2018年中国大数据人才培养体系(第一版)

中国大数据人才培养体系（第一版）

目录

一、大数据及大数据人才介绍.

二、大数据发展与大数据人才培养现状.

（一）大数据发展进程.

（二）大数据人才高校培养现状.

（三）大数据人才社会培训现状.

三、大数据人才知识体系架构.

（一）从实践应用需求中构建出的大数据人才知识体系.

（二）案例：旅游大数据人才知识体系架构的应用落地.

四、大数据人才培养战略.

（一）指导思想.

（二）基本原则.

（三）未来五年战略目标.

一、大数据及大数据人才介绍

2014年信息技术研究和分析机构Gartner对大数据进行定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

2015年我国《促进大数据发展行动纲要》中对大数据的描述：“大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。”

大数据人才是具备多种交叉科学和商业技能的人，能够将数据和技术转化为企业的商业价值。这种商业价值的转化不是一次性的、一蹴而就的，而是需要有正确的策略，完整的团队，创新的能力，规范的工作流程和业务体系、评价体系等条件，从而逐渐利用数据分析，实现从改善到创新的过程，也是大数据的应用过程。

随着大数据的不断发展，相应的数据感知、数据传输、数据处理等共性技术

不断完善，而随着大数据应用领域的不断扩展，相应的应用层大数据分析、决策支持等方面的人才非常紧缺。因此，我们这里定义的大数据人才是数据分析应用型人才，要熟悉概念和原理，具有一定的专业知识，对业务逻辑有清晰地了解，能够熟练操作和使用数据库及分析工具，工作在大数据与各个领域结合的第一线，运用分析指导我们的生产和生活。

二、大数据发展与大数据人才培养现状

（一）大数据发展进程

1、国外大数据发展进程

大数据的产生来源于对决策支持的需求。自计算机出现以来，人们一直想用计算机来辅助决策，直到20世纪90年代，美国数据仓库之父比尔·恩门（BillInmon）提出数据仓库理论才有了突破，此后其多次在演讲中提到“BIGDATA”。随着数据量的增加，作为数据仓库平台提供商的Teradata、Oracle 提供的软硬件一体的服务器，无论在性能还是在成本上已经不能满足TB、PB级数据的处理需求，为此谷歌为解决网页搜索问题诞生了MapReduce、DFS和Bigtable，雅虎公司的DougCutting实现了谷歌三篇论文提出的分布式系统的架构，并将源码贡献给Apache基金会，形成了Hadoop开源生态，开启了大数据时代的大门。

2008年，计算机科学研究人员普遍认可了大数据，业界组织计算社区联盟(ComputingCommunityConsortium)发表《大数据计算：在商务、科学和社会领域创建革命性突破》白皮书，使人们的思维不再局限于数据处理的机器，并提出：大数据真正重要的是新用途和新见解，而非数据本身。同期，谷歌利用网上搜集到的海量个人搜索词汇数据，成功预测了甲型H1N1流感的传播趋势，说明大数据所蕴含的巨大价值。

2009年，奥巴马政府将大量数据向民众开放，将许多数据公布在美国政府数据开放门户网站https://www.docsj.com/doc/ee16985445.html,；同期，印度政府建立了用于身份识别管理的生物识别数据库，联合国全球脉冲项目已研究了对如何利用手机和社交网站的数据源来分析预测从螺旋价格到疾病爆发之类的问题；欧洲一些技术领先的研究型图书馆和科技信息研究机构也彼此建立了伙伴关系，致力于改善在互联网上获取科学数据的简易性。

2010年，美国政府要求各部门实施“大数据”战略，美国国会更新法案，提高数据采集精度和上报频度；肯尼斯库克尔在《经济学人》上发表《数据，无所不在的数据》，提到“从经济界到科学界，从政府部门到艺术领域，很多方面都已经感受到了这种巨量信息的影响”，并成为最早洞见大数据时代趋势的数据科学家之一。

2011年，麦肯锡发布《大数据：下一个创新、竞争和生产力的前沿》，其中讲到“美国市场，2018年大数据人才和高级分析专家的人才缺口将高达19万，此外美国企业还需要150万位能够提出正确问题、运用大数据分析结果的大数据相关管理人才”，这是专业机构第一次全方面的介绍和展望大数据；同期，IBM的沃森超级计算机每秒可扫描并分析4TB（约2亿页文字量）的数据量，创造了“大数据计算的胜利”时刻。

2012年，美国奥巴马政府在白宫网站发布《大数据研究和发展倡议》，标志着大数据已经成为重要的时代特征；对大数据领域的2亿美元投资和对数据“未来的新石油”的定义宣布大数据技术从早期的商业行为正式上升到国家科技战略。同年，联合国在纽约发布关于大数据政务的白皮书，总结了各国政府如何利用大数据更好地服务和保护人民。

2013年，美国信息技术与创新基金会发布《支持数据驱动型创新的技术与政策》，数据驱动型创新主要包括“大数据”、“开放数据”、“数据科学”和“云计算”。

2014年，美国白宫发布《大数据：把握机遇，守护价值》白皮书，对美国大数据应用与管理的现状、政策框架和改进建议进行了集中阐述；同期，世界经济论坛以“大数据的回报与风险”主题发布了《全球信息技术报告（第13版），突出了大数据在推动经济发展、改善公共服务，增进人民福祉，乃至保障国家安全方面的重大意义。

2016年，谷歌AlphaGo击败世界围棋冠军李世石，宣布人类进入“人工智能年”，最终战胜围棋第一人柯洁标志着人工智能在垂直领域的落地进入到新阶段。

2、国内大数据发展进程

与国外相比，我国大数据的发展时间相对滞后、发展相对缓慢。

最早是在2003年，信息产业部确立信息技术人才培养计划，提出“项目数据

分析”的概念。

2005年，国内成立第一家数据分析事务所，进行一些最基本的数据分析业务。

2008年4月，中国商业联合会数据分析专业委员会作为数据分析行业全国唯一的行业组织正式成立，数据分析报告在项目分析过程中的价值受到越来越多的认可和关注。其后，数据分析技术进入了新的发展时期，但企业对数据分析的商业需求仍然没有得到突破。

直到2011年，在物联网“十二五”规划中，我国工信部将信息处理技术作为4项关键技术创新工程之一，其中包括海量数据存储、数据挖掘、图像视频智能分析。

2012年，阿里巴巴集团在管理层设立“首席数据官”一职，负责全面推进“数据分享平台”战略，并推出大型的数据分享平台——“聚石塔”，为天猫、淘宝平台上的电商及电商服务商等提供数据云服务，是中国最早提出数据化运营的企业。

2014年，“大数据”首次出现在我国《政府工作报告》中，明确指出“要设立新兴产业创业创新平台，在大数据等方面赶超先进，引领未来产业发展”，至此“大数据”成为国内热议词汇。

2015年，国务院正式印发《促进大数据发展行动纲要》，明确提出“推动大数据发展和应用”，标志着大数据正式上升至国家战略。

2016年，《大数据产业发展规划（2016-2020年）》出台，推动大数据在工业研发、制造、产业链全流程各环节的应用。

2017年，《新一代人工智能发展规划》出台，构筑我国人工智能发展的先发优势。

3、大数据发展进程的思考

纵观大数据发展历程，可以做出以下结论：

（1）国际上大数据的发展进程最早可以追溯到20世纪90年代，大量的商业需求迫使大数据技术得到了突破，政府数据的公开对大数据发展发挥了重要的推动作用；经过多年的发展，2012年，大数据在美国终于上升到国家战略，围绕大数据应用，各行业纷纷发展大数据产业。

（2）国内大数据的发展从2003年起步，2012年以前由政府和行业协会推动，

期间推动技术突破的商业需求几乎为零，从起步经过13年的发展最终上升到国家战略，之后进一步带动不同行业、不同企业进行技术研发和数据公开。

不难发现，我国大数据发展存在着相对明显的断层，这种断层是应用需求的脱节，不了解商业应用需求的技术研发导致很多情况下企业的生产脱离实际，投入大于产出。国际上其他国家早在2005年就完成了技术实现，尤其是技术的开源化，但同样采用开源平台，国内国外效果不一样，这就值得思考，也提醒我们理性看待大数据技术发展与商业需求相脱离的本质问题。国内阿里巴巴虽然最早提出通过数据进行企业数据化运营，但其仅仅从职能岗位入手，当时更多的仍停留在理念上。

随着其业务覆盖的扩展，阿里巴巴已经可以在一定的领域内形成大数据应用支撑，但其局限性依然很突出，与新领域难以形成大数据协同，在面向未来的新型数据应用上，也很难形成无缝升级。因此大数据人才的培养必须突破理念，回归实质。

据埃森哲卓越绩效研究院(InstituteforHighPerformance)对美国、中国、印度、英国、日本、巴西和新加坡等这些国家的数据分析人才需求的一项调查研究发现，截至2015年，上述所有国家（除中国外）都将面临胜任分析科学家工作的博士毕业生数量净短缺的问题。埃森哲表示“美国、英国、日本、新加坡和巴西几乎将肯定遭遇高端人才的严重短缺，尽管印度的数据分析服务行业蓬勃成长，但它也将难以培养出足量的博士生来填补所有新的数据分析科学家岗位。如果对数据分析的需求加速升高，那么中国也将可能出现短缺。”目前，我国对大数据人才的需求的确在加速，埃森哲的这种预测也正在变成现实。但目前国内大数据人才的培养大多仍停留在IT层面，绝大多数未真正进入企业的管理核心，而是在底层开发着各种各样的大数据产品。但除了一些寡头级别公司的大数据内部应用，绝大多数的大数据产品并没有如同预期一样被市场接受，要么是闭门造车、臆想出“伪需求”，没有真正解决客户的需求和痛点。要么是概念导向、占领客户大数据认知的“假产品”，没有几个大数据产品能真正带来规模化收入，依然作为成本中心存在，究其根本还是在于脱离应用场景，脱离需求。优秀的数据分析人才应当拥有从事数据分析的必要技能，懂分析数据，更懂生产、管理，甚至企业的方方面面，这些技能可以通过学习或在职培训获得。IT专业人士应该开始意识

到大数据领域与日俱增的重要性，要想在大数据领域发展必须去寻找获得这些技能的方法。为此，我们要及早开展真正意义上的大数据人才的培养，时刻警醒着避免出现“新一轮人才断层”的问题。

（二）大数据人才高校培养现状

随着企业发展规模变化，数据应用价值凸显，在这样的背景下大数据人才培养方向到底在哪？作为大数据概念的发源地，美国一直走在大数据发展的前列。我们通过美国大学中部分主要的大数据分析硕士学位课程的设置和我国高校大数据相关专业设置进行对比分析。

1、美国北卡罗纳州立大学高级数据分析研究院，作为美国第一个正式的数据分析研究生学位授予单位，有以上23个知名的数据分析科学专业，其中11个开设在商学院，绝大多数称为商业数据分析硕士；6个开设在工学院，以计算机或工程学院为主，多数是计算机科学硕士学位主修数据分析方向；4个设在管理学院，多数为商业管理硕士学位主修数据分析方向；其余2个分别由专设的数据分析研究所和研究院开办。各大学对报考学生的数学和计算机知识结构都有较为统一的明确要求，最理想的是商业知识和数据分析技能都具备的学生。例如雷德赛尔大学（DrexelUniversity）的课程主要是针对那些对定量方法有兴趣、通过数据分析探索和揭示内在关系、利用数据来解决商业问题、希望提升能力或从事商业分析的职业人，所以提出有工作经验的学生会有较强的入学竞争力。普杜大学（PurdueUniversity）将传统商业咨询与数据分析结合，即利用集成的分析方法和现代信息技术来生成商业情报和解决特定行业的问题，因此要求入学学生具有很强的分析、量化、团队领导、组织和沟通能力。

由以上可以认为美国大数据人才的培养方向，是为了培养能够帮助政府和企业转变思维、解决实际问题的专门的数据管理决策支撑层，而不是来自IT部门的技术专家。

2、英国大数据教育分为两个方向：大数据应用和大数据技术。与美国高校相仿，英国高校的大数据相关专业也比较注重应用层面。作为欧洲的商业金融中心，英国的高等教育更注重大数据在商业方面的应用。相对主流的是聚焦于商业管理、金融投资、应用经济学的数据应用问题，一般采取工商管理类教学的案例学习和信息数据科学的实践学习相结合的教学方式，也体现出数据科学的高端人

才必须是横跨业务和技术领域的双通道人才。其余领域应用包括健康、生物医学、地理等领域。

聚焦于技术方面的大数据专业也是采取和其他技术结合的模式，例如伦敦大学学院的网络科学与大数据分析和时空分析和大数据挖掘，拉夫堡大学的计算机安全和大数据，利物浦大学的大数据与高性能计算，肯特大学的云计算与大数据。

另外，英国高校更注重跨学科和创新教育。比较有特色的是华威大学的“政治、大数据和量化方法（MainPolitics，BigData&QuantitativeMethods）”专业和伦敦国王学院的“文化和社会中的大数据（MABigDatainCulture&Society）”专业，都采取了文学硕士的学科建设。除此之外，比较有特色的课程包括华威大学的大数据与数字化未来这种开放式课程。

爱丁堡大学也开设了“数据科学、技术和创新（MscDataScience，Technology&Innovation）”的网络课程，支持在线远程学习，同样获取硕士学历。

3、我国高校大数据相关专业设置

一直以来，我国高校开设的数据挖掘、商业智能相关的课程一直围绕计算机技术开展。2014年年初，在袁卫和纪宏教授的倡导下，由中国人民大学、北京大学、中国科学院、中央财经大学和首都经济贸易大学五院校成立的大数据分析硕士培养协同创新平台联合了北京地区高校的师资力量与大数据应用的业界翘楚，利用院校协同创新、研究部门与业界部门协同创新的全新模式，以实际社会需求为导向共同开发课程并进行高级大数据分析人才的培养。在此之前国内只有两所院校开设了大数据相关专业，分别是香港中文大学的数据科学与商业统计硕士课程、纽约大学上海分校的商业数据分析科学硕士课程。

2016年2月，我国教育部公布本科新增“数据科学与大数据技术”专业，北京大学、对外经济贸易大学、中南大学成为首家获批高校。

2017年3月，教育部公布第二批“数据科学与大数据技术”专业获批的32所高校。截至目前，我国已有35所高校获批该专业。

我国“数据科学与大数据技术专业”获批名单序号学校名称学位名称学位授予门类

1北京大学数据科学与大数据技术理学

2对外经济贸易大学数据科学与大数据技术工学

3中南大学数据科学与大数据技术工学

4中国人民大学数据科学与大数据技术工学

5北京邮电大学数据科学与大数据技术工学

6复旦大学数据科学与大数据技术理学

7华东师范大学数据科学与大数据技术工学

8电子科技大学数据科学与大数据技术工学

9北京信息科技大学数据科学与大数据技术工学

10中北大学数据科学与大数据技术工学

11晋中学院数据科学与大数据技术工学

12长春理工大学数据科学与大数据技术工学

13上海工程技术大学数据科学与大数据技术工学

14上海纽约大学数据科学与大数据技术工学

15浙江财经大学数据科学与大数据技术理学

16宿州大学数据科学与大数据技术工学

17福建工程学院数据科学与大数据技术工学

18黄河科技学院数据科学与大数据技术工学

19湖北经济学院数据科学与大数据技术工学

20佛山科学技术学院数据科学与大数据技术工学

21广东白云学院数据科学与大数据技术工学

22北京师范大学-香港浸会大学联合国际学院数据科学与大数据技术工学23广西科技大学数据科学与大数据技术工学

24重庆理工大学数据科学与大数据技术工学

25成都东软学院数据科学与大数据技术工学

26电子科技大学成都学院数据科学与大数据技术工学

27贵州大学数据科学与大数据技术工学

28贵州师范大学数据科学与大数据技术工学

29安顺学院数据科学与大数据技术工学

30贵州商学院数据科学与大数据技术工学

31贵州理工学院数据科学与大数据技术工学

32昆明理工大学数据科学与大数据技术工学

33云南师范大学数据科学与大数据技术工学

34云南财经大学数据科学与大数据技术理学

35宁夏理工学院数据科学与大数据技术工学

该专业强调培养具有多学科交叉能力的大数据人才。

需要培养以下专业能力：

一是理论性的，主要是对数据科学中模型的理解和运用；

二是实践性的，主要是处理实际数据的能力；

三是应用性的，主要是利用大数据的方法解决具体行业应用问题的能力。

不管是从时间还是经验看，目前国内培养大数据人才的院校都尚处于起步阶段，学校教育与大数据市场需求脱节严重，通过美国、英国与我国的对比可以看出，美国、英国除了工程相关专业，商学院的课程显得很重要，对学生也有工作经验要求，全面培养硕士研究生。而我国从本科设置，研究生以上的高端人才仍未从单一的计算机技能培养中有大的转变。因此，社会培训机构要充分发挥对大数据人才培养的作用。

（三）大数据人才社会培训现状

中国商业联合会数据分析专业委员会作为主管行业协会，通过分析目前大数据社会培训课程设置，发现社会培训机构众多，但对大数据人才的培养存在严重的方向偏移。主要表现在以下几个方面：

1、人才培养偏技术，忽视业务驱动

片面的IT底层化的人才培养，是大数据人才培养的第一个误区。目前不少所谓的“大数据培训机构”是从早期IT培训机构转变而来，对大数据人才的培养主要开展底层架构的开发，课程主要集中在数据获取、数据运算、数据存储、以及基于数据编程几个层面。在数据获取层面，更多培养学员如何使用Java语言获取目标网页内容；在数据运算层面，以Hadoop分布式存储、MapReduce并行计算、HDFS分布式文件系统等为基础，教授学员如何对数据进行底层架构的设计与实现；在数据存储方面，讲授传统关系型数据存储SQL、一些非关系型数据存储NoSQL，如Mongodb、Redis等；在编程方面，这些机构忽视科学计算，不是数据编程而是

以Java、Html语言为例教授学员开发网页、手机终端程序的基本知识。培养内容更多地偏向于技术驱动，学员们并不能将这些内容与自己所处的行业、工作相结合，不能很好的运用IT技术解决工作遇到的问题。

大数据的核心目标是数据驱动的智能化，是要解决具体的问题，可以是科学研究问题，也可以是商业决策问题，抑或是政府管理问题。所以在进行大数据的人才培养时一定以问题和目标为导向，研究和选择合适的技术加以应用，言必Hadoop、Spark的大数据是不严谨的。数据科学的技术基因在于开源，各大领域的基础技术栈和工具库已经很成熟，下一阶段就是怎么快速组合、快速搭积木、快速产出的问题。不同的业务领域需要不同方向理论、技术和工具的支持，是业务决定技术和工具，而不是根据技术、工具来考虑业务。

2、人才培养片面化，缺乏综合性培养

国内大数据培训课程分类繁多，系统性培训被主观性的画出很多的界限，单纯的理论，单纯的技术开发或单纯的工具操作都无法培养大数据人才，在这种知识链条割裂的培训环境下，学员掌握某项技能多了，但按照上层应用业务需求解决问题的能力却无法获得；对企业而言，误导员工认为不同岗位只需要了解与负责自己岗位所对应的工作内容，如数据建模师只负责构建并评估数据模型，大数据可视化工程师负责对数据进行呈现与展示，数据架构师负责构建与维护底层数据架构。这不仅限制了大数据人才的全方面、多层次、综合性发展，同时还将导致企业内部员工只能被动接受，对其上下游环节的工作毫无预期。

大数据相比传统信息技术来说其深度和广度都有延伸，需要培养人才的“数据驱动”与“数据闭环”思维方式。其中，数据闭环是指构造起包括数据采集、建模分析、效果评估到反馈修正各个环节在内的完整“数据闭环”，从而能够不断地自我升级，螺旋上升；数据驱动是指经营管理决策可以自下而上地由数据来驱动。数据价值实现离不开围绕数据业务的不同角色分工配合，大数据人才需要涉及交叉学科和交叉领域，通过完整的培训体系培养大数据人才的全局观、大局观，既可以自顶向下的通过业务探索数据背后蕴含的商业价值，又可以自底向上的去实现数据获取、数据挖掘、以及数据决策的全流程，以适应大数据时代的发展。

3、人才培养功利性，分级认证极具误导性

无论是人才培养偏技术驱动而导致忽视业务驱动的问题，还是人才培养系统性被割裂的问题，都与人才培养过程中商业利益的驱使分不开。大量IT培训企业化身大数据培训，是第一类现象产生的源头；系统性被割裂的课程人为缩小学习目标，短期激发学习热情，几个月、几天甚至几个小时就完成的培训符合市场“变现”规律，大量低质重复的课程实质在阻碍大数据人才的发展。

低中高的分级考试培养模式也是需要推敲和斟酌的，数据驱动的大数据人才重在应用。根据数据解决问题的能力与长期知识、经验的积淀密不可分，本来就不是通过考试能评估的，考试只能考评知识掌握程度和是否具备相应的“数据驱动”和“数据闭环”思维。这种划分等级的考试依据不够充分，没有论证依据和实践证明的分级考试极具误导性。大数据人才培养的本质是探究学问，培养有用之人，服务社会发展，这关系到我国综合国力的提升，无论是学校教育还是社会培训，一定要认真设计、谨慎从事，切勿落入“过度商业化”的窠臼而忘记了初衷。更不能假借人才培养之名，行商业利益之实。鉴于此，作为行业协会有必要在大数据人才培养上出台基本发展架构给整个行业以引导。

三、大数据人才知识体系架构

（一）从实践应用需求中构建出的大数据人才知识体系以可口可乐公司等为代表的世界500强公司，已经在组织架构上进行了以数据为驱动的改造，旨在当今竞争日趋激烈的市场环境中能够快速对业务增长引擎进行正确可观的判断，时刻引领企业创新和变革，让大规模企业能够像微小企业一样善于迎接改变，不停创新。

大数据人才培养体系

（1）数据决策者需要理解怎样制定数据分析的策略，来支持企业的总体战略，利用数据分析的力量来改进企业中跨业务部门的决策效果。

（2）业务部门根据所在业务部门的需求，利用数据平台提供的接口完成业务分析任务。

（3）数据产品部门负责结合业务部门的特定需求，整合企业的数据资源与业务流程，设计并维护数据产品，从而使得业务部门能够以最有效的手段，及时获取业务运营最为密切相关的数据服务。数据产品部门存在于以数据产品为主营

业务的企业中，其他企业一般不会专门设立该部门。

（4）数据分析部门负责战略性和日常运营中复杂的分析需求，同时也负责相关算法、工具的研究与设计。综合处理跨业务部门的分析需求，负责相关的项目支撑。

（5）IT部门，一方面实现企业数据仓库的设计、部署与维护，从而为业务分析师提供友好、便捷的数据访问及分析的接口与工具；另一方面提供稳定的IT 运行环境并配合数据平台部门做好相关软硬件的运维。

伴随着SeanEllis在2010年提出增长黑客（GrowthHacker）的概念，跨国企业纷纷专门设立首席增长官CGO（ChiefGrowthOfficer）带领一个个精英增长团队，每个团队职能都包括市场销售、产品、工程、数据分析。能够形成若干个增长引擎闭环，支持企业市场和产品的不停快速迭代和改进。

在增长团队这种新的组织架构中，数据分析师的角色举足轻重，起着核心和发动机的作用。所有的市场反馈要经过数据分析这一层再传递给产品决策或者返回市场决策。所有的产品创新也都需要数据分析这一层支持进行快速验证。这在市场进入策略、产品设计创新迭代、精准营销与价值转化方面都有着巨大的意义。也正是这些创新的商业管理实践，组成了增长黑客的概念。目前这种商业管理实践已经被越来越多的企业，尤其是善于创新的企业所采纳。

综上，数据分析师和业务专家显然是大数据人才的核心，总体需要具备商业智能的理念、掌握数据分析的基础理论和常用算法、对业务流程有明确的认知，能够清晰地归纳和设计分析需求、熟练运用数据分析工具。

大数据时代，更确切说是知识经济时代，技术标准竞争越来越激烈，谁制定的标准为世界所认同，谁就会从中获得巨大的市场和经济利益。大数据技术标准更是如此，大数据技术使各种数据分析与处理成为了可能，但由于大数据技术是复杂的新兴技术，目前尚未出现一种通用的大数据技术标准。随着技术的不断发展，当大数据底层基础架构不断完善并趋于稳定之后，随之而来的更多的是有关大数据上层业务的应用问题，这时候究竟需要什么样的大数据人才、以及如何培养这种人才便会十分棘手，换句话说制定大数据人才培养体系至关重要。

只有技术工程师或者科学工程师不可能实现从海量数据中挖掘价值的目标。大数据人才必定是具备如下知识和能力的综合型人才：

1、数据认知能力培养

世界上的一些先进的大数据成功案例，给我们最大的启示，是让我们对数据有完全不同于过往的观点，特别是对数据的认知主动性，今天我们要主动的去思考我们需要哪些数据、我们有哪些数据、这些数据又可以为我们提供泽阳的商业价值。在商业模式的层面上，我们要思考如何通过数据找到我们的合作伙伴，如何与我们的合作伙伴建立以数据为导向的合作关系；我们的目标群体是谁，如何以最快捷的方式把我们的产品推向目标群体。从产品运营的角度，我们要思考如何提高我们产品的商业价值，以及未来如何通过数据分析规避我们的市场风险。

2、数据调用能力培养

（1）数据获取：内部数据与外部数据

认知数据产生的时间、来源、条件、格式、内容、长度、限制条件等，能有针对性的实施和控制数据产生和采集的过程，加深对数据的理解程度。今天我们不能只想到我们有什麽数据，而是想虽然今天没有，我们还可以拿到什么数据，甚至是别人有没有这个数据，或是我可以到哪里去收集这些数据。其中涉及网络爬虫技术、Wifi探针技术、系统日志数据采集，通过公司内部数据与外部数据关联，打破数据孤岛，为基于业务场景下的数据分析提供支撑。

（2）数据存储：结构化数据存储、半结构化数据存储与非结构化数据存储了解结构化及非结构化数据的存储架构（SQL及NOSQL），特别是对数据结构模型（datamodels）的训练。在传统BI对于分析形式的relationaldatamodel（例如de-normalized的starschema或snowflake）已比较标准化；但在大数据领域，NOSQL还是百家争鸣，从Columnbased，documentbased，key-valuebased，到networkbased，各有其擅长及缺点，不同的模式，也各有其各式各样的开源平台，对于非关系型的NoSQL，其数据结构模型（datamodels）的设计需要更多的关注，其对数据最终的价值，以及未来数据被处理时的效能有非常大的影响。另外，在未来的整体数据架构（dataarchitecture）将会使用多形式及多样的存储架构，数据架构便非常重要，由于不同的应用需要使用不同的数据结构模型，在不同的存储架构内及存储架构之间的运算及传输，都对整体系统的效能有很大的影响。

（3）数据预处理：探索、提取、清洗、转换和加载熟练数据处理规则，能实际解决数据分散、不清洁问题，具备与业务需求相结合的能力。保证动态和迭

代更新的数据存储和处理达到及时、完整、有效、一致、准确。除了传统的ETL 到数据库的能力，在大数据的环境中，还需要做好数据湖（datalake）的规划，并建立特征工程的架构（featureengineering），提供高效能而适合数据挖掘、统计分析及机器学习的特征平台。

3、数据综合处理能力培养

掌握数据挖掘和模型构建技术，并通过评估指标衡量模型的效果。能够进行商业运行和模型解释。数据只是系统的表象，不管系统是商业的运营，政府部门的运作，还是其他的系统，要能当成业务驱动的目标，数据研究能力的培养需要在实际的环境下改善，如何经由研究及沟通去了解一个系统（Domainknowledge），如何将问题转化为可解的模型，实际执行运算，对于结果做一个解释，找出可能的问题，再调整模型，这就是前面谈到的“闭环”，数据综合处理能力应该要有这种指导的能力。在模型方面，应该提供一个环境，可以有多方面的实际问题及数据来培训。

4、数据呈现能力培养

数据呈现为我们搭建了一座新的桥梁，无论是动态还是静态的可视化图形，都能让我们更直观的洞察世界、发现形形色色的关系，感受每时每刻围绕在我们身边的信息变化，还能让我们理解其他形式下不易发掘的事物。我们时常要根据我们数据呈现的目标，选择我们使用的图表与方法：

·有的可视化目标是为了观测、跟踪数据，所以就要强调实时性、变化、运算能力，可能就会生成一份不停变化、可读性强的图表。

·有的为了分析数据，所以要强调数据的呈现度、可能会生成一份可以检索、交互式的图表。

·有的为了发现数据之间的潜在关联，可能会生成分布式的多维的图表。

·有的为了帮助普通用户或商业用户快速理解数据的含义或变化，会利用漂亮的颜色、动画创建生动、明了，具有吸引力的图表。

·还有的被用于教育、宣传或政治，被制作成海报、课件，出现在街头、广告手持、杂志和集会上。这类可视化拥有强大的说服力，使用强烈的对比、置换等手段，可以创造出极具冲击力的图像。

所以数据呈现是什么，这个概念不是那么简单的一个定义，希望我们都能好

好把握数据可视化，把握数据时代，真正让数据驱动业务，驱动发展。

5、数据决策能力培养

数据作为人类活动的痕迹，就像金矿等待发掘。但是首先你得明确自己的业务需求，数据才可能为你所用。

（1）数据为王，业务是核心，有了数据必须和业务结合才有效果。首先你需要摸清楚所在产业链的整个结构，对行业的上游和下游的经营情况有大致的了解。然后根据业务当前的需要，指定发展计划，从而归类出需要整理的数据。最后一步详细的列出数据核心指标（KPI），并且对几个核心指标进行更细致的拆解，当然要具体结合业务属性来处理，找出那些对指标影响幅度较大的影响因子。前期资料的收集以及业务现况的全面掌握非常关键。

（2）思考指标现状，发现多维规律，发现规律不一定需要很高深的编程方法，或者复杂的统计公式，更重要的是培养一种感觉和意识。不能用你的感觉去揣测用户的感觉，因为每个人的教育背景、生活环境都不一样。很多数据元素之间的关系没有明显的显示，需要使用直觉与观察（数据可视化技术来呈现）。

（3）规律验证，经验总结，发现了规律之后不能立刻上线，需要在测试机上对模型进行验证。数据决策能力与业务能力紧密联系，能主动把业务问题转化为可以用数据来解释的问题，通过数据分析结合业务场景得到数据观点，并对数据观点做业务应用和解读，将数据分析结果反馈到业务操作过程。根据数据分析结论推动企业内部做出调整，能够将数据和技术转化为企业的商业价值。

6、计算机及数据分析信息技术

计算机及数据分析信息技术，可以培养出良好的科学素养，系统地、较好地掌握计算机及数据分析信息技术，包括计算机硬件、软件与应用的基本理论、基本知识和基本技能与方法，能为大数据人才的培养奠定良好的基础，但计算机及数据分析信息技术并不能等于大数据技术，更不能仅用计算机及数据分析信息技术作为大数据人才的评估标准。大数据人才是综合性的人才，是可以结合业务背景，以数据为驱动分析问题、解决问题。只有具备这方面的能力与素养，并且能够熟练运用计算机及数据分析信息技术的人才，才符合中国大数据人才标准。

（二）案例：旅游大数据人才知识体系架构的应用落地大数据人才培养体系某旅游公司构建大数据平台，基于宏观经济数据、旅游产业数据、遥感数据、

GIS数据、用户属性数据、用户交易数据、微博社交数据、LBS数据等海量数据，通过多元分析、空间统计分析、机器学习算法等数据挖掘方法，全景构建景区大数据画像，在数据空间内对景区过去某一时间、某一空间下的旅游状况进行时空大数据重构，全面把握景区发展的外部环境与市场导向，深刻洞察游客基本属性与行为特征，精准分析游客旅游路线，实时监控景区游客量，为城市及景区实现旅游市场细分、旅游营销诊断、景区精准管理提供有力支撑。

旅游大数据平台分为旅游数据认知与决策、旅游数据调用、旅游数据综合处理、旅游数据呈现四大模块。

（1）通过搜索引擎、地图导航软件、在线旅游网站、在线购物网站、微博、论坛以及旅游宏观数据库、遥感卫星、气象监测站等采集原始数据；

（2）对原始数据进行清洗、去噪、逻辑验证、标准化等预处理；

（3）通过多元分析法、空间统计分析、机器挖掘算法等方法对数据进行深入挖掘分析，同时对景区已有的游客线下数据与旅游在线数据进行数据匹配，并通过宏观数据与游客微观数据进行交互验证，从而得到更为精准的结果；

（4）对分析结果进行数据可视化呈现；

（5）通过旅游行业专家对数据结果进行解读，为景区旅游市场细分、客源市场定位、旅游新产品开发、旅游营销诊断、舆情引导等提供决策支持。

四、大数据人才培养战略

为抓住机遇，迎接挑战，进一步落实国家人才兴国和大数据战略，建设宏大的高素质大数据人才队伍，把大数据人才培养工作作为推进大数据产业发展的关键步骤，制定如下人才培养战略：

（一）指导思想

全面贯彻设立新兴产业创业创新平台，在大数据等方面赶超先进，引领未来产业发展，按照《促进大数据发展行动纲要》

《大数据产业发展规划（2016-2020）》《新一代人工智能发展规划》，认真落实党中央、国务院决策部署，深入实施大数据人才培养战略。以加快大数据在经济、社会等领域应用价值挖掘人才培养为主线，以提升跨界复合型人才能力为主攻方向，积极完善配套措施，探索大数据人才能力评价体系，培育大数据技

术和应用创新型人才。

二）基本原则

适应经济、社会发展需要。大数据人才培养要从国情出发，广泛开展社会调研，注重分析和研究大数据在经济发展中出现的新情况、新特点，特别要关注大数据面向的行业领域的发展趋势，使培训体系、课程体系具有鲜明的适用特点。

坚持数据分析思维、技术、应用综合发展。把复合型人才培养作为根本任务，加强分析方法和技术培训，把数据分析思维融入到大数据人才培养的全过程，重视培养思维能力和分析意识、法律意识。树立终身学习理念，加强多学科融合，比如电商大数据，交通大数据，医疗大数据等的跨领域教学。

突出应用性和针对性。大数据人才培养要有鲜明的应用特点，具有明确的行业方向，立足于相关行业领域的实际要求，首先要满足就业岗位任职的需要，以普及性应用为目的，以必需、够用的知识体系为度。提升式教学要加强针对性和实用性，以搭建具体行业场景教学为主，强化实践教学，增加实训比例。开发以企业工作过程为课程设计基础的教学内容，实施以真实工作任务或社会产品为载体的教学方法。

加强就业引导和职业能力培养。建立突出大数据职业规划和职业能力培养的课程标准。注重大数据职位、技能、行业、薪酬、岗位升迁和能力素质匹配的衔接，确保教学内容适应对应的职业岗位要求。

保证校企师资融合、工学结合。行业、企业参与课程开发、专业教学、职业能力培训、质量标准制订与考核评估等大数据人才培养全过程。积极推行与生产劳动和社会实践相结合的培养模式，引入企业中从事大数据工作的师资，将工作与教学结合作为大数据人才培养模式切入点，并引导课程设置、教学内容和教学方法的实施。重视学习与工作实际的一致性，探索以项目导向的教学模式。

（三）未来五年战略目标

1.规范培训体系，提高劳动员工的数据能力

规范数据分析基本培训和认证项目，为学员和企业基层劳动力员工提供学习机会，通过工具化、便捷化的基础技能培训让普通从业者更多的会使用常用工具，通过通识教育使其高效获得必要的数据准备和分析技能：数据获取能力、简单的数据呈现能力、数据特征描述能力，以及基本的数据统计分析能力。

·建立规范的培训体系、科学的课程体系、高效的服务体系，依托全国大中专院校和分布在当地的授权机构，在选拔和培训基层劳动力方面取得标志性成果。

·初步建成交叉培训、更新技能和再就业人才培训生态链，培育若干全国领先的数据分析培训组织和机构。

·数据人才培养环境进一步优化，将技能考核和工作实践相结合，聚集起一批高潜力的数据人才队伍。

2.构建人才智库，持续增加大数据应用骨干

打造连贯、系统、实用的知识图谱，在用大数据方法重构大数据学习上实现重大突破，在理论知识的完整联系、行业知识和数据的跨越联系上取得积极进展。

·复合型应用人才培养体系进一步规范优化，培养出的人才在企业中既有纵向参与和推进，又有横向对比和维护，具备多学科、多领域的大数据综合能力，成为我国企业产业升级和转型的骨干力量。

·选拔具备大数据应用骨干人才培训资质的社会教育机构，以旅游、医疗、交通、零售、传媒行业应用为课程导向，计算机科学、统计学、机器学习、数据挖掘、可视化、经济学等将通过在这些行业中的广泛应用实现教学。

·构建人才智库，探索建立大数据人才能力评价体系，完善大数据人才的认定标准，为培养大数据领域创新型领军人才创造条件，吸引海外大数据高层次人才。

3.深化平台建设，扩大各领域数据专家群体规模组建跨学科的数据技术团队，建设集大数据实验室、案例、模型、算法代码编写和分享的平台。

·初步建成覆盖主要行业领域的案例库及根据案例为主的培训实验室。

·形成通过培训获得提高企业竞争力的数据和分析能力课程体系，获得数据应用团队必须具备的技术及团队管理运作能力。

·深入打造数据应用骨干向数据科学家的转换。在真实场景的实战环境中模拟打通行业数据壁垒案例，建模并做深入的讨论学习，通过高参与性和相关性打通行业数据应用。

4.发展微课程，提高公众个性化数据技能

通过微课程实现公众个性化的学习需求，微课程区别于网络教学视频和传统课堂录像，注重互动性、信息传播性和学习的协作性，通过大数据微课程开拓学

员多渠道发展途径，并探索新的数据人才培养课程模式。

·以数据分析思维、技术和应用为重点，专业性与普适性课程相补充，加快新技术、新领域、促进数据与应用融合课程的研发力度，完善教育培训课程体系。

·通过与相关部委及知名企业合作优化组合行业教育培训资源，提高教育培训和考试的科技手段，建立拓展行业引导的人才培训基地。

·大规模开展职业培训、继续教育，构筑大数据从业人员和后备人才的终身教育体系。

[2018年中国学前教育行业发展现状及趋势分析 营利性幼儿园或将退出...]2018年学前教育现状

[2018年中国学前教育行业发展现状及趋势分析营利性幼儿园或将退出...]2018年学前教育现状 营利性幼儿园又将面临全面洗牌，或将退出历史舞台 继营利性幼儿园不得单独或作为一部分资产打包上市后，城镇中营利性幼儿园又将面临全面洗牌，或将退出历史舞台。 日前，国务院办公厅在《关于开展城镇小区配套幼儿园治理工作的通知》(下称“通知”)中强调，将着力构建以普惠性资源为主体的学前教育公共服务体系，聚焦小区配套幼儿园规划、建设、移交、办园等环节存在的突出问题开展治理；并要求城镇小区没有按照相关标准和规范规划配套幼儿园或规划不足，或者有完整规划但建设不到位的，要通过补建、改建或就近新建、置换、购置等方式予以解决。已建成的小区配套幼儿园未移交当地教育行政部门的应限期完成移交，对已挪作他用的要采取有效措施予以收回。小区配套幼儿园应由当地教育行政部门办成公办园或委托办成普惠性民办园，不得办成营利性幼儿园。 同时，针对上述各项问题的整改任务提出了明确的时间表：对于已经建成、需要办理移交手续的，原则上于2019年6月底前完成；对于需要回收、置换、购置的，原则上于2019年9月底前完成；对于需要补建、改建、新建的，原则上于2019年12月底前完成相关建设规划，2020年12月底前完成项目竣工验收。 言外之意，营利性民办幼儿园将退出历史舞台。据前瞻产业研究院发布的《中国学前教育行业市场前瞻与投资战略规划分析报告》统计数据显示，截止至全国共有幼儿园25.50万所，

比上年增加1.51万所，增长6.31%。学前教育入园儿童1937.95万人，比上年增加15.87万人，增长0.83%；在园儿童4600.14万人，比上年增加186.28万人，增长4.22%。幼儿园教职工419.29万人，比上年增加37.50万人，增长9.82%；专任教师243.21万人，比上年增加20.01万人，增长8.96%。学前教育毛入园率达到79.6%，比上年提高2.2个百分点。其中，民办幼儿园接收的幼儿占所有幼儿的56%。 2023-2017年全国幼儿园总数统计情况 数据来源：前瞻产业研究院整理 1978-2017年我国学前教育在园幼儿数量及毛入园率统计情况 数据来源：前瞻产业研究院整理 业内人士分析，自2010年国务院发布《关于当前发展民办学前教育的若干意见》以来，我国民办幼儿园得到比较大的发展，使得民办幼儿园的体量占到整体的一半。当前的政策对于民办幼儿园本身和在读的幼儿不会有太大影响。相比较去年11月规定的营利性幼儿园不得单独或作为一部分资产打包上市而言，资本受到影响也相对较小。 学前教育企业资本纷纷扩张 此前，为了能够资本市场中更加显眼，涉足学前教育的企业纷纷激进扩张。以在A股上市的为例，在该公司2018年前三季度财报中，公司幼教业务共实现4.21亿元，占公司营业总收入51%。2018年半年报中显示，威创股份旗下已经管理和服务5200家幼儿园，是目前学前教育领域管理和服务幼儿园数量最多的公司。而实际上，威创股份在2015年以前以电子视像为主业，2015之后才开始涉足幼教行业。仅仅三年，威创股份从“门外汉”到幼教行业龙头，几乎是通过资本而实现。 另一也在2015年开始寻求教育产业突破的在此前则是以玻璃深加工为主业。2015年，秀强股份斥资2.1亿元并购全人教育100%股权，正是进入幼教市场。之后，以并购来扩大产

大数据人才培养

大数据产业人才培养计划贵州省在着力打造大数据产业发展应用新高地，推动大数据产业 建成全国领先的大数据资源中心和成为贵州经济社会发展的新引擎，大数据应用服务示范基地。按照“基础构建、集群聚集、创新突破”的思路，科学规划大数据产业布局，建基地、引人才、聚企业、抓应月，贵州印2014年2用、保安全、促创新，建设信息资源聚集地。2014发《关于加快大数据产业发展应用若干政策的意见》。明确从亿元资金，贵安新区每年各安排不少于1省和贵阳市、年起连续3年，个大―2年，用于支持大数据产业发展及应用。到2017贵州将形成1户50030数据产业示范园区，引进和培育户大数据龙头企业，聚集亿元，通过大数据带动相关产业规模达3000创新型大数据相关企业，名。名，引进和培养高端人才引进大数据领军人才1005000年2015年的3年至IDC 一方面，根据的调查报告，全球从2012的26% 的年增长率，超过1/4之间里，云计算的相关工作需求将出现的预测还表明，增长率再次证明了企业对云计算人才的巨大需求。IDC万的云计算相关岗位出现真空，而这方面的求职者年有约1702012值得也都缺乏云计算方面的实践经验，并且不具备完善的培训机制；万，云计算700170警醒的是，到2015年，这个数字将有万上升到亚太地区的云计算人才若以地区来看，产业面临着更大的人才缺口。亚太区的云计算相关人才需求预测，缺失要更加严重一些，根据IDC2015个百分点，到8，超过欧洲、中东等地区32%年增长率将达到．

万。这其中，中国地区也占了很大比例，尤其中年的人才需求是230 国还是一个拥有巨大发展潜力的市场。另一方面，根据麦肯锡报告，仅仅在美国市场，2018年大数据人才和高级分析专家的人才缺口将高达19万。此外美国企业还需要150万位能够提出正确问题、运用大数据分析结果的大数据相关管理人才。 大数据产业在中国已经被提高到国家战略层面，在国务院印发的《促进大数据发展行动纲要》中就明确指出要以企业为主体，营造宽松公平环境，加大大数据关键技术研发、产业发展和人才培养力度，促进大数深化大数据在各行业创新应用，着力推进数据汇集和发掘，等行业据产业健康发展。发展大数据在工业、新兴产业、农业农村 推进基础研究和核领域应用，推动大数据发展与科研创新有机结合，心技术攻关，形成大数据产品体系，完善大数据产业链。大部分都是然而，目前在云计算和大数据行业打拼的从业者中，在信息周刊的调

大数据人才培养说课材料

此文档仅供收集于网络，如有侵权请联系网站删除大数据产业人才培养计划贵州省在着力打造大数据产业发展应用新高地，推动大数据产业 建成全国领先的大数据资源中心和成为贵州经济社会发展的新引擎，大数据应用服务示范基地。按照“基础构建、集群聚集、创新突破”的思路，科学规划大数据产业布局，建基地、引人才、聚企业、抓应月，贵州印2014年2用、保安全、促创新，建设信息资源聚集地。2014发《关于加快大数据产业发展应用若干政策的意见》。明确从亿元资金，省和贵阳市、年，贵安新区每年各安排不少于1年起连续3个大1―2用于支持大数据产业发展及应用。到2017年，贵州将形成户户大数据龙头企业，聚集50030数据产业示范园区，引进和培育亿元，通过大数据带动相关产业规模达3000创新型大数据相关企业，5000名。名，引进和培养高端人才引进大数据领军人才100年32012年至2015年的IDC 一方面，根据的调查报告，全球从的的年增长率，超过之间里，云计算的相关工作需求将出现26%1/4的预测还表明，增长率再次证明了企业对云计算人才的巨大需求。IDC万的云计算相关岗位出现真空，而这方面的求职者1702012年有约值得并且不具备完善的培训机制；也都缺乏云计算方面的实践经验，万，云计算万上升到700170警醒的是，到2015年，这个数字将有亚太地区的云计算人才产业面临着更大的人才缺口。若以地区来看，亚太区的云计算相关人才需求IDC预测，缺失要更加严重一些，根据年增长率将达到32%，超过欧洲、中东等地区8个百分点，到2015只供学习与交

流． 此文档仅供收集于网络，如有侵权请联系网站删除万。这其中，中国地区也占了很大比例，尤其中年的人才需求是230 国还是一个拥有巨大发展潜力的市场。年大数据 2018另一方面，根据麦肯锡报告，仅仅在美国市场，万。此外美国企业还需要人才和高级分析专家的人才缺口将高达19万位能够提出正确问题、运用大数据分析结果的大数据相关管理150 人才。 在国务院印发的大数据产业在中国已经被提高到国家战略层面，营造宽《促进大数据发展行动纲要》中就明确指出要以企业为主体，松公平环境，加大大数据关键技术研发、产业发展和人才培养力度，促进大数深化大数据在各行业创新应用，着力推进数据汇集和发掘，只供学习与交流． 此文档仅供收集于网络，如有侵权请联系网站删除等行业据产业健康发展。发展大数据在工业、新兴产业、农业农村推进基础研究和核领域应用，推动大数据发展与科研创新有机结合，心技术攻关，形成大数据

应用统计学专业大数据方向人才培养方案..doc

应用统计学专业（大数据方向）人才培养方案 学科门类：理学 二级类：统计学类 专业代码：071202 英文名称：Applied Statistics（Big data） 一、专业培养目标 本专业培养德、智、体、美全面发展，掌握数学、统计学和经济学等相关学科的基本理论和知识，具备运用统计方法和大数据处理技术，利用计算机处理和分析数据的能力，能在企事业、经济、金融、保险等部门从事数据采集、预处理、数据挖掘、大数据应用分析及开发、数据可视化等工作的高素质应用型人才。 二、专业培养规格 1、知识结构 （1）掌握计算机的基础知识。 （2）掌握中外文资料查询、文献检索及运用现代信息技术获取相关信息的基本方法。 （3）熟练掌握一门外语，能顺利阅读本专业的外文资料和撰写外文摘要。 （4）具有社会学、文学、哲学和历史学等社会科学基本知识。 （5）掌握经济学、管理学的基本理论知识。 （6）掌握政治、形式与政策、思想道德修养与法律基础等基本知识。 （7）具有坚实的数学理论基础。 （8）了解与统计学相关的自然学科的基本知识，具有坚实的统计学和经济学理论基础。 （9）掌握统计学的基本思想和方法，熟悉统计政策和法规； （10）理解大数据技术领域的基本理论和基本知识。 （11）掌握大数据科学与技术的基本思维方法和研究方法，了解大数据技术的应用前景、以及相关行业最新进展与发展动态。 （12）具有分布式数据库原理与应用、大数据技术框架、数据分析与方法、数据挖掘技术、数据可视化技术、并行与分布式计算原理、大数据编程技术等专

业知识。 2、能力结构 （1）具有一定的语言文字表达能力，掌握资料查询，文献检索及运用现代信息技术获得相关信息的能力，能够跟踪统计学领域最新技术发展趋势。 （2）具备自主学习、对终身学习有正确的认识，具有不断学习和适应发展的能力。 （3）具有运用统计方法进行数据采集、处理、分析、推断和预测的能力。 （4）能熟练使用统计软件并具备一定的编程能力,并且能正确利用统计思想和方法分析判断软件的计算结果。 （5）具备应用统计方法解决企事业、经济、金融、保险等领域实际问题的能力。 （6）了解相关的技术标准，具有数据处理、分析、呈现等应用技能，具备大数据项目的组织与管理能力。 （7）具有大数据行业领域相关软件产品的应用、大数据系统分析、设计、部署以及维护和管理能力。 （8）具备一定的创新意识和从事大数据领域科学研究的初步能力，有获取最新科学技术知识和信息的基本能力。 （9）具有一定的独立工作能力、人际交往能力和团队合作能力。 3、素质结构 （1）掌握马列主义、毛泽东思想、邓小平理论和“三个代表”重要思想的基本原理，树立辩证唯物主义、历史唯物主义和科学发展观的基本观点。 （2）具有良好的道德品质、社会公德、职业道德和良好的文化素养。 （3）具有爱岗敬业、艰苦奋斗、团结合作的优秀品质。 （4）具有健全的人格、健康的体魄、良好的心理素质和积极乐观的人生态度，养成健全的职业人格和对统计的热爱态度以及良好的体育锻炼习惯, 达到国家规定的大学生体育合格标准和军事训练标准。 三、专业培养规格实现矩阵

面向大数据时代的专业课程体系建设研究

面向大数据时代的专业课程体系建设 研究

面向大数据时代的专业课程体系建设 1. 大数据时代的特点及其对专业人才的特殊需求分析 重点分析大数据时代特点、大数据技术发展趋势及其对信息技术专业人才的特殊需求。特别是从大数据理念、技术和方法在农业领域的实践，分析农业大数据应用研究。了解涉及到水、土、光、热、气候资源，作物育种、种植、施肥、植保、过程管理、收获、加工、存储、机械化等各环节的农业大数据特征，探索多类型复杂数据采集、挖掘、处理、分析与应用等问题。在此基础上，了解大数据时代对专业人才的特殊需求。 2. 面向大数据需求的我院本科专业设置优化 系统地分析我院本科专业设置及其缺位问题，结合当前中国学科体系及本科专业设置，提出我院面向大数据需求的本科专业调整与优化方案。 （1）我院本科专业设置及其缺位分析：近年来，我院学科建设及本科专业建设取得来显著地发展。学院现在涵盖电气工程与自动化、信息工程与计算机两大学科群，拥有7个本科专业、11个硕士学位授权点和3个博士学位授权点，一个“农业电气化与自动化”国家级重点学科，成为实力雄厚、基础扎实的电气、电子与信息工程学科领域的高级专门人才培养教育基地和科学研究、技术开发与科技成果转化基地。可是，由于受到当前中国学科体系及本科专业设置的限制，面对大数据时

代的特殊人才需求我院本科专业设置表现得特别滞后，本科专业设置与建设存在明显的缺位问题。 （2）当前中国学科体系及本科专业设置分析：专业设置是高等教育部门根据科学分工和产业结构的需要所设置的学科门类。它是人才培养规格的重要标志。在教育部的学科划分中，学科门是最高级别的学科，共有13个：理学、工学、农学、医学、哲学、经济学、法学、教育学、文学、历史学、军事学、管理学、艺术学；比学科门低一级的学科称为学科类，学科类(不含军事学)共有71个；比学科类再低一级的学科称为专业；专业就是高考生填报的志愿，本科专业(不含军事学)共有258个。本科专业设置上由于受到中国学科体系及本科专业设置规范与管理，需要严格遵照相关的要求与规范。可是，国家层面的学科体系及本科专业设置存在滞后问题，因此需要本科专业设置上能够遵循就近的原则。分析当前中国学科体系及本科专业设置，探索面向大数据需求的相近专业及其设置是本部分研究的重要内容。 （3）面向大数据需求的我院本科专业优化：由于农业大数据是由结构化和非结构化数据构成，对大数据分析与处理的技术发生了巨大变化，因此与传统信息学科人才教育内容与培养目标显著不同，大数据时代对专业人才的特殊需求决定了面向大数据需求的我院本科专业设置与优化的方向及其建设内容。经过整合与优化我院本科专业设置，能够为面向大数据需求的专业课程体系建设提供了前提条件与基础支撑。 3. 面向大数据需求的专业课程体系建设

大数据系统架构人才培养方案

大数据培训方案简介 大数据人才的培养是一项系统工程，企业可以通过在内部遴选相对符合基础条件的员工，打造自己专业的大数据团队，使学员能系统化获取知识结构和专业技能。 通过课程学习可以使学员获得如下能力： ?通过本专业的学习，学员可以了解云计算、机器学习，文本和语义分析，图计算，可视化分析，以及MapReduce，NoSQL数据库，在并行计算等领域的基本概念，熟悉并行文件系统和分布式存储系统的组织方式和基本技术，掌握Map-Reduce的编程模型、相关基础和高级编程语言。 ?了解Hadoop生态系统的组成和主流模块的架构原理，以及其在典型工业界的大数据处理和分析领域的应用场景。使学员掌握海量数据计算的基本概念与原理，特别是面向分布式计算和存储的关键技术原理，培养员工解决大规模数据处理的基础能力，学会编写简单数据处理程序。 大数据系统架构师培养方案 课程介绍： 该课程将带领学员理解大数据处理的分析思路和方法，提高大数据技术架构设计能力和管理能力，采用理论与实践相结合的授课方式，来掌握解决实际问题的能力。该课程中设计的技术难点和关键点均举例说明，让学员更加容易掌握。并在培训过程中与学员交流培训经验与技巧，以帮助学员将大数据技术复制下去。

另外，在实战演练过程中介绍大数据项目开展步骤及项目控制。 课程天数： 3~12天 培训目标： 通过课程培训，让学员掌握： 1、掌握大数据方法体系； 2、掌握Hadoop原理技术； 3、掌握大数据质量管理体系； 4、掌握大数据架构设计思路与方法； 5、掌握大数据架构课程培训技巧； 6、掌握大数据项目的开展步骤及项目控制技巧； 7、授课期间搭建一个基于hadoop的大数据模拟架构平台。 培训对象： 大数据运营、管理和分析人员 参训条件： 管理人员及数据分析人员 课前调研： 在开课之前，与学员和领导进行访谈，进一步明确领导对课程的期望，并了解学员的基础，倾听学员的建议，有针对性的优化培训思路。 课程大纲：

2019国内外大数据行业现状

当前，许多国家的政府和国际组织都认识到了大数据的重要作用，纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手，实施大数据战略，对大数据产业发展有着高度的热情。 美国政府将大数据视为强化美国竞争力的关键因素之一，把大数据研究和生产计划提高到国家战略层面。在美国的先进制药行业，药物开发领域的最新前沿技术是机器学习，即算法利用数据和经验教会自己辨别哪种化合物同哪个靶点相结合，并且发现对人眼来说不可见的模式。根据前期计划，美国希望利用大数据技术实现在多个领域的突破，包括科研教学、环境保护、工程技术、国土安全、生物医药等。 其中具体的研发计划涉及了美国国家科学基金会、国家卫生研究院、国防部、能源部、国防部高级研究局、地质勘探局等6 个联邦部门和机构。 目前，欧盟在大数据方面的活动主要涉及四方面内容：研究数据价值链战略因素；资助“大数据”和“开放数据”领域的研究和创新活动；实施开放数据政策；促进公共资助科研实验成果和数据的使用及再利用。 英国在2017 年议会期满前，开放有关交通运输、天气和健康方面的核心公共数据库，并在五年内投资1000 万英镑建立世界上首个“开放数据研究所”；政府将与出版行业等共同尽早实现对得到公共资助产生的科研成果的免费访问，英国皇家学会也在考虑如何改进科研数据在研究团体及其他用户间的共享和披露；英国研究理事会将投资200 万英镑建立一个公众可通过网络检索的“科研门户”。 法国政府为促进大数据领域的发展，将以培养新兴企业、软件制造商、工程师、信息系统设计师等为目标，开展一系列的投资计划。法国政府在其发布的《数字化路线图》中表示，将大力支持“大数据”在内的战略性高新技术，法国软件编辑联盟曾号召政府部门和私人企业共同合作，投入3 亿欧元资金用于推动大数据领域的发展。法国生产振兴部部长ArnaudMontebourg、数字经济部副部长FleurPellerin 和投资委员LouisGallois 在第二届巴黎大数据大会结束后的第二天共同宣布了将投入1150 万欧元用于支持7 个未来投资项目。这足以证明法国政府对于大数据领域发展的重视。法国政府投资这些项目的目的在于“通过发展创新性解决方案，并将其用于实践，来促进法国在大数据领域的发展”。众所周知，法国在数学和统计学领域具有独一无二的优势。 日本为了提高信息通信领域的国际竞争力、培育新产业，同时应用信息通信技术应对抗灾救灾和核电站事故等社会性问题。2013 年6 月，安倍内阁正式公布了新IT 战略——“创建

级大数据技术与应用专业人才培养方案

附件： 2017年大数据技术与及用人才培养方案 一、培养目标 本专业培养适应生产、建设、服务和管理第一线需要的，德、智、体、美等方面全面发展的，具有大数据行业对应岗位必备的科学文化知识及相关专业知识，以大数据系统运维与管理、数据处理、数据分析、应用系统开发能力为目标，系统掌握大数据技术与应用专业基本理论、大数据分析挖掘与处理、移动开发与架构、软件开发、云计算技术等前沿技术，旨在培养适应新形势下新兴的“互联网+”专业，具有良好职业道德和敬业精神的高素质技能型专门人才。 二、学制及招生对象 （一）学制：三年 （二）招生对象：高中毕业生和中职毕业生 三、人才培养规格 （一）职业面向、预期工作岗位名称 1.主要岗位 本专业大数据基础类岗位：大数据文档编写、大数据采集清洗与转换； 大数据技术类岗位：大数据系统搭建与运维、海量数据库管理、大数据软件开发、大数据可视化、大数据分析； 2.相关岗位 大数据销售服务类岗位：大数据营销、大数据呼叫、大数据售后服务。 3.进阶岗位 大数据技术公司管理岗位和高级技术岗位 （二）起薪标准 4500元/月 （三）人才质量标准 1.知识要求

毕业生应具有大数据技术与应用专业必要的基础理论知识，掌握从事本专业领域实际工作的基本能力和基本技能；具备适应生产、管理、服务一线岗位需要的工作能力，具备良好的职业道德与素养。 ①掌握本专业培养目标所要求的基础理论知识、专业知识和技能； ②具备一定的英语知识，能够借助工具书阅读理解本专业所使用的常用计算机 英语，包括技术性文档和资料； ③掌握计算机方面的专业基础知识，能适应信息化建设； ④掌握Linux平台下大数据平台搭建，数据库系统搭建、优化、管理等方面的 专业技能； ⑤掌握大数据技术与应用专业基本的专业技能，能满足大数据岗位的基本素质。 2.能力要求 通过三年的学习，学生应具备从事本专业领域相关工作的能力。 ①熟练操作办公自动化软件； ②具备计算机组装、计算机软硬件故障的判断与定位以及故障排除的能力。 ③具备办公自动化设备维护的能力；具备数据库系统管理维护的能力； ④具备非结构化数据处理能力； ⑤具备数据仓库管理基本能力； ⑥具备OOP程序设计能力； ⑦具备Web应用开发能力； ⑧具备LinuxServer、Hadoop项目管理维护的能力； ⑨具备数据挖掘、数据清洗、数据可视化的处理能力。 3.素质要求 ①政治思想素质： 热爱祖国，拥护党的基本路线。遵纪守法，善于独立思考，勇于创新的精神。具备良好的职业道德与素养。 ②文化素质： 具有一定的文化素质修养，诚实守信、礼貌待人、为人谦逊的文明习惯；具有自尊自强、爱岗敬业、勤奋好学、追求进步的品格；具备良好的人际交往与勾通和工作协调能力。

2018年中国教育培训行业市场竞争格局分析 互联网+前沿技术衍生个性化服务

2018年中国教育培训行业市场竞争格局分析互联网+前沿 技术衍生个性化服务 中国教育培训行业整体竞争格局分散 中国教育培训行业起步于20世纪80年代中期，那时我国还处于鼓励社会力量办学的短暂政策空间，很多社会机构开始热衷于兴办各种类型的学校，其核心业务就是以职业技能短期培训为主。近年来，教育的产业化、国际化进程加速，形成了规模庞大的教育培训市场，并在市场细分上逐渐形成早教、语言、IT、企业、少儿、公务员、研究生等相应的培训服务市场。 教育培训行业技术壁垒、资金壁垒等较低，因此吸引了大量企业及资本涌入，行业竞争激烈程度较高，整体格局分散。 以学前教育为例，根据报告数据，目前我国学前教育机构前十大品牌依次是金宝贝、积木宝贝、美吉姆、东方爱婴、悦宝园、红黄蓝、纽约国际、新爱婴、爱乐、亲亲袋鼠。其中，中国机构占50%，美国机构占40%，澳大利亚机构有1家，占比10%。 据前瞻产业研究院发布的《中国教育培训行业市场前瞻与投资战略规划分析报告》统计数据显示，从门店数量来看，尽管受虐童事件的影响，但红黄蓝数量依旧最多，门店数达900余家，占前十品牌的27.11%;新爱婴、金宝贝、美吉姆、悦宝园门店数量也在350家以上，占比均超过10%。 2018年我国学前教育机构前十大品牌门店数量及占比统计情况

数据来源：前瞻产业研究院整理 可见，我国学前教育行业垄断格局并未形成，但市场集中度正在提升。大型品牌机构快速增长，通过发展加盟及外延并购动作确立行业领先地位，构筑龙头

壁垒;小微个体机构生存空间受到排挤，未来可能遭到淘汰。 不仅学前教育市场竞争格局分散，国内K12教育培训市场同样高度分散，不同类型培训机构的营业收入差别巨大，全国K12培训机构年营业额超过1000万元的不超过1000家，年营业额超过5000万元的不超过100家，新东方、好未来等行业巨头市场份额合计占比还不到3%。 另外，一些规模较小的细分市场集中度也不高。以企业管理培训为例，我国企业管理培训市场处于发展初期，进入门槛低，竞争激烈，企业规模普遍较小，同质化竞争现象较为明显，缺乏绝对领导品牌，盛景网联、聚成股份、行动教育、和君商学等属于行业中实力和规模较大的企业，处于行业领先水平，但所占份额有限。 虽然教育培训行业整体竞争格局分散，但也有细分市场形成了较为稳定的竞争格局，如公务员培训市场。我国公务员培训市场参与竞争的机构众多，但具有全国性连锁机构、企业规模大和师资力量雄厚的华图教育、中公教育形成了行业双寡头格局。 可以预见，未来教育培训行业集中度将持续提升，各细分市场将涌现出两至三家龙头企业，但不会出现像阿里巴巴、腾讯那样的巨型企业垄断市场。 中国教育培训行业发展前景向好 在社会竞争日趋激烈以及知识更新频率加快下，教育培训市场需求强劲，未来很长一段时间内都将保持强劲的增长势头。教育培训市场已被公认为是最具“钱景”的市场之一，发展空间巨大。 同时，教育培训作为服务业中的重要领域，可以通过提升服务品质、增加服务供给等方式，不断释放市场潜在消费需求，推动行业规模进一步扩张。 另外，互联网的发展给教育培训业带来了新的机遇： 1、互联网可以大幅降低很多市场行为的交易成本，其平台化优势还可以更高效地对接供需双方的需求，提升市场的运行效率。 2、“互联网+”教育行业依托大数据、云计算、人工智能等先进技术，有能力衍生出更为个性化的教育服务形式，不仅可以提高用户体验，还能让更多的人通过互联网享受到教育机会，将“蛋糕”做大; 3、互联网可以形成很好的用户评价机制，公开的评价信息直接影响着企业

大数据技术与应用专业人才需求分析和预测性调研报告

大数据技术与应用专业 人才需求分析和预测性调研报告 一、调研情况分析 (一)政府发展规划与政策动态 推动大数据产业持续健康发展，是党中央、国务院作出的重大战略部署，是实施国家大数据战略、实现我国从数据大国向数据强国转变的重要举措。日前，工业和信息化部正式印发了《大数据产业发展规划（2016－2020年）》（以下简称《规划》），全面部署“十三五”时期大数据产业发展工作，加快建设数据强国，为实现制造强国和网络强国提供强大的产业支撑。 2018年，贵州提出“万企融合”大行动，计划用五年时间，带动10000家企业通过应用大数据技术，提升企业数字化、网络化、智能化水平，实现发展新增长、服务升级。有预测称，这次行动将在贵州形成超过1200亿美元的市场。 (二)市场需求和行业发展趋势 1）大数据市场需求 大数据经过前几年的概念热炒之后，逐步走过了探索阶段、市场启动阶段，当前已经在接受度、技术、应用等各个方面趋于成熟，开始步入产业的快速发展阶段。大数据巨大的应用价值带动了大数据行业的迅速发展，行业规模增长迅速。截至 2014 年，全球大数据市场规模已经成长到300 亿美元的空间，预测到2017 年全球大数据技术和服务市场的2018 年的复合年增长率将达到26.4%，规模达到415 亿美元，是整个IT 市场增幅的6 倍。大数据市场规模在2020 年有望达到611.6 亿美元，符合年增长率将达到26%。 中国大数据产业起步晚，发展速度快。物联网、移动互联网的迅速发展，使数据产生速度加快、规模加大，迫切需要运用大数据手段进行分析处理，提炼其中的有效信息。“大数据”已成为一个热门词语高频出现在各种场合，其专门人才已不能满足市场需求。经过专门调研数据显示，大数据人才岗位缺口2018年高达150万，俱预测2025年中国大数据人才缺口达到200万，这给高校和人力资源企业的一个很大的优惠。未来几年人才需求将持续走俏。引进和培养1000

2019年第二届“全国大学生大数据技能竞赛方案”定稿版(190218)

2019年第二届“全国大学生大数据技能竞赛” 方案 一、竞赛相关单位 赛项名称：2019年第二届“全国大学生大数据技能竞赛” 面向群体：全国本科院校、高职院校在校生 主办单位：中国大数据技术与应用联盟 承办单位：中国农业大学 北京邮电大学 联通高新大数据人工智能科技（成都）有限公司 浪潮软件集团 中交星宇科技有限公司 慧聪网 技术平台：北京红亚华宇科技有限公司 大数据精英网 二、竞赛背景 信息互联网的发展使人类进入了大数据智能时代，大数据技术的应用深刻影响着人们的生活，影响着时代发展的进程。我国政府和社会各界也做出了相应的理论研究和实践研究。2015年国务院印发《促进大数据发展行动纲要》（以下简称《纲要》），系统指导我国大数据发展的国家顶层设计和总体部署大数据发展工作。《纲要》中明确指出，要加强专业人才培养、创新人才培养模式、建立健全的多层次多类型的大数据人才培养体系，现各高校相继启动大数据专业建设，大数据人才培养迈进了一个全新时代。

目前，在我国约有800多所本科及高职院校开设了大数据相关专业，大数据技术除了需要掌握较强的理论基础之外，更重要的是需要拥有较强的动手实践能力。全国院校领导专家也在积极探索、研究，并总结出大数据技能竞赛是培养和发现人才最有效的途径之一。2018年12月在中国农业大学举办第一届“全国大学生大数据技能竞赛”报名学校达400所，通过选拔参加决赛的学校达160多所，竞赛的举办受到了广大院校师生代表的认可，为更进一步巩固“以赛促学，以赛促教”的教学成果，举办2019年第二届“全国大学生大数据技能竞赛”是非常有必要的。 三、赛项目的 举办赛项的主旨在于有效促进高等院校大数据相关专业教学模式的探索性改良，推进相关专业课程体系、教学内容和教学方法等教学资源的质量提升和丰富完善，推动校企合作，加强校企共建，提升我国大数据专业人才的实践能力。通过大数据技能竞赛，能够激发学生的自主学习热情，树立正确积极的职业价值观和人生观。通过大赛，可以提高实践教学课时量，学生可在“大数据竞赛平台”中以实际大数据项目案例开展训练相关技能并在平台搭建、数据采集、数据分析与挖掘等方面得到有效锻炼，提高学生的专业技能并逐步实践“理实一体化”、“做学教一体化”的教学模式。 以2019年第二届“全国大学生大数据技能竞赛”为纽带，搭建校企合作的平台，提升高等院校大数据技术与应用及其他信息技术类专业学生的技能及职业素养，满足企业用人需求，实现行业资源、企业资源与教学资源的有机融合，使高等院校在专业建设、课程建设、人才培养方案和人才培养模式等方面紧跟行业及社会发展的需求，缩小学生能力与行业需求之间的差距，促进专业教学建设和教学改革。

数据科学与大数据技术 专业建设规划方案

数据科学与大数据技术----专业建设规划 方案 一、总体目标 本专业旨在培养具有良好的数学基础和逻辑思维能力，具备较高的信息素养，掌握计算机学科、大数据科学和信息技术的基本理论、方法与技能，受到系统的科学研究训练，具备一定的大数据科学研究能力及数据工程师岗位的基本能力与素质，掌握大数据工程项目的规划、应用和科学管理决策方法，具有大数据工程项目设计、研发和实施能力的高级复合、应用型卓越人才。毕业生能在国家各级财经政务部门、信息产业、工商企业、金融机构、科研院所等从事大数据分析、挖掘、处理、服务、应用和研究工作，亦可从事各行业大数据系统集成、设计开发、管理维护等各方面的工作，也适合去高等院校和科研院所的相关交叉学科继续深造，攻读硕士学位。 （一）人才培养目标 本专业围绕以培养面向大数据工程与信息技术行业的工程应用型人才为中心，突出“校企合作”的办学特色，强化工程应用实践，兼顾交叉学科专业基础知识，注重培养创新意识和创新实践能力，培养从事大数据项目设计开发、数据挖掘与分析、大数据综合应用的高级复合、创新型卓越人才。 （二）课程体系与学科建设 作为一个新专业，首先，需要考虑是否符合市场需求，要进行深入调研，了解地区对于大数据技术人才是否有一定的需求；其次，需要了解大数据技术岗位需要何种技能，把大数据技术人才需要掌握的技能弄清楚，列出岗位技能清单，将技能清单转化为课程清单，明确了大数据技术专业的人才培养定位和目标，细化了人才培养课程体系。 在教学过程中，不断凝练专业特色和发展方向，本专业在数据科学与大数据研究的基础上，通过数据分析与数据挖掘，逐步开展人工智能与数据推荐等领域的研究。 （三）学科队伍建设 由于大数据涵盖内容广泛，因此需要如下三类关键人才队伍建设： （1）实现大数据的技术支持人才，他们具有很强的编程能力，尤其表现在搭建数据存储、管理以及处理的平台方面； （2）精通处理大数据分析的人才； （3）大数据技术的应用类人才，以适应高校培养高素质人才的需要。 大数据技术需要复合型人才，不仅要具备扎实的基础知识，更需要有充足的实践经验。唯有如此，我们通过典型的算法展示、算法实现结合数据分析的应用场景与案例对学生进行数据分析方面的综合训练，从而实现专业实验教学由理论到应用、涵盖原理验证、综合应用及全方位实验的体系。因此，学校应根据不同类型的人才特点，结合现代企业对大数据人才的需求，以就业为导向，开展全方位立体式（专业拓展模块——技能考证模块——集中实践模块）大数据专业实践教学体系，培养理论与技能并重的大数据高素质人才。与此同时，还要开展职业技能考证培训，如数据挖掘工程师、数据分析工程师、大数据系统运维工程师等。为了适应专业建设的需要，必须实行内培外引的人才培养策略，将青年教师派驻企业学习是一种增强师资队伍实力比较快捷的方式，4年内你派出20余人次国内外高校、大数据企业进行短期进修培训和挂职锻炼，引进大数据相关专业教师4人（硕士研究生及以上，计算机、大数据等相关专业）。另外，还可以通过引进企业工程师作为学校兼职教师，充实教师队伍，4年内拟引进企业大数据工程师4人。 （四）实践平台与科学研究建设

大数据人才培养

大数据产业人才培养计划 贵州省在着力打造大数据产业发展应用新高地，推动大数据产业成为贵州经济社会发展的新引擎，建成全国领先的大数据资源中心和大数据应用服务示范基地。按照“基础构建、集群聚集、创新突破”的思路，科学规划大数据产业布局，建基地、引人才、聚企业、抓应用、保安全、促创新，建设信息资源聚集地。2014年2月，贵州印发《关于加快大数据产业发展应用若干政策的意见》。明确从2014年起连续3年，省和贵阳市、贵安新区每年各安排不少于1亿元资金，用于支持大数据产业发展及应用。到2017年，贵州将形成1―2个大数据产业示范园区，引进和培育30户大数据龙头企业，聚集500户创新型大数据相关企业，通过大数据带动相关产业规模达3000亿元，引进大数据领军人才100名，引进和培养高端人才5000名。 一方面，根据IDC的调查报告，全球从2012年至2015年的3 年之间里，云计算的相关工作需求将出现26%的年增长率，超过1/4的增长率再次证明了企业对云计算人才的巨大需求。IDC的预测还表明，2012年有约170万的云计算相关岗位出现真空，而这方面的求职者也都缺乏云计算方面的实践经验，并且不具备完善的培训机制；值得警醒的是，到2015年，这个数字将有170万上升到700万，云计算产业面临着更大的人才缺口。若以地区来看，亚太地区的云计算人才缺失要更加严重一些，根据IDC预测，亚太区的云计算相关人才需求年增长率将达到32%，超过欧洲、中东等地区8个百分点，到

2015年的人才需求是230万。这其中，中国地区也占了很大比例，尤其中国还是一个拥有巨大发展潜力的市场。 另一方面，根据麦肯锡报告，仅仅在美国市场，2018年大数据人才和高级分析专家的人才缺口将高达19万。此外美国企业还需要150万位能够提出正确问题、运用大数据分析结果的大数据相关管理人才。 大数据产业在中国已经被提高到国家战略层面，在国务院印发的《促进大数据发展行动纲要》中就明确指出要以企业为主体，营造宽松公平环境，加大大数据关键技术研发、产业发展和人才培养力度，着力推进数据汇集和发掘，深化大数据在各行业创新应用，促进大数

国内外大数据发展现状和趋势(2018)

行业现状 当前，许多国家的政府和国际组织都认识到了大数据的重要作用，纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手，实施大数据战略，对大数据产业发展有着高度的热情。 美国政府将大数据视为强化美国竞争力的关键因素之一，把大数据研究和生产计划提高到国家战略层面。在美国的先进制药行业，药物开发领域的最新前沿技术是机器学习，即算法利用数据和经验教会自己辨别哪种化合物同哪个靶点相结合，并且发现对人眼来说不可见的模式。根据前期计划，美国希望利用大数据技术实现在多个领域的突破，包括科研教学、环境保护、工程技术、国土安全、生物医药等。其中具体的研发计划涉及了美国国家科学基金会、国家卫生研究院、国防部、能源部、国防部高级研究局、地质勘探局等6个联邦部门和机构。 目前，欧盟在大数据方面的活动主要涉及四方面内容：研究数据价值链战略因素；资助“大数据”和“开放数据”领域的研究和创新活动；实施开放数据政策；促进公共资助科研实验成果和数据的使用及再利用。 英国在2017年议会期满前，开放有关交通运输、天气和健康方面的核心公共数据库，并在五年内投资1000万英镑建立世界上首个“开放数据研究所”；政府将与出版行业等共同尽早实现对得到公共资助产生的科研成果的免费访问，英国皇家学会也在考虑如何改进科研数据在研究团体及其他用户间的共享和披露；英国研究理事会将投资200万英镑建立一个公众可通过网络检索的“科研门户”。 法国政府为促进大数据领域的发展，将以培养新兴企业、软件制造商、工程师、信息系统设计师等为目标，开展一系列的投资计划。法国政府在其发布的《数字化路线图》中表示，将大力支持“大数据”在内的战略性高新技术，法国软件编辑联盟曾号召政府部门和私人企业共同合作，投入3亿欧元资金用于推动大数据领域的发展。法国生产振兴部部长ArnaudMontebourg、数字经济部副部长FleurPellerin和投资委员LouisGallois在第二届巴黎大数据大会结束后的第二天共同宣布了将投入1150万欧元用于支持7个未来投资项目。这足以证明法国政府对于大数据领域发展的重视。法国政府投资这些项目的目的在于“通过发展创新性解决方案，并将其用于实践，来促进法国在大数据领域的发展”。众所周知，法国在数学和统计学领域具有独一无二的优势。 日本为了提高信息通信领域的国际竞争力、培育新产业，同时应用信息通信技术应对抗灾救灾和核电站事故等社会性问题。2013年6月，安倍内阁正式公布了新IT战略——“创建最尖端IT国家宣言”。“宣言”全面阐述了2013～2020年期间以发展开放公共数据和大数据为核心的日本新IT国家战略，提出要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”。日本著名的矢野经济研究所预测，2020年度日本大数据市场规模有望超过1兆日元。 在重视发展科技的印度，大数据技术也已成为信息技术行业的“下一个大事件”，目前，不仅印度的小公司纷纷涉足大数据市场淘金，一些外包行业巨头也开始进军大数据市场，试图从中分得一杯羹。2016年，印度全国软件与服务企业协会预计，印度大数据行业规模在3年内将到12亿美元，是当前规模的6倍，同时还是全球大数据行业平均增长速度的两倍。印度毫无疑问是美国亦步亦趋的好学生。在数据开放方面，印度效仿美国政府的做法，制定了一个一站式政府数据门户网站https://www.docsj.com/doc/ee16985445.html,.in，把政府收集的所有非涉密数据集中起来，包括全国的人口、经济和社会信息。 我国大数据行业仍处于快速发展期，未来市场规模将不断扩大 ?目前大数据企业所获融资数量不断上涨，二级市场表现优于大盘，我国大数据行业的市

2018年全国教育大会内容整理

2018年全国教育大会 内容整理 -CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN

2018年全国教育大会内容整理 教育的定位 十九大从新时代坚持和发展中国特色社会主义的战略高度，作出了优先发展教育事业、加快教育现代化、建设教育强国的重大部署。教育是民族振兴、社会进步的重要基石，是功在当代、利在千秋的德政工程，对提高人民综合素质、促进人的全面发展、增强中华民族创新创造活力、实现中华民族伟大复兴具有决定性意义。教育是国之大计、党之大计。 九个坚持 1.坚持党对教育事业的全面领导 2.坚持把立德树人作为根本任务 3.坚持优先发展教育事业 4.坚持社会主义办学方向 5.坚持扎根中国大地办教育 6.坚持以人民为中心发展教育 7.坚持深化教育改革创新 8.坚持把服务中华民族伟大复兴作为教育的重要使命 9.坚持把教师队伍建设作为基础工作 培养什么样的人 培养什么人，是教育的首要问题。我国是中国共产党领导的社会主义国家，这就决定了我们的教育必须把培养社会主义建设者和接班人作为根本任务，培养一代又一代拥护中国共产党领导和我国社会主义制度、立志为中国特色社会主义奋斗终身的有用人才。这是教育工作的根本任务，也是教育现代化的方向目标。 如何培养社会主义建设者和接班人 1.要在培养奋斗精神上下功夫，教育引导学生树立高远志向，历练敢于担当、不懈奋斗的精神，具有勇于奋斗的精神状态、乐观向上的人生态度，做到刚健有为、自强不息。 2.要在增强综合素质上下功夫，教育引导学生培养综合能力，培养创新思维。

3.要树立健康第一的教育理念，开齐开足体育课，帮助学生在体育锻炼中享受乐趣、增强体质、健全人格、锤炼意志。 4.要全面加强和改进学校美育，坚持以美育人、以文化人，提高学生审美和人文素养 5.要在学生中弘扬劳动精神，教育引导学生崇尚劳动、尊重劳动，懂得劳动最光荣、劳动最崇高、劳动最伟大、劳动最美丽的道理，长大后能够辛勤劳动、诚实劳动、创造性劳动。 建设社会主义现代化强国，对教师队伍建设提出新的更高要求，也对全党全社会尊师重教提出新的更高要求。 1.人民教师无上光荣，每个教师都要珍惜这份光荣，爱惜这份职业，严格要求自己，不断完善自己。 2.做老师就要执着于教书育人，有热爱教育的定力、淡泊名利的坚守。 3.随着办学条件不断改善，教育投入要更多向教师倾斜，不断提高教师待遇，让广大教师安心从教、热心从教。 4.对教师队伍中存在的问题，要坚决依法依纪予以严惩。 加强党对教育工作的全面领导，是办好教育的根本保证。教育部门和各级各类学校的党组织要增强“四个意识”、坚定“四个自信”，坚定不移维护党中央权威和集中统一领导，自觉在政治立场、政治方向、政治原则、政治道路上同党中央保持高度一致 1.各级党委要把教育改革发展纳入议事日程，党政主要负责同志要熟悉教育、关心教育、研究教育 2.各级各类学校要把抓好学校党建工作作为办学治校的基本功，党的教育方针贯彻到学校工作各方面 3.思想政治工作是学校各项工作的生命线，各级党委、各级教育主管部门、学校党组织都必须紧紧抓在手上

大数据人才培养的思考

大数据人才培养的思考 本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载按钮下载本文档（有偿下载），另外祝您生活愉快，工作顺利，万事如意！ 一、引言 随着计算机软硬件技术的快速发展，计算技术已从传统的PC平台计算模式发展到嵌入式计算、移动计算、并行计算和服务计算等多种计算系统并存及融合的计算模式，处理的对象也呈现出网络化、多媒体化、大数据化和智能化需求的特征，而物联网、移动互联网的快速发展促进了这一趋势，从而迎来了大数据时代的到来。大数据是继云计算、物联网之后兴起的又一新兴发展方向，被学术界、工业界乃至政府机构密切关注和广泛研究。 大数据又称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极的目的的资讯。在维克托·迈尔·舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样的捷径，而采用所有数据的方法。一般说来，大数据具有4V的特点:V olume(大量)，Velocity(高速)，Variety(多样),Value(价值)。大数

据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。 二、大数据时代对人才的要求 从广义上讲，大数据人才就是具备大数据处理能力的科学家和工程师。目前，国际上开设了大量的数据科学方面的课程、数据科学学位计划以及数据科学短期培训班。从国际上设置的培养计划来看，大数据人才应该系统地掌握数据分析相关的技能，主要包括数学、统计学、数据分析、商业分析和自然语言处理等，具有较宽的知识而，具有独立获取知识的能力，具有较强的实践能力、创新意识和团队合作意识。具体来说，大数据人才首先应具备获取大数据的能力，例如能根据任务的具体要求，综合利用各种计算机手段和知识，收集整理海量数据并加以存储，为支撑相关的决策和行为做好数据准备。其次，应具备分析大数据的能力，对于经过预处理的各类数据，能够根据具体的需求，进行选择、转换、加载，采用有效方法和模型对数据进行分析，并形成分析报告，为实际问题提供决策依据。最后，应具备良好的团队合作精神，