發布時間：2023-08-12 09:14:59
序言：寫作是分享個人見解和探索未知領域的橋梁，我們為您精選了8篇的數據分析師統計學基礎樣本，期待這些樣本能夠為您提供豐富的參考和啟發，請盡情閱讀。
三年以上工作經驗 |男| 26歲（1989年7月18日）
居住地：山東
電 話：189********（手機）
E-mail：
最近工作[ 2年 ]
公 司：XXX房地產有限公司
行 業：專業服務(咨詢、人力資源、財會)
職 位：房地產分析師
最高學歷
學 歷：本科
專 業：統計學
學 校：山東工商學院
自我評價
有良好計算機知識和應用能力，能熟練的操作Windows 7/XP和使用Word, Excel, Powerpoint等office辦公軟件, 網絡操作熟練。掌握一定的人力資源管理專業知識基礎，能夠在不同文化和工作人員的背景下出色地工作。本人精力充沛, 有很強的事業心；思維活躍，具開創精神，有組織能力及良好心理素質，有良好計算機知識和應用能力， 資深分析人員，多年行業分析經驗，長期從事市場調研分析與項目前期策劃工作，熟悉市場規律與產業形勢變化。
求職意向
到崗時間： 一周之內
工作性質： 全職
希望行業： 專業服務(咨詢、人力資源、財會)
目標地點： 山東
期望月薪： 面議/月
目標職能：房地產分析師
工作經驗
2012/9—至今：XXX房地產有限公司[2年]
所屬行業：專業服務(咨詢、人力資源、財會)
研究部 房地產分析師
1. 主要從事周報、月報、季報以及年報的撰寫；
2. 分析全市、各區縣以及各環線的房地產銷售、供應及價格等的變化動向和原因；
3. 相關政策解讀；
4. 熱點區縣、板塊以及樓盤的測評；
6. 百強企業及項目評估報告，品牌企業及項目評估報告；
7.企業項目滿意度研究，企業咨詢報告。
2011/8—2012 /8：XXX金融投資有限公司[ 1年]
所屬行業：金融/投資/證券
1. 收集并更新投資數據，并實施質量保證流程，確保數據庫和產品的準確性；
2. 運用數學、統計、計量經濟學模型和經濟學軟件對宏觀經濟運行和相關經濟指標進行數學建模，分析數據間關系并預測未來趨勢；
3. 研究債券基金和貨幣基金文件，協助基金定性研究和資產分配最優化模型的構建；
4.與基金提供者聯系，拜訪基金公司，以獲取新的信息；處理客戶請求和外部查詢。
教育經歷
2007/9 --2011 /7 山東工商學院 統計學 本科
證書
2010/6 大學英語六級
2009/12 大學英語四級
1 統計學介紹
統計學是認識現象規律的一種方法，它的特點是揭示現象量變到質變的規律，具有普適性。對于高校學科體系來說，統計學已經從經濟學和數學中獨立出來作為一級學科，足以表明統計學在理論研究與實際應用中的巨大作用。隨著數據時代到來，統計學作為一門工具學科，越來越廣地應用到生物、醫藥、物理、水利、工程技術、人文社科等其他學科的研究中，統計學專業課程設置向多樣性發展，以期培養出能為社會所用的人才。
高校統計一般分為數理統計和經濟統計兩個方向，部分高校在理學院和經管學院分別設置統計學專業，比如：暨南大學經濟學院的統計學專業學生獲得的是經濟學學位，信息科學技術學院的應用統計專業學生獲得的是理學學位。雖然分為不同學院，設置的專業基礎課程卻有很大部分重疊。本文著重討論經濟統計專業人才培養現狀。
2 人才培養目標
目前統計學人才培養目標是培養具有良好的數學基礎和統計學、經濟素養，掌握統計學基本理論和方法，能熟練運用統計軟件分析數據，能在企事業單位從事統計調查、統計信息管理、數量分析等開發、應用與管理工作，或在金融、貿易等領域從事統計分析工作的復合應用型人才。
3 課程設置
高校統計學課程分為理論課程和實踐教學課程。理論課程包括思想道德修養、中國近代歷史、大學英語等通識課程，高等數學、概率論與數理統計、西方經濟學等學科基礎必修課程，財務管理、國際金融等基礎選修課程，統計學、計量經濟學、抽樣調查、時間序列分析等專業必修課程，博弈論、非參數統計、數據挖掘、市場調研等專業選修課程。實踐教學課程包括實習、學術活動和課程設計等。其中理論課程學分占總學分的80%左右，實踐教學課程占總學分的20%左右。理論課程中通識課程和基礎課程一般安排在大一和大二上學期;大二到大三主修專業必修課程和選修課程，專業課程大部分是理論課和實驗課相結合，理論課主要講授模型方法論，通過設計實驗課，學習統計分析軟件，并實現模型案例實證分析;大四理論課程基本結束，主修教學實習和課程設計。
高等學校核心課程體系尚屬完善，大多數課程偏重理論教學，忽視實踐教學，人才培養計劃中未設置實踐教學環節或者實踐教學課時偏少。實踐教學是以實踐性知識為課程內容，以生成實踐性知識為目標的課程。以實踐過程和實踐性知識的掌握為課程結構展開的起點，讓學生在一定程度實踐的基礎上建構所需的理論知識，以教學實踐任務為中心來組織課程內容，所需要的理論知識也圍繞實踐過程來選擇、組織和學習，以實踐過程作為學生學習的主要形式，并通過實踐報告、實踐表現等來評價學生的學習結果。實踐課縮短了從理論向實踐轉化的時空上的滯后，比如市場調查分析，通過學生親手設計調查問卷、選取合適的抽樣方法展開問卷調查、后期問卷數據匯總分析，最終生成調查分析報告，在實踐課程中加深統計專業知識的掌握和綜合運用。因此，應適當提高實踐教學課時比例。課程設置上，專業選修課程安排相對獨立，忽視了與其他學科的交叉融合學習，可適當增加交叉學科基礎知識的課程設置。
4 理論教學分析
教學方式上，大部分教師采取傳統的課堂面對面教學，仍停留在傳統統計專業教學模式。互聯網時代，隨著互聯網+教育的興起，由于網絡課程的低成本和便利性，其在大學教育中占據越來越大的比重。微課、慕課等互聯網教學模式，通過科學的設計將課程重點知識碎片化、網絡化，便于更多學生隨時隨地進行學習，而現今大部分高校形式上鮮有統計學的慕課、微課等網絡課程教學。教學手段上都是以理論講解為主，專業知識枯燥無味，不能最大程度激發學生的學習興趣，缺乏探討式、研究式、報告式等多樣化教學研討形式。
課程設計是教師形成具體教學方案的過程，特別是對于統計學這門應用性、實踐性都很強的課程，不僅要求學生能夠熟悉和掌握統計學基本理論知識及常用的統計分析方法，更要求能夠結合實際問題，應用最合適的統計方法，借助統計軟件，完成對問題的研究分析，真正達到學以致用的目的。統計學課程的教學設計尤為重要。課程設計需要綜合考慮教師自身教學技能、知識結構和教學經驗，學生的知識儲備情況和學習能力，課程本身所承載的信息技能。課程設計聯系經濟生活中的實際問題，有助于開拓學生的思維空間，學以致用、觸類旁通，作為理論知識到實際應用的橋梁工程，合理規范的課程設計起到將抽象理論具化到應用的紐帶作用。
教學內容上，統計軟件應用教學大部分限于Excel、SPSS、Eviews等傳統老舊的軟件，以致大部分學生的畢業論文或者課程設計都是對照陳舊的教材生搬硬套，用SPSS或Eviews做一個簡單的因子分析、主成分分析或者多元回歸模型，而SAS、R語言、Python等功能強大兼具實用性的潮流軟件學習課程欠缺。使用的教材著重對統計基礎知識的講解，對于變量選取、文本分析、隨機森林等實用性強的模型講解欠缺。
考核形式上，課程大部分以閉卷、開卷形式考核，造成學生只會死讀書、讀死書的弊病，靈活跳躍的邏輯思維能力和分析表述能力都是卷面考試考查不到而對于統計分析人員至關重要的能力。課程考核模式方面可以考慮加入分組開展調研、總結報告等開放式考核形式，變革考核情境，激發學生主動學習的積極性，在考核過程中塑造學生的統計思想。
5 實踐教學分析
大學生實踐學習分為實習和參加學術科研活動兩方面。大學生實習課程一方面從傳統意義上提高實踐技能，另一方面轉變為尋找就業的試水，本科生實習已經從過去的專業實踐直接指向就業，學生可以在實習過程中對所學專業有客觀實際的認識，不再局限于書本上教條案例，有助于學生拓展眼界，找到自身發展的興趣點。對于應用性較強的統計專業，實習課程的開展、實習基地的選擇、實習任務與時間的安排等都起到很重要的作用。實習基地的建設使學生在政府部門、企事業單位中了解部門統計、不同行業工作的內容和特點，拓寬學生的就業渠道。
高校學生實習有兩種形式。一種是院系組織，建立校企合作實習基地，定期輸送學生到實習崗位實踐學習。大學中實習基地掛牌很多，但是限于學生和企業之間關于交通、住宿、實習時間等問題難以協調，或者受其他因素影響，實習基地能夠提供給學生的實習機會較少。有待加強學校與企事業單位合作，建立友好長期的合作實習基地，為學生提供高質量的實習機會。另一種是學生自主尋找興趣相關的實習機會，這一類實習需要付出較多的時間成本，很難找到專業對口的實習崗位，學生實習期間的安全問題也難以得到保障。校方應做好留底審核實習協議資料等工作，實時掌握校外實習的學生動向，確保實習的合法合規。
高校大學生參加實踐競賽等科研活動是培養創新型人才的有效途徑。本科生參加實踐競賽有利于培養團隊協作精神和創新精神，了解學科前沿動態，了解國家產業政策及區域社會經濟發展問題，提高創新實踐綜合素質。另一方面也彌補了教師科研人員不足的問題。構建基于實踐競賽等科研活動的教學體系，對于學生明確學習目標、提升自主學習熱情、培養科研興趣具有積極推動作用。
科研競賽方面，學校會給參加科研競賽的學生學分獎勵，提升學生在學術競賽和科研活動上的積極性。目前各種國家級、省級科研競賽有大創項目、挑戰杯、數學建模競賽、統計建模競賽、數據挖掘競賽、SAS數據分析大賽、市場調查大賽等。學生初期報名熱情高漲，但常常由于指導教師欠缺、教學軟件資源不足等原因，培訓指導不能滿足學生參加競賽的知識需求，學生大部分是靠自學獲取相關知識，競賽結果不盡如人意。實踐競賽項目報名、培訓、參賽等組織過程起著重要輔助作用，實踐類競賽項目的組織迫在眉睫。
6 總結
統計學的產生發展來源于實踐，依賴于應用，并在應用過程中發展壯大，統計學的生命力就在于其能不斷滿足社會應用的需要。我國設有統計學及相關專業的高校數量也在明顯增多。近些年來，隨著信息產業發展，大數據環境對統計學專業的教學理念和教學模式產生變革性影響，統計基礎的數據分析人才將是社會最需要的人才。針對當前統計學教學中存在的問題，以及統計學與其他學科的交叉融合這一事實，培養統計人才需要對高校統計學教學進行改革。
隨著知識經濟和信息時代的到來，信息量越來越大，統計工具越來越多地滲入其他學科的研究，信息處理技術愈加復雜。大數據時代的來臨和大數據處理技術的發展，深深影響著統計學的發展。如何改革統計學專業課程設置?能否利用傳統的統計理論和統計方法對海量數據做出快速、精準的處理?如何在大數據時代背景下培養符合市場需求的統計分析師或數據分析師?如何實現統計學基礎方法論和數據挖掘的深度結合?如何將大數據處理技術融入相關統計學課程教學，探索統計工具和不同學科的融合，培養出創新型人才，以促進數據處理與分析技術的發展?這些都是在當前大數據背景下，統計教育工作者必須認真思考的問題。高校應從課程設計的開展及考核方式、實踐性質類課程選擇、實習課程調研、實踐競賽組織等方面改革完善統計學專業培養模式，做到與時俱進，合理設置專業課結構，平衡理論課與實踐課的時間，拓寬實習面，完善競賽組織工作，培養出創新型統計人才。
［關鍵詞］數學建模；商務數據分析與應用專業；實施路徑
前言
數學模型是連接實際問題與數學問題的橋梁，是對某一實際問題，根據其內在規律，作一些必要的簡化與假設，運用適當數學工具轉化為數學結構，從而用數學語言描述問題、解釋性質、預測未來，提供解決處理的最優決策和控制方案。數學建模是架設橋梁的整個過程，是從實際問題中獲得數學模型，對其求解，得到結論并驗證結論是否正確的全過程。數學建模是用數學語言和方法，借助數學公式、計算機程序等工具對現實事物的客觀規律進行抽象并概化后，在一定假設下建立起近似的數學模型，并對建立的數學模型進行求解，然后再根據求解的結果去解決實際問題。在這個過程中要從問題出發，充分發掘問題內涵，按照問題中蘊含的內生動力，尋求合適的模型，經過實踐檢驗后多次修改模型使之漸趨完善，同時還要進行因素靈敏度分析，找出對問題影響較大、更大或最大的因素。隨著社會的發展，大數據時代的來臨，數學建模越來越引起人們的重視，很多高校將數學建模納入課程體系之中，以提高學生運用專業知識、數學理論與方法及計算機編程技術綜合分析解決問題的能力，特別是數學建模競賽能有效提升學生的計算機技術與運算能力、團隊協作能力、寫作表達和創新實際能力。近年來，隨著互聯網技術的迅速發展，形形的數據環繞著我們，數據分析方面的人才需求陡增，造就了商務數據分析與應用專業的問世。商務數據分析與應用專業雖是2016年才增補的新專業，但它是一個跨數學、電子商務、計算機應用等學科的邊緣專業。培養主要面向互聯網和相關服務、批發、零售、金融等行業，掌握一定的數理統計、電子商務及互聯網金融相關知識，具有商務數據采集、數據處理與分析、數據可視化、數據化運營管理等專業技能，能夠從事商務數據分析、網店運營、網絡營銷等工作的高素質技能型人才。商務數據分析與應用專業的學生畢業后主要從事電商數據化運營過程中的數據采集與整理、調整與優化、網店運營與推廣等工作。從2019年開始1＋X證書制度試點工作拉開了序幕，職業教育邁入考證新時代，商務數據分析與應用專業作為第二批試點專業正在如火如荼地進行著，這將拓寬學生就業創業渠道，提高學生就業創業本領。但作為一名優秀的數據分析師要對數據敏感，熟知業務背景，認知數據需求，具有超強的數據分析與展示能力。若將數學建模融入商務數據分析與應用專業的人才培養體系中去，不僅使學生運用數學思維解決問題的能力得到提升，更使學生思路變得富有條理性，讓學生養成敏銳觀察事物的習慣，對學生的未來發展產生深遠的影響。
1將數學建模融入商務數據分析與應用專業的可行性分析
將數學建模融入商務數據分析與應用專業不是牽強附會的關聯，具有一定的可行性。
1．1在課程體系上具有可行性
數學建模是源于實際生活的需求，借助于數學的思維及知識去解決問題，需要學生具備一定的數學基礎和計算機編程相關知識。商務數據分析與應用專業的課程體系中含有統計基礎、數理統計與應用、C＋＋、數據分析與處理等課程為學生學習數學建模奠定了基礎。
1．2在教學團隊上具有可行性
數學建模相關課程需要一支專業基礎扎實、年輕、富有創造力的教學團隊。教學團隊中的教師不僅要有較為寬廣的數學知識，也要具備較強的計算機編程和操作能力，這樣才能培養學生從實際問題中刻畫問題的本質并抽象出數學模型的能力。我校商務數據分析與應用專業的數學建模相關教師共9人，由來自于統計專業、計算機專業、電子商務專業等專業背景的教師組成，完全可以勝任數學建模相關課程的教學與指導。
1．3在教學環境上具有可行性
本專業校內教學條件比較完善，校內實訓室基本上能夠滿足所有專業課程及專業實操課程的教學需要，學生可以在仿真的環境中進行練習。鑒于現有校外實訓基地的實習內容與學生所學專業并不對口或融合度較低的現狀，學校還要積極拓展校外實訓銜接度高的校外實訓基地，讓學生真正參與到企業活動中去，著實提升學生的商務實踐技能。校內教學條件完全可以勝任數學建模相關課程的教學。
2將數學建模融入商務數據分析與應用專業的實施路徑
任何的教學改革都不是一蹴而就的，是時間沉淀出來的產物，從無到有、從有到優需要一個漫長的過程。要將數學建模融入商務數據分析與應用專業，需要從課程體系、教學團隊、管理制度等方面著手。
2．1構建數學建模的課程體系
將數學建模融入商務數據分析與應用專業，首先要制定融合數學建模的人才培養方案，明確數學建模在培養方案中的知識、素質、能力等培養目標和要求，設置數學建模在教學計劃中的相關理論、實踐等教學環節的課時與學分分配。對大一學生增設數學建模課程，將數學建模與統計學、經濟應用數學并行教學，其中涉及數學建模思想、基本數學模型、Matlab軟件入門等內容，使學生了解幾類基礎的數學模型、常規的數學建模步驟及方法。在教學中加入商務數據分析案例，根據問題需求先建立數學模型，然后通過Matlab編程求解出結果，并運用軟件進行計算、仿真和模擬，這樣將數學建模、數學實驗和商務數據分析三者有機銜接起來，不僅可以激發學生的學習興趣，提高學生運用數學建模進行商務數據分析及預測的能力，也為之后的數學建模競賽鋪路。
2．2組建數學建模的教學團隊
數學建模的教師不僅要熟悉初等幾何、微分方程、優化、圖與網絡、概率等機理分析性建模，還要熟悉統計、預測、檢測等測試分析性建模；不僅要掌握差分方程、插值與擬合、回歸分析、線性規劃等數學建模方法，還要熟練掌握Matlab、LINGO等各類建模語言的使用。作為數學建模的教師，面對商務數據方面的實際問題，要全面深入細致地了解問題的背景，準確無誤地明確問題的條件，在查閱、收集、閱讀掌握相關的數據、信息和資料的基礎上，清晰準確地形成問題的主要特征，初步確定模型類型。然后根據特征和目的，找到問題的本質，忽略一些次要因素，給出必要的、合理的簡化與假設。在分析與假設的基礎上，利用數學工具和方法，描述對象內在規律，建立變量間關系，確定數學結構，建立商務數據的問題模型。數學建模的一系列過程需要教學團隊的合理分工與協作，在日常教學過程中既要重視數學理論，又要重視實踐案例教學。使學生了解基本的數學模型和編程思想，把教學重心放在案例的分析、模型的選擇、程序的實現、靈敏度的分析等過程之中。通過對大量問題的數學模型的建立及計算機編程的求解，讓學生觸類旁通地處理一些實際問題，使學生體會到數學的魅力所在及學以致用的道理，從而提高學生商務數據分析與應用能力，為學生今后的創新創業奠定基礎。教學團隊不僅要完成數學建模相關課程的教學，還要加強數學建模教學的研究和應用，加強與外界的交流，推動教學改革，以提高數學建模的水平和質量。
2．3成立數學建模的學生社團
除了數學建模融入商務數據分析與應用專業教學之外，還可以在學校成立數學建模社團，吸納學校中對數學建模感興趣的學生，特別是商務數據與分析專業的學生進入社團。由數學建模老師定期對社團學生進行指導，將數學建模相關的數學公式、數學方法，數學建模的流程，競賽論文的撰寫要領，編程技巧等以講座的形式傳授給學生。同時，社團學生之間成立互助小組，互助小組中選擇商務數據分析與應用專業的學生為組長，由組長帶領其他組員共同探討數學建模的學習方法與技巧，分享數學建模的編程技術與相關資料，交流數學建模的解決問題的思路。這樣由一個專業帶動多個專業，一個社團輻射到整個學校，在提高學生的數學建模能力的同時，也為數學建模競賽選拔人才做好準備。數學建模社團的建立在豐富學生業余生活的同時，也給那些對數學有興趣的學生提供了一個相互交流的平臺，不僅可以開闊學生數學發現和研究的思維，還可以加強數學理論與實際問題之間的聯系，提高學生運用數學思維方式解決實際問題的能力。
2．4參加數學建模的相關競賽
為了更好地發揮數學建模在培養大學生創新創業能力過程中的引領作用，學校組織學生參加數學建模的相關競賽，并將其發揮到極致。大學生數學建模競賽是提高學生數學建模能力最好的平臺，美國在1985年開始創辦數學建模競賽，我國大學生于1989年開始參賽并逐步成為參賽主體，到2019年共有15個國家25370隊注冊參賽，其中中國大陸地區代表隊約占98％。我國第一屆大學生數學建模競賽（CUMCM）于1992年創辦，2019年1490校區42992隊報名參賽，現已呈現出一派繁榮景象，其他數學建模競賽，如：深圳杯、電工杯等也如火如荼地開展起來。想在競賽中取得優異的成績是一個系統的工程。數學建模參賽團隊通常由3名學生組成。在學生選拔時，就要綜合考慮學生的知識、能力、性格等因素，這3名學生不僅要有較好的計算機技術與運算能力，更要有吃苦耐勞的精神和較好的團隊合作意識。在教學指導時，不僅為學生講解一些基礎的數學建模方法和技巧，更要注重綜合分析解決問題、邏輯思維、語言文字理解與表達、科研創新等能力的培養。在模擬訓練時，指導教師嚴格把關，讓學生合理安排三天時間在網上查閱資料，分析問題之后建模與解答，檢驗與分析，再完成競賽的論文的寫作。通過多次有針對性的模擬訓練，學生攝取新知識、新技能的能力得到提升，定量與定性分析的思維能力得到鍛煉，責任意識得到加強，自主學習的習慣逐漸養成，不畏艱難的品質得到磨練，團隊創新能力得到提高。指導教師通過對數學建模的研究和學生的指導，教學相長，自身的建模能力也將得到大幅提升。面對一些實際的商務數據問題，能夠通過建立一些相關的數學模型，探索出解決實際問題的方案，并從這些方案中選擇出最合理、最科學、最恰當的方案。
2．5搭建數學建模的管理體系
將數學建模課程融入商務數據分析與應用專業難度不大，但是要讓學生組隊參加數學建模競賽并出彩，就需要學校領導重視及相關職能部門支持，在校內建立健全數學建模管理制度，如將數學建模競賽作為二級學院考核指標、數學建模指導教師的工作量計算辦法、學生在獎學金與評先評優等方面優先考慮等。只有建立健全校內管理體系，才能激勵更多的教師主動承擔數學建模相關課程的教學，參與數學建模社團的指導，同時激發學生學習數學建模的興趣與參加數學建模競賽的積極性。
事實上，雖然人們每天都在創造大量的數據，但是作為一種術語和概念，大數據對很多人來說是相對陌生的，即使是業內專業人士，關于大數據的定義也存在爭議。一些人認為，大數據的關鍵特征是數據庫的容量，而另一些人則認為是數據的復雜性，還有些人認為，其關鍵特征是數據的集中與分析的速度。
國雙科技董事長兼首席執行官祁國晟支持最后一種觀點，也就是將海量的大數據盡快變成有價值的小數據才有價值。而他領導的這家公司就是基于Gridsumm Dissector云計算平臺，幫助用戶度量、分析并優化其在線業務，提品與服務。
這位28歲的CEO稱，從2005年創立至今，公司所賺到的每一分錢幾乎都是靠處理數據、分析數據掙來的，因此他的觀點更具實踐意義。他認為，大數據就是在硬件平臺有限的條件下，通過軟件技術的提高，在傳統的數據庫之外，通過對海量數據的挖掘與分析，在最有效的時間內發現數據中蘊藏的商業智能。而那些僅僅是被存儲，失去關聯性，無法及時處理和調用的數據，不能稱為大數據。
可貴的大數據
原始的大數據正是谷歌和亞馬遜成功的原因。據美國得克薩斯大學的一項研究數據顯示，如果企業對于數據的使用率哪怕提升10%，零售行業的利潤率將提升49%，咨詢行業提升39%，航空行業提升21%。而據麥肯錫的一份關于大數據的報告顯示，美國受益于大數據技術的應用和分析，其零售行業增長超過了60%，同時使制造成本降低了50%。
然而大數據不僅是企業趨勢，也在改變人們的生活，在大數據的幫助下，警察可以通過犯罪數據和社會信息來預測犯罪率等。相對于根據小范圍數據樣本進行推斷，大數據能夠實施比以往精確得多的監測與分析，當然前提是可以對整個數據集進行有效的分析。
一個令人神往的應用來自醫療領域。以往被臨床醫生用來判斷病因的經驗和直覺，逐漸被質化和量化后，被那些經驗并不豐富的醫生所利用。而如果要確保患者每次都獲得最好的診治，就不能僅僅依靠直覺和專業的技能了，因為人無完人。
于是，人們通過基于證據的醫療方法（EBM）來幫助醫生提高治療水平，就是把臨床研究整合進治療準則。而一直以來基于“小數據”的研究獲得的結果，被人們嘲笑為“菜譜式治療”。由于在小數據集中只能使用單一的術語，無法做出確鑿的歸納，醫生們只是機械地遵循著這些治療的“配方”來治病，而在解釋病人的個體差異時就顯得力不從心。
大數據則足夠用來創造更加個性化的“治療菜譜”，允許人們通過粗略的未經處理的數據逐條比對，來發現微小但強有力的線索，進行分析研究。這讓計算機模仿人類醫學專家的直覺成為可能。
只不過，在今天的醫療體系中，只有通過審核的、標準的、被編輯過的數據才能被接收。這個屏障過濾掉了粗糙的原始數據，創造了同質化的數據，排除了能使系統真正有用的多樣性，而且一旦泄漏數據集信息將受到重罰，但建立這樣數據集的利益卻幾乎不存在，因此這一應用還存在于理想之中。
不過在金融、汽車、快消行業，在市場營銷、城市管理、電子政務等領域，大數據技術已經得以發揮。
國雙科技高級副總裁續揚有一個聽起來有點復雜的實例。三年前，歐萊雅旗下的蘭蔻在搜索引擎SEM投放過程中遇到了問題。賬戶中一類詞花費很多，但是用量化統計系統跟蹤，它帶來的直接訂單卻非常少，這類詞叫“口碑詞”，諸如“四十歲眼霜哪家好”等。借助國雙提供的工具發現，訪問者通過“四十歲眼霜”進入蘭蔻官網，但并未買單；三天后通過“蘭蔻促銷”搜索再次進入企業官網，仍未下單；又隔了五天搜索“蘭蔻”進入官網；再過了五天，在地址欄中輸入網址直接進入官網，這一次他買了2200元的產品。
這個過程中，口碑詞如同足球賽中的搶球隊員，后面的幾次搜索的詞匯如同傳球隊員，最后直接輸入網址購買就像射門球員。在常規的、不是基于大數據的量化工具中，功勞將全部歸入射門球員，但事實上顯然并非如此。這就是目前市場營銷中位居前沿的數據模型“歸因模型”。
微博的商業價值也更多地體現在傳輸作用上，“這證明了量化數字的分析已經到達了一個可以分析現在、分析過去數據，最終推導未來行為模式的情況”。續揚說，“大數據對于市場營銷帶來了三個里程碑：由網下的數據很難量化，變成網上的數據可以初步地量化；初步的量化變成深入的量化；再進一步，可以變成可能追溯的數據分析。這是重大的變革。”據悉，目前通過國雙數據分析系統所分析的廣告預算，每年超過10億人民幣。
初創企業的新機遇
上世紀80年代，尼爾森（Nielsen）曾為部分美國家庭安裝用以測量全國電視收視率的機頂盒。為了確保樣本的科學性，尼爾森需要讓家庭在日志上記錄看過的電視節目。即便如此，由于樣本大約僅占全部家庭的0.02%，數據也因為不夠精確和不具有統計顯著性而飽受詬病。而現在基于大數據技術，只要捕捉關于用戶在網上或移動設備上所收看內容的數據，即可獲得值得信賴的結果。
數字媒介的興起，的確為各種調研與數據分析提供了新的手段，但要在海量數據中淘得一缽金確實是件麻煩事兒。
美國某大學準備將20個從事科學調查小組的數據進行整合，而每個小組都有超過100TB的數據，也就是說，如果要對這些數據進行整合，就需要建立超過20PB容量的數據庫。
這對于預算有限的大學調研機構來說是難以想象的，即便是租用亞馬遜的彈性計算云服務EC2，也需要不斷添加服務器，而將數據移交到EC2的過程本身也并不容易。
此前，業界將“大數據”的商機分為兩類：一類是IBM、微軟、惠普等公司提供的“硬件+軟件+數據”的整體解決方案，以平臺性為特征，提供基礎服務；另一類是以Facebook、亞馬遜和谷歌等公司為代表，基于自身海量用戶信息，提供精準營銷和個性化廣告推介等商業活動。
但這些傳統“大數據”的商業模式成本高昂，因此就為一些初創小公司提供了發展機遇。祁國晟稱，只要將線上營銷3%～7%的投入運用到解決方案上來，就可以獲得幾倍的提升。因此敏銳的風險投資商開始將目光移至與“大數據”相關的創業公司。
位于舊金山的創業公司Metamarkets，主要針對支付、簽到和一些與互聯網相關的問題，為客戶提供了數據分析支持，該公司最近獲得了一筆高達2300萬美元的融資。
數據化創業公司Tableau一直被媒體和行業視為大數據領域中的重點關注對象，他們的精力主要集中于將海量數據以可視化的方式展現出來。最近的一筆融資金額為1000萬美元。Tableau為數字媒體提供了一個新的展示數據的方式。他們提供了一個免費工具，任何人在沒有編程知識背景的情況下都能制造出數據專用圖表。這個軟件還能對數據進行分析，并提供有價值的建議。
通過采集病人數據，而揭示疾病治療、護理和藥物測試等方面的見解的創業公司Cloudera，可以利用一些價格低廉的硬件完成大量的數據分析，目前其獲得了7600萬美元的融資。
國雙科技最近也接到了來自啟明創投合伙人胡斌拋出的“橄欖枝”。“從VC的角度，大數據正處在黎明時期，我們關注與大數據相關的所有創業機會。”胡斌說。
搶手的數據人才
“我們找不到了解大數據，同時對行業比較了解的人。”祁國晟覺得目前公司最大的困難就是人才的招聘。
事實上，為了從大數據中獲取最大的商業價值，許多企業在尋找多技能專家，他們需要懂得編程、大規模數學、統計學、商業。這一新角色被稱為“數據學家”。
2012年5月，麥肯錫全球研究所論及大數據的報告中對需求提出了些數字：到2018年，在深度分析技能人才方面，僅美國就可能會有14萬到19萬的缺口；在有能力使用大數據分析來有效決策方面，則將有150萬名經理及分析師的缺口。
在線教育和培訓公司Skillsoft稱，數據分析領域的人才培訓規模在過去2年中呈“爆炸性”的增長，但是還是面臨人才短缺，因為該項工作需要的數學技能是一般高校畢業生無法滿足的。由于招不到數據分析人才，許多公司“被迫通過在線培訓的方式，培養自己的數據分析師”。
當然，也像大數據一樣，許多企業還不那么迫切需要，尤其是在中國市場。目前，國雙的客戶大多是全球500強企業。其很多的目標客戶并沒有意識到大數據開發的價值，這是一個需要培育的市場。
中國是數據生產的大國，也將是可以從大數據中受益最多的國家之一。還是IDC提供的數據，截止到2012年6月，中國有近3.9億的移動客戶、5.3億的互聯網客戶。在一個中等規模的智能城市中，每個季度就可能產生出200PB的視頻數據（如果以一個筆記本電腦存儲200GB，那就是100萬臺筆記本電腦所能夠存儲的數據）。不過，其中究竟蘊藏著多少寶藏，還有待人們利用大數據相關技術來挖掘。這也正是大數據的魅力所在。
大數據的魅力
引發大數據熱的根本原因是它能為我們開啟一個新的可能，簡單地說，就是讓我們認識所不認識的、了解我們從未了解的，從而讓我們從此前模糊的決策，變成有理有據的科學決策。多少年來，由于技術手段的限制，我們對世界的認識都是采用抽樣方法，然而大數據卻為我們提供了一種新的方法，讓我們可以進行全樣本研究。
現實中，越來越多的用戶正在從大數據技術中受益。比如，北京百分點信息科技有限公司（以下稱百分點）推出了一種名為個性化搜索引擎的工具，庫巴等電子商務公司利用它來分析訪客的點擊行為，找出訪客的偏好、進行產品推薦。還有，可口可樂正在通過大數據技術處理其銷售數據，來分析世界各地對各種口味的飲料的偏好，從而對各種飲料進行生產資料規劃，以及新產品研發。更為人們熟知的案例是奧巴馬在新一任美國總統大選中利用大數據技術隨時了解選民的傾向，從而開展針對性的工作，幫助他最終勝選。
未來，還有更多的大數據案例會不斷涌現。與此同時，“大數據是大忽悠、大謊言”的說法也不絕于耳，甚至也引來科學界的質疑，在互聯網廣為流傳的《大數據的詛咒（The curse of big data）》引發了業界關于“大數據好還是小數據好”的討論。
然而這些疑問擋不住廠商們的熱情。傳統的IT大佬們紛紛在大數據領域投入巨資：大數據已經成為IBM今年最主要的市場戰略，IBM推出擁有4大核心能力的大數據平臺，即Hadoop系統、流計算（Stream Computing）、數據倉庫和信息整合與治理；甲骨文推出了軟硬一體的大數據庫機，其中內置了Cloudera版的Hadoop；SAP以其HANA為切入點，試圖在大數據市場分一杯羹；微軟推出了自己的Hadoop發行版本。另外，Intel、EMC等很多廠商也都在大數據方面有不小的投入。今年年初，EMC把其Greenplum等大數據業務獨立，與VMware的從事應用開發的部分合并，成立了Pivotal公司，專門針對大數據市場。
除了傳統IT大佬之外，市場還有很多難以計數的初創公司，盡管這些公司不大，也許持續時間不長，但專注于大數據業務，對于大數據市場而言，它們同樣也是不可或缺的一部分。
從BI到大數據
在大數據概念出現之前，在市場也有一個類似的概念紅極一時，至今長盛不衰，這就是商業智能，而眼下顯然大數據的風頭要勝過商業智能。實際上，這兩者是一脈相承的。因為大數據是以海量數據的處理和分析，發現數據背后的本質，增加企業洞察力為目的而誕生的，而這與商業智能的目的基本一致，從這個意義上說，兩者之間就存在著必然的聯系。畢竟，獲得洞察才是我們的目標。
業內專家的建議，可以把大數據看成是傳統數據庫、數據倉庫以及商業智能這些概念的外延和擴展可能，特別是把大數據應用到傳統企業中，這一點可能更為明顯。因為大數據的長處在于處理非結構化數據，而商業智能則擅長結構化數據。目前，絕大部分傳統企業的商業分析已經投資于商業智能，對于結構化數據的分析和建模都相對熟悉，而對非結構化數據的分析則陌生一些，因此非結構化的數據想要被充分認知和分析，轉化為結構化數據之后處理不失為一種有效方法。比如，將大數據以及聚合數據輸入傳統商業智能系統中去做分析與展現，最終形成報告，出分析結果。這也是傳統IT廠商最推薦的一個應用方法。
當然，也并非都必須如此，比如，那些率先引入大數據技術的互聯網企業就很少使用這些方法，這些缺乏傳統商業智能基礎的企業從一開始就將自己的解決方案完全架構在Hadoop等大數據技術上，直接從Hadoop中提出數據，利用自己定制的MapReduce，完成數據的分析和展現。
大數據落地不容易
盡管大數據市場目前看起來很美，但從整體上說這個大數據市場才剛剛起步，整個市場的騰飛還有待時日，還存在諸多因素困擾大數據落地，人才瓶頸就是之一，特別是既懂得Hadoop相關技術同時還了解企業業務的人才。比如，金融企業在對數據進行分析和處理時就非常需要那些有統計學背景、了解銀行業務的專業人才，尤其需要懂得將統計學的知識應用到業務上并與之相結合。
在國外已經出現了“數據科學家”（有的稱其為“數據分析師”或者“數據工程師”）的新職位。他們知道企業的數據在哪里、如何拿到它們，以及什么數據是關鍵、它們如何生成，并懂得構建相應的業務流程。其理想的候選人是對復雜的算法、分析和市場營銷都非常熟悉，此外，最好還能懂超高速計算、數據挖掘、統計甚至人工智能。
用戶可能面臨的另一個挑戰來自于Hadoop本身的技術和生態系統還有待完善。Hadoop是開源軟件，本身還處于不斷完善之中。同時，雖然有很多廠商圍繞Hadoop提供了一些服務和技術支持，而真正能提供全面技術支持的廠商卻很少，用戶所需要的技術支持大部分還來自于社區。而技術支持這一點對于金融、銀行這樣的客戶是非常重要的。
關鍵詞：能力本位；大數據專業；課程體系
高職大數據專業教育的本質是為了培養在大數據采集、存儲、傳輸、分析、處理、應用等領域實踐能力強、綜合素養高的技能型人才[1-4]，以能力為本位的大數據專業課程教學始終貫穿于高職大數據專業教育的全過程，這也是促進新常態下高職大數據專業教育教學發展的主要因素。但是，就目前的發展態勢來看，高職培養的大數據專業人才的數量和質量遠遠未能達到市場和企業的需求，究其原因，主要是因為高職大數據專業課程尚未形成體系，未能在有限的教學課時內有機整合交叉重復的課程內容，從而未能突出體現學生綜合能力的培養[5-9]。因此，構建基于能力本位的高職大數據專業課程體系勢在必行。
1高職大數據專業課程體系構建的必要性
國務院于2015年8月印發的《促進大數據發展行動綱要》指出，“建立健全多層次、多類型的大數據人才培養體系……重點培養職業工程師等大數據專業人才”。為了在一定程度上滿足市場和企業對大數據技術相關人才的需求，截至2020年12月，全國共有289所高職院校開設了大數據專業。由于我國高職院校大數據專業開設的時間短、起步晚、底子薄，大數據技術專業人才總體上來說是短缺的[1-4]。此外，由于人才培養目標和就業定位仍然不夠明確，尚未形成系統性的師資團隊、高效的實踐教學平臺和標準化的課程體系，未能有效構建和運用交叉學科的知識體系和課程內容。因此，不完善的課程體系和課程內容導致教師只著重計算機領域知識的教學，缺乏適合學生學習系統性的大數據課程教學計劃，忽略了大數據專業學生技能的培養，不能適應大數據時代市場和企業對大數據專業高技能型人才的需求。目前我國高職院校大數據專業教學和人才培養仍處于摸索階段，如何從培養學生深度的思維能力和解決廣度問題綜合能力的角度出發，構建基于能力本位的大數據專業課程體系是擺在高職院校面前的一個重要課題[1-9]。
2基于能力本位高職大數據專業課程體系構建的可行性分析
2.1面向計算思維能力的高職大數據專業課程體系。計算思維能力即在管理學和教育學基本理論的基礎上，充分、綜合運用計算機專業領域的基本概念、基本方法、基本手段和基本過程對所需求解的問題進行深度上和廣度上的抽象、挖掘、歸納，從而求得最優解的一種思維能力[5]。高職大數據專業教育的培養目標本質是為了培養在大數據采集、存儲、傳輸、分析、處理、應用等領域實踐能力強、綜合素養高的技能型人才。計算思維能力完美地詮釋了高職大數據專業課程教育教學的內在本質，即將高職大數據專業課程劃分為一種包括通識教育、大類教育、基本認知等模塊課程在內的螺旋遞推式的計算思維課程體系，通識教育課程包括數據科學數學基礎、人工智能導論、操作系統、統計學、管理學基礎、計算機組成原理、數據科學導論、大數據結構、數據庫原理、大數據編程算法等課程，充分、綜合運用管理學領域、教育學領域、計算機專業領域的基本概念、基本理論、基本方法、基本手段和基本過程對所需求解的大數據分析、處理、應用問題進行深度上和廣度上的抽象、挖掘、歸納。因此，通過構建面向計算思維能力的高職大數據專業課程體系并在實際的教學活動中加以實踐，促進學生熟練掌握大數據的基本概念、基本理論、基本知識、基本方法、基本手段、基本過程和基本技能[6]，從而具備初步的項目開發經驗和能力。2.2面向應用能力的高職大數據專業課程體系。高職大數據專業教育的本質是為了培養在大數據采集、存儲、傳輸、分析、處理、應用等領域實踐能力強、綜合素養高的技能型人才，即高職大數據專業教育的本質是以能力為本位的。基于面向計算思維能力的高職大數據專業課程體系，面向應用能力的高職大數據專業課程體系是指將大數據主干課程劃分為專業骨干、專業實踐等模塊課程，它們屬于應用能力培養的范疇，專業骨干課程可開設的課程主要包括大數據程序設計、大數據采集、存儲與傳輸、數據庫應用技術，專業實踐課程可開設課程包括大數據核心平臺技術、大數據挖掘、分析與處理、大數據應用、大數據可視化技術等。這是高職大數據專業基于能力本位的課程體系整體框架中的核心課程，也是后期以“專業拓展”“綜合拓展”等模塊課程為標志的工程能力培養課程開設的前提[5-7]。面向應用能力的高職大數據專業課程體系側重于大數據應用框架的部署和理解，課程內容完美地體現了培養學生的大數據編程算法、大數據程序設計、大數據核心平臺技術、大數據可視化應用技術等方面的核心能力。2.3面向工程能力的高職大數據專業課程體系。工程能力是指在計算思維能力和應用能力的基礎上，學生通過團隊協作解決實際工作中較為復雜綜合性的工程項目開發問題的能力。因此，面向工程能力的高職大數據專業課程體系包含專業拓展、綜合拓展等模塊課程，它們屬于工程能力培養的范疇，即培養多元化的具有廣度創造技術、深度人工智能開發技術的大數據分析師、大數據架構師、大數據運維工程師、大數據開發工程師、大數據科學家等工程項目設計與開發人才[6]。面向工程能力的高職大數據專業課程體系通過項目小組團隊協作的形式，以工程項目與企業真實案例為驅動，促使學生搭建大數據工程項目設計與開發的框架，細化框架內部細節，集思廣益，形成最終的工程項目解決方案，并充分運用所學的專業骨干、專業實踐等模塊課程中的大數據程序設計、大數據采集、存儲與傳輸、數據庫應用技術、大數據核心平臺技術、大數據挖掘、分析與處理、大數據應用、大數據可視化技術等課程的核心知識，實施大數據工程項目的大數據采集、存儲、傳輸、分析、處理、應用、作業調度、工程維護、代碼調錯等，從而完美地實現培養學生解決實際工程問題能力的目標[7-9]。
3基于能力本位的高職大數據專業課程體系構建途徑
3.1構建支撐計算思維能力培養的立體化課程資源。面向計算思維能力的課程體系是高職大數據專業發展的一個基礎性課程體系，這是大數據專業能力向應用能力與工程能力縱深發展的延伸性課程，目的在管理學和教育學基本理論的基礎上，充分、綜合運用計算機專業領域的基本概念、基本方法、基本手段和基本過程對所需求解的問題進行深度上和廣度上的抽象、挖掘、歸納，使學生掌握大數據專業的通識教育、大類教育、基本認知等模塊課程，從而為學生拓展應用能力與工程能力打下基礎。因此，需要構建支撐計算思維能力培養的立體化課程資源，其主要形式是利用移動互聯網設置集課程資源、線上線下資源、實踐課程資源為一體的立體化課程體系教學資源模式[5]，并利用移動互聯網構建多樣化的線上線下網上教學環境、學生線上線下學習平臺。課程教學資源以線上線下和任務與項目驅動的實踐課程形式為主，學生在教師的啟發和引導下自主學習，時時講解、時時操作。在此立體化課程資源支撐下，按照“計算思維形成→基本技能訓練→計算思維能力培養”的要求，充分運用混合式翻轉教學方式，對一些重點難點的課程內容進行反復教學，實施數據挖掘與人工智能結合的大數據專業基礎知識的實際操作，對學生進行個別指導，加深學生對基本知識點的掌握和理解。3.2搭建支撐應用能力培養的實訓平臺。高職大數據專業實踐性、應用性極強，面向應用能力的高職大數據專業課程體系要求搭建適當的支撐應用能力培養的實訓平臺以強化學生的應用能力。搭建支撐應用能力培養的實訓平臺，重點是學校應根據大數據專業人才培養目標和計算思維能力培養需求，從硬件環境、軟件環境、線上線下網絡教學平臺等方面入手，構建集大數據編程算法、大數據程序設計、大數據核心平臺技術、大數據可視化應用技術等于一體的核心能力培養平臺[5-6]，大數據編程算法、大數據程序設計、大數據核心平臺技術、大數據可視化應用技術課程采用線上線下模式、理實一體化的教學方式，主要用于大數據專業的“專業骨干”“專業實踐”等模塊課程的實訓教學；軟件條件方面，利用搭建的實訓環境，以學生分組協作形式，可以選擇并行分布式處理軟件Hadoop和Spark，實施大數據預處理、模型的建立模型、參數的選擇，為學生提供大數據編程算法、大數據程序設計、大數據核心平臺技術、大數據可視化應用技術方面的實訓項目，使學生掌握基本方法和技巧，理解基本工作原理，從而可以較好地培養學生應用能力。3.3設計支撐工程能力培養的綜合性工程項目。面向工程能力的高職大數據專業課程體系即培養多元化的具有廣度創造技術、深度人工智能開發技術的大數據分析師、大數據架構師、大數據運維工程師、大數據開發工程師、大數據科學家等工程項目設計與開發人才，它是圍繞學生的工程項目開發能力而設置的。因此，學校應結合大數據專業的人才培養總體目標、計算思維能力培養目標和應用能力培養目標，設計支撐工程能力培養的綜合性工程項目[6-9]，在每個項目中設置相應的實驗，力求做到課程與崗位能力對接，檢驗學生對實踐知識的掌握情況以及解決問題的思想、手段和方法，從而為工程項目開發打下堅實的基礎。在綜合性工程項目類型方面，把支撐工程能力培養的綜合性工程項目分為設計性實驗和綜合性實驗，合理規劃工程能力培養計劃、培養標準以便較好地適應工程能力培養的新形勢，讓學生在“練中學、學中練”，考察學生的實際工程項目開發能力，力求工程項目開發能力與企業標準對接。3.4創新基于學生能力本位的教學模式和教學方法。面向計算思維能力、應用能力、工程能力培養的高職大數據專業課程體系是一種螺旋遞推式的課程體系，它完美地詮釋了高職大數據專業課程教育教學的內在本質。基于學生能力本位的教學模式和教學方法是實現高職大數據專業課程教育教學內在本質的重要條件。因此，高職院校要從大數據專業人才培養和學生實際需求出發，制作精美的教學視頻，充分利用微課、翻轉課堂、多媒體、遠程協作、虛擬現實、系統仿真、探究式、啟發式、逆向式、互動式等教學方式、方法和手段[1-4]，按照“思維培養—應用細化—工程開發”的教學模式，圍繞大數據專業的課程教學內容，充分利用網絡資源，隨時調整教學細節，合理安排課時，及時記錄教學過程中的反饋信息，使得師生之間的良好互動和溝通達到一定的廣度和深度，為學生掌握大數據專業課程的精髓和將來適應工作崗位打下堅實基礎。3.5加強基于學生能力本位的師資隊伍建設。高質量的專業教師隊伍是構建基于能力本位的高職大數據專業課程體系構建的良好保障，因此高職院校要圍繞學生的計算思維能力培養、應用能力培養、工程能力培養[5-9]，加強基于學生能力本位的師資隊伍建設，讓教師在教學與科研中取長補短，豐富知識結構，相互促進，相互提高，從而為教師專業素質和創新實踐能力提供保障，提升教師授課水平。
4結語
高職大數據專業課程體系的構建為提升學生的計算思維能力、應用能力、工程能力提供了科學的發展平臺，對高職專業人才培養和課程改革具有重要的意義，同時也能使學生成為有知識、有能力的社會主義事業建設者和接班人。大數據對當今社會的重要意義以及大數據專業人才的不足決定了大數據專業人才培養任重道遠，但是不足也是動力，也給未來高職大數據專業預留了很大的發展空間。
參考文獻:
[1]林宛楊.“職教20條”建設背景下大數據課程體系改革[J].電腦知識與技術,2020,16(36):170-171,176.
[2]劉建華,胡文瑜,唐鄭熠,等.數據科學與大數據技術專業課程體系探索[J].科教文匯,2021(2):115-116.
[3]周黎鳴,林英豪,李征,等.新工科背景下大數據專業課程建設[J].計算機時代,2021(1):102-105.
[4]馬曉磊,霍恩澤.面向“互聯網+產學交融”的交通大數據課程體系建設[J].高教學刊,2021(7):86-89.
[5]崔琳,吳孝銀,張志偉.面向學生計算思維培養的數據科學與大數據技術專業課程體系建設模式探究[J].無線互聯科技,2020(4):121-122.
[6]戴牡紅.面向工程能力培養的大數據教學研究[J].軟件工程,2021,24(1):47-50.
[7]袁利平,楊陽.基于能力本位的教師教育課程體系建構[J].河北師范大學學報（教育科學版）,2020,22(5):85-92.
[8]王姝,蘇志東.基于能力本位的反向課程設計方法應用研究[J].微型電腦應用,2020,36(9):77-82.
有個不太靠譜的命題：如何讓趙本山和邁克爾喬丹搭上關系？其實很簡單，通過分析兩個人的社交圈子，興趣愛好等，最終可以找出一條線路能讓他們兩個人認識，這就是隱藏其中的大數據魅力之一點點……
隨著互聯網的沖擊，UGC（用戶產生內容）不斷發展，社交網絡已經不斷普及并深入人心，用戶可以隨時隨地在網絡上分享內容，由此產生了海量的用戶數據。這些數據并不是我們想象中的那樣冷冰冰、枯燥的數據，而是更加活生生、有趣的數據;這些數據不同于以往單純的數字，它們聲色結合、圖文并茂。
比如，Facebook用戶每天共享的東西超過40億，Twitter每天處理的數據量超過3.4億;而每分鐘Tumblr博客作者會2.7萬個新帖子，Instagram用戶會共享3600張新照片……隨著Facebook、Twitter、LinkedIn、微信等社交媒體的流行，對社交關系的數據挖掘成為近幾年的一個技術熱點。
玩的核心是消費者洞察
在一般商業前提下，社交大數據挖掘的目的，是投消費者所好。
不可否認，一個正在改變我們的生活、工作和思維方式的新浪潮正悄悄來到我們身邊，這或許就是大數據（Big Data）導致的一個還不可名狀的時代。
當下，社交大數據正在對企業，甚至于一些行業帶來深刻的變革。下面，讓我們來細數一下吧！
首先，與傳統的營銷方式相比，利用大數據營銷，從前期的曝光，中期的轉化，到后期的購買行為都是可監測的。效果可評估是大數據帶來的最實質性影響。其次，在社交環節，越來越多消費者通過社交媒體反饋自己對企業產品、品牌形象的看法，這個過程會產生許多有價值信息，甚至包括一些潛在的市場需求。對一個企業來說，這些信息不僅可能使他們調整原有產品，甚至催生新的商業模式。消費者洞察，是大數據的核心價值。第三，大數據對某些行業來講，意義更加不同。比如電影行業，金融行業，大數據能夠起到預估性、前瞻性作用，企業可以據此建立一些模型對消費者行為進行分析。
同時，這又是一個移動盛行的時代，與傳統互聯網相比，移動互聯網時代更加強調“社交”和“互動”。人們隨時隨地可以和朋友問候交流、分享資訊，只要帶上手機，整個社交圈也就裝在口袋里。交互性增強帶來的效果是，不但產品可以為用戶帶來效用，用戶反過來也能為產品導入流量。一個網友如果在微博上發文夸贊一家餐廳，經由他的社交圈的轉發和擴散，就將為這家餐廳帶來更多的訪客。這個特征，也為移動互聯網時代的商業創新指出了一個方向，那就是基于用戶身份的信息交互和社交應用。
當下，所有行業都在積極擁抱移動互聯浪潮，當然金融業也無法作壁上觀。唯有移動起來的金融，才具備在下一個周期繼續參與競爭的生命力。這其中，應用社交化的趨勢和大數據，將對金融行業帶來更多新的機遇，并將使金融行業逐步移動化、社交化，產生新的具有移動互聯網特點的金融模式。這種金融模式將具有成本低廉、便捷的特點，能夠使人們不受時間和地點的限制享受金融服務。
總之，進入大數據時代，金融行業的客戶信息、交易信息、資產信息、信用信息等數據經過有效采集和整理分析，將會成為具有價值的數據信息。內部數據結合外部數據將形成具有重要價值的數據資產，可以有效幫助金融企業進行精準營銷，降低運營費用，提高欺詐防范能力，提高信用風險管理水平，為決策提供有效支持，同時幫助金融企業了解客戶需求，開發出符合客戶需要，具有創新精神的新產品。
每分鐘的心情狀態終將被考量
社交大數據營銷，是為了更好地輔助金融決策。
金融業是產生海量數據的行業，大數據正在改變著銀行的運作方式，特別是對理解和洞察市場和客戶方面正產生著深遠的影響。
隨著Facebook和Twitter等社交平臺的內涵更深入更延展，分享、交流等社交元素開始與更多金融服務相互融合，由此產生的多種商業價值也隨之凸顯。
金融市場價格走勢很大程度上受市場情緒的左右，社交網絡提供的情緒數據為金融交易帶來巨大機會。一些機構以社交網站為交易策略中心的平臺正為市場帶來新的活力。
目前風靡華爾街的算法交易正是讓大數據為其服務的一種案例。一些算法交易公司憑借的就是通過跟蹤全球互聯網上的頭條新聞以及微博數據等捕捉政治、經濟方面的變化對市場的影響，并將其作為股市投資的信號。一些提供專業服務的技術平臺風起云涌，如MarketPsych公司和路透社合作提供了119個國家的18000多個獨立指數，如每分鐘的心情狀態――樂觀、憂郁、快樂、恐懼和生氣等，為金融機構的自動交易提供第三方服務。
當然，信貸管理是長期困擾銀行的難題，大數據準確和有價值的信息為銀行信貸審批與決策提供了一個新的視角和工具。包括微信、微博在內的社交網站以及搜索引擎、物聯網和電子商務等平臺將人們之間的人脈關系、情緒、興趣愛好、購物習慣等生活模式以及經歷一網打盡，并將其加入到巨大的個人信息庫中。銀行利用這些更加準確和豐富的數據在信用分析和客戶評級方面做出正確判斷和決策，讓信貸決策不再僅僅憑借滯后的數據和束縛手腳的條條框框，而是從被動轉變為主動，從信用分析發展到行為分析，為信貸審批帶來全新的方式。
還有一些消費信貸創業公司正研究開發以社交圖譜為依據的FICO信用評分系統，利用15個變量決定其信用等級，預測單個借貸者是否會違約。一份內部研究顯示，根據物以類聚的原理，個人貸款償還可能性和其朋友償還債務可能性呈正相關。大數據從一個新的緯度提供信用分析參考，逐漸降低信貸方面的高門檻。
由于大數據可以整合更多信息，并可以更準確評估客戶風險，銀行可以為不同風險客戶提供不同價格的貸款。如果借款人與貸款人之間彼此擁有足夠信息，金融中介的作用會變得越來越模糊，正在崛起的數據銀行已對傳統商業銀行構成巨大挑戰。
可見，大數據為金融機構提供了客戶全方位信息，通過分析和挖掘客戶的交易和消費信息掌握客戶消費習慣，并準確預測客戶行為，有針對性地推銷產品和服務，滿足銀行對潛在客戶量身定制服務的需求。另外，在品牌管理和客戶服務反饋方面，大數據通過對人們在思想、情緒和通信方面的數據化情感分析，獲取并匯總顧客的反饋意見并對營銷活動效果做出準確判斷。
大數據時代涌現了更多的金融與商業的跨行業聯動營銷。如：西班牙的桑坦德銀行每周發給其分行一份可能對該行某類產品感興趣的客戶清單，其中有些就不是金融產品。花旗銀行新加坡分行在觀察客戶信用卡交易的基礎上，借機提供相關商店和餐館的折扣。信用卡公司和其他零售商也在涉足這個領域，Visa 與服裝零售店Gap聯手向在Gap店附近刷卡的持卡人發送折扣券。亞洲花旗有25位數據分析師，2012年在新加坡設立了一個新的“創新實驗室”，將數據分析師和大機構客戶與孟加拉的大型分析中心聯系在一起，如果客戶簽下服務，刷信用卡，系統可以查看任何一天客戶購物和吃飯的地點，以及偏好，如果發現該客戶喜歡意大利餐，快到午餐時，如客戶所處的位置附近有一家著名的意大利餐館，銀行可以發送短信，提供那家餐館的打折券，使得第二次交易出現。系統甚至有能力找出客戶接受這項優惠的比例。這些靈感正是借鑒從亞馬遜營銷圖書的經驗，客戶的喜好不僅僅取決于他所買到書，還取決于相同客戶買了什么書。
金融機構最為關注的是風險管理，而大數據在管理交易、信貸風險和合規方面大顯神通。許多金融機構早已采用大數據防治欺詐，保持交易方面的合規，如在龐大的數據庫中核對黑名單中的名字，區別同名同姓。信用卡公司用大數據分析客戶大規模的交易規律，大大降低了風險。
計算機科學家、統計學家正在開始與社會科學家協作
社交大數據，助互聯網金融大道盛行。
隨著計算機及互聯網通訊技術的興起和發展，在過去的幾十年間，金融行業在不斷被改變，隨著金融行業不斷觸網，互聯網金融已經顯示出誘人前景。
與傳統金融相比，互聯網金融的優勢主要體現在：通過社交網絡或電子商務平臺可以挖掘各類與金融相關的信息;大幅提高信息搜集效率，智能滿足用戶金融需求;在供需信息幾乎完全對稱、交易成本極低的條件下，優化交易方式。互聯網金融的優勢不僅在于信息搜集和處理，還能有效地將眾多交易主體的資金流置于其監控之下，降低風險控制成本。
目前，互聯網金融主要有五種模式：一種是以拍拍貸、人人貸、點名時間等為代表的線上P2P模式和眾籌模式;第二種是阿里、京東、蘇寧為代表的電商介入金融領域，形成的各自互聯網金融模式，阿里最具代表性，衍生的金融模式也較多;第三種是涉及到銀行支付結算體系的第三方支付，目前有支付寶、財付通為代表的200多家支付企業;第四種是互聯網企業介入的金融服務領域，更多以服務金融機構為主要模式，本身不介入金融領域，像數米網、銅板街、東方財富網等基金代銷網站，還有如融360、好貸網的金融信息服務模式的網站;第五是互聯網貨幣，如比特幣。其中，影響最大的是阿里金融等擁有海量客戶、數據資源的第三方支付和P2P等。對于傳統金融業，這種形式的互聯網金融主要挑戰了什么呢？可以認為其在于：客觀上割裂了銀行和終端客戶的直接聯系，銀行客戶開始分流，銀行被電商前臺后端化;銀行資金開始脫媒，小額高頻度的資金流水通過第三方或者P2P進行流通、投資。
金融機構希望能夠收集和分析大量中小微企業用戶日常交易行為的數據，判斷其業務范疇、經營狀況、信用狀況、用戶定位、資金需求和行業發展趨勢，解決由于小微企業財務制度的不健全，無法真正了解其真實的經營狀況的難題。其中，比較典型的就是阿里小貸，首創了從風險審核到放貸的全程線上模式，將貸前、貸中以及貸后三個環節形成有效聯結，向通常無法在傳統金融渠道獲得貸款的弱勢群體批量發放“金額小、期限短、隨借隨還”的小額貸款。接下來，我們還原一下其做法：
首先，通過阿里巴巴B2B、淘寶、天貓、支付寶等電子商務平臺，收集客戶積累的信用數據，利用在線視頻全方位定性調查客戶資信，再加上交易平臺上的客戶信息（客戶評價度數據、貨運數據、口碑評價等），并對后兩類信息進行量化處理;同時引入海關、稅務、電力等外部數據加以匹配，建立數據庫模型。
其次，通過交叉檢驗技術輔以第三方驗證確認客戶信息的真實性，將客戶在電子商務網絡平臺上的行為數據映射為企業和個人的信用評價，通過沙盤推演技術對地區客戶進行評級分層，研發評分卡體系、微貸通用規則決策引擎、風險定量化分析等技術。
最后，在風險監管方面，開發了網絡人際爬蟲系統，突破地理距離的限制，捕捉和整合相關人際關系信息，并通過逐條規則的設立及其關聯性分析得到風險評估結論，結合結論與貸前評級系統進行交叉驗證，構成風險控制的雙保險。阿里小貸還憑借互聯網技術監控貸款的流向：如果該客戶是貸款用于擴展經營，阿里小貸將會對其廣告投放、店鋪裝修和銷售進行評估和監控。
可見，互聯網金融借助社交網絡等新平臺產生了海量用戶和數據，記錄了用戶群體的情緒，但大數據庫無法自己總結人類行為模式的規律。計算機科學家、統計學家正在開始與社會科學家協作，找到把大數據策略和小數據研究相結合的新途徑。利用互聯網，金融企業也可以對其客戶行為模式進行分析（比如事件關聯性分析），這類似于工程上的“對照實驗”，即觀察、測試不同條件下，機構投資者或普通金融消費者對產品的反應，識別其中的因果關系，提高客戶轉化率，改善服務水平，實現互聯網金融的精準營銷。例如，領先的零售企業通過監控客戶的店內走動情況及其與商品的互動，與交易記錄相結合開展實驗，就可以指導選擇商品種類、擺放貨品、調整售價。再如，有保險公司通過精細化分析客戶風險、財富變化、家庭資產價值等數據并不斷更新其背景資料，向客戶提供量身定制的保單。未來，保險公司還將使用個人位置和汽車運行信息對車險產品定價，向客戶提供交通和天氣狀況、停車事故高發區域和速度限制變化等實時信息，開發有利于安全駕駛的產品。
在大數據盛行的年代，互聯網不僅影響到金融，它還是整個消費習慣的改變。隨著70，80，90后成為互聯網金融的主要人群，他們多年已經養成了互聯網生活習慣和思維模式，更傾向于選擇通過互聯網，便捷、高效地來解決借貸、理財、投資等各方面的金融需求。
未來社交關系與大數據還將在互聯網貸款、購買保險、證券投資等發揮極大作用。金融和數據擁有天然的數據化基因，因為金融本身就是信息和數據，做金融的本質就是做信用。大數據技術提供的有據可查的信用數據，為構建互聯網金融信用體系提供了保障。
什么時候隱私可以成為偽命題？
社交大數據掘金路上，隱私問題忡忡。
當然，深度的社交大數據挖掘中最敏感的問題仍然是用戶隱私的問題。社交網站從一誕生起就與這個問題相伴相生，隨著大數據時代的到來，隱私問題顯得越發重要。在未來掘金社交數據的道路上，一方面要為用戶提供更加精準便捷的良好服務，另一方面也要注重對用戶隱私的保護。只有符合用戶需求和用戶安全的商業利益，才能成為可持續的商業利益。
關鍵詞：汽車零部件；質量管理；優化措施
引言
汽車零部件的質量能夠體現出汽車的安全與性能，因此，質量是如今消費者選擇車輛的一個重要標準。為了能夠提高汽車公司在當今市場中競爭的能力，汽車生產公司從汽車零部件的質量抓起，制定一系列的措施來加強質量的提高，從而才能夠促進汽車企業的進一步發展，獲得更大的經濟利潤。
1 質量管理項目在汽車零部件項目中的核心作用
質量管理項目不但能為任務確立一定的目標，明確汽車零部件的質量標準，還能夠為了提升其質量采取一定的措施，使得汽車零部件質量得到保障的同時能夠讓質量有一個更大的提升，質量管理實施的時候設立監督部門，督促工作更好地完成。
2 汽車公司的問題分析
汽車鎖零部件生產公司也存在著一些阻礙企業積極向前發展的問題。
首先，由于國內企業的生產技術手段及開發能力弱，零部件的設計生產過于依附于整車廠商等等，這些問題使得汽車制造產業的生產規模無法進一步擴大，生產效率也較低。
其次，企業內部缺乏一個完善的認證評價系統，導致汽車鎖零部件的生產規模效益薄弱，質量問題也屢出。
第三，沒有得到供應商的技術支持，生產成本過高，質量狀況得不到改善。隨著國內汽車企業在國際市場競爭力越趨低下。全球汽車生產重心開始不斷向中國移動，這一趨勢使得汽車零部件生產量加劇，國內盡管人口數量可以緩解生產壓力，但生產質量無法得到有效保障。
3 優化汽車零部件質量管理的有效措施
3.1 借鑒汽車零部件質量管理發展階段
眾所周知，汽車零部件質量管理發展階段大體經歷過質量檢驗階段、統計質量控制階段和全面質量管理階段。以下是對這三個階段的優化控制探討。
3.1.1 質量檢驗階段
質量檢驗是1950年前蘇聯的質量管理辦法，包括操作者自檢、工長自檢和檢驗員專檢三個不同階段。盡管較現代高科技質量管理技術處于相對落后的地位，但是它也推動了質量管理的發展。我們應該借鑒和吸納質量檢驗各個階段的優勢，將三個部分所獲得的信息經驗以新的方式呈現。
3.1.2 統計質量控制階段（SQC）
隨著時代的發展與進步，1950年之后，我國汽車領頭企業試行新的管理方案，將質量管理由傳統的質量檢驗逐步邁向統計質量控制階段，這一階段的特色是利用數理統計學理論建立質量分析模型，采用統計工具分析數據庫，這一新方案為質量管理打開了新的發展方向，從而更優化了控制汽車零部件產品制造質量的管理過程。我們可以借鑒“質量日”和“新三檢”制度，優化管理制度，提高職員質量管理意識，提升汽車零部件生產質量，推動汽車產業發展。
3.1.3 全面質量管理階段（TQM）
這一管理階段20世紀60年代提出的實踐檢驗的科學手段，由于國內各種技術手段的阻礙，使得這一管理在國內依舊是形式運行。但其中的質量管理理念是值得我們借鑒與效仿的。
3.2 把握并創新汽車零部件質量管理基本方法
以汽車零部件質量管理體系的質量工具為基礎，IS0/TSl6949被汽車行業制定為汽車企業質量管理項目的統一標準，汽車生產企業要合理把握IS0/TSl6949的技術規范，優化其含有的質量管理的五大工具：產品質量先期策戈O（APQP）、潛在失效模式和后果分析（FMEA）、統計過程控制（SPC）、測量系統分析（MSA）、生產件批準程序（PPAP）等，使五大工主輔得當，相互促進。嚴格規范企業員工綜合素質，以科學的完善的系統方法論為指導，保證該質量管理體系能有效汽車企業運營提供高質量，高效益的服務。
3.3 有效控制公司實施質量管理體系的核心過程
3.3.1 計劃和確定過程
這一過程是整個汽車零部件設計開發的啟動階段，要通過問卷調查和網絡平臺對顧客的期望進行收集和了解，為后期的設計做好前期準備工作。
3.3.2 產品的設計開發過程
這一過程要對汽車鎖零部件產品的設計要求和技術手段進行考核和評定，通過績效考核手段對企業內部相關分析工作人員進行評價，優化企業產品設計檢定分析師的能力水平，對圖紙的設計可行性進行準確評估并做出最有方案，采用負激勵管理對質量業績較差的工作人員給予處罰，減少產品在制造過程前的潛在風險。
3.3.3 過程設計與開發過程
這一過程階段是一個開放的過程，它的完善與前兩個過程相互依賴，相互影響。企業要建立完善的制造體系或系統，通過對產品設計的需求的理解，滿足國際質量管理標準，采用先進的設備，吸納高技能型人才，優化網絡信息系統，縮小產品設計特性的誤差，減小系統輸入輸出偏差及敏感度，使a品的制造系統可靠便利。
3.3.4 產品和過程的確認過程
在對試產品的確認過程也是對零部件產品設計和制造過程數據分析改進的過程，是產品制造過程之前的核心階段。這一過程可以通過“最強之星”小組賽的方式篩選出最優數據設計方案，給予優厚的獎勵鼓勵優秀員工積極參與奉獻并展示自己的工作能力。這一過程的完善是整個產品設計制造的核心。
3.3.5 反饋、評價與改進過程
質量管理的反饋評價階段是對產品后期銷售的評價，對下一步更完善設計的考核，可以通過調查問卷的形式，通過對顧客一對一交流了解產品的優劣，企業需要建立評價交流網站和交流軟件平臺，通過網絡這一反饋信息平臺收集廣泛的資料，分析其數據，不斷優化和完善其汽車零部件產品設計與制作，使汽車的質量受到顧客的肯定。
4 結束語
我國的經濟在飛躍發展的時候，人們對汽車的需求也日益增強，為了能夠適應社會的發展，從汽車零部件生產方式發生一定的變化，使得汽車零部件的質量更加讓人滿意，汽車生產公司將進行全面質量管理，這一管理作為汽車零部件企業發展戰略的重要組成部分，為汽車市場的前進邁出更加重要的一大步。
參考文獻
[1]李亮.關于汽車零部件質量管理的多方面分析[J].民營科技，2015（6）.
