京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据中心搭建东方学院应用型人才培养新平台
近日,教育部公布“数据中国‘百校工程’”项目建设院校名单,山东财经大学东方学院申报的“大数据应用创新中心”获得审核通过,成为30所“数据中国‘百校工程’”建设院校之一。
教育部学校规划建设发展中心联合曙光信息产业股份有限公司启动实施“数据中国‘百校工程’”项目,计划通过2-3年时间,在全国遴选百所高校,部署集人才培养、科研支撑、行业应用及社会服务于一体的“曙光大数据应用创新中心”,为经济转型升级和社会进步提供数据、人才、技术支撑。作为东方学院未来大数据人才培养、科研创新和提供社会应用服务的基地,该创新中心将对推动专业设立,推进产、教、研深度融合,培养大数据发展所需的应用型人才具有重要意义。
应运而生,大数据人才培养呼之欲出
在2017年度教育部新增高校备案本科专业中,有248所高校获批“数据科学与大数据技术”专业,几乎是前两次审批的8倍。
大数据专业备受青睐,与国家大力支持大数据产业发展及该产业人才奇缺相关。国务院2015年8月《关于印发促进大数据发展行动纲要的通知》中,明确鼓励高校设立数据科学和数据工程相关专业,重点培养专业化数据工程师等大数据专业人才。
为配合地方大数据产业布局,解决人才缺口问题,东方学院迅速在大数据人才培养方面采取行动。“数据中国‘百校工程’”项目,可实现高校、企业、政府在大数据领域“三位一体”的联动合作,促进需求与资源的有机结合,更能够利用协同创新网络优势,促进技术融合、数据融合与应用融合。该项目启动后,东方学院由教务处牵头,组织信息管理、财政金融等多个系部力量,经过周密准备,在2017年10月提交了项目申请书。通过实地调研、学校自评、师生座谈等形式,教育部专家从硬件建设、师资力量、管理机制、学科发展等方面对建设院校进行了全面考察,最后确定东方学院入选“百校工程”项目建设院校。
与中科曙光合作建设大数据应用创新中心,以提高应用型人才培养质量为目标,将搭建集人才培养、科学研究、行业应用及服务地方经济于一体的一流校企合作基地,将成为东方学院应用型人才培养成果的标志性工程之一。
建立大数据学院,联合培养应用型人才
多年来,学校实施“五位一体”的教育体系,搭建产学研一体化平台,发挥校企合作优势,提高学生实际工作能力。据了解,“大数据应用创新中心”项目预期总投资1000万元,东方学院与中科曙光信息产业股份有限公司将按照1:1的比例投资建设,中科曙光以设备和软件系统形式投资,校方以资金形式投资。该中心将根据大数据发展对应用型人才的需求,采用“2+1+1”教学模式培养人才:前两年进行专业公共课程、专业基础课程和专业核心课程教学,融入互联网+大数据方向基础课程;第三年进行方向选修;第四年学生进入行业产业单位进行实习实训。各专业的大数据方向人才培养,与中科曙光公司合作办学,未来构建“大数据应用协同创新网络”,合作建立“大数据学院”,联合培养“大数据”方向应用型人才。
据了解,东方学院与曙光拟合作本科专业有信息管理与信息系统、金融学、税收学3个与大数据相关的专业,分布在东方学院重点建设的经济学和管理学专业群,在服务于区域经济社会和泰安市本地的金融行业、税收部门和教育业,服务于智慧城市建设、金融业等产业转型升级具有一定的行业特色和优势。
9月招生,逐步成为地方数据决策服务中心
根据规划,该中心在今年9月将正式开始招生,争取金融学专业单列150人招生计划按照金融大数据方向进行培养。
按照合作协议,双方将共同制订人才培养方案、共同打造双师型教学团队、共同开发专业核心课程、共同完成核心课程教学、共同开展产学研项目合作,既可提升相关合作专业学生的实践能力,又能提高教师的科研水平。
东方学院院长宫淑瑰表示,与中科曙光共同合作联合建设“大数据应用协同创新中心”,符合国家大数据发展战略,符合地方重点支持的战略新兴产业发展目标,符合学校“十三五发展规划”,为学生全面发展能力提供了更好的实践实训平台,可为行业企业直接输送用得上、高技能、可发展的高素质人才。
“大数据应用协同创新中心”通过审核后,东方学院将进一步加强与中科曙光的合作,推进大数据设施落地并开展专业合作,启动大数据相关重点学科建设,落实大数据应用的重点行业资源及地方资源。根据规划,2-3年内,学校相关专业教学科研人员将熟练掌握大数据处理关键技术,并建立1-2个重点行业(专业)数据库,提供大数据分析服务;5-10年内,建立一支具有高水平的大数据科研与应用能力的教学科研队伍,拥有重点行业的领先性大数据服务能力,成为地方社会经济发展的数据决策中心,并拥有完善先进的大数据教学体系,通过先进的学校大数据模型,指导教育、科研及综合管理。 这对东方学院深化综合改革、推进创新创业教育、建设特色鲜明的应用型大学具有积极意义。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18