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。”
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15