
掘金大数据 “贵漂”正当时_数据分析师考试
昨日,《贵阳市大数据产业人才队伍建设调研报告》出炉。报告显示,截至2014年底,该市人才总量60.4万人、每万人人才资源数1331人,分别比2012年增长11.2万人和217人;企业经营管理人才、专业技术人才、技能人才与2012年相比分别增长4.24万人、1.53万人、6.2万人;非公有制企业人才总量从2012年的21.5万人增加到25.7万人。
与此同时,上半年新增大数据产业注册企业1270家,集聚人才超过2万人。目前,贵阳市大数据及关联企业已超过2000户,人才近13万人,约占人才总量的22%。
政策:领军人才创办大数据企业,可获500万元经费
贵阳市在全省率先制定实施《关于加快大数据产业人才队伍建设的实施意见》、《服务外包及呼叫中心产业人才培养规划》等专项政策文件,明确大数据产业人才发展的目标任务和创新举措,提出4个方面19条培养储备、引进集聚大数据人才的具体措施。
对创办大数据企业的领军人才、核心技术人才,免费提供人才公寓、工作场所,最高给予500万元创业启动资金和200万元项目开发经费;对获得省级以上科技进步奖、制定行业标准、获得发明专利的团队和个人,最高给予100万元奖励;对引进领军人才、核心技术人才、高技能人才和招聘基础人才的大数据企业,给予奖励和补贴;对做出突出贡献的领军人才、创新创业人才,给予物质奖励和精神激励。
建设:多个“国”字号落户贵阳
贵阳市深化京筑创新驱动区域合作,强力推进中关村贵阳科技园建设,依托高新技术开发区、经济技术开发区及重点产业园区,搭建大数据科技创新、项目研发、人才创业承载平台,成功组建中科院软件所贵阳分部、北京贵阳大数据研究院、首都科技条件平台贵阳合作站、“千人计划”大数据研究院等。
建成全国首家大数据交易所、首个全域公共免费WiFi城市、首个块上集聚大数据公共平台、首个政府数据开放示范城市和首个大数据战略实验室。同时,开展贵阳大数据7系列基础平台项目建设,从北京引进项目260个。
目前,贵阳市国家级研发机构16家,省级以上企业技术中心、人才基地87家,国家级、省级科技企业孵化器8家,创客空间17家,创业孵化器和投资机构近20家。7月,该市获国家科技部批准创建“大数据产业创新试验区”。
培养:政、校、企联动,订单式培养大数据人才
贵阳市实施大数据人才培养计划,鼓励在筑高校(职业院校)开设大数据相关专业,支持校企合作建立教育培训基地,资助大数据企业在职人员提升学历学位和专业技能,打造“一基地、两中心、三示范、多点辐射”的呼叫中心人才培养体系,政、校、企联动,订单式培养大数据人才。
贵阳市级财政安排2000多万元专项经费,在贵阳幼儿师范高等专科学校、贵阳市经济贸易中等专业学校挂牌建立呼叫中心服务外包学院及示范教学基地,建设坐席1300多个。依托互联网+现代农业,与电商巨头、职业院校、网络公司合作,采取“理论+实践”方式培养电商能人。今年以来,全市培养呼叫中心专业人才4000多名、电商能人400多名。
引智:大数据产业成为贵阳引才聚才重要载体
以大数据人才为重点,贵阳市建立招商引资与招才引智融合互动机制,大力实施“筑巢引凤计划”、“黔归人才计划”等,大力集聚产业发展急需人才。
近两年来,贵阳市开展的大型招才引智活动中,大数据人才、项目引进比例占40%以上,2014年引进大数据相关专业人才535名,今年以来大数据龙头企业贵阳朗玛信息公司引进人才174名,大数据产业已经成为贵阳市引才聚才的重要载体。
据统计,2013年至2015年上半年,该市直接引进各类高层次人才1882名,相当于前八年引才的总和,其中博士241名、硕士1380名、高级职称261名。高层次人才引进流出比从2012年的36∶1提高到2014年的49∶1,引才数量及层次呈逐年提升态势。
创业:已集聚创客团队230多支
利用创建国家级大数据产业发展集聚示范区的机遇优势,贵阳市深入推进人才改革管理试验区建设,全力打造“政策+基地+资金+服务+平台”模式的创新创业全生态链。
如今,越来越多的黔籍人才和“创客”选择贵阳创业兴业。3月14日,“‘北漂’已过时、‘贵漂’是时尚”节目在腾讯网播出,关注人数1000多万,评论逾7800条。据近日阿里巴巴集团旗下蚂蚁金服发布的《大学生就业流向报告》和经济学人智库发布的《2015年中国新兴城市报告》显示,贵州进入了大学毕业生净流入排行榜前列,贵阳在全国新兴城市的综合排名、经济增长及外商直接投资三个方面均列第一。
2013年以来,高校毕业生到贵阳创业就业人数年均增长30%以上,全市新增创业实体11.6万户,带动就业41万人。目前全市集聚创客团队230多支、创客1800多人。2014年,全市新增高新技术企业40家、增长23.1%,大数据产业总量650亿元,同比增长68%,科技进步贡献率、人才贡献率分别达到56.4%和28.13%,高于全国、全省平均水平。
目标:创新创业人才“筑梦”首选地
如何才能打造创新创业人才“筑梦”首选地?
贵阳市将深化与发达地区人才交流合作机制,通过调动、聘用、挂职、兼职和项目合作、技术入股等形式合理配置大数据人才资源。采取支持高校、科研院所、企业培养和“人才+项目”的模式,依托国家、省、市重大科研项目、产业项目和工程项目,在实践中培养聚集大数据产业骨干人才。
研究提出具有创新性和引领性的大数据人才评价认定和职称评聘办法,开辟大数据人才职称评审“绿色通道”,建立以能力为导向,以业绩为依托,以品德、知识、能力等为主要内容的大数据人才评价指标新体系,力争将大数据人才认定评定标准纳入国家大数据标准委员会标准立项范畴,成为大数据人才标准起草城市和试验城市。
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在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30