京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大学数据分析专业正面临三大难题_数据分析师
根据最新的调查发现,如何获取海量相关的数据集是商务智能与数据分析专业的专家教授和学生们所面临的最大的问题。
您的企业是否有多达几千兆字节的数据备用?您企业所在地的大学也许会需要这些数据哟。
当前,在培养和训练下一代的数据科学家方面所面临的最大挑战是如何寻找到海量相关的数据集,以便能够向学生们传授真实世界可实操的技能。这是Teradata大学网络部门所做的一项针对面向以大数据研究为职业生涯规划的Web学生培训计划商业智能调查所得到的一大最重要的发现。
调查结果显示,自2009年开始对第三国的商业智能进行访问研究以来,已经涉及并覆盖到43个国家的243所大学的专家教授,以及96所大学的学生。该调查研究是由三位学者进行的,包括泽维尔大学的ThaliniAriyachandra副教授,这位副教授通过电话接受了InformationWeek网站记者关于此次调查结果的采访。Teradata的全球联盟计划首席分析师BillFranks先生也参与了本次电话采访。
虽然我们的世界充斥着大数据,但据调查发现数据分析专业教育正面临三大挑战,45%的专家教授表示在进行商务智能和数据分析教学时,最大的挑战便是无法获得大数据集;第二大挑战是找到具备必要的基础技能的学生(这一比例占39%);第三是寻找合格的导师(这一比例占37%)。
既然有如此众多的大数据,为什么我们的大学不能使用这些大数据呢?
“我们想要的是那种存在于企业的数据集,这样,我们就能够教授给学生们现实世界中一些实际的可操作的经验。但想要获得那种企业的数据集目前仍然具有挑战性。”Ariyachandra教授表示。
Franks补充说:“大学里也有一些样品数据,但想要寻找到大型数据池,并获得相关的访问权限,仍然是一项很大的挑战。很多企业都不愿对外提供他们的数据,即使花费很大的功夫说服他们提供数据集,这些企业也宁愿以匿名的方式提供。”
这一问题相当重要,但又不是刚刚才出现的新问题。
“我就是一名通过专业培训的分析专家。我拥有统计学硕士学位。那已经在好多年前的事了,彼时的数据不像现在这么多。那时,我们用于学习培训的数据的量非常少而且是人为处理过滤过的。”弗兰克斯回忆说。
该调查研究还显示,越来越多的学生都集中于面向业务分析的专业,如业务分析师或IT专业人士。然而,只有16%的受访学生受访学生表示正在考虑将数据科学家作为自己的职业生涯。
而在另一方面,越来越多的学校则在开始增加数据科学营销和统计专业课程。
“越来越多的学者开始教授深度的统计和先进的预测分析类的技能课程。这方面的专业授课要比两年前多得多。而且,这一增加的趋势还将继续,学术界正在试图积极满足市场对于数据科学家的需求。”Ariyachandra说。
例如,企业都偏向于雇佣那些进行过相关实践,具备大数据集的实践经验的毕业生。Ariyachandra说:“但对于专家教授们所面临的难题是,我们如何提供具有实操经验的毕业生呢?”
据麦肯锡全球研究院2011年的研究显示,到2018年,美国市场将面临高达19万的数据科学家短缺。
这种短缺是大数据市场需求发展大趋势的一部分:分析业务的需求正在急剧增加,弗兰克斯说。
“有的人将这一需求称为‘预测分析’,还有些将其称为‘数据科学’,还有一些人称之为‘数据挖掘’。”他说。“但是,无论赋予其怎样的叫法,所有的最终都要归结于面向相同的一般原则:我们需要的适合的人才进入企业,以帮助前也分析他们的数据。”
一些商学院所开设的介绍信息系统的课程,现在正在将数据分析授课结合起来,并提供基本的BI课程,Ariyachandra教授补充说
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17