京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据与教育的深度融合共破人才荒
当下,大数据日益成为推动各领域变革的强劲力量,大数据与教育的深度融合也已成必然趋势。20日,“WE+2017智绘互联校园新生态峰会”在南京举行,来自全国800多所高校的领导、业界专家与互联网、IT精英热议大数据的广阔前景,校企数据化程度不高、数据流通不畅、大数据人才匮乏等成为各方关注的焦点。
教啥学啥问计于“数”
“数据驱动学校、分析变革教育”,将改变现有教与学的生态,成为未来教育的发展趋势。“运用大数据智能分析可助力破解择校‘感性化’难题。”教育大数据应用技术国家工程实验室负责人、华中师范大学校长杨宗凯举例说,美国教育科学院推出“高校导航”项目,汇集7000多所高校各类资源指标,进行大数据分析并对所有大学进行排序和筛选。美国加州马鞍山学院开发的教育个性化服务建议助理系统,根据学生喜好为他们推荐课程、时段和可选节次,并通过智能分析为课程设计者提供反馈,使他们能有的放矢改进教材。
未来所有老师的教学过程、学生的学习过程都将“线上化”,学生适合什么课程,需要什么指导,都需要精细计算。“农业社会的教育形态是个性化,师父带徒弟,名师出高徒;到了工业社会,组织形式和知识传播形态的变化,促使规模化、标准化成为教育新形态。”教育部科技发展中心主任李志民分析认为,“互联网+”浪潮下的教育,可以兼容大规模、灵活性、个性化,有助于真正实现教育公平。
数据宝藏静静沉睡
分析数据先要整理数据,但数据化程度不高、流通不畅是校企双方共同的困惑。阿里教育事业部总经理王晓斐认为,教育行业数据庞杂,各类数据库只是“静静躺在那儿”,并没有真正转化成数据生产力。同时,很多企业重视大数据中心建设、数据驱动,但中国商业联合会数据分析专业委员会一项调查显示,我国企业的数据化程度高级水平仅为14%。
提高产业效率,大数据是方向。农场选择蔬菜品种,取决于气象和市场,而不是“拍脑袋”决定;保险公司推销险种,要分析电话数据;电力公司也需分析用户用电数据。王晓斐介绍,在美国,上市公司市值排名靠前的公司都是以数据驱动的,比如苹果公司等;在中国,阿里巴巴、腾讯等企业正逐渐取代工商银行、中石油、中石化的龙头地位。“未来的中小型企业,一定都是线上型企业,生产、制造、销售、服务和售后等所有流程数据都沉淀在云端,为智能制造提供可能。”
校企共破人才荒
大数据炙手可热,但对于大数据人才的培养,目前在国内还属于探索阶段。知途教育首席执行官俞京华的一份调查显示,南京每天都有1500人的大数据相关岗位需求量,且不断增长。去年7月发布的国内首份大数据人才报告显示,目前全国的大数据人才仅46万,未来3-5年内大数据人才的缺口将高达150万。
站在互联网“风口”,大数据直接催热大数据专业。在教育部公布的2017年高校新增专业名单中,第二批32所高校成功获批开设“数据科学与大数据技术”本科专业。第一批成功申请该专业的高校仅有北京大学等3所高校。这意味着,目前国内具备培养大数据人才的院校或培训单位非常少,尚处于起步阶段。
星环信息科技有限公司技术总监杨洪山介绍,目前国内高校的培养多集中在统计学和计算机方面。而大数据需要的是复合型人才,对数学、统计学、机器学习和自然语言处理等多方面知识综合掌握;同时,大数据思维属于创新思维,从数据挖掘、发现、应用到商业决策,对知识结构和能力结构有很高要求。目前该公司正与复旦大学、同济大学、上海交大等合作研发课程。
“大数据专业实践所需的数据,包括交通、金融、医疗、物流等数十个领域行业,而高校并没有相关数据,教材、课程、师资几乎都是空白。企业和高校联手培养大数据人才将是必然趋势。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19