大数据人才培养方案2

⑴ 大数据专业系列教材，大数据专业应该看什么书

目前，全国高校总数477所“数据科学与大数据技术”专业，累计30所“大数据管理与应用”专业，成功高校总数超过409所。
但由于大数据专业是以软硬件融合、数据科学和大数据技术为特色的新型复合型专业，许多高校在专业建设和人才培养方面面临挑战，教材选用成为许多高校的头疼问题。
在深入调研以上情况后，清华大学博士、中国大数据应用联盟人工智能专家委员会主任、云创大数据总裁刘鹏教授在业内很早就开始着手策划，联合国内多所高校从事一线教育科研任务的专业教师相继担任主编，《高级大数据人才培养丛书》
在大数据教学中，本科院校实践教学注重系统性，偏重新技术的应用，且对工程实践能力要求较高。
为此，刘鹏教授带领团队花了一年的时间编写了《高级大数据人才培养丛书》( 《云计算》、《大数据》、《深度学习》、《大数据库》、《数据挖掘》、0755-0755 )
其中，《Python程序设计》多年来一直处于我国计算机图书被引量的前列，据网络对微信公众号( cnkipj ) 《大数据可视化》的评价，2010年至2014年《大数据实验手册》
《大数据应用人才培养系列教材》( 《虚拟化与容器》、《云计算》、《【工学】高被引图书前三甲，你读过吗？》、《云计算》、《大数据导论》、0755-79055- )
内容从简单到复杂，既遵循理论到实践的学习过程，也遵循系统而广的原则。
清华大学出版社王编辑说：“刘鹏教授的这个教材选题很独特，考虑到未来高职高专大数据人才的就业需求，他选择了一个非常有特色的选题。
”
从业内高校的大数据教材来看，理论知识过于复杂高深，与教学实际不契合，或者实践部分过于简略，学生学完往往也会感到一头雾水。
《高级大数据人才培养丛书》和《大数据应用人才培养系列教材》大相径庭，符合教师教育实际和学生实践实验，一经推出，就受到高校的广泛关注和采用。
师生们普遍对它给予了很高弯梁的评价。 ——不仅与教学实际相符，理论部分和实践部分比例分配合理，大量实验提高了学生动手能力，大数据学习不再是“纸上谈兵”。
大数据教育特别注重实践，除了两套教材外，针对目前大数据教育实践教学中师资力量不足、实验环境薄弱、实验数据缺乏等问题，刘鹏教授带领云创大数据技术团队，与备受高中老师好评的教师教育和教材进行了配套
师资培训
三年来，云创大数据(工信部教育与考试中心授权的“工业和信息化人才培养工程训练基地”)连续举办了几十期大数据/人工智能实战培训班，培训班全部采用实习方式，大大提高了参训老师的实战能力，各期训练有求必应
全国2000多所亏枣高校的5000多名老师能够参加并接受培训，老师们普遍反馈，对未来的教育和人才培养方面有很大启发，云创举办的大数据实战培训班也在教育领域引起了强烈反响。
此外，云创大数据优秀讲师和技术人员还将定期或不定期赴合作高校开展包括教育、实验人员教育指导在内的培训服务。
2016年12月-2017年1月，多次举办高中(高职)大数据教师免费培训班
2017年1月，百所高中老师齐聚二期高中(高职)大数据教师免埋空运费培训班
2017年4月，全国千所高校大数据教师免费讲习班在南京举行
2018年5月，2018信息技术新工科产学研联盟大数据技术师资培训班举办
2018年9-10月，第二届全国高校大数据人工智能教师实战免费培训班举办三期
2019年1月，2019年全国高校大数据人工智能师资培训实战免费培训班连续举办两期
2019年3月，2019大数据人工智能师资培训班在南京举办
2019年6月，2019云计算免费培训班在南京举办
2019年7月，2019年全国高校大数据人工智能师资培训实战免费培训班(第三期)举办
云创大数据持续的大数据实战训练，一方面为高中老师提供了与专家讨论、同事交流、向实战经验丰富的讲师学习的机会，另一方面也一步步突破了Hadoop、Spark、Python语言、Scala等多个大数据实验
大数据实验室
大数据实验室建设方案基于云提供的大数据实验一体化计算机和大数据实验平台建设，采用Docker容器技术，为用户提供大数据实验服务，实现大量用户同时在线实验避免相互干扰，同时提供实验手册、课程资源、教学视频、考试系统等，方便高校师生在平台上开展大数据教学和实验。
今年5月，大数据实验平台再次迎来更新，改版用户界面，优化系统资源使用，增加实验内容，丰富实验形式，扩充题库，完善教材与实验内容的映射，增录实验操作视频集成了商业智能实践教学子系统，基础镜像速度也得到了极大优化，一键营造环境只需十几秒钟。
目前，大数据实验平台已更新为400个大数据实验。
操作简便，实战效果显著，大数据实验平台依托贵州大学、西北工业大学、山东理工大学、郑州大学、河南农业大学、成都理工大学、西南大学、重庆师范大学、重庆工商大学、陕西师范大学、宁夏大学、南京财经大学、金陵科技学院、天津农学院、郑州升达经贸管理学院
值得一提的是，郑州升达经贸管理学院作为民办三大高校，自天骄数据实验平台落地以来，在课堂教学、实验拓展、课程体系建设等诸多方面屡创新成果。
目前，大数据实验室是该校利用率最高的实验室，一直排到周日。
这所学校信息工程学院的计算机科学和软件工程两个专业分别有250名学生和学院其他专业的800多名学生在这个平台上接受了严格的训练。
使用该平台毕业的学生工资水平远远超过普通专业大学毕业生，直接带动了学生就业率和学校影响力的同步提高。
无论是教材体系、师资培训，还是大数据实验室建设，云创大数据都在教育领域稳步发展，拥有雄厚的技术优势和优质资源。
热忱欢迎广大高校、教育机构及各企事业单位与云创业开展多方面交流合作，共同探讨大数据建设相关领域，培养越来越多大数据优秀人才，为行业发展作出贡献。
要获取《高级大数据人才培养丛书》、《大数据应用人才培养系列教材》配套PPT、人工智能人才培养方案大数据、人工智能实验室建设方案大数据、云创大数据合作工作手册等资源，可通过以下方式之一获取
2 .关注“云创大数据( cStor_cn )”，在微信后台回复“PPT”，获取网盘全套资源下载链接

自考/成考有疑问、不知道自考/成考考点内容、不清楚当地自考/成考政策，点击底部咨询官网老师，免费领取复习资料：https://www.87dh.com/xl/

⑵ 在新时期，如何利用大数据成为不可或缺的人才

感谢悟空的邀请！

 

在新时期，谈起大数据，相信很多人都不陌生了吧！其实大数据已经悄无声息的走入了我们的生活，大数据也是未来互联网发展的重要方向。

那么在新时期，大数据对人才的能力有何要求？如何利用大数据成为新时代不可多得的人才？下面带你详细分析下：

大家都知道，其实现在的中国市场，最缺乏的就是复合型的大数据开发人才，我认为，在新时代，要想成为大数据人才，应该从以下几方面着手：

1、大数据人才首先要拥有技术

大数据自然离不开人才，要想成为大数据不可或缺的人才 ，就必须要拥有相关大数据技能。大家都知道，大数据对人才的能力提出了更加高的要求，技术能力上大数据人才要具备java、大数据开发、大数据架构、软件开发工程等技术背景，会用大数据分析工具，了解统计模型相关知识；在一定程度上掌握Python等一类通用型编程语言，特别是编程方面一定要精通，没有哪一种大数据不需熟练掌握一门编程语言的。

 

2、大数据人才需要强大的跨学科学习

随着大数据向各行业的渗透，大数据从业者往往身兼数职，需要同时掌握数据技术和业务知识。一个好的大数据人才，必须具备强大的数据分析、数据挖掘的能力，而一个既能做业务数据分析，又懂机器学习和工程开发的分析师就是数据科学家。

 

3、  大数据人才需要坚持

     任何技术的掌握都不是一朝一夕的事情，当然大数据也不例外。大数据人才对人提出了更高的需要，不仅需要掌握相关的编程语言，还需要掌握数据分析能力，这就要求我们想要全方位提升自己的大数据业务水平，必须要坚持学习，只有具备大数据知识了，我们才能投入到大数据行业添砖加瓦。

 

4、 坚持学习的能力

大数据人才要有较强的沟通协调能力、学习能及推动能力、善于执行和监控，有较强的组织和责任意识，还需要强大的逻辑思维能力、归纳演绎能力帮助理解业务，能快速学习全新领域的商业模式和生态。

5、心态很重要

学习大数据的时候，一定要有良好的心态，大数据学习是一个枯燥的国产。要想学有所成，心态极其重要，不是什么东西一学就会的。

 

总结：在新时期，目前大数据人才已经成为市场上不可或缺的人才，大数据已经悄无声息的进入到很多行业了。但学习大数据不是一朝一夕的事情，需要有规划有计划的学习、要有坚持学习的能力，只有这样，才会在新时期，成为新时代所需要的大数据不可多得的人才…

大数据是我的主要研究方向之一，同时也在带大数据、机器学习方向的研究生，所以我来回答一下这个问题。

首先，当前正处在大数据时代，大数据未来将创造出一个巨大的新价值领域，而这个领域的核心就是围绕数据价值化的一系列环节。从目前大数据领域所形成的初步产业链来看，涉及到数据采集、数据整理、数据存储、数据安全、数据分析和数据引用，目前数据分析是比较常见的落地应用之一。所以，要想利用大数据成为不可或缺的人才应该从大数据产业链入手。

对于当前没有进入职场的大学生来说，根据自身的知识结构来掌握相应的大数据技术能够在一定程度上提升自身的职场竞争力。比如具备数学基础的同学可以考虑学习一下大数据分析技术，未来对于大量的职场人来说，数据分析将是日常工作的一部分。对于动手能力比较强的同学，可以考虑学习一下大数据运维的相关技术，包括数据采集、大数据平台部署等。随着大数据逐渐开始落地到传统行业，大数据分析、大数据运维、大数据开发等岗位将有大量的人才需求。

对于当前的职场人来说，要想通过大数据成为不可或缺的人才，需要从三个方面入手，其一是掌握大数据技术；其二是把大数据技术与行业相结合；其三是能够通过大数据技术创造出源源不断的价值。

学习大数据技术要根据自身的知识结构来学习，对于职场人来说，可以从大数据分析工具开始学习，基本的学习路线是Excel、BI工具、数据库、Python编程。大数据与行业的结合有多种不同的方式，目前场景大数据分析是比较常见的落地应用。要想通过大数据技术来创造出价值，一个重要的出发点就是通过大数据完成各自决策的制定，大数据不是目的，通过大数据完成各自决策才是目的。大数据一方面是给人力岗位使用，另一方面是给智能体使用，未来智能体的应用空间将非常广阔。

我是从以前做淘宝天猫的，今年不做的。在我看来大数据有点类似淘宝的生意参谋，它会给您提供行业各种数据，只是现在应该这个数据维度更丰富了。比如这个行业同行的转化率，有些行业的转化率，进店访客等等；在电商平台都是可以看到的，但是实体以前是做不到的。

现在随着数字技术的发展，以及实体行业对消费反馈收集困难等原因，才有了大数据的概念。比如现在好多行业面临的问题是自己设计的产品，消费者不喜欢，卖不出去。可以如果有了大数据，你就知道你的客户男女比例多少，年龄分布、喜好什么价位的产品等等，让你设计的产品更精准。

其实在我看来，你成为数字化的运营高手，你就可以成为不可或缺的人才。

大数据在我看来就是“1+1=N”。

怎么说呢，比如大数据提供给您行业转化率是多少，你的实体转化率是多少？等等，你想成为不可或缺的人才，那你就要有通过这些数据知道我公司现在问题出现在什么地方了？是什么因素刺激的出现了这种情况的能力，比如这周你店铺成交额涨了多少？这是数据给您能提供的，但是为什么涨了，数据给您提供不了，这你要自己分析，是有节气，还是因为你做了一个什么活动等，并针对现有数据对下一周做出计划。

数据给你的是“1+1=N”你要做的就是把这个数据反映到实物上，并进行分析，并制定下一步公司运作计划。

比如现在是数据给你1+1=3，那你就要分析为什么是3，不是2或者1甚至0呢？是什么刺激这个数据的增长了，是因为你在某些方面优化了还是因为有节气等，下一步什么安排等，也就是说你的每一步都能从数据反映出来，并能分析数据，做出下一步的安排等。

好了就说这么多吧，说太细我怕我理解的不准确，误导人。

对于一个企业来说，大数据可以拓宽产品的销售渠道和提升服务质量。有利于获取市场的动态和了解分析用户需求体验。

大数据如何才能发挥其作用，最重要的还是得有相对应的人才为它进行分析整理。

大数据可以让业内的情况变得清晰明了，是事实的支撑，通过数据可以知道业内的最新动态，根据数据分析，及时做出方案调整 有利于企业的发展。

大数据的工作中最重要的是什么？

1. 细致精准的数据采集；

2. 同时具备逻辑性与适用性；

3. 数据标签的规划切实可行(务实)；

4. 具备行业垂直度的商业性思维能力；

5. 能够做到更强的扩展性构架。

总结来说，商业化的大数据最重要的价值便是逻辑性与适用性，而扩展性也能保证在实践中更有竞争力，最后便是务实和思维能力的支撑。

任何时代的任何职业都需要面对竞争，所以能够产生的价值决定了我们被需求的程度，如想成为那个不可或缺的人，不仅要具备能力，还要具备务实的心态！

感谢悟空邀请回答。当今世界是 科技 高速发展的时代，也同样是大数据时代，竞争也是十分的激烈，要想成为大数据不可或缺的人才，必须要保证自己的专业知识过硬，这是一个看技术的活，弱者会被淘汰只有强者才能生存！

大数据可以拓宽产品的销售渠道和提升服务质量。有利于获取市场的动态和了解分析用户需求体验。

大数据如何才能发挥其作用，最重要的还是得有相对应的人才为它进行分析整理。

大数据可以让业内的情况变得清晰明了，是事实的支撑，通过数据可以知道业内的最新动态，根据数据分析，及时做出方案调整 有利于企业的发展。

⑶ 应对大数据人才短缺的四种方式

应对大数据人才短缺的四种方式_数据分析师考试

在一份关于大数据增长趋势的调研报告中，IDC表示，较之其他的商业智能(BI)工具，可视化数据发现工具在市场上的增长要比前者快2.5倍;而基于云的大数据和分析(BDA)解决方案的开销增速将是其他类型的企业内部部署解决方案的三倍。

然而，在未来几年大数据领域仍将继续面临人才的严重缺乏尴尬境地。IDC预测，到2018年，仅在美国就有181000个深度数据分析师的角色 空缺，而这一空缺将是与数据管理相关或解释需要相关技能职位空缺的五倍。然而，市场缺没有足够多合格的申请者来填补这些职位空缺。

Gartner表示，今年，大数据的需求将在全球范围内创造440万个就业机会，但却只有三分之一的岗位能够招到合适的人才。

这是因为大数据分析所需要的技能不仅仅是使用仪表板监控数据流。该领域的人才需要在数据科学方面具备高水平的技能来设置相应的搜索和参数，以设 计滤波算法(filtering algorithms)。这类人才需要硕士学位甚至博士学位，没有相关的技能，无法获得相应的行业资质认证。

根据Burtch在2013年的调查发现，近九成的大数据专业人员具有诸如统计学，应用数学，运筹学或经济学等相关学科硕士以上学历。

而根据来自麦肯锡全球研究所的另一项调查显示，预计到2018年，美国将面临大约150万大数据专家的短缺。

那么，如果你企业无法招聘到具备相关高学历背景的大数据专家的话，您企业要如何应对呢?本文接下来的部分，我将为您介绍四种可供选择的方法，以帮助您企业发现、发展和留住相关的大数据人才。

1、从真正熟悉您企业业务的人开始着手

“我非常认可大数据技能非常紧缺这一评估，”Gartner信息管理研究室主任Nick Heudecker表示。“许多企业客户甚至不知道他们需要从什么技能开始着手，更不用说如何才能这些技术。他们对于自己企业将面临怎样的问题，以及亟待 解决的分析技能是无意识的。”

企业往往认为他们需要一个具有先进的数据科学或数学博士学位的专业人士，但Heudecker表示，一个替代的方法是找一个真正熟悉您企业的业务的人员，并教给这些人员相关的分析能力。

从理解您企业的业务开始要比从对于机器学习的理解开始来得更为重要。企业可以教给员工进行数据处理和统计，或找到具备编程背景学位的人。企业可以通过对这些人实施更多培训，并让这些人员加入到您企业的大数据和先进的分析团队，他说。

2、培养您企业自己的超级巨星

领先的大数据软件提供商Tamr公司的现场工程技术负责人Min Xiao说，在过去的五年里，他已经面试过大约500人，并实际招募了约40至50人，他同意找到合适的大数据分析人才是很难的，但他也有自己寻找人才的方法。

“我的诀窍是找到那些当前还不是超级巨星，但要具备潜在的成长为超级巨星潜力的人才。我尝试聘请过很多从未从事过数据科学家相关工作的年轻人， 但我可以看到他们有这方面的潜力;或是那些目前尚只有中级或中高级水平的潜力，目前也没有做过数据科学相关工作，但具备成长成为该领域实力巨匠潜力的人 才。”他说。

他所看重的潜力主要是教育，包括学历和学校。他所考察的人才主要来自统计学，计算机科学等相关专业，有时包括物理专业。当然物理专业的人才可能不会是数据分析工作岗位的首选学位，但Xiao说他跟那些人合作得都很好。

“首先，如果他们有物理学位，说明他们很聪明。他们接受过数学课程的训练，而现代物理课程还需要他们做大量的编程。所以他们即使可能没有接受过正式的计算机科学的训练，但却已经具备了数据科学家角色所需的计算机技能，他们中的许多人甚至在这方面很擅长。”他说。

他着重考察的另一方面是应聘人才的毕业院校是否强调数学和科学，诸如像麻省理工学院，卡耐基梅隆大学，斯坦福大学，布朗和约翰·霍普金斯大学。”一些院校的毕业门槛非常高，所以从这些院校毕业的人工作努力程度很高，工作的态度很好。”Xiao说。责任编辑：qxcpw24895.com

3、寻找Excel专家

The Hershey Company人才分析部门经理Jason Chavarry在另一个不寻常的领域找到了大数据人才：微软Excel用户。

“Excel可以说是一份沃土，很多人从中获得有大数据的能力，他们往往被人们请教，以帮助其他的工作，”他说。

他补充说，Excel是一个入门级的管道里的人学习，是在大数据的分析，发现其基本的功能。”每个人都是用大量的基本功能。你如何制定出一个报 告或电子表格，你创造什么样的规则。Excel穿过所有的人。你可以使用它的基础水平的统计，基本的数据分析和可视化，”他补充道。

他补充说，Excel是学习大数据分析基本功能的一款入门级的学习管道。“我们每个人一般都只是大量了其一些基本功能。例如制做出一份报告或电子表格。但其实我们可以通过其创造一些相应的规则。通过利用其基础的统计功能，实现一些基本的数据分析和可视化。”他补充道。

但Chavarry指出，针对不同规模的项目也需要不同的工具。对于有5000行数据的分析项目，采用诸如SAS或R这样的工具无疑将是矫枉过 正，但若采用Excel的将是非常完美的。而若是有20万行的数据，Excel的功能就明显不够强大了。这时，你就需要大数据软件和编程知识，但并不拘泥 于一种特定语言。

“你真的不需要特定拘泥于关心采用哪种语言。如果有员工能够用一种语言来实现，那么其必然有能力以别的语言来实现。因此，你企业寻找的是具备学习能力的人才。” Chavarry说。

4、自行培养人才

鉴于大数据人才的稀缺，大多数企业的解决方案将是采用自行培养人才的方式。据大数据软件集成公司Talend的CMO Ashley Stirrup称，该公司通过建立一个导师计划，让有经验的专家来培训年轻人才，取得了良好的结果。

“有一类人能够作为嫁接其业务部门和新兴技术之间的桥梁。”Stirrup说。“通常，企业业务部门的人员还没有意识到的新技术对于业务进展的潜力，而对于一些高科技，他们也不知道如何使用。”

不幸的是，留住人才是相当困难的。Talend公司的客户说，他们培训了一些人，让他们接受新技术，然后这个人很可能会被其他公司以50%或更高的涨薪诱惑挖走，所以他们很难找到合适的人才，也更难找针对这些人才实施培训之后，将它们留住。

那么，企业应该如何留住这些人才呢，签订短期性约束力的合同协议可能有损与员工的关系? “关键在于想让这些经过专业培训的人才展示出他们能够在您的企业充分使用并展示他们的技能，而且，他们留在您的公司会更具有价值潜力。此外，企业需要设置 一定的期望，而不要看合同，” Stirrup说。

Xiao也正遭遇同样的人才争夺的问题。他说，他所在的Tamr公司试图激发所雇佣人才的团队意识，并激励他们寻找在该公司的价值。“当他们找 到与自己有‘共同语言’的同事，员工通常会认可这便是自己在未来几年将要心甘情愿合作的团队。鉴于市场竞争是如此激烈，我们真诚的希望员工能够在外面公司 获得成功，否则我们将无法吸引到更好的人才。”他说。

Heudecker也认为公司应该鼓励人才，而不是束缚人才。“您企业可能并不需要一个博士团队。也许只需要一个拥有统计学、计算机科学和工商 管理硕士学位的人。考察一下那些可能只有本科学历的员工，看看他们是否对于数据分析方面感兴趣。公司应该提供激励性的基础训练和方法来确保将员工留在企 业，因为这些技能在现如今的需求都是如此迫切。”他说。

Heudecker说，最终，大数据将成为新的常态，而人才储备也将扩大。 “如果我们看一下大数据的基础架构，它非常类似于80年代的RDBMS市场。彼时，其还没有被广泛应用，但人们已经在部署建造它们。而同样的事情将在大数据领域发生。”

以上是小编为大家分享的关于应对大数据人才短缺的四种方式的相关内容，更多信息可以关注环球青藤分享更多干货

⑷ 重庆高校大数据专业教学体系如何搭建

芝诺大数据教学科研平台以校企联合培养模式为手段，通过校企合作联合培养机制，让企业、行业深度参与人才培养过程，逐步实现校企共同制定培养目标、共同建设课程体系和教学内容、共同实施培养过程、共同把控培养质量，全面提升学生的应用实践能力。该平台以应用型人才培养为目标定位，在以解决现实问题为目的的前提下，使培养的学生有更宽广和跨学科的知识视野，注重知识的实用性，有创新精神和综合运用知识的能力。注重培养学生具有在创新中应用、在应用中创新的能力，让学生真正学会大数据行业各个岗位真正的职业技能。
芝诺大数据教学科研平台构建总体分为三大部分，一是平台硬件，二是教学与实验支撑系统（包括：芝诺数据综合分析ZDM平台、芝诺数据教学实训平台），三是产品服务。
教学与实验支撑系统由芝诺数据综合分析ZDM平台和芝诺数据教学实训平台构成，教学与实验支撑系统部署在大数据教学科研一体机中。
1）平台的建设能让高校大数据专业与实际应用相结合，提高学生的学习、实践和创新创业能力，能够培养实用性人才所需的专业能力，提升教学效果与就业率，为“大数据时代”的创新人才培养做出贡献。
2）平台的建设将支撑大数据去冗降噪、大数据融合、大数据可视化等关键技术研究，能够服务于学校的教学和科研，有助于大数据方向发展和自主创新，有利于创新团队培育和高水平研究成果积累，有利于提升教师的教学和科研水平，推动教学和科研团队建设。
3）平台的建设搭建可以发挥学校的行业优势，体现学校办学特色，推进
与国内外高校、科研机构和企业间的产学研合作，开展项目合作研究和人才培养，促进科研成果转化，促进产学研协同创新。
4）平台的建设有利于促进学科交叉与融合。
本项目通过对芝诺数据教学实训平台和芝诺数据综合分析ZDM平台的建设，支撑大数据去冗降噪、大数据融合、大数据安全与隐私保护等关键技术研究，形成以工程实训和创新拓展为主的实践教学体系，培养学生良好的科学素养和实践创新能力。同时，提升高校承担重大科研项目和实现自主创新的能力。适应国民经济和社会发展的信息化进程、信息化与工业化“两化”融合和新兴战略性产业迅速发展，完善科研平台和教学实验平台体系建设，提升科技创新能力，推进产学研合作。预期达到以下效果：
（1）建立健全实验教学环境，为相关专业学生提供与产业界接轨的、良好的实验条件；
（2）模拟企业环境，引入以实际项目为蓝本的实训项目，构建实训基地；
（3）为开设大数据类公共选修课提供实验环境；
（4）支撑高校科研项目的实施及科研论文的发表；
（5）为学生在数学、统计、计算机类学科竞赛获奖提供教学实验环境支持。

⑸ 大数据教育平台方案

当前，以信息技术和数据作为关键要素的数字经济蓬勃发展，并成为推动我国经济增长的重要力量。数字人才是数字经济发展的核心要素。实践出真知，美林数据基于数十年数据领域实践经验，结合产业发展的人才需求，为高校提供从教学、实践、科研一体化的大数据应用能力解决方案。
大数据人才应用能力成长平台——Tempo Talents，从产业人才需求的视角，通过模式创新、技术创新，为高校大数据人才培养提供从平台、课程内容到教学管理的系统解决方案。平台核心围绕“人才应用能力培养”，以实践为基础，将大数据人才培养所需的知识、技能和方法论三个层面互相融合，核心是通过学生动手实践，培养数据思维及解决问题的能力。

5、激发学生学习热情，打造“自驱型”能力成长平台

闯关、竞赛、自主探索的数据游乐场，打破传统的学习模式，打造专业与趣味性融合的学习体验，充分激发学生自主学习热情，打造“自驱型”能力成长平台。

⑹ 怎么培养数据分析的能力

数据分析需要哪些思维/能力/知识呢？
比如，数据分析思维、结构化思维、公式化思维、学法体系的思维.......这些思维帮助你，即使碰到自己不熟悉的问题，也能从一定的角度切入分析并保持清晰的逻辑；
一定的业务理解能力，能理解业务背后的商业思路。只有理解问题，才能转换成数据分析的问题，才知道如何设定分析目标并进行分析；
基础理论知识：数理统计、模型原理、近期市场的调研等；
常规分析工具的使用：常用办公软件（Excel、PPT、思维导图）、数据库、统计分析工具、数据挖掘等；
数据报告和数据可视化的能力。数据分析得再好，如果不能以简洁易懂的方式“表达”，成效也会大打折扣。
等等等，诸如此类的基本知识能力贮备......

那么想要提升这些能力该做点什么呢？下面具体来说说怎么做能把这些基础实力打好。
从分析理论和工具实践着手

1、分析理论
分析理论包括：明确业务场景、确定分析目标、构建分析体系和梳理核心指标。
我们要做的就是，首先明确是什么样的业务场景，不同的业务，分析体系也随之不同；然后，结合业务问题确定分析的目标，列出核心指标，再搜集整理所需要的数据。
推荐书籍：《数据化管理》、《决战大数据 》
数据分析的几个步骤：
（1）数据获取
数据获取往往看似简单，但是它需要分析者对问题进行商业理解，即转化成数据问题来解决，如，需要哪些数据，从哪些角度来分析等，在界定了这些问题后，再进行数据采集。
此环节，需要数据分析师具备结构化的逻辑思维。
推荐书籍：《金字塔原理》、麦肯锡三部曲：麦肯锡意识、工具、方法
推荐工具：思维导图工具（Xmind网络脑图等）
（2）数据处理
数据的处理需要掌握有效率的工具：
Excel及高端技能：
基本操作、函数公式、数据透视表、VBA程序开发。
我一般会先过一遍基础，知道什么是什么，然后找几个case练习。多逛逛excelhome论坛，平常多思考如何用excel来解决问题，善用插件，还有记得保存。
专业的报表工具：
（成规模的企业会用）日常做报表可以设计一个通用模板，只要会写SQL就可上手。
相比excel做报表，这种工具开发的技术要求较低，能很快地开发常规报表、动态报表。
数据库的使用：
熟练掌握SQL语言（很重要！！！），常见的有Oracle、SQL sever、My SQL等。
学习流行的hadoop之类的分布式数据库来提升个人能力，对求职等都会有所帮助。
（3）分析数据
分析数据往往需要各类统计分析模型，如关联规则、聚类、分类、预测模型等等。
因此，熟练掌握一些统计分析工具不可免：
lPSS系列：老牌的统计分析软件，SPSS Statistics（偏统计功能、市场研究）、SPSS Modeler（偏数据挖掘），不用编程，易学。
SAS：经典挖掘软件，需要编程。
R：开源软件，新流行，对非结构化数据处理效率上更高，需编程。
各类BI工具：Tableau、PowerBI、FineBI，对于处理好的数据可作自由的可视化分析，图表效果惊人。
推荐书籍：
《说菜鸟不会数据分析》系列，入门级书，初学者最适。
《数据挖掘与数据化运营实战，思路、方法、技巧与应用》，内容很系统很全面。
《市场研究定量分析方法与应用》，简明等编著，中国人民大学出版社。

（4）数据可视化呈现
很多数据分析工具已经涵盖了数据可视化部分，这时就只需要把数据结果进行有效的呈现和演讲汇报即可，可用word\PPT\H5等方式展现。

2、工具实践

（1）对于入门小白，建议从Excel工具入手，这里以Excel为例:
学习Excel是一个循序渐进的过程:
基础的：简单的表格数据处理、打印、查询、筛选、排序
函数和公式：常用函数、高级数据计算、数组公式、多维引用、function
可视化图表：图形图示展示、高级图表、图表插件
数据透视表、VBA程序开发......
多逛逛excelhome论坛，平常多思考如何用excel来解决问题，学习用各种插件，对能够熟练使用Excel都有帮助。

其中，函数和数据透视表是两个重点。
函数
制作数据模板必须掌握的excel函数：
日期函数：day，month，year，date，today，weekday，weeknum 日期函数是做分析模板的必备，可以用日期函数来控制数据的展示，查询指定时间段的数据。
数学函数：proct，rand，randbetween，round，sum，sumif，sumifs，sumproct
统计函数：large，small，max，min，median，mode，rank，count，countif，countifs，average，averageif，averageifs 统计函数在数据分析中具有举足轻重的作用，求平均值，最大值，中位数，众位数都用得到。
查找和引用函数：choose，match，index，indirect，column，row，vlookup，hlookup，lookup，offset，getpivotdata 这几个函数的作用不用多说，特别是vlookup，不会这个函数基本上复杂报表寸步难行。
文本函数：find，search，text，value，concatenate，left，right，mid，len 这几个函数多半用在数据整理阶段使用。
逻辑函数：and，or，false，true，if，iferror
（以上学会，基本能秒杀90%的办公室白领！）
数据透视表
数据透视表的作用是把大量数据生成可交互的报表，它具有这样一些重要功能：分类汇总、取平均、最大最小值、自动排序、自动筛选、自动分组；可分析占比、同比、环比、定比、自定义公式等

现实中，取数或报表+EXCEL+PPT似乎还是主流形式。
工具上，无论是业务人员还是分析人员，都可以通过自动取数工具或者BI工具来制作报表，减少重复操作的时间。
其次，增加与业务人员的沟通，充分了解业务需求，当你的业务水平和他们差不多甚至更高时，自然而然知道他们一言两语背后真实的需求是什么了。
最后，站在更高角度上，报表的基本粒度就是指标，可梳理出企业的基本指标体系，从经营分析的角度去做报表，把报表的工作标准化，降低报表的冗余，避免动不动就做一张报表。标准化包括指标分类，指标命名，业务口径，技术口径，实现方式等等。其实，最终目的是实现报表数据一致性，减少重复报表开发，降低系统开销的战略性举措。
在业余时间，可以多补充数理统计知识，学习R、Python语言，学习常用的挖掘模型，往高级分析师路上发展！
一起加油鸭！

以上，就是今天的分享，数据分析能力听起来很大很抽象，虽是软实力但却是行业的硬要求！量变引起质变，一步步来，才能做到触类旁通，做起项目才会越来越顺手。