京公网安备 11010802034615号
经营许可证编号:京B2-20210330
一、 背景
“实施“互联网+”行动计划,发展分享经济,实施国家大数据战略。”“互联网+”与国家大数据战略被写入五中全会公报。政府引导潮流中,我们已经进入了“大数据时代”。
而与此同时,预计中国在2015年对数据分析人才的需求将增加30500人,数据分析高端人才的需求这几年仍在迅速扩张和增加,数据分析人才的供应量远远赶不上需求量,缺口很大。
在这样背景下,经管之家(人大经济论坛)联合CDA数据分析协会、XXX公司、XXX风险投资基金、XXX高校举办『2016CDA大数据全生态全国高校创新创业竞赛』。
二、 目的
1、挖掘、发现高校大数据人才,让优秀的具有青年创业家潜质的找到合作伙伴,创造优质项目,赢得投资人关注,实现价值创造;
2、扩大CDA数据分析师品牌、经管之家(原人大经济论坛)品牌影响力;
3、挖掘校园数据分析人才,为校园俱乐部、形成CDA校园俱乐部氛围做铺垫;
4、为企业输送人才,打造CDA数据分析平台化效应,对接企业与高校优秀人才,形成优秀人才筛选的有效机制;
5、巩固校园市场,通过比赛与各校取得联系,建立CDA校园俱乐部,掀起大数据创业创新风潮,稳步有序地推进学生大数据创业行动;
6、为企业提供项目咨询、数据挖掘等B2B业务做铺垫。
三、 内容
主题: 『大数据+大学生,大有可为!』
赛题:
方式一:参赛队伍可选择企业提供的任一大数据领域课题,提供自己的解决方案;
方式二:也可选择任一领域,进行大数据应用创新。
二选一。
参赛对象:各大院校在校学生(包括本科生、硕士生和博士生),均可报名参赛,要求以团队形式参赛,每支参赛队伍人数一般3人。
奖项设置:
一等奖:1支队伍,奖金5万元;人大经济论坛永久贵宾帐号; CDA现场班免费1人听课权限;企业奖项;发获奖证书;
二等奖:3支队伍,奖金2万元;人大经济论坛金牌贵宾帐号; CDA免费1人听课权限;企业奖项;颁发获奖证书;
三等奖:5支队伍,奖金3000元,人大经济论坛银牌贵宾帐号; CDA系列1门视频课程权限;企业奖项;颁发获奖证书;
创新鼓励奖:若干名,均可获得荣誉证书,人大经济论坛VIP身份
以上所有获奖人员都有可能得到风险投资的青睐和投资!
四、 安排
本场比赛分4个阶段,即报名、初赛、复赛、决赛答辩。
初赛:
选择方式一参赛的团队,需使用自己擅长的软件及算法,提交源代码及报告;
选择方式二参赛的团队,需要提交创业策划方案,通过PPT/Word/PDF三种形式之一提交参赛作品。
复赛:
由初赛参选团队中选拔前60%,对初赛的算法及报告休整或者重新选题,提交源代码及报告或对创业策划方案的完善。
决赛答辩:
1. 由复赛中选拔前20%队伍参加决赛答辩,答辩现场根据参赛队的算法原理、历史成绩、评委打分,角逐出一二三等奖共7只团队,复赛中余下的团队获得创新鼓励奖;
2. 评选由专家评分(可收到作品后查看或远程评分)和现场观众评分同时进行,电视媒体现场报道;
3. 获奖选手参与颁奖仪式,获得奖金及证书。
大赛激励:
1.所有报名团队有机会获得1月由论坛举办的大数据应用峰会免费门票,可与大数据专家、企业面对面进行沟通交流;
2.所有进入决赛人员均录入企业、经管之家(人大经济论坛)推荐人才库;
3.入围经管之家(人大经济论坛)、企业招聘绿色通道(即招聘流程省略简历筛选及笔试筛选阶段,直接进入面试阶段) ,在校期间均有效;
4.获得经管之家(人大经济论坛)、名企深度关注,有机会成为项目创业合伙人。
四、参赛须知
1. 参赛人员必须在大赛网站上统一报名注册,报名时须提供参赛者的基本情况介绍与联系方式;
2. 参赛者提交的参赛作品必须是由参赛者独立完成的原创作品,不得抄袭,不得违反任何相关法律法规;
3. 大赛所提供的数据集和平台仅限于本次大赛使用,不得用于其他任何目的,如若因此给数据提供方或平台提供方造成损失,由参赛选手负责;
4. 参赛作品的知识产权等相关权益归参赛队伍所有,但获奖作品赛后须在开源网站上公开发布。
六、比赛组织
主办方:经管之家
承办方:待定
协办方:CDA数据分析协会
媒体合作方:待定
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07