大数据人才需求分析

大数据人才需求分析（精选12篇）

大数据人才需求分析 篇1

1 概述

“大数据”一词, 最早是全球知名咨询公司麦肯锡提出来的, “数据, 已经渗透到当今每一个行业和业务职能领域, 成为重要的生产因素。人们对于海量数据的挖掘和运用, 预示着新一波生产率增长和消费者盈利浪潮的到来。”, “在美国具备高度分析技能的人才 (大学及研究生院中学习统计和机器学习专业的学生) 供给量, 2008年为15万, 预计到2018年将翻一番, 达到30万。然而, 预计届时对这类人才的需求将超过供给, 达到44万~49万人的规模。这意味着将产生14万~19万的人才缺口。仅仅四五年前, 对于数据科学家的需求仅限于google、Amazon等互联网企业中, 在最近重视数据分析的企业, 无论是哪个行业, 都在积极招募数据科学家, 这也会令人手不足的状况雪上加霜。”__摘自麦肯锡2011年5月全球研究院的报告 (大数据:未来创新、竞争、生产力的指向标) [1]。

2 数据分析行业一则最新的人才招聘广告

我们从2014年11月15日51job.com网上发布了1643条数据分析人才招聘职位中选取其中一则数据分析人才招聘[2]:

广州迅蒙龙贸易有限公司, 招聘岗位:淘宝数据分析师

职位描述: (1) 负责淘宝、天猫、京东店铺销售数据统计; (2) 针对推广方案, 进行数据分析、挖掘, 为推广方案达到最佳效果提供数据支撑; (3) 负责数据监测, 数据分析, 数据挖掘, 撰写分析报告;结合实际业务需求, 进行深度的数据分析; (4) 建立客户、产品的分析模型, 提出产品、业务改善建议;用相关工具进行数据提取, 分析顾客及市场特征, 提供相应的运营建议, 增强用户的黏性; (5) 建立运营数据分析模型, 针对流量、用户行为等进行监控和统计, 提供流量、转化率、流失率等; (6) 为网店制定相关数据标准, 根据数据决定网店页面布局及宝贝关联, 改进进店导流关键流程, 提升付费转化率, 减少各环节的订单流失; (7) 以数据为依托制定精准营销流程规范, 对线上营销 (包括钻展、直通车、淘宝客) 进行数据分析和评估, 提供数据报表和改善建议, 提升营销效果; (8) 对竞争对手的产品及同类新产品进行定期数据监控, 并形成对产品改进的有效建议; (9) 定期进行数据分析报告撰写及数据汇报工作。

岗位要求: (1) 心理学、统计学、电子商务、数据挖掘、数学、市场营销、计算机等相关专业大专以上学历; (2) 能熟练操作Excel、Access、Powerpoint等办公软件, 运用SAS、SPSS或R等专业统计分析工具; (3) 熟悉数据库营销的推广手段, 有相关工作经验优先; (4) 优秀的数据分析能力和业务学习能力, 善于从海量数据中总结规律;敏锐的观察力, 及时根据数据发现问题; (5) 具备良好沟通协调能力、性格开朗, 做事认真踏实, 工作态度好, 应变能力强, 善于团队协作; (6) 熟悉淘宝相关的数据产品, 精通淘宝递阶转化率相关指标及提升方法。

3 大数据时代数据分析人才的素质要求

从上面的数据分析招聘可以看出, 大数据分析是数学、统计学、计算机科学 (机器学习) 等交叉学科, 目前国内最主要运用在银行、电信、证券基金公司、网站分析等, 核心是关注和研究客户, 网站分析是大数据分析的典型应用, 也是目前需求量最大的人才缺口。目前国内专业划分过于单一, 而网站分析是综合技能很强的岗位, 专业技能上这类人才必须要精通计算机的数据库技术, 用于提取、管理和分析数据;要熟悉一门脚本语言, 用于编写程序;要具有较好的数据建模能力, 精通统计知识和统计分析软件, 特别是适合大数据分析的R软件或SAS软件, 用于挖掘数据关系;要具备有营销知识和心理学知识, 能很好的分析和解释客户行为;要具备些基础的经济学知识。通识素质上要善于从海量数据中总结规律;敏锐的观察力, 及时根据数据发现问题;必须具备良好沟通协调能力、性格开朗, 做事认真踏实, 工作态度好, 应变能力强, 善于团队协作。

4 我校数据分析人才培养的思考及对策

我校是较早开展大数据分析人才培养的高校, 从2010年开始, 我校信息与计算科学专业正式开设了数据分析方向, 当时我们查阅了全国所有高校, 都没有数据分析本科专业, 只有中国人民大学统计学院的数据分析方向应用统计硕士。当时该方向计算机方面开设的必修课程有C语言、面向对象C++、数据结构、数据库系统、网络数据库, 数据仓库与数据挖掘等, 并且C++、数据结构、数据库均设置了课程设计, 以加强实践环节的训练, 数学方面开设的必修课程有数学分析、高等代数、解析几何、概率论与数理统计、常微分方程、运筹学、数学建模等, 还开设了计算智能专业选修, 并且数学建模开设了课程设计, 要求学生参加全国大学生数学建模竞赛, 以检验数学建模课设的实效;统计方面的必修课程主要有多元统计分分析、抽样技术、应用时间序列分析、非参数统计分析、应用随机过程、市场调研与预测、面板数据分析等, 学习的软件有SPSS、SAS、E-VIEWS、MATLAB、STATES等, 统计选修课有统计软件数据挖掘等;开设的经济学课程有微观经济学、宏观经济学、计量经济学、财务管理专业必选课, 还有金融学、投资学等专业选修课;开设的营销课程有市场营销、消费者行为学、网络营销等。

从今天的情况看, 我们数据分析方向的课程设置是科学合理的。当然随着大数据的飞速发展, 我们也有需要加以改进和调整的地方, 如应开设一个脚本语言课程, 如Python, 需要开设“网站分析”之类的非常实用的专业选修课, 需要加强R软件的学习等[3,4], 其次有些课程虽然开设了, 但实效大打折扣, 不少学生觉得学校学的实际中都用上, 学习积极性不高, 因此理论知识水平和实践操作水平都不如我们的初衷。

通过大量查阅大量新近的数据分析岗位要求, 我们提出如下对策:第一适当调整课程, 增加“Python”必选课, 增加“网站分析”等专业选修课;第二转变教师教学思想观念, 变教理论为教能力, 提高教师大数据分析实战水平, 加强与企业、公司合作, 积极开展大数据分析应用研究, 给学生提供丰富的实战实例和场所, 极大地提高学生学习热情和积极性, 只有学生由被动学习转到了主动学习, 理论学习自然会如饥似渴, 刻苦钻研;第三, 加强与我校计算机学院物联网专业之间的沟通与联系, 开展互联网、物联网大数据分析的基础研究, 互相促进, 共同发展, 广泛开展教师间、师生间大数据分析技术交流, 争取多出高水平的科研成果;第四, 积极开展对外交流和联系, 扩大我校大数据分析的知名度。

摘要：在认真分析了新近一则数据分析人才招聘信息的基础上, 提出了大数据分析时代数据分析人才的必须具备的素质要求, 结合我校信息与计算科学专业数据分析方向人才培养的实际情况, 提出了几点需要改进的意见, 并给出了对策。

关键词：大数据分析,数据分析师,人才培养

参考文献

[1]黄林, 王正林.数据挖掘与R实战[M].北京:电子工业出版社, 2014, 6.

[2]http:/www.51job.com.

[3]李明.R语言与网站分析[M].北京:机械工业出版社, 2014, 4.

[4]王彦平, 吴盛峰.网站分析实战[M].北京:电子工业出版社, 2013, 3.

大数据人才需求分析 篇2

来源：《中国组织人事报》 作者：刘永 2013-09-25 15:19:

32随着信息技术的迅猛发展，数据正成为与物质资产和人力资源相提并论的重要生产要素。特别是近年来，“大数据”一词持续升温，其带来的信息风暴正逐步变革着我们的思维、工作和生活。作为基层人才工作者，应对大数据时代给人才工作带来的挑战与机遇成为当前必须面对和思考的课题。

靠“数据”指引提高引才实效。对于县（区）而言，人才工作的重点在企业。坚持企业为主体，突出高层次人才和高技能人才的引领带动，统筹推进各类人才队伍建设，要精准分析产业发展与人才需求，特别是要动态掌握全县哪些产业有哪些企业，哪些企业有哪些人才需求。同时，区域位置、行业隶属、产业基础、企业规划和人才需求也各不相同，传统的信息采集较为烦琐且不够准确。以往这些大都是靠粗略估算或走访调查获得，而进入大数据时代之后，通过数据搜集和联机分析，就能动态地形成点（企业）、线（产业链）、面（地区）的完整分析，再运用动态的数据报告，有针对性地编制人才招引的长远规划和阶段计划，组织各类招才引智活动，切实提高引才工作实效。

凭“数据”倒逼促进作用发挥。人才引进并非最终目的，人才引领社会经济发展才是题中之义。随着人才项目数量的增多，其项目绩效如何，既是社会各界关注拷问的热点，也是人才部门需要冷静思考的难点。人才作用发挥情况的衡量离不开绩效的评估，而绩效评估离不开数据的说明。人才主管部门可以根据人才项目实际，科学设置数据指标，如“人才项目总产值及人均产值”、“人才项目销售利税及人均销售利税”、“产业节点对产业链形成的贡献”、“专利申请及授权量”等，通过量化测评、专项审计、现场评审等多种形式，采取类比法、定性评价法、加分项等不同方法，以动态的绩效评估推进人才项目在经济社会发展中的作用发挥。

让“数据”促进服务环境优化。从粗放式管理向精细化管理转变，大数据理念在人才服务领域同样也可以发挥事半功倍的作用。当前，各地都普遍认识到人才服务的重要性，但准确把握把握人才需求，有针对性地优化服务环境的方法手段还不多。通过信息手段利用已有的数据，就可以很轻松地梳理出人才的内在需求。例如，现在许多地方推出了类似“市民卡”的“人才绿卡”，为人才在创业创新、就医保健、子女入学、研修培训、社会保障方面等提供便捷服务。如果通过计算机对人才使用这些公共服务的类别、次数、频率等数据的梳理分析，就可以很准确地找出人才最需要和最常用的服务有哪些，然后根据这些数据调整服务布局、改进服务举措，这样人才服务环境可以得到进一步优化。

大数据人才“求贤若渴” 篇3

在推进大数据应用的过程中，企业主要面临以下三方面的困难，一是认识上的不足，很多人并不知道大数据是什么，因此也就无法知道如何正确地使用大数据工具；二是投入上的不足，大数据的应用可能需要相当大的投入，一般的企业可能很难承受；三是大数据人才的匮乏将制约大数据应用的发展。

大数据相关人才的欠缺将会成为影响大数据市场发展的一个重要因素。据Gartner预测，到2015年，全球将新增440万个与大数据相关的工作岗位，且会有25%的组织设立首席数据官职位。大数据的相关职位需要的是复合型人才，能够对数学、统计学、数据分析、机器学习和自然语言处理等多方面知识综合掌控。未来，大数据将会出现约100万的人才缺口，需要社会、高校和企业共同努力去培养和挖掘。

想成功地驾驭海量信息，公司就需要拥有相应技能的人才能如愿以偿。这些人要知道如何管理数据，建立分析系统，并且帮助解读数据。在大数据领域，不久的将来，我们可能会听到很多花哨的名称，如CDO（首席数据官）、数据科学家或者首席数据工程师、架构师等。数据对企业来说变得越来越重要，而且逐渐成了企业核心竞争力的一部分。企业关注的不仅仅是数据本身，而且会更加重视数据的价值，以及数据对企业产生的影响。

首席数据官 亟待设立

二十年前，当IT达到临界值时，在商人投资大型机技术发展超出预期之后，CIO诞生了；十年前，广告、营销和PR在公司内部开始融合，产生了战略营销主管的名头，CMO诞生了；如今，随着大数据时代企业数据已经达到临界值，除了数据科学家外，企业还需要能够将数据转化为商业能力的数据领袖，而设立一个全新的C-Level战略角色——首席数据官（Chief Data Officer，简称CDO），正在被越来越多的企业提上日程。

今天，数据对于理解和构建业务是如此的重要，以至于需要有人在上面评估什么样的数据业务应该收集，然后让他变得有价值。

把数据转化为商业能力的唯一办法就是使之系统化。企业内的数据已经达到临界值了，是时候设立战略领导者CDO了。那么CDO的主要职责是什么呢？作为企业的执行管理层，CDO将在以下领域中扮演举足轻重的角色：主导并实施数据管理策略和标准，实现数据质量管理的制度化；衡量并管理数据风险，在执行层影响企业的风险评估偏好；实现更佳的决策支持，通过对数据的有效分析获得洞察力，帮助企业改善策略；通过对数据的有效管控及使用，增加企业的业务收入，提升客户满意度、客户忠诚度和市场美誉度；降低合规成本，通过正确运用数据提高生产效率。

大数据涉及的不仅仅是技术方面的问题。CDO应该主要从业务层面去审视大数据的应用。数据存放在哪里，数据应该如何处理，哪些人能拥有数据，为什么要这样使用数据……CDO必须能够明确地解答这些问题。CDO应该站在业务团队和技术团队的中间，就像是一座桥梁，可以把业务需求与IT规划联系起来。CDO能发挥什么样的作用，还要看每个企业在大数据方面的需求以及策略。

举例来说，一个零售企业以前可能只能通过CRM系统来了解和掌握客户的需求。现在，随着社交媒体的兴起，零售企业有必要也有可能从微博、博客、论坛等社交媒体上了解与企业和经营相关的信息。以前，企业的IT架构不具备处理海量社交媒体数据的能力，但是现在，实时、快速地处理大量的非结构化数据已经成了一种常态。对于CDO来说，他的职责就是利用IT手段找到企业所需的数据和信息，并发挥其应有的价值。

从当前国内信息化应用的现状来看，有大数据应用的企业一般集中在金融、电信、互联网等大型企业。从企业的需求上来看，设立CDO可以解决企业在数据搜集、使用、存储和再利用方面的难题，同时还能为企业高层提供更好的决策支持。但是，由于大数据应用在中国的各行业还处于初步阶段，很多企业并没有发展到系统化地使用大数据工具进行深度数据挖掘的阶段。CDO的设立应该是企业在数据使用和挖掘上有了成熟的模式以后的事情，否则，盲目设立此职位只能给企业内部带来冗余的工作岗位和职责上的不明确。

数据科学家不足成为发展瓶颈

CDO的职责是为企业的业务和数据提供更好的价值平台。通过CDO的工作，企业能将数据转化为业务语言，被管理层更好地理解和运用。因此，企业对CDO的数据业务专业性要求并不高。而数据科学家是专业数据的研究者，其主要工作是对数据及其价值的专业性进行研究，比如数据科学家队伍中包括数据分析师、数据挖掘师、数据可视化设计师等。

那么，大数据人才究竟是哪类人才？大数据最关键的部分是数据分析和挖掘数据价值，要获得这些，就需要大量的数据科学家。数据科学家是复合型人才，是对数学、统计学、机器学习等多方面知识的综合掌控。初级的分析人员只能是对数据进行报表、描述性分析，真正高级的数据科学家需要对数据做出预测性的、有价值的分析。从目前的人才储备来看，这部分的储备欠缺。

数据科学家能够解决复杂的数据问题，但与CDO相比，它更像是高级工程师或高级技术人员，因为CDO的工作内容中还有一部分是进行公司管理和战略决策，而这不属于数据科学家的工作范畴。谈到数据科学家应该具备的能力，托尼·杨将其归纳为以下几点：第一， 数据科学家不是传统的IT人士，它的工作中既包含IT的成分，也包含业务的成分；第二，数据科学家具有很强的逻辑分析能力，能够了解数据和信息如何与企业的业务产生关联；第三，数据科学家还拥有其他多种能力，既了解信息、业务以及数据如何在企业中流动，也知道如何将信息整合在一起，这是数据科学家拥有的独一无二的能力。

数据分析师 姗姗来迟

其实，数据挖掘并不是一项新技术，已经有几十年的发展历史了。对于用户来说，如果只是招聘技术人员对相关算法进行研究，那是没有止境的。现在，很多用户都说要做大数据， 比如NBA球队在比赛中别出心裁地引入了数据分析技术，甚至有些房地产企业也宣称要做大数据。有人笑称，现在是全民皆大数据分析的时代。真正有用的大数据人才应该可以分辨出哪些工作可以做，而哪些工作不必做。

与CDO、数据科学家比起来，数据分析师虽然不太起眼，却大量存在，并且已经是一支庞大的专业队伍。2008 年4 月，数据分析行业的全国性行业组织——中国商业联合会数据分析专业委员会正式成立。工业和信息化部教育与考试中心也早在2003年就从国外引进了数据分析师培训和认证课程，并于2008年开始在国内大规模推广。在国内一些经济发达城市里的项目数据分析师事务所，既承接大量的数据分析项目，也从事数据分析师的培训与认证工作。

在一些金融机构、上市公司中早就开始了项目数据分析工作。在大数据的概念出现后，数据分析项目得到了越来越多企业和机构的关注，曾经默默无闻的数据分析师，包括新兴的CDO、数据科学家等职位开始受到追捧。据记者了解，国内一些知名的IT培训机构也开设了大数据方面的培训课程，不过主要还是集中在数据库方面。目前，我国数据分析与管理人才紧缺，企业必须加大招聘和人才挽留力度，同时还要大力投入关键数据人员的教育和培训工作。

大数据对所有企业来说都是一个新的机遇。企业只有拥有了像CDO、数据科学家、数据分析师这样的专业人才，才有可能将技术与业务有机地结合在一起，从而确保大数据项目的成功开展。

校企合作 大数据人才培养的基石

虽然目前大数据应用比较少，人才也比较少，但是中国的知识积累并不少，例如中国的学术界和产业界在机器学习上也有积累，现在的问题是如何将这个知识和大数据结合起来。

诚然，企业可以与学校联合培养人才，或建立专门的数据科学家团队，或与专业的数据处理公司合作，以解人才之急。

大数据人才需求分析 篇4

关键词：电力需求侧,大数据,信息化系统

随着大数据在公共管理、零售、互联网、电信、金融等众多行业快速推广, 大数据早已不是信息通信技术行业的专利, 它已经渗透到当今的许多行业。从20世纪60年代起, 中国电力行业已经进行了几个阶段的大规模企业信息化建设, 伴随着智能电网的全面建设, 以物联网和云计算为代表的新一代信息通信技术在电力行业中广泛应用, 电力数据资源开始急剧增长并形成了一定的规模[1]。电力与社会经济的发展密切相关, 电力需求变化是经济运行的“晴雨表”和“风向标”, 能够真实、客观地反映国民经济的发展状况与态势。电力大数据是大数据理念、技术和方法在电力行业的实践, 是大数据应用的重点领域之一。

随着我国智能电网的发展, 电力系统发、输、变、配、用电各个环节的信息化进程不断推进[2]。在用电环节, 由于以用电信息采集系统和营销业务应用系统为主的信息化系统的数据采集点多、覆盖范围广, 积累了大量的数据资源, 各类业务数据从总量和种类上都已颇具规模, 为智能用电大数据的研究工作提供了数据基础。因此, 研究面向电力需求侧的大数据技术, 实现企业级数据资源整合及共享利用, 具有现实意义。

1 面向电力需求侧的大数据典型应用案例

在电力大数据的科学研究和工程应用方面, 美国一直走在前列, 技术研究主要集中在研发电力大数据平台及工具, 建立数据共享与管理框架, 开发建模与分析方法, 数据分析结果的可视化展示等几个方面。欧洲各国的电力公司对大数据的重视程度远不如美国的电力公司。欧洲国家近五年聚焦在部署电网分布式传感器和控制系统上, 包括智能电能表, 对用户采集数据进行分析。以下是几个面向电力用户的大数据典型应用案例。

1.1 UCLA 电力地图

美国加州大学洛杉矶分校 (UCLA) 、加州可持续发展社区中心、洛杉矶水电部及政府规划研究办公室共同开发了洛杉矶电力地图 (LA电力地图) , 将街区平均收入、建设时间、占地面积等信息全部集合在一起, 以加州地图形式展示了2011年1月到2012年6月之间街区层级的月均耗电量 (k Wh/ 月) , 从而得出更为准确的社会各群体的用电习惯信息, 为城市和电网规划提供了直观有效的负荷预测依据, 作为城市内能源应用趋势的可视化分析工具, 该地图有助于更直观地讨论如何进行能源投资, 提高能源效率以及制定公共政策。洛杉矶电力地图如图1所示[3]。

1.2 C3 能源分析引擎平台之电力用户分析工具

美国C3 energy公司开发的C3能源分析引擎平台 (C3Energy Analytics Engine) , 将多个分散电力系统数据存储在云平台上, 与工业标准、天气预报、楼宇信息、持久协议和其他外部的数据相结合;基于该平台开发了3个分析工具, 其中之一即为C3电力用户分析工具 (C3 Energy CustomerAnalytics) , 为公司、商业用户及居民用户等提供能源投入冗余分析、能耗基准点、节能计划、电力用户空间视图等服务类应用[4], 其界面如图2所示。所开发的系统已在美国的巴尔的摩燃气电力公司 (BGE) 、太平洋燃气电力公司、东北电力公司 (Northeast Utilities) 等投入应用。

1.3 法国电力公司基于大数据的用电采集应用系统

法国电力公司 (EDF) 在2009~2011年期间已安装25万台智能电能表Linky (见图3) , 截至2020年计划安装3500万台, 主要采集个体家庭的用电负荷数据, 并以电能表数据、气象数据、用电合同信息及电网数据等为基础, 开发了基于大数据的用电采集应用系统[5]。目前, 法国电力公司以用户用电负荷曲线的海量存储和处理为突破口, 利用大数据技术, 开发能够在规定延迟时间内完成的复杂并行处理计算能力, 并搭建了大数据存储架构, 以此为基础构建了分布式数据发生器CourboGen系统, 用于生成用户用电负荷曲线及其关联数据。

1.4 E.ON 大数据智能用电研发中心

2013年4月, 德国E.ON公司与爱立信 (Ericsson) 公司建立了位于瑞典的大数据智能用电研发中心, 爱立信为E.ON提供了提高数据传输速率的技术支持, 将60万只智能电能表节点的数据以天为单位导出, 将数据传输速率提高了3倍, 该中心同时提供咨询及系统集成服务, 包含远程抄表及控制, 电表管理、监测, 服务层协议 (SLA) 管理, 资产管理, 商业过程管理, 现场服务等[5]。2013年9月, E.ON公司与IBM公司合作建立了位于德国的智能电能表数据中心 (E.ONMetering) , 该中心利用IBM的智能云及智能能源服务能力平台 (IESEP) , 旨在改进智能电能表使用及管理功能, 简化新能源集成工作。

1.5 国网江苏省电力公司营销大数据智能分析系统

自2013年开始, 我国电力企业着眼于用电与能效、电力信息与通信、政府决策支持等电力需求侧领域, 开展大数据应用关键技术研究, 并进行数据中心建设。国网江苏省电力公司于2013年率先开展营销大数据智能分析系统建设, 初步实现电力看经济、电力看民生、用户用电行为分析三方面的应用, 系统采用hadoop分布式批处理技术处理数据, 半个小时可计算全省每日用电量;目前已建立包括电量、电力负荷、地理信息、气象数据、行业类别、变压器容量、电压等级在内的多维度数据分析模型, 根据海量数据, 关联性分析江苏的产业结构、经济走势、房屋空置率、区域消费能力等情况, 并开发了对数据分析结果的可视化展示界面;系统另设有电力用户搜索引擎, 可查询用户每日用电量情况, 用于用电行为分析。

2 支持电力需求侧的信息化系统应用现状

中国电力行业信息化起源于20世纪60年代, 从初始的电力生产自动化到20世纪80年代以财务电算化为代表的管理信息化建设, 再到近年大规模的企业信息化建设[1], 我国电力公司建立了多个服务于电力用户的信息化系统, 包括用电信息采集系统、营销业务应用系统、95598客服系统、电能服务管理平台、地理信息系统和气象预报系统等, 积累了大量的数据资源, 业务数据从总量和种类上都已颇具规模, 使智能用电的推进工作具备了良好的数据基础。

2.1 用电信息采集系统

用电信息采集系统是通过对配电变压器和终端用户的用电数据的采集和分析, 实现用电监控、推行阶梯定价、负荷管理、线损分析, 最终达到自动抄表、错峰用电、用电检查 (防窃电) 、负荷预测和节约用电成本等目的, 为企业经营管理各环节的分析、决策提供支撑, 为实现智能双向互动服务提供信息基础。目前国家电网公司已在27个省公司部署, 累计实现采集覆盖用户数2.42亿户。根据现有采集系统的规模, 国家电网公司范围采集系统每年数据增量超过200TB。

2.2 电力营销业务管理系统

营销业务管理系统用先进、统一的数据和技术平台。该系统功能主要包括客户基础档案信息、业扩报装流程信息、每月抄表核算信息、收费账务信息、分布式电源信息等几类数据, 为营销业务提供了规范化和标准化的管理, 促进了营销服务的集约化发展、精细化管理和标准化建设。根据系统数据规模进行估算, 国家电网公司范围内营销业务应用系统数据总量约为140TB。

2.3 95598客户服务系统

95598客户服务系统包括业务支持系统、呼叫平台、智能互动平台、基础支撑平台和运营管理系统。主要内容包括集中全网27家单位客户档案数据;中心业务系统与27家省 ( 市 ) 公司营销系统集成, 实现业务工单、电量电费、停电信息实时交互, 排班管理、人员管理、质检管理、现场管理等模块。2014年将实现全网全业务集中, 加强中心信息系统运行保障支撑, 完成业务、IT运维等资源统一监控;提升外部服务能力, 完成95598网站、移动APP、微信、短信等电子渠道协同运营。

2.4 电能服务管理平台

电能服务管理平台包括有序用电管理、宏观经济分析、用户电能服务、节能服务管理、知识库管理等业务模块, 为政府、电网企业、用能单位、节能服务机构和社会公众提供业务支撑和服务。该平台采用“两级部署、多级应用”方式在总部、网省部署一套业务系统, 考虑安全和使用要求, 系统分信息内网、信息外网分别部署相应模块, 内外网之间采用安全隔离设备进行安全隔离, 保证内外网信息交互的安全性。电能服务管理平台的数据架构分为数据源、支撑数据和业务应用数据三个层次。具体数据包括:DSM目标责任考核数据、有序用电管理数据、需求响应管理数据、售电市场分析数据、节能服务业务管理数据、用户用能数据、客户档案数据、电量电费数据、有序用电负荷数据等。

2.5 地理信息系统

电力GIS是将电力企业的电力设备、变电站、输配电网络、电力用户与电力负荷和生产及管理等核心业务连接形成电力信息化的生产管理的综合信息系统。它提供的电力设备设施信息、电网运行状态信息、电力技术信息、生产管理信息、电力市场信息与山川、河流、地势、城镇、公路街道、楼群, 以及气象、水文、地质、资源等自然环境信息集中于统一系统中。通过GIS, 可查询有关数据、图片、图像、地图、技术资料、管理知识等。

2.6 气象预报系统

电网运行的多个环节都会受到温度、湿度、风速和降水量等气象条件的影响, 通过天气预报获取未来天气状态的信息, 可以提前预知气象因素对电力生产和电网运行的影响, 提前预防和避免电力生产中由于气象因素影响造成的经济损失。在配电环节, 数值天气预报可以服务于分布式新能源功率预测和高精度母线负荷预测等领域;在用电环节, 数值天气预报可服务于智能家居与高效能设备管理, 用户电源与储能设备接入等领域。

3 电力大数据应用的瓶颈问题分析

(1) 数据融合存在障碍。由于用户侧多个信息化系统在建设初期缺乏统一规划, 开发厂商根据各业务部门的需求独立开发, 导致数据结构不统一、同种数据重复存储、统计计算模型不一致、时间颗粒度难统一等一系列问题, 难以形成全面的数据共享, 与其他专业部门的系统存在数据壁垒。数据融合是大数据分析的基础, 打破数据壁垒, 实现信息共享是大数据应用的关键。

(2) 数据质量参差不齐。系统建设之前对档案质量管控不足, 统计数据在颗粒度、维度、统计方式、完整性、一致性和准确性等方面千差万别, 历史数据难以收集和整理。此外, 部分数据尚需手动输入或修正, 采集效率和准确度还有所欠缺。数据质量的高低、数据管控能力的强弱直接影响着大数据分析的准确性和实时性。

(3) 硬件设备承载力有待提升。近些年, 电力数据呈爆发式增长, 现有的系统架构和硬件设备只能够满足日常业务的处理要求, 用电侧信息化系统对数据储存的颗粒度小, 而且存储时间要求长, 这对其数据存储和处理能力、数据交换能力、信息网络传输能力以及数据展示能力都提出更高要求。需要对现行硬件及时升级改造, 提高系统运行效率和稳定性, 支撑大数据分析工作。

(4) 隐私保护和信息安全面临挑战。电力需求侧大数据必然会涉及众多用户的隐私, 由于目前用户数据的收集、存储、管理与使用等均缺乏规范, 更缺乏监管, 主要依靠企业的自律保护隐私, 因此对信息安全也提出了更高的要求。电力企业地域覆盖范围极广, 各类防护体系建设不平衡, 信息安全水平不一致, 因此亟需从技术手段和政策法规两个层面解决用户隐私保护和信息安全面临的挑战。

4 结束语

面向电力需求侧的大数据技术, 不仅仅是电力需求侧管理领域在技术上的进步, 更是在发展理念、管理体制和技术路线等方面的重大变革, 可为未来智能用电技术的广泛推广应用提供坚实的数据基础。此外, 电力大数据的有效应用可以面向行业内外提供大量的高附加值的内容增值服务。我国电力需求侧管理的发展, 亟需充分利用现有信息化系统和大数据技术, 探索目前瓶颈问题的解决方法, 挖掘海量数据蕴藏的价值。

参考文献

[1]中国电机工程学会.中国电力大数据发展白皮书[R].2013.

[2]宋亚奇, 周国亮, 朱永利.智能电网大数据处理技术现状与挑战[J].电网技术, 2013, 37 (4) :927-935.

[3]Martin LaM onica.Los Angeles Maps Electricity Use at the Block Level.http://www.technologyreview.com/view/512991/los-angeles-maps-electricityuse-at-the-block-level/.

[4]http://www.c3energy.com/product-enterprise.

大数据分析 篇5

如今，大数据分析和云计算是全球企业最为关注的两大 IT 话题，大数据分析提供独具价值的洞察，帮助企业打造竞争优势，启迪创新，推动收益增长。作为 IT 服务的交付模式，云计算可以增强业务灵活性，提高生产力，同时增加效率，降低成本。

2大数据能给我们带来什么？

中国社会的急剧发展带来了数据的暴增，从街头的交通摄像头到商场的打折信息，再到网商的用户资料、信息，无不充斥着大量的数据，而在这背后，如何找出有用数据，如何发现规律，如何找到新的商业机会？

大数据究竟能给我们带来什么？

信息时代的特征之一就是数据的密集爆发，而这种数据的变化没有一个循序渐进的过程，呈现跨越式的特征。比如手机里的信息不断地堆积，从最开始的通讯录到短信、彩信，再发展到现在的智能手机时代，更多的来自于应用的数据如微博等正在积累起大量的数据信息。放大到社会而言，产生的数据更是异常庞杂。毫无疑问，大数据时代已经来了。

什么是大数据？，数据已从 TB 级别跃升至 PB 级别；对大数据，现在比较流行的是用 4 个“V”来总结其四个层面的含义：容量巨大（Volume）

数据类型多（Variety），从普通的文字、视频、图片到逐渐增多的地理位置信息等，类型纷繁，已无规律可循；价值密度低（Value），以视频为例，在连续不间断监控过程中，可能有用的数据也许只有一两秒；处理速度快（Velocity），实时分析对某些应用才更有意义，而不是批量式分析，即时处理已经成为趋势之一。

大数据的发展趋势和带来的机会

在大数据概念出来之前，个人制造的数据往往被忽略，企业数据被谈及的更多。企业内部的数据多数都是结构性数据，并被企业在或多或少地利用着，无论是数据挖掘还是商业智能化应用都已经初露端倪。面对这些应用需求，企业依托自身的数据库系统就可以解决，例如应用少量 x86 服务器、客户端，再加上 Sybase 系统、Oracle 系统、Unix 系统等。

随着互联网的快速发展，在企业数据还没有井喷的时候，我们就发现个人用户以及社会应用产生的数据已经开始爆发了，比如社交、交互式应用带来了大量的网络数据，这种非对称性数据充斥在我们周围，包括网络日志、点击流、电话记录、医疗记录、传感器和监控摄像头等等，各种来源的巨量数据种类丰富，让人无所适从。此时传统的硬件设备开始显得捉襟见肘，无法满足这种庞杂数据带来的应用需求。很多时候，也许我们会认为这些数据里会有价值，但是却不知道如何挖掘这些数据的内在价值，数据成为了堆砌。因此，对于数据精准分析的需求正在呼唤做数据分析的厂商们拿出下一步的举动。

比如说，在淘宝庞大的用户群中，淘宝卖家如何精准掌握一个新用户的需求？一家饭馆如何利用细节满足每一个食客对于美味的需求？越来越多的应用需求推动着大数据的发展。更主要的是，未来可能各种传感器会出现在社会的各个地方，数据会更多，比如交通、医疗等等，数据的采集已经不是问题，难点已经转换为处理和分析。如此巨量的数据，处理难度可想而知。

大数据给中国市场带来什么？

大数据应用需求在中国更加明显。中国人口众多，各行各业都呈现出极快的增长速度，电商、快递、微博、社交等都承载了大量的个人信息；大型超市、卖场、商场、银行等集聚了大量交易信息，日新月异的城市建设中，连接着更多数据采集传感器和嵌入式设备的物联网开始成型……大数据的时代正在到来，不仅有机遇，也存在挑战，且机遇大于挑战。

目前，网络搜索曾经在数据分析方面获得了一些机会，但远远不够，而且也是在相对偏窄的一个区域内利用信息，更多的数据散落在社会各个环节中，梳理分析出这些大数据带来的商业机会逐渐凸显价值。在中国市场，工信部发布的物联网“十二五”规划上，把信

息处理技术作为4项关键技术创新工程之一提出来，其中包括了海量数据存储、数据挖掘、图像视频智能分析，这都是大数据的重要组成部分。而另外 3 项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也都与大数据密切相关。

大数据背后的商业机会

在实现大数据的过程中，硬件和软件供应商都可以找到合适的位置和方法来实现自身的价值，因为大数据的实现需要硬件具备足够的性能、灵活性以及可靠性和软件层面的优化支持。从目前的企业计算领域来看，IA架构是承载和实现大数据的理想平台。对于数据分析来说，基于英特尔至强处理器的双路/多路平台具备开放式、普及性、易优化、灵活易扩展等特点，是实现大数据应用的出色载体。英特尔的双路至强处理器已经通过实践验证了自身在计算能力的领先性，而以其为基础的主流服务器和存储系统具备无可比拟的扩展性。对于商业智能来说，基于英特尔至强处理器的多路平台则具备高性能、高能效、灵活扩展以及高性价比等优势。

此外，英特尔还拥有类似于英特尔发行版 Hadoop 这样的开源分布式架构以及相关的软件工具如编译器、函数库等，英特尔已经形成了完整的大数据解决方案。英特尔提供经过验证的方法和工具来优化 Hadoop 部署，包括具有代表性的 Hadoop 应用集合 HiBench，和基于数据流的 Hadoop 性能分析工具 HiTune 等等。Hadoop 对海量数据处理的支持，可以让用户不再依赖价格高昂的大型专有设备，而是通过大量 x86 服务器集群就可解决——利用较高性价比的 x86 服务器来搭配并行计算架构，从而可以以最符合经济效益的方式完成庞大的计算任务。

对于国内市场而言，对于大数据应用机会的重视和抓取已经越发明显，作为世界上人口最多的国家，中国产生数据的潜力可想而知，即便能掌握其中一部分大数据，对于企业发展也具有不可估量的价值。比如微博等社交网络平台上产生的大量碎片化信息，如果被合理应用，并精准分析、管理、挖掘这些数据的内在价值，那么就能掌握下一个互联网发展机会抑或革命，这还仅仅是互联网层面，放眼到全行业，可以利用的机会则更多。而英特尔与产业合作伙伴的强大产业生态链能够满足行业需求的同时在大数据时代用创新技术将大数据背后的价值一一呈现，并促进更多商业机会的出现。

3大数据：落地正当时我们正处于一个信息大爆炸的时代：宽带普及带来的巨量日志和通讯记录，社交网络每天不断更新的个人信息，视频通讯、医疗影像、地理信息、监控录像等视频记录，传感器、导航设备等非传统 IT 设备产生的数据信息，以及持续增加的各种智能终端产生的图片及信息，这些爆炸性增长的数据正在充斥整个网络。据权威市场调查机构IDC预测，未来每隔 18 个月，整个世界的数据总量就会翻倍；到 2020 年，整个世界的数据总量将会增长 44 倍，达到 35.2ZB(1ZB=10亿TB)。“大数据”时代正在来临！

“大数据”的价值

所谓“大数据”，一般具有几个特点：首先是数据量很大，已经从 TB 级跃升至 PB 级；其次是区别于传统的数据结构，“大数据”时代的数据结构比较复杂，超过 80% 都是非结构化数据，比如道路上的视频监控数据、网上的流媒体数据、物联网中 RFID 的感应数据，以及社交网络上产生的各种数据等。这两个特点，给数据存储、管理和挖掘带来了困难。第三，数据更新快，比如视频监控每秒钟都在进行，微博随时都有人在更新；最后，是对数据的随机访问，这些更个人化的数据在存储后被再次访问的时间是不确定的。这两点就要求新的IT系统更够更快地处理数据，并且能够更智能地保存和管理数据。比如在某一天，你需要从监控录像中找出某个人，那么就需要能够迅速地查找、调用、分析之前保存的海量数据。“大数据”的这些特点，对数据搜索及管理提出了更高要求，因为在“大数据”时代只有经过分析提炼的关键数据才有价值。

全球知名咨询机构麦肯锡在关于“大数据”时代的研究报告中指出，数据已经渗透到了每一个行业和业务职能领域，逐渐成为重要的生产因素；人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。在互联网时代，数据本身就是资产，而“大数据”则意味着这些资产正在变得庞大无比。虽然云计算可以为数据资产提供保管的场所和访问的渠道，但如何盘活数据资产，使其为国家治理、企业决策乃至个人生活服务，则是“大数据”时代的核心问题。这就好比一座日益膨胀的矿山，虽然其中蕴含着大量的贵金属，但是要想获得这些价值，就必须解决筛选冶炼的问题。

“大数据”对IT解决方案提出更高要求

在“大数据”时代，超过 80% 的数据都呈现非结构化状态，这些数据正在持续不断地增加，并且需要长时间存储，非热点数据也会被随机访问。这种情况与传统的、基于关系型数据库的核心数据存储方式有显著的差异。这种差异，使得传统的数据存储和管理解决方案无法胜任“大数据”时代的分析、管理和挖掘工作。传统的关系型数据库以及数据分析软件处理的结构化数据通常是GB级别的，很难适应“大数据”时代 TB、PB 级复杂数据类型的检索分析。同时，因为“大数据”时代数据每时每刻都在快速增长，传统解决方案也无法适应这种近乎无限的扩张性。为了适应“大数据”时代的到来，企业需要从技术、应用、硬件等各个层面做好准备，采用更新的IT解决方案，才能满足“大数据”收集、存储、管理和分析的要求。

“大数据”时代的IT解决方案，需要容纳数量庞大的用户和数据生产者，能够从企业及社区网络、移动智能终端、传感器及物联网、定位及地理信息设备中获得大量的视频、语音、图片、文字、产品信息、地理信息、时间信息等非结构化数据，并对这些海量复杂数据进行分析和挖掘，从而获得真正有价值的数据用于后续的经营。这种应用模式，要求“大数据”时代的IT解决方案具备可变的数据接口和高效的数据导入、管理、分析、统计技术；能够支持PB级别的数据、支持非结构化以及结构化数据、支持每秒万次级查询，拥有更高的系统可靠性以及更高的统计分析效率，这就对计算能力、内存数据处理能力和管理能力提出了非常高的要求。

对于企业而言，“大数据”时代爆炸性增长的数据既是巨大的机遇，也将是巨大的挑战。在“大数据”时代，IT解决方案既要能够更高效、低成本的存储和管理，也要能够更快速、灵活及稳定的检索和分析。而在这些方面，已经有不少厂商在努力围绕大数据整合解决方案，英特尔就是其中的佼佼者。首先，IA 架构广泛的普及率可以为企业提供更高的一致性，是承载和应对“大数据”的理想平台。英特尔® 至强® 处理器拥有更高的计算性能和内存数据处理能力，以其为核心的服务器和存储系统具备开放式、普及性、易优化、灵活等特点，具备无可比拟的扩展性，非常适合应对“大数据”的挑战。除此之外，英特尔还有包括 Hadoop 这种开源架构等软件方案（如编译器、函数库等），也将对“大数据”的处理提供了更高的效能。这些软件方案通过优化底层算法，可实现更高的应用效率和更均衡的计算存储分布；与英特尔硬件技术相结合，可以提供更高的平台性能。同时，还能提供跨数据中心的HBase数据库虚拟大表功能，并且实现了 HBase 数据库复制和备份功能，在功能方面也更适应“大数据”时代管理分析的需要。这一切，都为收集数据、分析数据、优化数据、利用数据提供了坚实的基础。

中国的“大数据”时代

“大数据”时代的核心应用就是对已知的数据进行分析来为未来发展和企业经营提供参考。作为一个人口大国，中国在“大数据”时代拥有巨大的机会和挑战。机会在于，我国拥有世界上最多的人，从而可以提供最多的数据以供分析挖掘。而挑战则是，我们怎样才能从海量的数据中找出价值。凭借庞大的人口基数和市场，我国各行各业的规模都在不断扩大，从而制造出庞大的数据。电商、快递、企业的网站和IT系统都承载了大量的数据；传统的大型超市、卖场、商场也集聚了大量的信息。特别是移动互联浪潮下各种手持智能终端的普及和定位设备的应用，也在不断产生大量的数据。如果能够对这些数据进行分析挖掘，找出有价值的信息，就能够大大促进中国企业的发展。比如，电信运营商可以对客服中心的数据进行分析来建立客服中心智能辅助平台，帮助运营商把客服中心从成本中心转变成营销中心；汽车厂商可以分析各大汽车论坛用户的海量评论来监控品牌口碑及舆情；电商企业可以分析用户的各种历史数据来挖掘用户的喜好，从而实现精准营销。面对“大数据”带来的机遇和挑战，我国政府在物联网“十二五”规划上把信息处理技术作为 4 项关键技术创新工程之一提出，其中就包括了海量数据存储、数据挖掘、图像视频智能分析等“大数据”相关的重要技术。而另外 3 项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也都与“大数据”密切相关。

“大数据”的未来

“大数据”的到来已经无可阻挡，这将考验我们的技术是否跟得上数据的爆炸。比如，智慧城市的建立将改变现在的城市生态，但是作为信息采集源头的数万个摄像头，如果通过实时高效的图像分析而实现有机结合，就是我们需要解决的问题。英特尔作为IT上游领导厂商，通过深入了解 OEM 厂商、ISV、SI 甚至用户的需求，将产业链上的每一环都紧紧扣在生态系统周围，使之发挥最大的能动性，来应对“大数据”时代的挑战。在电信、石油、交通、医疗以及制造等行业，英特尔以开发的架构支持新型的商业智能，将这一生态系统的力量发挥到极致。信息就是资源，谁掌握了“数据”，谁就掌握了未来。掌握大数据，就在当下。英特尔将利用各种软硬件技术资源，帮助合作伙伴发掘数据价值，从而应对“大数据”时代的挑战。

4大数据背后隐含的“商业秘密”

信息的密集爆发，带来了大量的数据堆积，数据的变化几乎没有一个循序渐进的过程，砰然爆发的速度太快了，从居家到社交，从生活到工作都会形成大量的数据，无论是有用的还是无用的数据都围绕在我们周围。我们不会在意大量的数据，但是对自己有用的数据是很在意的，最简单的一个例子，我们手机里的信息就不断地堆积，通讯录在增加，还有邮箱，如果说以前仅仅是短信息，那么现在还有彩信，照片，包括微博等等都堆积起大量的数据信息。

数据多了就显得凌乱，甚至乱序，而这仅仅是我们个人的一些信息就显得如此驳杂和繁多。那么对于社会公共信息来说，堆积起来的数据信息是超海量的，汇总进而分析这些数据的价值就变得非常关键，而且也潜在着非常巨大的商机。

大数据应用场景之一

每天开车上街，司机们很在意的是测速摄像头，对于公共资源维护者来说也在意这些数据，当然他们不仅仅是测速，更多的是道路信息采集。什么路段拥堵了，哪个路口出交通事故了，一些城市已经树立了交通指示屏，可以非常清晰明了地为司机提示哪条路段现在是什么情况，拥堵还是畅通，有没有交通事故等等，这都是对数据采集后的分析结果呈现。之前，我们在城市的路口常常可以看到很多交通地图，不过现在这种平面单一的指示正在被数字标牌所取代。当然不仅仅是路口，在商场、电梯，地铁、候机楼、包括楼宇的户外广告等等，都已经不再是简单的一个平面美女，更多地已经开始呈现数字化了。

大数据应用场景之二

各种尺寸的屏幕动态化呈现更多信息，如果说以前我们还惊奇于滚动的数字屏幕，那么随着信息化的快速发展，单纯地动感已经无法满足我们的需求，更广泛的信息呈现才是更迫切的一种需求。而且这种需求是双向的，对大众和商家都很重要。于是智能化数字标牌出现了。这类产品具备了互动的功能，用户可以用触摸或者体感的方式和它们进行交互操作，同时，它们都是联网的设备，可以与数据中心或者其他的数字标牌进行数据的传递，还可以搜集并分析数据，为不同的人群进行定制化的互动展示。这就是大数据的一种应用。英特尔还推出了一套智能系统，通过在数字标牌上的应用，实现丰富的功能。

大数据应用场景之三

在大量数据的背后，如何找出有用数据，如何发现规律，如何找到新的商业机会？大数据，带来了一个全新的机会，这个机会需要软硬件的结合，需要大型数据的分析能力。在这方面，英特尔给予了硬件方面的强力支持，这里的硬件不仅仅是服务器端的，还有更多的终端产品，包括微小终端等等，都呈现数据分析后的结果以及快速分析的过程。

比如，英特尔的一款采用了酷睿 i5/i7 处理器的虚拟试衣镜 K-mirror。它能够通过红外线感应器，将试衣者的人体轮廓抓取出来，配合深度感应器测算人体与屏幕的距离，最后将预先存储在魔镜里面的虚拟衣服自然地搭配到试衣者的身体上。借助 K-mirror，试衣者无需穿上婚纱，便可以轻松、快速地进行选择与搭配，使得以往复杂繁琐的婚纱挑选与试穿过程变得简单随意且妙趣横生。目前已有众多婚纱影楼、服装零售店铺安装了这款体感式虚拟试衣镜，吸引了大量顾客体验这种高科技的试衣感受。

大数据应用场景之四

在移动市场我们常常听到精准营销，包括广告的投放等等。但是广告投资商非常在意的是自己的投放究竟获得了多少的回报和收益，或者自己的投放带来的反馈又是什么，在哪里的投放获得最大的回报率？这都存在着大量数据的分析和归纳。有国外媒体报道，eBay 的数据库每天增加 50TB，每天最少都有数百万次的商品查询，数据库每日增加 1.5 兆笔记录，数据库的总容量则已超过 9PB。每天新增的数据量庞大，数据库也极其庞大，从中分析顾客的浏览、消费行为就变成了一件很困难的事情。

大数据应用场景之五

再比如 Facebook，每天都有数亿用户留下庞大的数据，包括大量的图片、影片等传统数据库系统较不擅长的非结构化数据。针对网络社交平台，一些公司已经开始研究和布局大数据的关键技术──Hadoop。基于 Hadoop 的海量数据分布式处理，可以不再依赖价格高昂的大型专属设备，而通过自建大量 x86 服务器群集来解决。它利用大量平价的服务器，搭配并行计算架构，以最符合经济效益的方式创造庞大的计算量。而且，英特尔可以提供经过验证的方法和工具来优化 Hadoop 部署，包括具有代表性的 Hadoop 应用集合 HiBench，和基于数据流的 Hadoop 性能分析工具 HiTune 等等。

大数据应用之中国机遇

上述五个应用场景代表着现在市场和行业里对于大数据时代的典型描述，而对于国内市场而言，大数据分析和应用的机会也颇大，因为中国的用户量太庞大了，产生数据的潜力不可估量，如果能掌握其中一部分大数据就对企业发展具有意想不到的价值。我们正面临着大数据工业革命，不仅包含传统的结构化(或关联型)数据，而且也包含各类非结构化、非对称性数据。这些数据不仅尺寸庞大，而且增

长速度更快于摩尔定律。可以说，谁能合理地分析、管理、挖掘这些数据的内在价值，谁就有可能成为下一个行业巨头。

大数据之背后的故事

大数据人才需求分析 篇6

IBM一直注重与中国高校的协作创新，关注信息技术领域的人才培养。在年初举办的2012教育部—IBM高校合作项目年会上，IBM就表示将重点围绕协作创新、高价值人才培养以及国际合作三个方面，培养掌握新一代专业技术的研究、工程和管理人才。此次IBM与北京交通大学软件学院的合作，正是IBM对所做承诺的有力呼应。北京交通大学软件学院院长卢苇，IBM中国开发中心信息管理总经理朱辉，IBM大中华区大学合作部总经理王浩，中国民生银行总行科技部副总经理、总行数据中心总经理牛新庄出席了本次活动。

IBM中国开发中心信息管理总经理朱辉表示：“当前，越来越多的组织已意识到大数据时代下信息管理人才的重要性。此次合作共同开发的信息管理方向系列课程，将引入行业实践，帮助学生掌握社会和产业真正需要的技术能力，为今后步入职场打下坚实的基础，并帮助高校培养出更多市场急需的高端信息管理人才，对区域经济和社会发展起到有力支撑作用。”

北京交通大学软件学院院长卢苇表示：“对于高端信息管理人才的培养，国内高校目前在理论知识教学上已积累了很多成功经验，但与社会的实际需求还有一些距离。通过与IBM公司合作进行长达半年的研讨，我们制定了涵盖国际先进信息管理技术的人才培养方案，不仅加强了教学质量，更为学生提供了课堂外的实践机会与行业经验，弥补了学生在理论知识应用上的不足，通过人才培养和科技创新实践实现了校企互惠双赢。”

在大数据时代，越来越多的企业受困于无法有效地管理和分析海量数据，不能及时获得所需信息，从而坐等商业机会流失——这一挑战在以中国为首的新兴市场尤为突出。因此，获得掌握数据分析技能的高端信息管理人才，成为了企业当前迫切的需求。

此次IBM与北京交通大学的合作，将通过理论学习、实际操作以及业界案例分析，最大限度地帮助学生掌握信息管理的相关技能，弥补学生实践经验的不足，同时改善现有信息管理人才技能单一化，综合型、精英型信息管理人才不足的现状，共同培养市场急需的相关人才。

考虑到“大数据”时代单一型的数据库管理人才已无法满足企业对信息管理的要求， IBM在此次合作中，将首次与国内高校针对某一个学科方向（信息管理）的系列课程进行共同开发，而不再仅仅针对某一技术领域。共建课程均已经过IBM专业课程认证，并将涉及信息集成、数据仓库、商务智能等信息管理相关内容。同时在数据库领域的教学上也有所革新，课程将安排对IBM DB2和IBM Data Studio数据库产品的学习与应用，取代原有课程中数据库产品的相关技术。IBM的5名高级工程师将兼任北京交通大学高级教师，负责课程实践部分的教学以及高校的师资培训。IBM还将为相关课程授权翻印有关课件并提供远程教学课件，开放红皮书、白皮书等技术资料供高校师生下载，提供技术支持、学术讲座和各项配套服务。

IBM表示将在本次合作项目中，继续与国内高校开创协作创新的合作模式，由IBM大学合作部牵头，发动IBM中国各个部门、IBM的业务合作伙伴以及产业生态系统的其他组织共同参与到与国内高校的合作项目中。通过开展IBM 信息管理大师讲坛、IBM实验室开放日、IBM工程师体验日等诸多活动，将业界领先的商业洞察力和技术趋势带到校园，帮助学生了解行业变化，激发学生们的创新热情。IBM还将充分利用与各地高校合作时收获的知识和技术，帮助北京交通大学软件学院完善教学体系和课程大纲，提高师资力量。

此次IBM与北京交通大学软件学院的合作，抓住了“大数据”时代市场对信息管理人才大量需求的切入点，不仅共同培养人才，还通过一系列就业指导实现人才输送。根据双方约定的联合人才培养计划，IBM每年将择优录取参加IBM信息管理相关课程学习的学生，这些学生将加入到IBM信息管理实习生计划以及IBM人才库中，未来会被优先推荐给IBM公司及其合作伙伴，帮助企业掌控信息、获悉洞察，实现智慧转型。

大数据能为人才工作带来什么? 篇7

汤森路透公司依靠大数据成功预测了39位诺贝尔奖得主;阿里云机器人小Ai成功预测了《我是歌手4》总决赛的冠军;李娜运用大数据提升能力获得了澳网公开赛冠军。

“不管你认同与否, 大数据时代已经来临, 将引发人才管理服务的颠覆性变革。”今年以来, 多场人才工作大数据论坛先后在北京、上海、深圳、成都等地举办。从零星发声到系统研讨, 人才工作大数据研究日渐升温, 共识也愈加清晰。

全球现状如何?人才工作循“数”治理效果惊人

世界著名未来学专家托夫勒, 把农业文明、工业文明之后的信息社会誉为第三次浪潮, 将大数据称为“第三次浪潮的华彩乐章”。

预言正在变成现实。当下, 全球正在经历一场由大数据引发的社会革命。依靠对海量信息的挖掘、分析, 发现问题, 并预判发展趋势, 进而采取相应措施, 大数据在帮助商家锁定客户、帮助政府部门治理拥堵等方面发挥积极作用。在人才工作中, 也释放巨大威力。

企业正走在拥抱大数据的最前面。作为全球知名数据提供商, 汤森路透公司凭借对论文引用指数等指标的分析, 2002年至今, 已成功预测了39位诺贝尔奖得主。其中, 2013年11位诺奖得主中, 有8位被成功预测。

“不会量化就无法管理”已成为世界一流企业的共识。以谷歌公司为例, 为了改善管理, 谷歌基于大数据开发了一种人才保留算法, 可以成功地预测到哪些员工很有可能会离职, 从而提前为员工留任提供个性化解决方案。

无独有偶, 国际知名咨询公司普华永道在全球调研超过1000家企业、超过100万员工的基础上, 提炼出近3000个指标, 得出很多有趣的结论。比如, 离家近、不加班成为雇主被选择的重要因素。在销售机构, 3年以上工资无增长、死板的考勤制度等, 则构成了员工高离职风险。这为改善管理提供了依据。

国外的探索如火如荼, 我国也正加力推进。

为针对性地引进海外人才, 江苏徐州市通过对当地“彭城英才网络服务平台”近10万人次的点击量分析发现, 旧金山、温哥华、悉尼等11个地区点击率较高。对此, 徐州市选择到这些地方设立引才联络处, 工作更加精准、高效。

与社保、税务申报系统对接, 及时获取新增人才、流失人才等信息, 统计人才流动情况——广东中山市构建了中山市人才库, 实现了对人才信息的动态统计、流向分析。

大数据对人才个体也有巨大的帮助作用。中国选手李娜获得澳网公开赛女单冠军。其教练卡洛斯表示, 他是通过对发球速度、发球成功率、得分点等累积的指标数据的分析, 帮助李娜提升了能力。这意味着, 数据时代, 人人都可以通过大数据分析, 对成长做出理性抉择。人人皆可成才, 将从理念走向现实。

学界普遍认为大数据发展空间巨大。“想象不出大数据的威力, 就如同无法向地上的猛兽描述天空的精彩。”北京大学光华管理学院博士后穆胜说。

未来空间多大?大数据将成做好人才工作利器

在专家看来, 大数据的出现, 使得样本等于全部, 是新形势下升级人才工作的“新钥匙”。

“没有数据分析支撑, 决定将越来越不可靠。”一位地方人才工作者告诉记者, 近年来, 当地前往美国硅谷引才时, 经常会碰到其他地市的引才团队。各地扎堆的背后, 暴露出引才精确性不够。

在著名人才学专家王通讯看来, 国外的猎头公司之所以能够帮助国家、企业寻找到合适的人选, 就是因为它们有相关的数据, 而我们没有。“人家在‘猎头’, 我们在‘猎腰’‘猎脚’。”

对此, 上海社会科学院研究员高子平建议, 要积极构建海外人才大数据平台, 消除人才引进中的信息不对称。

大数据的重要功能之一, 是预测发展趋势。2009年, 甲型H1N1流感爆发的几周前, 谷歌成功预测了流感在美国境内的传播, 其结果令世界震惊。

“凭借日益增强的数据分析能力, 大数据可以解决人才评价面向未来的问题。”中国人事科学研究院原院长吴江说, 比如, 在人才岗位胜任力的评价上, 可以通过集成较长一段时间内相同岗位优秀人才的一系列特征, 利用现代信息技术, 计算出各项相同的指标, 使得岗位胜任特征成为名副其实的选人用人标准。

事实上, 除了对人才培养、选拔、使用等具体环节产生作用, 大数据对加强人才宏观管理更具帮助。“大数据时代的到来, 将使人才宏观管理从‘经验加感觉型’走向‘数据加事实型’。”王通讯指出。

不讲“因果性”, 只讲“关联性”, 是大数据的一个重要特点。在美国沃尔玛超市, 基于“购买婴儿尿布的顾客很多都要买上几罐啤酒”的大数据, 工作人员把啤酒和尿布摆在一起, 提升了销售量。

“在人才需求预测中, 如果发现了类似‘榨菜指数’‘方便面指数’这样的某种关联性, 就可以加以利用。”国家“万人计划”入选专家范代娣表示, “假如, 人才买房和子女入学有关联。通过买房数据, 就可以预测出入托入学的需求量, 提前对教育资源优化布局。”

迈向全面小康的中国正聚天下英才而用之。江苏海门市委组织部副部长张成认为, 中央印发的《关于深化人才发展体制机制改革的意见》提出, 充分运用云计算和大数据等技术, 为用人主体和人才提供高效便捷服务。让人才事业更加兴旺, 人才工作“高铁”应加快驶入大数据的新轨道。

怎么推进发展?首先要树立大数据思维

受访人士指出, 迎接人才工作大数据时代, 领导干部首先要形成大数据思维。在人才工作中, 要学习用数据思考、说话和管理。

“在这个飞速变化的社会中, 过去的经验甚至可能成为现在的束缚。”吴江指出, 以常常听到管理者抱怨“90后”员工难管为例, 就是因为过往的激励方式对他们不奏效。管理者需要不断更新自己的数据库, 学会用大数据的方法, 随时去找到合适的解决方案。信息“孤岛”是推进人才大数据工作的障碍之一。上海社科院信息研究所所长党齐民, 多年来致力于海外人才数据库建设。他常常为数据收集与整合滞后头疼不已。“不同部门之间难以实现信息共享, 碎片化, 且更新严重滞后。希望政府、企业、研究机构能找到一种共享、共建、共赢的模式。”

大数据的发展势不可挡, 政府必须在数据公开与分享方面身先士卒。最近, 中科院率先行动, 宣布其科学数据云将面向科技界和企业研发人员免费开放共享。“这将直接使创新活动减少成本, 少走弯路, 缩短研发周期。”中国工程院院士干勇说。

用数字讲话, 一个重要的前提是数据必须确保质量。“大数据是‘原油’而不是‘汽油’, 不能被直接拿来使用。”清华大学统计学研究中心主任刘军表示。

对此, 深圳福田区信息中心主任高新辉指出, 各地在建设大数据平台时, 人才的学习经历、职业背景等各种数据, 需要“清洗”后, 才能成为可以由数据挖掘工具认识和处理的有用数据, 从中寻找关系、规律, 洞察趋势。否则, 数据的失真则会直接导致结论的南辕北辙。

此外, 人才大数据安全问题也不容忽视。2014年, 一家招聘网站因漏洞泄露了涉及86万人的信息。深圳市软件测评中心主任武刚建议, “企业有责任和义务保护数据安全。要加快建立健全人才大数据的等级保护制度, 做好预防。”

大数据人才需求分析 篇8

关键词：大数据,出版企业,满足,读者需求

随着个人计算机、互联网的普及, 移动通信技术的更新换代和云技术的发展, 大数据已悄然进入出版界并成为出版界关注的话题, 而研究大数据时代下出版企业如何满足读者新需求的文章很少。本文主要从大数据背景下读者阅读需求的变化和出版企业应如何满足读者新需求两方面进行研究, 旨在帮助出版企业在大数据背景下做好转型升级工作。

1. 大数据时代悄然出现在出版业

1.1 大数据时代的特征

大数据是指大小超出常规的数据库工具获取、存储、管理和分析能力的数据集, 其主要特点概括为4V, 即Volume (数据体量巨大) 、Varity (数据类型繁多) 、Velocity (处理速度快) 、Value (价值密度低, 商业价值高) 。 (1) 大数据开启了新一轮的信息搜集与抢夺战, 在信息技术高速发展的今天, 谁掌握了数据, 谁就向成功迈出了第一步。而大数据不仅在于数据量大, 更要关心数据的完整性, 即在掌握大量数据的前提下, 对搜集来的数据进行细致的分析加工, 把隐藏在众多数据中有用的数据甄别出来, 为我所用, 建立自己完整的数据分析中心。

1.2 大数据对出版业的影响

随着信息技术的应用发展、标准化知识系统的建立与管理科学的健全, 继数字时代后, 大数据时代又悄然出现在新闻出版行业。大数据时代的到来, 给出版业带来许多新的变化:出版企业由凭借经验的传统感性行业向凭借科学分析思维的科学实证行业转变;由表面的企业信息化向真正的出版信息化企业转变;大数据时代出版企业的竞争越来越激烈, 严重考验着出版企业的信息搜集、分析与整理能力, 为出版企业的生产模式带来新的变化; (2) 大数据时代, 传播方式的改变为出版企业的营销模式带来新的挑战, 大数据还深深影响着读者的阅读行为, 读者需求的变化为出版企业带来许多新挑战。

2. 读者需求的变化

随着信息技术的发展, 各种网站、APP和社交软件操控着人们的生活与行为习惯, 也必然改变着人们的阅读兴趣、阅读方式与阅读习惯。

2.1 读者阅读兴趣的变化

大数据背景下, 读者的阅读兴趣发生变化, 他们对手机阅读、网络阅读、手持电子读物等数字阅读更感兴趣, 这种现象尤其集中在年轻人中, 相比拿一本厚重的图书找一个固定的场所阅读他们愿意在手机上下载电子书随走随读, 相比买一份报纸埋头苦读, 他们更愿意在手机上搜索相关新闻, 相比买一本杂志, 他们更愿意在手机或电脑上订购一份杂志, 现在的年轻人已经离不开手机或电脑, 他们一有时间就会拿出手机搜索和阅读相关信息。当今人们的阅读兴趣正在由纸质阅读向网络数字阅读转变, 而数字阅读的人群也逐渐向大龄化、老龄化方向发展。 (3)

2.2 读者阅读方式的变化

阅读方式向浅阅读转变。大数据时代下, 海量信息出现在读者面前, 阅读海量信息占用人们大量的时间, 使人在有限的时间内难以获取有用的信息, 但由于计算机检索技术的发展, 使得数字出版物的阅读变得更加高效与便捷, 点击或链接有关目录或词条等, 便可在大量的信息中获得自己想要的信息, 并且可以根据搜索到的信息获得更多的相关推送信息, 这就使得读者的阅读方式向浏览、搜索等浅阅读方式转变。

阅读方式向读图读网转变。随着数字出版的发展, 出版企业能方便地将厚重的文字转化为更容易理解的图片、漫画等, 使得文字与图片相互补充, 方便读者的阅读。相比难以理解的印刷文字, 读者更喜欢读图, 人们的阅读方式向读图读网转变。

2.3 读者阅读习惯的变化

阅读时空发生变化。随着手机、平板电脑等手持阅读器的发展与普及, 人们可以通过随身携带的手机进行随时随地的阅读, 改变了之前阅读时空一致性的特点, 阅读时空变得越来越随意。

阅读的享乐化、休闲化。由于人们的阅读方式向读图读网转变, 出版企业也为了在海量信息面前迅速抓住读者眼球, 会更注重图书的装帧设计, 在封面上下足功夫;在出版物的推广上也会选择大众易得的方式, 往往选择把出版物放在超市、咖啡店等休闲场所。读者在品尝咖啡的同时阅读一份拥有大量光鲜图片的时尚杂志, 相比埋头苦读一本专著更轻松愉悦。据调查, 现在大多数大学生没有看过四大名著, 可以发现读者在阅读习惯上越来越追求享乐化与休闲化。

阅读的快餐式。随着大数据进入出版界, 出版企业掌握大量信息, 出书速度变快, 出书品种增多, 加上手机等移动终端的普及, 人们阅读途径越来越便捷, 因而大多数人们选择快餐式阅读、浏览性阅读。人们读书往往浅尝辄止, 不求甚解, 看今天的贴吧、QQ、豆瓣等人们片断式的评论, 就会明显发现如今人们的阅读习惯是快餐式的。

3. 大数据时代出版企业满足读者需求的措施

3.1 提升数据挖掘能力

大数据背景下, 为出版企业带来众多数据, 如出版系统、发行管理系统、作者管理系统里的生产记录、财务记录、管理记录、资源统计等数据和客户、客服信息及用户的注册、行为记录与评价等。 (4) 在海量的数据面前, 比拼的是数据挖掘能力。大数据时代下, 要想满足读者的阅读需求, 出版社需要在海量的信息中找到满足读者需求的信息, 通过加工整理, 为读者推送满意的服务。首先, 出版企业要建立有明确目的的、明确读者对象的、不能只是宣传窗口的自己独立的网站, 做好网站的市场调研, 本身的运营、更新与推广工作, 以吸引更多的用户参与获得更多的用户信息, 通过建立这个具有个性的连接消费者与出版企业自身的数字化信息平台, 搜集读者的阅读时间、地点、方式, 图书的点击与销售情况、读者的讨论数据、编读往来沟通数据等, 并找出这些数据的相关性, 整合零散的信息为以后的出版工作做出方向性指导, 还可以通过大数据挖掘平台, 发掘竞争对象的出版信息, 分析比较最终为读者推送满意的出版信息。其次, 出版企业还需要从利用第三方平台、客户端产品的开发等方面出发, 对海量信息进行筛选, 充分做好大数据的搜集、处理、应用工作, 实现数据价值的最大化。

3.2 建立精准营销制度

大数据时代, 如何满足读者的多元化阅读需求, 为读者推送满意的服务?这需要建立精准的营销制度, 针对不同的读者推送不同的阅读内容与服务。针对年龄、性别、学历、宗教、地域等基本读者信息, 及读者的下载、浏览、购买等信息, 对同一种图书信息进行不同的整合、编辑加工, 为不同的读者推送与之相适应的内容与服务。经过大量的数据挖掘与分析, 可以把握读者的阅读喜好与习惯, 甚至可以了解到读者对作者的选择。出版企业只要做好这些方面的工作就不难做到精准营销, 从而在投其所好的基础上做到资源的充分利用, 明确自己的市场定位, 建立自己的品牌形象。

3.3 探索新型出版模式

大数据时代, 读者的身份由被动的接受变为主动的与, 越来越多的读者参与到图书的创造过程中, 这样就需要出版企业探索出一种把读者从单一被动的读书角色解放出来, 使他们参与到图书的选题创意过程中的新型众包出版模式, 通过这种众包模式, 由大众参与创作, 为读者提供更符合胃口的内容, 并能充分调动读者的阅读积极性。

出版企业还应该开发一种新的预测语义与精准推送的按需出版模式, 即在充分利用知网、万方提供的语义应用技术的基础上建立自己的语义分析技术, 让机器理解、加工、分析读者信息, 然后精准地为读者提供服务, 实现个性化按需出版模式。当然, 在按需出版的情况下, 要注意把握文化引导和需求迎合的平衡。

出版企业可以建立一种基于开放数据的可视化互动出版模式。大数据时代, 数据公开度很高, 在充分分析、利用这些数据后, 为读者提供可视化的互动出版物。豆瓣书评、中国互动出版网就是一个成功的可视化互动出版模式。

注释

11郭亚军.大数据时代数字出版服务模式变革研究经济研究导刊[J]., 2014 (4) .

22吴赟.产业重构时代的出版与阅读:大数据背景下出版业应深度思考的五个关键命题[J].出版广角, 2013 (23) :32-36.

33曾振华.浅析数字出版背景下读者的阅读变化[J].中国出版, 2010 (10) :47-48.4.[N]., 2013-10-30

大数据人才需求分析 篇9

泰克2014年春季创新论坛上所透露出来的信息表明, 测试工程师的兴趣点不仅仅在标准介绍, 而是要了解技术演进的路线, 要求得到整体测试解决方案的支持与参考。

泰克科技 (中国) 有限公司亚太区技术营销经理沈乃叡表示, 泰克公司的仪器现在并不是一味地追求性能指标, 而是更关注客户的综合需求, 加之吉时利公司的系列源表, 以整体测试解决方案为目标实现利益的最大化。

的确, 本次春季论坛北京站演讲者的主题全部从某一领域的解决方案出发, 分别涵盖了数据中心外部互联接口测试综合解决方案、数据中心的最新高速工业总线测试及SI仿真技术、突破2GHz带宽的超宽带测试系统、精确高效的电源测试方案等等。

大数据人才需求分析 篇10

一、人才引培管理模式的现状

“信息时代技术应用的爆炸性增长使得网络生活成为社会主体日常活动的重要组成部分” (2) , 全球经济发展从传统的自然资源和物质资本竞争转变为人才和知识竞争。人才是科技进步和经济社会发展的重要资源, 具有基础性、战略性和决定性作用, 人才争夺也日趋激烈。随着我国科教兴国和人才强国战略地推进, 人才引培管理机制建设越来越受到重视。许多地区相继制定了符合本地情况的人才引培管理政策, 在诸多环节中采取一系列强有力措施, 取得了显著成效。主要包括:制订优惠政策, 典型代表有北京市建立引进国内外人才绿色通道, 上海市出台人才居住证政策等;搭建创业平台, 典型代表有各地高新技术开发区的建设和重大科研项目的开发;提供优厚待遇, 典型代表有陕西省规定引进院士或国家重点学科带头人一次性提供50万元科研启动费。上述人才引培管理政策均对人才战略实施起到了巨大推动作用, 却不能从根本上解决传统人才引培管理模式缺乏全面性、科学性、准确性和指向性等问题。

二、大数据带来的社会变革

21世纪以来, 全球逐步迈入数据存储的“泽他 (zetta) 时代”, “基于规模宏大、结构复杂、类型众多到无法通过人工操作在合理时间内筛选、处理并整合的海量信息管理技术的大数据产业促成梦想照进现实” (3) 。数据成为新型科技服务和科学研究的基石, 大数据处理技术的蓬勃发展预示着又一次信息技术革命的到来。 (4) 基于多元终端与云计算技术的大数据智能堆栈推动万物互联到协同物联网的飞速演进。以Hadoop为代表的技术革新正在建构“超出传统的获取、存储、管理与分析能力的数据集成”, 推动从数据到知识再到行为的发展。百度、脸书、亚马逊等通过持续挖掘服务对象的巨量信息, 揭示用户购买意向的影响因素, 实现科学的个性化定制并推进供应链管理, 大幅降低应用企业的生产成本, 增加边缘效益, 提升商业角逐的综合能力;科研院所通过广域挖掘巨量关联资讯, 披露潜藏受试真相, 提高研究结论的可信度;教育机构通过远程聚合教学信息, 追踪每个学生的阅记内容、在线辅导次数和社交状况, 实现个性化知识传递;公权机关通过挖掘自有或自第三方获取的巨量数据, 提高社会医疗服务水平、改善居民社交识别能力、提升电网传输效率、实现交通有序调配并最优化应对自然灾害等等。“完美的数位文化使得现实与虚拟的联系愈加紧密”, 大量原始数据成为“巨大的经济与社会价值的新来源”。“立足体量巨大、类型繁多的数据载体与云计算、感知方案和分布式处理技术的大数据预测”带来的信息风暴像曾经的互联网一样不断变革生活、工作和思维, 赋予整个社会以全新的生命力和想象力, 将给各行各业带来新的思维和管理革新。社会管理各层面都在呼唤大数据, 人才引培管理机制也不例外。

三、大数据推动人才引培管理模式变革

现阶段人才需求和人才信息量大、构成多维、动态变化频繁等特点使得传统的分析模式遇到瓶颈。大数据凭借日益增强的分析能力, 可以帮助人才需求单位提升整体评价水平, 解决人才评价面向未来的问题, 使得人才需求单位凭借充分的信息支持和准确的市场判断在竞争中取得胜利。 (7) 人才的引进、培养和管理是人才强省建设的重要组成部分, 直接关系到各省份的经济社会发展水平。江苏要实现率先崛起, 就必须在新一轮人才争夺战中赢得主动, 成为全国人才“高地”。而大数据挖掘技术具备从海量资料中发掘所需人才特征的能力, 应当成为本地区低成本、高效率、全信息引进人才的重要手段;大数据技术挖掘能够尽快发现省内人才的潜力和学习软肋, 应当成为本省高效培养人才的有效工具;大数据挖掘技术注重关联分析, 应当成为本省精准配置人才, 做到才尽其用的重要方法;大数据挖掘技术重在挖掘分析, 以寻求事物发展的趋势, 应当成为本省提高人才管理水平的重要途径。有必要结合地理位置、教育水平、产业结构等合理因素, 制订出相符合的具有科学性、协调性、可操控性的人才引培管理模式的基本框架和具体措施。例如, 通过对人才基本情况、学历、专业知识、工作经历、个人绩效、工作态度、价值观等各项数据的关联分析, (8) 把人才引进到最适宜的岗位上;又如, 为了发挥每位人才的作用, 可以通过大数据挖掘技术根据人才的学科背景和工作经历, 有针对性地进行跨专业、跨领域的培养, 构建多领域的复合型人才。无锡市的“530计划”申报系统和管理系统是基于大数据理念的创新, 重在收集、分析和运用人才数据。通过对数据库每时每刻产生的数据进行及时地分析处理, 利用大数据挖掘分析技术的预见性来指引政府部门的明智决策和准确行动, 实现对人才精准高效地引进、培育和管理。这种大数据思维下的人才引培管理模式的创新使本地区在人才强省的建设道路上不断前进, 推动了江苏省的社会经济发展。 (9)

大数据人才需求分析 篇11

【关键词】汽车 智能 车联网 大数据

【中图分类号】G 【文献标识码】A

【文章编号】0450-9889（2016）06C-0191-02

随着我国汽车市场的快速发展，车联网服务在其中潜藏着巨大的发展空间。因为在中国，城市交通拥堵、交通事故、汽车尾气排放等问题日益严重，目前政府出台的限购、单双号限行、架设立交桥、建设轻轨和地铁等措施均是通过道路交通的宏观规划来解决问题，但从长远发展考虑，还急需从汽车自身挖掘出更多的长效措施，而诞生于“互联网+”和大数据时代的车联网服务是解决上述交通问题的内在关键途径。本文简要描述车联网的发展现状、多元消费需求情况，探索大数据时代的车联网在交通领域的多方应用。

一、车联网和大数据概念

车联网，是近年从物联网产业衍生出来的新兴行业，融合汽车、传感、通信、云计算、互联网、信息处理和大数据等技术，采集、传输、提取、处理和分享车辆具体位置、驾驶状态和运行轨迹等相关数据信息，实现车与车、车与路、车与人的互联互通，促进交通管理和数字城市的大力发展。

大数据，包含数字、图片、视频等巨量信息数据资料，目前不能在可承受的时间内利用常规软件，但需要新的处理模式完成数据撷取、处理、管理以及整合成用户需求的多元资讯。根据维克托·迈尔-舍恩伯格（英）和肯尼思·库克耶的《大数据时代》著作，新的处理模式不采用随机分析，而采取对所有数据进行分析和处理，提出新的处理模式需要具备更强大的决策力、价值挖掘力、流程优化能力和信息洞察力，才能应付海量的、高正常率的和多样化的数据信息资料。

二、汽车市场发展现状

2014年，中国汽车行业开启互联网和大数据模式，各方都在探寻车联网概念落地的方式。“BAT”（百度、阿里巴巴、腾讯）用地图、娱乐和信息等服务消除了车企维系多年的OBD数据壁垒，开启汽车真正进入联网模式之门。就在2014年，百度、腾讯和阿里巴巴均发布了各自特色的车联网产品，如百度的CarNet、腾讯的路宝盒子、阿里巴巴的智驾盒子，利用App和O2O服务平台，帮助车主进行汽车安全检查。2015年初，百度还对外宣布了“人、车、手机”车联网战略。同时，谷歌、微软和苹果等国外IT巨头更是大力投入研发，而西门子、先锋、德赛西威等汽车零部件供应商也在争相抢夺车联网设备这一市场。

当然，少不了各大车企的激烈竞争。2014年末，上海通用就发布了“车·联·无限”车联网战略，紧密围绕车载信息服务、移动娱乐、消费服务和智能驾驶等三大核心，进一步整合OnStar安吉星车载服务。并且，通用安吉星（onstar）、丰田G-book、日产Carwings等外资车联网设备品牌已由过去专供高端车，转化为非常普遍的车载装置，而本土汽车公司上海汽车、吉利汽车等也推出了类似的产品。

由此看出，无论是汽车厂家、大运营商，还是互联网IT巨头公司，都已纷纷布局车联网这个发展潜力无限的新兴产业。同时，许多专业网站预测，车联网服务利润将很快超越汽车硬件市场，未来私人订制的汽车互联网服务和用户在使用服务过程中产生的行为大数据将是车联网产业链的最大盈利因素。因此，围绕汽车后市场服务的车联网发展，离不开大数据的支持。

三、互联网时代的汽车服务需求

众所周知，研发任何一款产品，都应围绕顾客需求才能获得市场占有率，而基于互联网的汽车服务需求也不例外，经研究，可概括为以下几方面：

一是需要能够准确、全方位地获知车辆驾驶信息的硬件设备。随着交通事故的攀升，社会碰瓷行为频发，人们越来越渴望拥有一款能随时记录车辆行驶过程信息的电子设备，就如飞机行驶专用的“黑匣子”，可以准确记录运动状态，为交通事故提供证据。当然，现在市场上已经出现类型电子设备，比如行车记录仪，但是如果能生产出类似网球比赛的“鹰眼”设备，把监控设备、云端计算机和显示屏功能集成，那么就极大方便用户储存和利用驾驶信息。

二是需要能够及时、准确地推送最优服务信息。对车辆驾驶和周边环境的大数据进行统计、分析，得出切合车主服务需求的最佳解决方案，最终推送最优服务信息。如推送最佳的交通路线、最近的加油站位置、驾驶习惯矫正指南和保险购置建议，甚至针对熟知路段实施无人驾驶等。

三是需要拥有智能化的信息车载服务系统。利用该系统，可以像“傻瓜相机”、全自动洗衣机，尤其智能手机等自动化、智能化的产品一样，实现汽车的一键控制；还可以将局域网络里的车辆互联互通，实现车辆管理。

四、可行性分析

为了达成顾客对汽车服务的多元需求，需要探讨数据信息采集、车联网服务平台建立和有效数据模型设计等关键途径的可行性。

（一）数据采集可行性。若要实现车联网，汽车内部电器的运行数据就要传输至某种系统服务平台才能实现存储和处理。但是，目前，车企保护自有整车系统态度强硬，担心一旦汽车联网以后，便要承担各种风险。也许，只有随着车载终端设备标准化和开放性的加强，云平台作用日益凸显，移动4G时代和大数据时代衍生出的更多新产业和新商业，才能促使车企各方敞开自家的整车系统，共同从顾客角度，探索汽车新产业，最终实现汽车数据信息地便捷采集。可喜的是，车辆位置、速度和路线等外部运行信息，现在已经能够通过GPS、RFID、传感器、摄像头等装置，完成状态信息数据和运行环境信息数据的采集；利用互联网技术，可将采集到的所有车辆信息数据传输至计算机中央处理器。

（二）车联网服务平台开发可行性。采集到车辆大数据后，需要借助一个服务平台，通过计算机技术，将这些海量的车辆数据信息进行分析和处理，从而计算出满足客户需求的模式。如不同车辆的最佳驾驶路线、路况预警和交通灯周期优化等。然而，车联网涉及了多维的服务大数据，非常有必要建立云服务的大数据服务平台，具有数据管理、数据应用、服务营运和增值服务等满足内部、外部需求的功能，实现车、人、路的数据整合、分析和管理。当然，基于互联网环境和云计算技术，建立这样的服务平台可行性很大。

（三）数据算法、模型设计可行性。车辆的海量数据来自各系统终端的结构化、非结构化数据，若要满足客户或者行业的个性化服务需求，就必须通过设计相关算法、建立数据模型，例如保费风险模型和驾驶行为模型，从而充分利用和挖掘这些大数据的价值。当前，数据处理的技术和手段还需要不断进步，并且无论使用哪种数据处理技术，首先都需要完成数据的质量识别、优劣控制。然而，目前由于车型系统的多样性、车辆设备工作环境的复杂性，数据很难获取统一的质量标准，如何处理不同质量标准的数据，如何看待由这些数据产生的价值精准性，也是需要继续深入研究的重点问题。

但是，无论如何，互联网、大数据、模型算法和创新都将会快速推动车联网智能化、实用化和个性化发展，最终实现我国道路交通的精细化管理。

五、车联网大数据的应用

假若车与车、车与路、车与人实现了互联互通，那么互联网与数据分析就很容易在汽车行业生态圈的各产业环节获得更多的应用，大致可应用到车载终端设备、车辆管控、车辆安全、车辆维修、交通管理优化，以及车主保险和生活娱乐信息推送等领域。

（一）配置车载设备，采集信息数据。为了能够准确、全方位地获知车辆驾驶信息，那么汽车相关方的互联互通就首要配置OBD设备或者车联网终端设备，这样才能采集到车辆及其电器本身的运行数据，比如车速、转速、扭矩、电池电量、油耗、故障代码等。当然，还需要配备通信设备，如蓝牙、GSM基站定位或者GPS等获取车辆位置信息数据。如今，虽然许多硬件厂商推出了行车记录仪、车载导航装备、后视镜等产品，但是市场上仍急需携带相对轻便、成本较低、车辆信息较具安全保障的车载设备。

（二）充分利用大数据，提高车生活质量。现阶段，最简单、快捷的汽车直接接入移动互联网方式是汽车后装市场的企业通过联网智能硬件接入，这样可以具有相当数量的汽车作为载体实现真正的“车联网”，那么某一领域内就会搜集到海量的汽车数据。这些数据的价值利用可分为自身应用和外部应用。

大数据自身应用价值采用“大数据+云平台”的服务模式，综合汽车自身的海量数据、车主的生活环境和需求数据，如交通路况、天气情况、4S店分布、汽车保险业务、二手车消费等，再通过建立有效数据模型，对数据进行合理分析，从而为车主自身提供更准确、到位的汽车活动信息，比如推送汽车绿色出行、汽车保险和二手车市场服务，以及车载导航定位、娱乐资讯、安防系统、安全驾驶预警、节能驾驶服务以及出行诱导等多角度服务，从而封存“汽车是代步工具”的帽子，拓展汽车人性化的功能，将汽车植入人们的日常生活当中。

而大数据外部应用价值同样采用“大数据+云平台”的服务模式，汇总车载终端设备采集到的各类车辆运行数据，通过远程信息服务平台，为车主、车队或者交通管理部门提供车辆监控、车辆管理和交通优化等服务。比如为用户的安全驾驶提供监控和预警；为车队提供车辆监控、优化配置、故障排查和节能减排等服务；又如提供交通红绿灯优化服务，交通信息网络可根据路口实际车辆数据信息自动调节红灯或者绿灯的时间长度，或者定期地系统分析路口车流量信息，新建或者取消交通灯。相对于使用改造交通道路的大动作来说，这方面的业务能很便捷地从汽车自身优化使用角度，解决交通管理和交通事故问题。

（三）建立汽车智能消费系统，一键解决交付问题。如今，购物盛行计算机网络支付或者手机网络支付形式。若实现车联网后，为了在行驶过程中，减少消费支付环节，提高相关行业的服务效率，可建立汽车智能消费系统，只要触动汽车内部某一设备，如车载设备或者后视镜，便可实现汽车系统、收费系统和银行之间的数据连接，完成关联银行卡的金额自动划扣动作。汽车智能消费系统可应用至高速公路收费站、加油站、停车场、交通处罚等领域，根据不同的消费领域，系统会可将应支付的款项金额和实际支付金额发送至手机短信。

【参考文献】

[1]冯凌凌.大数据时代基于4G网络的车联网发展探索[J].网络安全技术与应用，2014（14）

[2]张江波.基于汽车诊断技术的元征车联网平台项目商业计划书[D].甘肃：兰州大学，2014

[3]芮祥麟.大数据在车联网中的应用[J].软件和信息服务，2015（3）

大数据人才需求分析 篇12

大数据(Big data)时代的到来，掀起了整个社会变革的热潮。而这种变革也正悄然推动着学校教育理念及教学模式的革新。同时随着MOOC、微课、翻转课堂等基于网络教学形式的出现以及附着在这种网络教学模式下基于对在线学习者个性及学情的分析，其更加突出的个性化教学特点也正冲击着传统大学教育的发展。因此传统大学教育思维和模式的改革势在必行。

近年来，相关学者针对大数据背景下教育改革的何去何从进行了相关研究。周湘林提出大数据时代的教育管理在履行教育管理职能的过程中将更加凸显管理的及时性、前瞻性、区分性、整合性、权变性等特点[1]。梁文鑫指出大数据时代，教师完全有可能实现对每个学生的学习数据进行分析，进而实现真正的因材施教，即将学生的整个学习过程数字化，包括教材(知识点)和学习活动[2]。喻长志认为大数据时代教师将集中于挖掘学生与学习有关的表现，最适宜学生学习的方法，而不是依赖于定期的能力测试[3]。张燕南等提出大数据时代为个性化教育指引实践方向[4]。凌宗伟认为大数据时代下，教师在知识层面将无任何优势，当学生面对网络这个巨大的知识海洋，老师的半桶水将完全失去了意义。老师存在的意义就是在知识和能力之间构造一座桥梁，这个桥梁叫做训练[5]。可见大数据时代的到来虽然使得传统高校教育已不再具备知识教育的优势，但对于传统教学而言加强职业行为导向的训练、以及人才性格素质的培养则是网络教学平台无法比拟的。

高职院校是我国教育体系中必不可少的一部分。发展职业教育是促进转方式、调结构和民生改善的重要战略举措。然而，高职院校物流管理专业招生规模与其良好的就业环境却出现了巨大反差，生源逐年萎缩，毕业生对口岗位就业偏低等正困扰着该专业的发展。这种悖论现象的产生主要是由于现阶段我国高职物流管理专业人才培养往往流于传统教与学的模式而忽视了学生就业能力的塑造。因而无论专业发展的需要还是时代的指引，高职物流管理专业人才培养模式都将面临改革。

2 大数据时代下高职院校物流管理专业人才培养的特点

由于我国高考制度以及教学体系的独有特征导致现阶段我国高职院校学生普遍存在学习基础薄弱，学习主动性不高的特点。而对于物流管理专业而言，学科体系建设尚不完善、学习内容相对枯燥，实训设施并不充足等也加剧了这一现象的萌生。因而在对高职院校物流管理专业人才培养进行研究时应更多考虑时代背景、学校功能以及学生特点几方面因素，加强对学生分析、动手能力及职业素养的训练。大数据时代背景下高职院校物流管理专业人才培养应具有以下特点:

(1)以职业行为与素质培养为主，兼顾知识传递，构造个性化教学模式。大数据时代下，网络教学平台已打破了时间与空间的界限，在为用户提供海量优质教学资源的同时，也有针对性地对学情数据进行收集分析，从而提供更加完备的个性化教学服务。可见，在知识传播方面，传统院校已不再具有优势。因而职业行为及职业素养的培养则应成为其教育的重点。因为这不仅是现代职业教育功能赋予的基本任务，更是发挥网络教育所不能企及的面对面干预沟通的优势所在。

(2)提倡企业体验式教学模式，加强学生职业生涯过程的监控及培养。物流是一个实践性很强的专业，因此培养学生专业行为能力时应更注重校内外实践教学资源的合理利用。但是鉴于我国企业参与高校教学的热度不高，且国家并没有出台强制性的规定进行限制，学生获取校外系统性实习的机会较少。因而在学校内部建立一个虚拟企业，使学生参与体验公司从操作层到管理层再到决策层各个级层的工作，能够较好弥补现阶段实践教育环境的短板。而教师在模拟过程中针对学生出现的各种问题进行监控，也能够加强学生整个职业生涯过程的培养。

(3)注重掌握学情资料的收集与分析，增强对学生职业价值观的塑造。大数据时代的到来，为我们全面量化了解学生提供了可能。在此背景下，我们应通过搜集和整理教学过程中学生遗留下来的学情资料，对其学习状况、职业素养、个性等内容进行分析，加强学前、学中和学后的干预和监控，从而能够及时了解问题并针对问题进行解决，真正的实现因材施教。

3 大数据时代下高职院校物流人才培养模式探究

3.1 基于企业运营条件下物流管理专业“三层融合”人才培养模式的提出

为使学生更好地适应职场环境并体现高职教育职业培训的优越性，借鉴公司运营机制将不同年级物流管理专业学生进行交叉分组构建公司。以学生适应公司运营中“操作层、管理层、决策层”三个层次不同岗位的职业技能为目标，以教师引导、高年级带动低年级的教学方法为手段，通过建立模块化集中培训机制以及公司竞争机制，引导学生参与企业竞争，激发学生学习兴趣。

(1)操作层。操作层是公司运营中的基础层次。学生在该层次中主要扮演基本操作技术人员，负责按照公司管理层制作的方案以及下达的命令执行具体的业务。该层次的设立旨在通过基础专业通识理论的学习以及基本操作技能的培训的学习使学生掌握物流管理的基本理论及基本技能。

(2)管理层。管理层是公司运营中决策实现的支撑层次，是决策层与操作层的连接桥梁。学生在该层次主要扮演各部门管理者的角色，负责带领部门内部员工设计方案、组织运营、负责管理沟通等内容。该层次的设立旨在通过公司各部门所需要的应用管理与操作技术培训以及部分拓展理论的学习使学生掌握物流管理的应用管理技能。

(3)决策层。决策层是公司运营中的顶端层次。学生在该层次中主要扮演各公司决策者角色，负责把握公司的战略方向。决策层的设立旨在锻炼学生在公司运营中决策能力以及根据市场竞争环境及时改变应对的能力。同时配以拓展性知识，使学生掌握了解物流管理相关前沿内容。

3.2 基于企业运营条件下物流管理专业“三层融合”人才培养模式的实现

(1)根据学生学前心理评测及相关学情进行数据分析，引导组建虚拟公司。羊群效应指出人们经常受到多数人的影响，从而跟从大众进行思想或行为。且古斯塔夫·勒庞(Gustave Le Bon)在其著作《乌合之众:大众心理研究》中提出个人一旦进入群体中，他的个性便湮灭了，群体的思想占据统治地位;而群体的行为表现为无异议、情绪化和低智商[6]。我们可以这样定义一个优越的团队组合可以带动团队成员的进步，甚至会影响消极队员的表现，而消极的团队则影响团队整体的积极性以及效率。因而在团队组建前，加强对团队个性的塑造对团队成员的成长十分必要。鉴于上述原因，在构建虚拟公司人员组合前，应根据学生学前心理评测及相关学情信息，对学生性格以及职业生涯倾向做出量化分析，从而指导虚拟公司的人员分配，保障团队组成对公司形成正向指引。

(2)结合MOOC、微课、翻转课堂等教学手段及资源构建集中培训教学机制。现阶段高职物流课程设置跨度时间长，且多门课程内容重复性高、学生掌握程度相对较低。因而为减少因课程设置带来的负面影响、提升学生学习积极性，应构建以阶段化集中教学为主的模块化培训机制。同时，在模块化集中培训中，引入MOOC、微课、翻转课堂等教学手段及资源，通过学生自学为先，教师解疑为后的模式，在培养学生自主学习的能力的同时，提升学习效率及知识广度与深度。

(3)以兴趣至上，能力为纲，构建以角色体验为主的虚拟公司运营教学机制。以综合物流公司作为学生岗位角色体验的载体，在实施公司制辅助教学的过程中，充分利用“以师导学，以老带新”的理念，实现资源的有效利用。该机制的实施从以下3个方面进行考虑:第一，通过将技能学习与岗位角色体验相结合，进行岗位设置。虚拟物流公司由全校物流管理专业学生共同组建，其中操作层、管理层以及决策层相关人员根据层次要求、学生学前分析以及兴趣进行分配。第二，建立以项目招投标为核心的公司竞争机制，以项促学，提升学生竞争意识以及参与兴趣。通过向各公司发放招标公告，由公司完成竞标的方式组织运营。在此过程中遵循由决策层-管理层-操作层任务逐层递发并执行的运营规则。第三，构建以培训结业与企业岗位资格认证相结合的考核模(下转第236页)式，即学生毕业评定以及奖惩评定由培训结业总学分以及在企职位表现评定两部分决定。

(4)收集并量化学生在培训以及企业模拟经营阶段的学情数据，构建全面评价及干预制度。在集中培训以及虚拟企业运营中，通过让学生体验不同岗位工作并收集在教学过程中学生遗留下的学情资料，对学生在未来就业中不同岗位工作操作情况及职业个性变化和缺陷进行量化分析和预测，从而对学生的行为性格进行干预，最大可能的帮助学生解决在其职业生涯过程中可能所遇到的问题。

4 结论

随着大数据时代的到来，知识的传播已不再是传统高职院校唯一的教育重点与优势所在，而增强对教育预测与评测、学生职业能力及职业素养的培养则成为目前传统高职院校的首要任务。同时，物流管理专业作为支撑社会物流行业发展所需的高技能、高素质人才培养的摇篮，也应顺应时代的发展，更新现有的人才培养模式。因而论文在分析了大数据时代下我国教育变革论点的基础上，提出在该时代背景下高职物流管理专业人才培养的特点。最后基于上述分析，论文提出了适应大数据时代发展的基于企业运营条件下物流管理专业“三层融合”人才培养模式，并对其实现提出了相应的举措。

参考文献

[1]周湘林.大数据时代的教育管理变革[J].中国教育学刊,2014,(10):25-30.

[2]梁文鑫.大数据时代—课堂教学将迎来真正的变革[J].北京教育学院2013,8(1):14-16.

[3]喻长志.大数据时代教育的可能转向[J].江淮论坛,2013,(4):188-192.

[4]张燕南,赵中建.数据时代思维方式对教育的启示[J].教育发展研究2013,(21):1-5.

[5]凌宗伟.大数据时代我们如何做教师[EB/OL].http://blog.sina.com.cn/s/blog_52099d840102vs1e.html.2014-11-11.