“百企大数据”计划启动 商学院转型在即_数据分析师培训

“如果商学院的核心课程还只是围绕会计、营销和人力资源管理等，那就OUT。现在，大数据、云计算和互联网才是商务。也就是说，整个商学院的教育所面临的最大机会是大数据、云计算和互联网。”日前，对外经贸大学国际商学院院长汤谷良院长对记者直言转型压力。CDA数据分析师是指在互联网、零售、金融、电信、医学、旅游等行业专门从事数据的采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据分析人才。CDA数据分析师覆盖了国内企业招聘数据分析师所要求的所有技能，包括统计知识、软件应用（SPSS/SAS/R等）、数据挖掘、数据库、报告撰写、项目经验等。

　　为此，对外经贸大学国际商学院去年加入了IBM U-100计划，刚刚又与IBM，以及香港中文大学等众高校共同推出了“百企大数据『A100』”计划。

　　那么，IBM U-100具体是什么样的计划？“百企大数据『A100』”又是什么样的行动呢？

　　U-100培养大数据动手能力

　　“U-100”是2014年IBM与教育部签署的一项合作计划。即，IBM将向100所中国高校捐赠一系列价值1亿美元的大数据及分析软件，帮助高校提高教师和学生动手应用解决问题的能力，并且在这100所高校设立大数据与分析技术中心;同时，在其中30所高校开设本科和硕士课程，实施面向未来职业要求的系统化人才培养;另外，选择5家高校一起协同创新，打造开放的“卓越中心”。

　　截至目前为止，IBM已经与中国28所大学签署了大数据人才培养中心的合同，完成了软件的捐赠。今年U-100的目标是完成60所中国大学的建设工作。IBM大学合作部总经理管连先生说：“合作中，IBM不仅仅提供了软件，还提供整个教学体系和课程体系，包括帮助学校培养青年教师骨干队伍。另外，IBM还正在与教育部、留学基金委，包括美国的大学合作伙伴设计中美之间的高校老师的互派，以及研究生和本科生互相交流的工作。”

　　大数据分析和智慧商务是未来近30年人才需求最大的缺口。U-100的终极目标是培养出一些有大数据动手能力的学生，真正满足行业需求，解决大数据时代的商业痛点。“而这就需要在学生、商学院和企业之间建立起一个桥梁，基于企业现实数据和具体项目，帮助学生获得商业实践的技术能力。这也是『A100』应运而生的动因。”

　　『A100』帮助企业启动大数据商业应用

　　『A100』最早是由香港中文大学刘建南教授发起。刘教授在香港做过8家银行的顾客关系管理系统;也是国内首家与银行业合作进行数据挖掘，建立顾客关系管理系统的首席专家。因此他也特别注重教学与企业实践的结合。

　　“每一个企业都有自己的顾客关系管理系统，也都有数据储存，但企业却缺乏数据方面专业的分析人士。即使一些大企业有很好的数据分析师，面对一些庞大的数据，也不知道如何把这些数据进行一些基础、结构化的处理，包括完成孤岛数据的整合等。另外，企业还存在着人手的问题。”

　　“面对企业的数据需求，根据学科的特点，我们在IBM最先进的技术支持和软件服务支持和技术帮助下，决定联合开启这样的项目。”刘教授介绍，该计划于2014年9月在香港中文大学市场学系开展试点。现在已有8家不同行业的香港及国内企业参加，囊括了线上线下数据的分析。行业覆盖了银行、电视媒体、快消品牌、大型工厂、餐厅推荐网站、酒店、服装连锁店、以及连锁洗衣店等。

　　未来3年，『A100』将发展至10所大学的商学院，前两年完成30个项目，2017年完成50个项目，最终完成100个企业支持的项目。

　　『A100』聚焦数据整合、社交聆听等五大项目

　　接下来，『A100』计划从大数据的趋势出发，以业务为核心，聚焦于五方面企业项目的研究：

　　一、 数据整合与处理。国内大部分的企业虽然拥有自己的数据系统，也积累了相当分量的数据，但是对于数据信息的处理仍然存在许多问题。『A100』计划将从以下几个方面入手，帮助企业进行数据处理以及整合：①处理非结构数据。例如，微信文本数据以及客户服务数据，它们以文字形式储存，并不能直接用于数据挖掘。『A100』计划将会帮助企业将这些非结构化的数据转变成为更容易处理的结构化数据。②数据价值延伸。例如，“地址”数据，许多企业仅仅只将其作为个人必要信息的一部分进行存储，却很少挖掘其价值。『A100』计划会将这些地址信息延伸，将其与所在位置的收入水平匹配，并以此作为细分客户的一个参考指标，从而深挖这一类数据的商业价值。 ③整合数据。企业收集数据都是以分散独立的数据库进行存储采集工作，如果直接用于数据挖掘，则不能提供360度全方位的数据洞察。『A100』计划将会提供数据整合方案，提供最优的关键属性来进行数据整合，以便进行全面的数据考察。

　　二、 数据库挖掘。将处理好的数据进行筛选，找出最具有使用价值的变量属性，例如客户信息，销售信息以及会员信息等，建立数据分析模型，并进行数据验证，得出最优解释模型，从而用数据的眼光去深入了解商业运行中各个环节对于营销效率的影响。

　　三、 市场决策支持系统与产品推荐系统。根据之前所构建出的最优模型，优化市场决策体系，并搭建产品推荐系统。主要针对两个方面：①对于线下产品，根据模型的运算，对于每一个细分市场，在最适合的时间最适合的地点向最适合的顾客推送最适合的产品。②对于线上服务，根据过往浏览历史及购买记录，推送最适合的活动和优惠，利用“黄金10秒”紧紧抓住顾客的注意力，提高营销成功率。

　　四、 社交聆听。利用文本挖掘技术，对电商平台以及社交媒体的评论数据进行深入挖掘，以找出顾客对于企业的真实反馈，帮助企业提升竞争力。{CDA数据分析师培训}社交聆听将主要针对评论语段进行分解，通过解析句子的关键词词性，与句式匹配的方式，来判断是否提及关键词，并对关键词进行情感极性判断，并侦测情感极性出现原因，最后，通过人工数据验证的形式，评测文本挖掘的准确率。通过多次迭代，最终提升准确率到合适的水平。

　　五、 声音挖掘。利用声音匹配技术，通过对训练样本的采集与丰富，构建声音转换模型，将声音数据准确地转化为文本数据。之后，再使用文本挖掘的技术处理，结合一般数据分析的方法，构建出相关的营销模型。这种分析主要适用于电话客服等。文章来源：CDA数据分析师官网