
7月15日,北京文理研修学院和北京国富如荷网络科技有限公司(以下简称:国富如荷)就"校企合作,协同育人"签订了战略合作协议。双方在招生、配套学历、学制和培养模式、教学方式、学生管理、就业服务等具体事项上达成了深度合作,共同创立"北京文理研修学院CDA大数据学院"及"CDA大数据教育实训基地", 形成产教融合、校企合作、知行合一的共同育人机制。
(左)北京文理研修学院董事长俞雷&(右)国富如荷创始人赵坚毅博士
据新华社《瞭望》7月发布的信息,目前大学生就业数据仍不乐观,一些大学毕业生就业率较去年同期有5~20个百分点的降幅。北京某高校截至7月4日的总体就业率为81.46%,比去年同期下降了7.98个百分点;上海高校截至5月末的整体就业率较去年同期约有15个百分点的下降。学生就业率持续走低的最大原因是企业对于高校毕业生需求走低,导致这一矛盾现象的根本原因是劳动力供求结构失衡,但深层次的原因是当前我国教育培训机制与市场需求仍存在脱节,特别是大学教育与社会需求脱节。
为了解决大学生就业保障问题,2018年教育部会同国家发展改革委、工业和信息化部、财政部、人力资源社会保障部、国家税务总局制定了《职业学校校企合作促进办法》,加快完善职业教育和培训体系,深化产教融合、校企合作。国家期望用社会的力量与高校联合研发更符合时代发展的人才培养模式与标准,真正让高校毕业生成为"企业需要的人才"。
与大量毕业生无法就业形成反差的是大数据行业对于人才的需求。2020年5月6日,人力资源和社会保障部发布《新职业—大数据工程技术人员就业景气现状分析报告》,报告显示:预计2020年中国大数据行业人才需求规模将达210万,2025年前大数据人才需求仍将保持30%—40%的增速,需求总量在2000万人左右。国家于2020年7月公布了《中华人民共和国数据安全法》草案。其中第18条明确提出 "国家支持高等学校、中等职业学校和企业等开展数据开发利用技术和数据安全相关教育和培训"的方针,这说明对于人才教育的发展方向,国家不断给予引导,属于急迫需求。
在此形势下,北京文理研修学院与国富如荷率先启动了数据分析类职业技能教育赋能模式,开设符合时代发展的新型大数据相关专业,让更多普通学生通过专业的大数据相关职业教育,使其达到国际化CDA数据分析师认证标准,成为补充国家人才缺口的人才,从而解决校企之间供需失衡问题。
双方团队交流讨论
在未来,北京文理研修学院与国富如荷会进一步夯实已有的大数据教育模型,拓展晋级式课程,用规范化国际化标准来制定教学大纲,并向全国推广这种新型校企合作办学模式,让更多的年轻人拥有美好未来!
双方背景介绍:
北京文理研修学院始建于1993年,是北京市教委批准的全日制民办非学历高等教育机构,前身为北京达德大学,是由民盟北京市委与香港达德学院北京校友会共同申请举办, 2007年经北京市教委批准正式更名为北京文理研修学院。多年来,为了更好的服务社会,培养更多的实用人才,学院在秉承"崇德、博学、笃行、至善"的校训,坚持"质量立校,特色兴校,人才强校"的办学理念下,逐步形成了独具特色的办学模式并于2012年至2017年荣获北京市5A级社会组织(2012年北京市民政局授予)。学院连续多年为北京市民办高等教育机构办学状况评估合格院校。
北京国富如荷网络科技有限公司是面向中高端用户的、培养DT时代前沿技术人才的、国际化的职业教育集团。CDA数据分析师认证是国富如荷集团公司研发的一套专业化、科学化、国际化、系统化的人才考核标准,分为CDA LEVELⅠ,LEVEL Ⅱ,LEVEL Ⅲ,涉及金融、电商、医药、互联网、电信等行业大数据及数据分析从业者所需要具备的技能。
目前集团已为中国移动、中国联通、中国银行、招商银行、中国邮政集团、国家电网、奔驰、宝马、联想、无限极、苏宁、金拱门、字节跳动、广州地铁等近百家名企输送过数据分析领域优秀高端人才。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11