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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13