
一、 背景
“实施“互联网+”行动计划,发展分享经济,实施国家大数据战略。”“互联网+”与国家大数据战略被写入五中全会公报。政府引导潮流中,我们已经进入了“大数据时代”。
而与此同时,预计中国在2015年对数据分析人才的需求将增加30500人,数据分析高端人才的需求这几年仍在迅速扩张和增加,数据分析人才的供应量远远赶不上需求量,缺口很大。
在这样背景下,经管之家(人大经济论坛)联合CDA数据分析协会、XXX公司、XXX风险投资基金、XXX高校举办『2016CDA大数据全生态全国高校创新创业竞赛』。
二、 目的
1、挖掘、发现高校大数据人才,让优秀的具有青年创业家潜质的找到合作伙伴,创造优质项目,赢得投资人关注,实现价值创造;
2、扩大CDA数据分析师品牌、经管之家(原人大经济论坛)品牌影响力;
3、挖掘校园数据分析人才,为校园俱乐部、形成CDA校园俱乐部氛围做铺垫;
4、为企业输送人才,打造CDA数据分析平台化效应,对接企业与高校优秀人才,形成优秀人才筛选的有效机制;
5、巩固校园市场,通过比赛与各校取得联系,建立CDA校园俱乐部,掀起大数据创业创新风潮,稳步有序地推进学生大数据创业行动;
6、为企业提供项目咨询、数据挖掘等B2B业务做铺垫。
三、 内容
主题: 『大数据+大学生,大有可为!』
赛题:
方式一:参赛队伍可选择企业提供的任一大数据领域课题,提供自己的解决方案;
方式二:也可选择任一领域,进行大数据应用创新。
二选一。
参赛对象:各大院校在校学生(包括本科生、硕士生和博士生),均可报名参赛,要求以团队形式参赛,每支参赛队伍人数一般3人。
奖项设置:
一等奖:1支队伍,奖金5万元;人大经济论坛永久贵宾帐号; CDA现场班免费1人听课权限;企业奖项;发获奖证书;
二等奖:3支队伍,奖金2万元;人大经济论坛金牌贵宾帐号; CDA免费1人听课权限;企业奖项;颁发获奖证书;
三等奖:5支队伍,奖金3000元,人大经济论坛银牌贵宾帐号; CDA系列1门视频课程权限;企业奖项;颁发获奖证书;
创新鼓励奖:若干名,均可获得荣誉证书,人大经济论坛VIP身份
以上所有获奖人员都有可能得到风险投资的青睐和投资!
四、 安排
本场比赛分4个阶段,即报名、初赛、复赛、决赛答辩。
初赛:
选择方式一参赛的团队,需使用自己擅长的软件及算法,提交源代码及报告;
选择方式二参赛的团队,需要提交创业策划方案,通过PPT/Word/PDF三种形式之一提交参赛作品。
复赛:
由初赛参选团队中选拔前60%,对初赛的算法及报告休整或者重新选题,提交源代码及报告或对创业策划方案的完善。
决赛答辩:
1. 由复赛中选拔前20%队伍参加决赛答辩,答辩现场根据参赛队的算法原理、历史成绩、评委打分,角逐出一二三等奖共7只团队,复赛中余下的团队获得创新鼓励奖;
2. 评选由专家评分(可收到作品后查看或远程评分)和现场观众评分同时进行,电视媒体现场报道;
3. 获奖选手参与颁奖仪式,获得奖金及证书。
大赛激励:
1.所有报名团队有机会获得1月由论坛举办的大数据应用峰会免费门票,可与大数据专家、企业面对面进行沟通交流;
2.所有进入决赛人员均录入企业、经管之家(人大经济论坛)推荐人才库;
3.入围经管之家(人大经济论坛)、企业招聘绿色通道(即招聘流程省略简历筛选及笔试筛选阶段,直接进入面试阶段) ,在校期间均有效;
4.获得经管之家(人大经济论坛)、名企深度关注,有机会成为项目创业合伙人。
四、参赛须知
1. 参赛人员必须在大赛网站上统一报名注册,报名时须提供参赛者的基本情况介绍与联系方式;
2. 参赛者提交的参赛作品必须是由参赛者独立完成的原创作品,不得抄袭,不得违反任何相关法律法规;
3. 大赛所提供的数据集和平台仅限于本次大赛使用,不得用于其他任何目的,如若因此给数据提供方或平台提供方造成损失,由参赛选手负责;
4. 参赛作品的知识产权等相关权益归参赛队伍所有,但获奖作品赛后须在开源网站上公开发布。
六、比赛组织
主办方:经管之家
承办方:待定
协办方:CDA数据分析协会
媒体合作方:待定
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04