
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。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21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