
如何拥抱大数据时代(3)_数据分析师
“黄埔一期”的历史使命是探路
记者:目前国内大数据方面的人才供求情况如何?
袁卫:2012年美国麦肯锡咨询公司提供了一份报告,对美国大数据人才需求进行了分析。他们把大数据人才分为两类,一类叫做“数据经理或数据工程师、数据分析师”;另一类叫做“数据科学家”。数据科学家熟练掌握计算机、统计、经济管理等技能,能够领导团队从海量数据中找出规律,发现知识,做出决策,创造价值。根据麦肯锡的报告,到2018年,美国数据分析师的人才需求将达150万人左右,高层次的数据科学家的需求缺口在14-18万人。中国的情况,目前在百度、阿里巴巴、京东等电子商务企业和腾讯等网络媒体大数据公司中有一些大数据方面的人才,但是能称得上大数据科学家的人才,非常非常少。我国相关部门预计3到5年内,来自政府、媒体、企业等方面的数据工程师和数据分析师的需求将达100万人左右,而目前的人才培养,无论是规模还是质量水平,都远远达不到要求。
记者:首批50人的培养计划,只是一个试点探索。对于大规模培养大数据人才,您有什么建议?
袁卫:在大数据时代,数据分析,越来越成为我们工作生活中一个最基本的技能。大数据人才的培养,正是基于这样一个时代的发展背景。大数据人才的适用领域非常广泛,有着巨大的社会需求。他们的就业,遍及生物、医学、经济、社会、媒体、金融、教育、政府各个方面,只要有数据的地方,他们都可以施展才华。这个实验班,其意义在于探索一种新的人才培养模式。如果实践证明比较成功的话,我们“应用统计硕士专业学位教育指导委员会”会推动在全国推广,比如上海的一些学校今年就希望送学生来学习。将来大城市的一些高校,完全可以参考我们这个实验班的模式。现在全国有78所高校开办应用统计专业硕士,他们绝大多数都有条件开展类似的人才培养,都可以进行积极探索,相关企业参加的积极性也非常高。
记者:对于“黄埔一期”的这50名幸运儿,您有什么期待?
袁卫:我希望他们毕业后,到用人单位经过几年的锻炼,能够主管大数据研究项目或大数据分析部门,成为数据科学家这个层面的高级人才。这类高层次的大数据人才是国家最紧缺的。探索培养高层次大数据人才的路径、满足国家日益增长的需要,这是中国人民大学等五校组建大数据人才培养协同创新平台的目标和使命。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01