

挂科率= 努力 程度 + 学习基础;

努力程度依据:教学楼打水频率+进出图书馆的时间与次数;

学习基础：用已考科目成绩、已考与将考科目之间的关联性算出;

一旦你的挂科率触碰到了预警红线，那系统便会自动为负责你学习的辅导员推送预警信息!

“前方高能预警，您的挂科率有偏高趋势，请好好学习——”自从有了“挂科预警”系统，妈妈再也不用担心我挂科了——

四年后，你会成为失业大军中的一员吗?

如今，就业形势一年比一年紧张。作为学生，你在担心 毕业 即失业?作为高校的管理者，你会困惑于如何帮亏汪助学生突破重围吗?嗯，好消息来了!

“学生画像”研究团队通过大量的数据分析，研究得出了一个学生的毕业去向与他在校期间的生活规律有着一定的关联性。

电子科技大学教育大数据研究所副所长、原微软亚洲研究院的连德富教授在接受中国青年报(ID：zqbcyol)采访时表示，通过对比往届 毕业生 的毕业去向，他们发现，就业困难学生群体身上确实存在某些相似的行为特征。比如，与其他同学相比，就业困难学生在校期间的生活普遍不太规律。此外，就业困难学生在图书馆的借阅书目也更偏向于悬疑科幻小说以及与游戏相关的 书籍 。

近年来，越来越多的大学生毕业后选择 创业 。麦可思研究院研究发现，包括本科毕业生和高职专院校毕业生在内的中国大学生毕业后选择自主创业的比例基本呈逐年上升的趋势：2007年1.2%，2008年1%，2009年1.2%，2010年1.5%，2011年1.6%，2012年2%，2013年2.3%，2014年2.9%。

在连德富教授看来，大学里的创业一族也有“大数据”特点。偏好创业的学生跑市区的频率要高于普通学生。

❺ 《大数据时代生活、工作与思维的大变革》epub下载在线阅读全文，求百度网盘云资源

《大数据时代》（[英] 维克托•迈尔•舍恩伯格（Viktor Mayer-Schönberger））电子书网盘下载免费在线阅读

链接: https://pan..com/s/14EqWS8hUg7X4suhVQi7g8A 提取码: jh5h

书名：大数据时代

作者：[英] 维克托•迈尔•舍恩伯格（Viktor Mayer-Schönberger）

译者：周涛

豆瓣评分：7.5

出版社：浙江人民出版社

出版年份：2012-12

页数：261

内容简介：

《大数据时代》是国外大数据研究的先河之作，本书作者维克托•迈尔•舍恩伯格被誉为“大数据商业应用第一人”，拥有在哈佛大学、牛津大学、耶鲁大学和新加坡国立大学等多个互联网研究重镇任教的经历，早在2010年就在《经济学人》上发布了长达14页对大数据应用的前瞻性研究。

作者简介：

他是十余年潜心研究数据科学的技术权威，他是最早洞见大数据时代发展趋势的数据科学家之一，也是最受人尊敬的权威发言人之一。他曾先后任教于世界最著名的几大互联网研究学府。现任牛津大学网络学院互联网治理与监管专业教授，曾任哈佛大学肯尼迪学院信息监管科研项目负责人，哈佛国家电子商务研究中网络监管项目负责人；曾任新加坡国立大学李光耀学院信息与创新策略研究中心主任。并担任耶鲁大学、芝加哥大学、弗吉尼亚大学、圣地亚哥大学、维也纳大学的客座教授。

❻ 2018年成都哪些大数据公司靠谱

成电医星公司

成都成电医星数字健康软件有限公司（ 简称 成电医星公司 ）,是电子科技大学参股组建的高新技术企业， 软件企业、创新型企业。 专门从事智慧医疗建设、项目实施、运维服务及项目运营。成电医星公司已经在全国1 0 0 0余家医院，6个区域成功的进行了智慧医疗和区域人口健康信息化建设。实现智慧医疗和区域人口健康信息建设的可持续发展。

服务方向

成电医星公司为智慧城市建设提供全面解决方案， 进行智慧医疗大数据平台建设， 包括： 区域人口健康信息平台建设、智慧绿色医院建设、医疗物联网建设、智慧健康信息管理建设、医养结合的智慧养老建设、智慧食品药品安全信息监管建设等领域的智慧化建设。

以上排名不分先后，如有遗漏欢迎补充！

❼ 我想问下数据科学平台有哪些

Sophon Base
星环科技Sophon Base作为企业级一站式数据科学平台，支持数据管理、可视化建模、编程式建模、模型管理、任务流调度和模型服务等功能模块，启大覆盖从数据接入、数据预处理，到模型训练绝谈、模型部署、监控运维的机器学习并旁碰模型的全生命周期流程，助力企业客户实现人工智能产业落地更多详情可你可以统一去知道参考一下。

❽ 你遇到过哪些利用大数据杀熟宰客的例子

况一：老用户比新用户价格高？

据报道，有网友称，自己在某电影票订票平台上体验到了被“杀熟”。她表示，用新注册的小白账号、普通会员账号和高级别的会员账号同时选购同场次电影，最便宜的是小白账号，其次是普通会员账号，而高级别的账号一张票要比小白账号贵出5元以上。另外，自己下半年开始，电影票平台价格显示均价30-40元，而一年前均价为20元。

情况二：苹果用户比安卓用户价格高？

目前，大家的手机大多分为两个阵营，分别是苹果iOS系统和安卓系统。然而，一位网友发现，用苹果手机打车比安卓手机打车贵。此外，某些视频网站也会根据手机不同型号给出不同的收费待遇。以腾讯视频为例，开通VIP会员，安卓用户1个月、3个月和6个月的价格分别20元、58元、108元，年费是198元，而苹果用户购买则要贵出5-35元不等。对于存在价格差异的原因，客服表示，是由于其中包含苹果收取的手续费。

情况三：不买价格变更贵？

默认捆绑上次服务？媒体报道，在线旅游平台被批评存在“大数据杀熟现象”最多。一位网友表示，自己在某在线旅游平台订机票，选好的那班每次看时都会上浮；而当自己选好该机票后取消，再选那个机票时，价格立刻上涨甚至翻倍，在自己觉得“不买会更贵”而匆忙下单后，发现该航班价格又恢复到最初的低价。此外，还有一种根据用户的“上一次行为”而默认捆绑相应服务，例如刚刚注册会员的用户，他在购买机票时，系统仅默认显示一张机票的价格；而一旦他在这一次同时勾选了贵宾休息室、接送机服务或酒店优惠券等附加服务，那么在下一次下单时，系统会默认帮他勾选同样的服务。

情况四：不同用户价格不同

有网友在微博发出两张截图称，自己与家人在某旅行APP搜索机票，同一航班同一时间不同手机搜索出来的价格却不同：

​

❾ 大数据时代：生活、工作与思维的大变革的作者简介

作者：（英国）维克托·迈尔-舍恩伯格（Viktor Mayer-Schönberger） （英国）肯尼斯·库克耶（Kenneth Cukier） 译者：盛杨燕 周涛维克托·迈尔-舍恩伯格（Viktor Mayer-Schönberger），被誉为“大数据时代的预言家”，也是最受人尊敬的权威发言人之一。现任牛津大学网络学院互联网研究所治理与监管专业教授，曾任哈佛大学肯尼迪学院信息监管科研项目负责人，新加坡国立大学信息政策研究中心主任。一百多篇论文公开发表在《科学》《自然》等著名学术期刊上。备受众多世界知名企业、机构和国家政府高层信赖的信息权威与智囊。他的咨询客户包括微软、惠普和IBM等全球顶级企业；他是欧盟互联网官方政策背后真正的制定者与参与者，也是世界经济论坛、马歇尔计划基金会等重要机构的咨询顾问；还先后担任新加坡商务部高层、文莱国防部高层、科威特商务部高层、迪拜及中东政府高层的咨询顾问。他所著的《删除》一书，获得美国政治科学协会颁发的“唐·K·普赖斯奖”，以及媒介环境学会颁发的“马歇尔·麦克卢汉奖”。肯尼斯·库克耶（Kenneth Cukier），《经济学人》数据编辑，曾任职于《华尔街日报》（亚洲版）和《国际先驱论坛报》。他是美国外交关系协会成员，CNN、BBC和NPR的定期商业和技术评论员之一。周涛，电子科技大学互联网科学中心主任、教授、博士生导师。发表SCI论文150余篇、领域一流期刊90余篇，SCI引用超过2600次，H指数26，Google引用超过6000次。第五届中国青少年科技创新奖和第十二届中国青年科技奖得主。

❿ “大数据”分析意义很大

“大数据”分析意义很大

近日，中国青年报社会调查中心对2315人进行的一项调查显示，43.6%的受访者认为“大数据”分析意义很大，但80%的受访者也确认自己不清楚什么是“大数据”，75.9%的受访者发现目前存在“大数据”被滥用的现象。

80%受访者

不清楚什么是“大数据”

调查中，听说过和没听说过“大数据”的受访者各占一半。80%的受访者直言不清楚什么是“大数据”，表示“非常清楚”和“比较清楚”的受访者分别仅占8.3%和11.6%。其中，75.9%的受访者发现“大数据”存在被滥用的现象。

北京大学信息工程学院计算机应用技术专业研一学生卿某，这学期正在学习一门关于调研“大数据”的课程。谈及如今的“大数据”热，卿某显得有些激动。他说，“大数据”可以帮助人们了解平时注意不到的信息，还可以预测未来，比如可以根据机票涨降情况确定最佳购票时机，根据人们的搜索记录更早地预测流感传播。

卿某表示，如今很多企业都在说“大数据”，其中不乏“跟风”现象。有些数据分析贴上“大数据”标签，瞬间就显得“高大上”，其实并没有真正的“大数据”分析。

统计学专业毕业的王京也认为，现在有些标榜“大数据”的报告，一方面数据量不大，另一方面也不是“大数据”的思维。“大数据”讲究效率、针对个人，但很多类似于“大数据教你谈恋爱”这样的说法，更多是一种噱头。

电子科技大学互联网科学中心主任、《大数据时代》中文翻译者周涛说，的确有一些企业在商务智能时代没有学好商务智能，到了大数据时代才刚刚学会商务智能，就说自己是“大数据”。

周涛认为，一个企业有没有“大数据”能力，一个分析报告是否包含“大数据”成分，要看是否具备两个特征：一是数据本身要具有一定规模，肯定不同于以前社会科学控制实验中几十几百人的规模；二是数据分析结果要能够提供深刻洞见，不是简单的统计分析，譬如“某社交网络1000万用户中45%是男性”、“全国春运最热航线是北京到上海”，这些都不是“大数据”，只是非常简单的分析方法在稍微大一点的数据集上的应用。

35.6%的受访者觉得一些“大数据”分析空有大量数据

南京大学计算机专业博士高坤（化名）说，现在“大数据”还存在很多问题，比如数据的所有权问题、隐私问题、安全问题等，都需要尽快解决。

周涛认为，很多人分不清安全和隐私。安全问题一直都有，主要是指攻击方通过一些手段盗取信息或破坏信息。使用数据的企业，在接触敏感甚至涉密信息时，应该有安全资质的认证。这在我国的运营商体系和金融体系里都有明确要求。

“经常和安全问题混为一谈的，是数据隐私的问题。”周涛说，一方面，隐私数据直接泄露，或者有不法人士售卖这些信息，另一方面，一些隐私信息通过技术手段遭到破译。这样就可能给个人或商家带来伤害，比如一些招聘网站的个人求职信息被破译之后，会对个人造成伤害，也会让招聘企业无法阻断信息，失去盈利空间。

“除去法律层面、道德层面，科学技术层面上也还有很多问题需要解决。”高坤说，有这么多数据，具体怎么处理，还需要更好地研究。现在很多“大数据”只是存储下来，缺少进一步分析，但是把海量数据存储下来本身也是技术进步，是“大数据”工作的一部分。

调查中，35.6%的受访者觉得现在一些“大数据”分析空有大量数据，30.8%的受访者认为缺乏数据安全，11.1%的受访者提出缺乏科学性，9.3%的受访者指出分散数据没有有效整合，7.8%的受访者认为存在“大数据”与传统分析概念混淆的情况。

43.6%的受访者认为“大数据”分析意义很大

调查显示，43.6%的受访者认为“大数据”分析的意义很大，7.0%的受访者认为不太大，9.5%的受访者觉得“大数据”分析没什么意义，39.8%的受访者表示不好说。

90后北大研究生刘环是在一次讲座上了解到了“大数据”。刘环认为，“大数据”确实还存在很多问题，但不可否认生活、学习中的很多细节也因“大数据”而改变，比如现在用的翻译工具越来越智能化，一些输入法更人性化，这些都归功于“大数据”分析，相信“大数据”会有更大发展空间。

周涛表示，“大数据”分析的意义主要体现在：一、挖掘数据中潜藏的关联关系甚至因果关系；二、对数据整体中缺失的信息进行预测；三、对数据所代表的系统走势进行预测；四、支持对数据所在系统功能的优化，或者对决策起到评估和支撑作用。

高坤认为，“大数据”本身是一种新的科学手段，虽然目前还不成熟，但已经开始受到科学家的关注。“大数据”对于经济、国防，都是最重要的科技手段。青年应该更多地关注科学技术的发展，从科技的角度来理解“大数据”。

以上是小编为大家分享的关于“大数据”分析意义很大的相关内容，更多信息可以关注环球青藤分享更多干货