京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大学数据分析专业正面临三大难题_数据分析师
根据最新的调查发现,如何获取海量相关的数据集是商务智能与数据分析专业的专家教授和学生们所面临的最大的问题。
您的企业是否有多达几千兆字节的数据备用?您企业所在地的大学也许会需要这些数据哟。
当前,在培养和训练下一代的数据科学家方面所面临的最大挑战是如何寻找到海量相关的数据集,以便能够向学生们传授真实世界可实操的技能。这是Teradata大学网络部门所做的一项针对面向以大数据研究为职业生涯规划的Web学生培训计划商业智能调查所得到的一大最重要的发现。
调查结果显示,自2009年开始对第三国的商业智能进行访问研究以来,已经涉及并覆盖到43个国家的243所大学的专家教授,以及96所大学的学生。该调查研究是由三位学者进行的,包括泽维尔大学的ThaliniAriyachandra副教授,这位副教授通过电话接受了InformationWeek网站记者关于此次调查结果的采访。Teradata的全球联盟计划首席分析师BillFranks先生也参与了本次电话采访。
虽然我们的世界充斥着大数据,但据调查发现数据分析专业教育正面临三大挑战,45%的专家教授表示在进行商务智能和数据分析教学时,最大的挑战便是无法获得大数据集;第二大挑战是找到具备必要的基础技能的学生(这一比例占39%);第三是寻找合格的导师(这一比例占37%)。
既然有如此众多的大数据,为什么我们的大学不能使用这些大数据呢?
“我们想要的是那种存在于企业的数据集,这样,我们就能够教授给学生们现实世界中一些实际的可操作的经验。但想要获得那种企业的数据集目前仍然具有挑战性。”Ariyachandra教授表示。
Franks补充说:“大学里也有一些样品数据,但想要寻找到大型数据池,并获得相关的访问权限,仍然是一项很大的挑战。很多企业都不愿对外提供他们的数据,即使花费很大的功夫说服他们提供数据集,这些企业也宁愿以匿名的方式提供。”
这一问题相当重要,但又不是刚刚才出现的新问题。
“我就是一名通过专业培训的分析专家。我拥有统计学硕士学位。那已经在好多年前的事了,彼时的数据不像现在这么多。那时,我们用于学习培训的数据的量非常少而且是人为处理过滤过的。”弗兰克斯回忆说。
该调查研究还显示,越来越多的学生都集中于面向业务分析的专业,如业务分析师或IT专业人士。然而,只有16%的受访学生受访学生表示正在考虑将数据科学家作为自己的职业生涯。
而在另一方面,越来越多的学校则在开始增加数据科学营销和统计专业课程。
“越来越多的学者开始教授深度的统计和先进的预测分析类的技能课程。这方面的专业授课要比两年前多得多。而且,这一增加的趋势还将继续,学术界正在试图积极满足市场对于数据科学家的需求。”Ariyachandra说。
例如,企业都偏向于雇佣那些进行过相关实践,具备大数据集的实践经验的毕业生。Ariyachandra说:“但对于专家教授们所面临的难题是,我们如何提供具有实操经验的毕业生呢?”
据麦肯锡全球研究院2011年的研究显示,到2018年,美国市场将面临高达19万的数据科学家短缺。
这种短缺是大数据市场需求发展大趋势的一部分:分析业务的需求正在急剧增加,弗兰克斯说。
“有的人将这一需求称为‘预测分析’,还有些将其称为‘数据科学’,还有一些人称之为‘数据挖掘’。”他说。“但是,无论赋予其怎样的叫法,所有的最终都要归结于面向相同的一般原则:我们需要的适合的人才进入企业,以帮助前也分析他们的数据。”
一些商学院所开设的介绍信息系统的课程,现在正在将数据分析授课结合起来,并提供基本的BI课程,Ariyachandra教授补充说
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在互联网产品运营、用户增长的实战场景中,很多从业者都会陷入一个误区:盲目投入资源做推广、拉新,却忽视了“拉新后的用户激活 ...
2026-02-06在机器学习建模过程中,特征选择是决定模型性能的关键环节——面对动辄几十、上百个特征的数据(如用户画像的几十项维度、企业经 ...
2026-02-06在CDA(Certified Data Analyst)数据分析师的日常实操中,表格结构数据是贯穿全流程的核心载体,而对表格数据类型的精准识别、 ...
2026-02-06在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05在分类模型(如风控反欺诈、医疗疾病诊断、客户流失预警)的实操落地中,ROC曲线是评估模型区分能力的核心工具,而阈值则是连接 ...
2026-02-05对CDA(Certified Data Analyst)数据分析师而言,数据分析的价值不仅在于挖掘数据背后的规律与洞察,更在于通过专业的报告呈现 ...
2026-02-05在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29