
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
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11