发布时间：2023-08-12 09:14:59
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的数据分析师统计学基础样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
三年以上工作经验 |男| 26岁（1989年7月18日）
居住地：山东
电 话：189********（手机）
E-mail：
最近工作[ 2年 ]
公 司：XXX房地产有限公司
行 业：专业服务(咨询、人力资源、财会)
职 位：房地产分析师
最高学历
学 历：本科
专 业：统计学
学 校：山东工商学院
自我评价
有良好计算机知识和应用能力，能熟练的操作Windows 7/XP和使用Word, Excel, Powerpoint等office办公软件, 网络操作熟练。掌握一定的人力资源管理专业知识基础，能够在不同文化和工作人员的背景下出色地工作。本人精力充沛, 有很强的事业心；思维活跃，具开创精神，有组织能力及良好心理素质，有良好计算机知识和应用能力， 资深分析人员，多年行业分析经验，长期从事市场调研分析与项目前期策划工作，熟悉市场规律与产业形势变化。
求职意向
到岗时间： 一周之内
工作性质： 全职
希望行业： 专业服务(咨询、人力资源、财会)
目标地点： 山东
期望月薪： 面议/月
目标职能：房地产分析师
工作经验
2012/9—至今：XXX房地产有限公司[2年]
所属行业：专业服务(咨询、人力资源、财会)
研究部 房地产分析师
1. 主要从事周报、月报、季报以及年报的撰写；
2. 分析全市、各区县以及各环线的房地产销售、供应及价格等的变化动向和原因；
3. 相关政策解读；
4. 热点区县、板块以及楼盘的测评；
6. 百强企业及项目评估报告，品牌企业及项目评估报告；
7.企业项目满意度研究，企业咨询报告。
2011/8—2012 /8：XXX金融投资有限公司[ 1年]
所属行业：金融/投资/证券
1. 收集并更新投资数据，并实施质量保证流程，确保数据库和产品的准确性；
2. 运用数学、统计、计量经济学模型和经济学软件对宏观经济运行和相关经济指标进行数学建模，分析数据间关系并预测未来趋势；
3. 研究债券基金和货币基金文件，协助基金定性研究和资产分配最优化模型的构建；
4.与基金提供者联系，拜访基金公司，以获取新的信息；处理客户请求和外部查询。
教育经历
2007/9 --2011 /7 山东工商学院 统计学 本科
证书
2010/6 大学英语六级
2009/12 大学英语四级
1 统计学介绍
统计学是认识现象规律的一种方法，它的特点是揭示现象量变到质变的规律，具有普适性。对于高校学科体系来说，统计学已经从经济学和数学中独立出来作为一级学科，足以表明统计学在理论研究与实际应用中的巨大作用。随着数据时代到来，统计学作为一门工具学科，越来越广地应用到生物、医药、物理、水利、工程技术、人文社科等其他学科的研究中，统计学专业课程设置向多样性发展，以期培养出能为社会所用的人才。
高校统计一般分为数理统计和经济统计两个方向，部分高校在理学院和经管学院分别设置统计学专业，比如：暨南大学经济学院的统计学专业学生获得的是经济学学位，信息科学技术学院的应用统计专业学生获得的是理学学位。虽然分为不同学院，设置的专业基础课程却有很大部分重叠。本文着重讨论经济统计专业人才培养现状。
2 人才培养目标
目前统计学人才培养目标是培养具有良好的数学基础和统计学、经济素养，掌握统计学基本理论和方法，能熟练运用统计软件分析数据，能在企事业单位从事统计调查、统计信息管理、数量分析等开发、应用与管理工作，或在金融、贸易等领域从事统计分析工作的复合应用型人才。
3 课程设置
高校统计学课程分为理论课程和实践教学课程。理论课程包括思想道德修养、中国近代历史、大学英语等通识课程，高等数学、概率论与数理统计、西方经济学等学科基础必修课程，财务管理、国际金融等基础选修课程，统计学、计量经济学、抽样调查、时间序列分析等专业必修课程，博弈论、非参数统计、数据挖掘、市场调研等专业选修课程。实践教学课程包括实习、学术活动和课程设计等。其中理论课程学分占总学分的80%左右，实践教学课程占总学分的20%左右。理论课程中通识课程和基础课程一般安排在大一和大二上学期;大二到大三主修专业必修课程和选修课程，专业课程大部分是理论课和实验课相结合，理论课主要讲授模型方法论，通过设计实验课，学习统计分析软件，并实现模型案例实证分析;大四理论课程基本结束，主修教学实习和课程设计。
高等学校核心课程体系尚属完善，大多数课程偏重理论教学，忽视实践教学，人才培养计划中未设置实践教学环节或者实践教学课时偏少。实践教学是以实践性知识为课程内容，以生成实践性知识为目标的课程。以实践过程和实践性知识的掌握为课程结构展开的起点，让学生在一定程度实践的基础上建构所需的理论知识，以教学实践任务为中心来组织课程内容，所需要的理论知识也围绕实践过程来选择、组织和学习，以实践过程作为学生学习的主要形式，并通过实践报告、实践表现等来评价学生的学习结果。实践课缩短了从理论向实践转化的时空上的滞后，比如市场调查分析，通过学生亲手设计调查问卷、选取合适的抽样方法展开问卷调查、后期问卷数据汇总分析，最终生成调查分析报告，在实践课程中加深统计专业知识的掌握和综合运用。因此，应适当提高实践教学课时比例。课程设置上，专业选修课程安排相对独立，忽视了与其他学科的交叉融合学习，可适当增加交叉学科基础知识的课程设置。
4 理论教学分析
教学方式上，大部分教师采取传统的课堂面对面教学，仍停留在传统统计专业教学模式。互联网时代，随着互联网+教育的兴起，由于网络课程的低成本和便利性，其在大学教育中占据越来越大的比重。微课、慕课等互联网教学模式，通过科学的设计将课程重点知识碎片化、网络化，便于更多学生随时随地进行学习，而现今大部分高校形式上鲜有统计学的慕课、微课等网络课程教学。教学手段上都是以理论讲解为主，专业知识枯燥无味，不能最大程度激发学生的学习兴趣，缺乏探讨式、研究式、报告式等多样化教学研讨形式。
课程设计是教师形成具体教学方案的过程，特别是对于统计学这门应用性、实践性都很强的课程，不仅要求学生能够熟悉和掌握统计学基本理论知识及常用的统计分析方法，更要求能够结合实际问题，应用最合适的统计方法，借助统计软件，完成对问题的研究分析，真正达到学以致用的目的。统计学课程的教学设计尤为重要。课程设计需要综合考虑教师自身教学技能、知识结构和教学经验，学生的知识储备情况和学习能力，课程本身所承载的信息技能。课程设计联系经济生活中的实际问题，有助于开拓学生的思维空间，学以致用、触类旁通，作为理论知识到实际应用的桥梁工程，合理规范的课程设计起到将抽象理论具化到应用的纽带作用。
教学内容上，统计软件应用教学大部分限于Excel、SPSS、Eviews等传统老旧的软件，以致大部分学生的毕业论文或者课程设计都是对照陈旧的教材生搬硬套，用SPSS或Eviews做一个简单的因子分析、主成分分析或者多元回归模型，而SAS、R语言、Python等功能强大兼具实用性的潮流软件学习课程欠缺。使用的教材着重对统计基础知识的讲解，对于变量选取、文本分析、随机森林等实用性强的模型讲解欠缺。
考核形式上，课程大部分以闭卷、开卷形式考核，造成学生只会死读书、读死书的弊病，灵活跳跃的逻辑思维能力和分析表述能力都是卷面考试考查不到而对于统计分析人员至关重要的能力。课程考核模式方面可以考虑加入分组开展调研、总结报告等开放式考核形式，变革考核情境，激发学生主动学习的积极性，在考核过程中塑造学生的统计思想。
5 实践教学分析
大学生实践学习分为实习和参加学术科研活动两方面。大学生实习课程一方面从传统意义上提高实践技能，另一方面转变为寻找就业的试水，本科生实习已经从过去的专业实践直接指向就业，学生可以在实习过程中对所学专业有客观实际的认识，不再局限于书本上教条案例，有助于学生拓展眼界，找到自身发展的兴趣点。对于应用性较强的统计专业，实习课程的开展、实习基地的选择、实习任务与时间的安排等都起到很重要的作用。实习基地的建设使学生在政府部门、企事业单位中了解部门统计、不同行业工作的内容和特点，拓宽学生的就业渠道。
高校学生实习有两种形式。一种是院系组织，建立校企合作实习基地，定期输送学生到实习岗位实践学习。大学中实习基地挂牌很多，但是限于学生和企业之间关于交通、住宿、实习时间等问题难以协调，或者受其他因素影响，实习基地能够提供给学生的实习机会较少。有待加强学校与企事业单位合作，建立友好长期的合作实习基地，为学生提供高质量的实习机会。另一种是学生自主寻找兴趣相关的实习机会，这一类实习需要付出较多的时间成本，很难找到专业对口的实习岗位，学生实习期间的安全问题也难以得到保障。校方应做好留底审核实习协议资料等工作，实时掌握校外实习的学生动向，确保实习的合法合规。
高校大学生参加实践竞赛等科研活动是培养创新型人才的有效途径。本科生参加实践竞赛有利于培养团队协作精神和创新精神，了解学科前沿动态，了解国家产业政策及区域社会经济发展问题，提高创新实践综合素质。另一方面也弥补了教师科研人员不足的问题。构建基于实践竞赛等科研活动的教学体系，对于学生明确学习目标、提升自主学习热情、培养科研兴趣具有积极推动作用。
科研竞赛方面，学校会给参加科研竞赛的学生学分奖励，提升学生在学术竞赛和科研活动上的积极性。目前各种国家级、省级科研竞赛有大创项目、挑战杯、数学建模竞赛、统计建模竞赛、数据挖掘竞赛、SAS数据分析大赛、市场调查大赛等。学生初期报名热情高涨，但常常由于指导教师欠缺、教学软件资源不足等原因，培训指导不能满足学生参加竞赛的知识需求，学生大部分是靠自学获取相关知识，竞赛结果不尽如人意。实践竞赛项目报名、培训、参赛等组织过程起着重要辅助作用，实践类竞赛项目的组织迫在眉睫。
6 总结
统计学的产生发展来源于实践，依赖于应用，并在应用过程中发展壮大，统计学的生命力就在于其能不断满足社会应用的需要。我国设有统计学及相关专业的高校数量也在明显增多。近些年来，随着信息产业发展，大数据环境对统计学专业的教学理念和教学模式产生变革性影响，统计基础的数据分析人才将是社会最需要的人才。针对当前统计学教学中存在的问题，以及统计学与其他学科的交叉融合这一事实，培养统计人才需要对高校统计学教学进行改革。
随着知识经济和信息时代的到来，信息量越来越大，统计工具越来越多地渗入其他学科的研究，信息处理技术愈加复杂。大数据时代的来临和大数据处理技术的发展，深深影响着统计学的发展。如何改革统计学专业课程设置?能否利用传统的统计理论和统计方法对海量数据做出快速、精准的处理?如何在大数据时代背景下培养符合市场需求的统计分析师或数据分析师?如何实现统计学基础方法论和数据挖掘的深度结合?如何将大数据处理技术融入相关统计学课程教学，探索统计工具和不同学科的融合，培养出创新型人才，以促进数据处理与分析技术的发展?这些都是在当前大数据背景下，统计教育工作者必须认真思考的问题。高校应从课程设计的开展及考核方式、实践性质类课程选择、实习课程调研、实践竞赛组织等方面改革完善统计学专业培养模式，做到与时俱进，合理设置专业课结构，平衡理论课与实践课的时间，拓宽实习面，完善竞赛组织工作，培养出创新型统计人才。
［关键词］数学建模；商务数据分析与应用专业；实施路径
前言
数学模型是连接实际问题与数学问题的桥梁，是对某一实际问题，根据其内在规律，作一些必要的简化与假设，运用适当数学工具转化为数学结构，从而用数学语言描述问题、解释性质、预测未来，提供解决处理的最优决策和控制方案。数学建模是架设桥梁的整个过程，是从实际问题中获得数学模型，对其求解，得到结论并验证结论是否正确的全过程。数学建模是用数学语言和方法，借助数学公式、计算机程序等工具对现实事物的客观规律进行抽象并概化后，在一定假设下建立起近似的数学模型，并对建立的数学模型进行求解，然后再根据求解的结果去解决实际问题。在这个过程中要从问题出发，充分发掘问题内涵，按照问题中蕴含的内生动力，寻求合适的模型，经过实践检验后多次修改模型使之渐趋完善，同时还要进行因素灵敏度分析，找出对问题影响较大、更大或最大的因素。随着社会的发展，大数据时代的来临，数学建模越来越引起人们的重视，很多高校将数学建模纳入课程体系之中，以提高学生运用专业知识、数学理论与方法及计算机编程技术综合分析解决问题的能力，特别是数学建模竞赛能有效提升学生的计算机技术与运算能力、团队协作能力、写作表达和创新实际能力。近年来，随着互联网技术的迅速发展，形形的数据环绕着我们，数据分析方面的人才需求陡增，造就了商务数据分析与应用专业的问世。商务数据分析与应用专业虽是2016年才增补的新专业，但它是一个跨数学、电子商务、计算机应用等学科的边缘专业。培养主要面向互联网和相关服务、批发、零售、金融等行业，掌握一定的数理统计、电子商务及互联网金融相关知识，具有商务数据采集、数据处理与分析、数据可视化、数据化运营管理等专业技能，能够从事商务数据分析、网店运营、网络营销等工作的高素质技能型人才。商务数据分析与应用专业的学生毕业后主要从事电商数据化运营过程中的数据采集与整理、调整与优化、网店运营与推广等工作。从2019年开始1＋X证书制度试点工作拉开了序幕，职业教育迈入考证新时代，商务数据分析与应用专业作为第二批试点专业正在如火如荼地进行着，这将拓宽学生就业创业渠道，提高学生就业创业本领。但作为一名优秀的数据分析师要对数据敏感，熟知业务背景，认知数据需求，具有超强的数据分析与展示能力。若将数学建模融入商务数据分析与应用专业的人才培养体系中去，不仅使学生运用数学思维解决问题的能力得到提升，更使学生思路变得富有条理性，让学生养成敏锐观察事物的习惯，对学生的未来发展产生深远的影响。
1将数学建模融入商务数据分析与应用专业的可行性分析
将数学建模融入商务数据分析与应用专业不是牵强附会的关联，具有一定的可行性。
1．1在课程体系上具有可行性
数学建模是源于实际生活的需求，借助于数学的思维及知识去解决问题，需要学生具备一定的数学基础和计算机编程相关知识。商务数据分析与应用专业的课程体系中含有统计基础、数理统计与应用、C＋＋、数据分析与处理等课程为学生学习数学建模奠定了基础。
1．2在教学团队上具有可行性
数学建模相关课程需要一支专业基础扎实、年轻、富有创造力的教学团队。教学团队中的教师不仅要有较为宽广的数学知识，也要具备较强的计算机编程和操作能力，这样才能培养学生从实际问题中刻画问题的本质并抽象出数学模型的能力。我校商务数据分析与应用专业的数学建模相关教师共9人，由来自于统计专业、计算机专业、电子商务专业等专业背景的教师组成，完全可以胜任数学建模相关课程的教学与指导。
1．3在教学环境上具有可行性
本专业校内教学条件比较完善，校内实训室基本上能够满足所有专业课程及专业实操课程的教学需要，学生可以在仿真的环境中进行练习。鉴于现有校外实训基地的实习内容与学生所学专业并不对口或融合度较低的现状，学校还要积极拓展校外实训衔接度高的校外实训基地，让学生真正参与到企业活动中去，着实提升学生的商务实践技能。校内教学条件完全可以胜任数学建模相关课程的教学。
2将数学建模融入商务数据分析与应用专业的实施路径
任何的教学改革都不是一蹴而就的，是时间沉淀出来的产物，从无到有、从有到优需要一个漫长的过程。要将数学建模融入商务数据分析与应用专业，需要从课程体系、教学团队、管理制度等方面着手。
2．1构建数学建模的课程体系
将数学建模融入商务数据分析与应用专业，首先要制定融合数学建模的人才培养方案，明确数学建模在培养方案中的知识、素质、能力等培养目标和要求，设置数学建模在教学计划中的相关理论、实践等教学环节的课时与学分分配。对大一学生增设数学建模课程，将数学建模与统计学、经济应用数学并行教学，其中涉及数学建模思想、基本数学模型、Matlab软件入门等内容，使学生了解几类基础的数学模型、常规的数学建模步骤及方法。在教学中加入商务数据分析案例，根据问题需求先建立数学模型，然后通过Matlab编程求解出结果，并运用软件进行计算、仿真和模拟，这样将数学建模、数学实验和商务数据分析三者有机衔接起来，不仅可以激发学生的学习兴趣，提高学生运用数学建模进行商务数据分析及预测的能力，也为之后的数学建模竞赛铺路。
2．2组建数学建模的教学团队
数学建模的教师不仅要熟悉初等几何、微分方程、优化、图与网络、概率等机理分析性建模，还要熟悉统计、预测、检测等测试分析性建模；不仅要掌握差分方程、插值与拟合、回归分析、线性规划等数学建模方法，还要熟练掌握Matlab、LINGO等各类建模语言的使用。作为数学建模的教师，面对商务数据方面的实际问题，要全面深入细致地了解问题的背景，准确无误地明确问题的条件，在查阅、收集、阅读掌握相关的数据、信息和资料的基础上，清晰准确地形成问题的主要特征，初步确定模型类型。然后根据特征和目的，找到问题的本质，忽略一些次要因素，给出必要的、合理的简化与假设。在分析与假设的基础上，利用数学工具和方法，描述对象内在规律，建立变量间关系，确定数学结构，建立商务数据的问题模型。数学建模的一系列过程需要教学团队的合理分工与协作，在日常教学过程中既要重视数学理论，又要重视实践案例教学。使学生了解基本的数学模型和编程思想，把教学重心放在案例的分析、模型的选择、程序的实现、灵敏度的分析等过程之中。通过对大量问题的数学模型的建立及计算机编程的求解，让学生触类旁通地处理一些实际问题，使学生体会到数学的魅力所在及学以致用的道理，从而提高学生商务数据分析与应用能力，为学生今后的创新创业奠定基础。教学团队不仅要完成数学建模相关课程的教学，还要加强数学建模教学的研究和应用，加强与外界的交流，推动教学改革，以提高数学建模的水平和质量。
2．3成立数学建模的学生社团
除了数学建模融入商务数据分析与应用专业教学之外，还可以在学校成立数学建模社团，吸纳学校中对数学建模感兴趣的学生，特别是商务数据与分析专业的学生进入社团。由数学建模老师定期对社团学生进行指导，将数学建模相关的数学公式、数学方法，数学建模的流程，竞赛论文的撰写要领，编程技巧等以讲座的形式传授给学生。同时，社团学生之间成立互助小组，互助小组中选择商务数据分析与应用专业的学生为组长，由组长带领其他组员共同探讨数学建模的学习方法与技巧，分享数学建模的编程技术与相关资料，交流数学建模的解决问题的思路。这样由一个专业带动多个专业，一个社团辐射到整个学校，在提高学生的数学建模能力的同时，也为数学建模竞赛选拔人才做好准备。数学建模社团的建立在丰富学生业余生活的同时，也给那些对数学有兴趣的学生提供了一个相互交流的平台，不仅可以开阔学生数学发现和研究的思维，还可以加强数学理论与实际问题之间的联系，提高学生运用数学思维方式解决实际问题的能力。
2．4参加数学建模的相关竞赛
为了更好地发挥数学建模在培养大学生创新创业能力过程中的引领作用，学校组织学生参加数学建模的相关竞赛，并将其发挥到极致。大学生数学建模竞赛是提高学生数学建模能力最好的平台，美国在1985年开始创办数学建模竞赛，我国大学生于1989年开始参赛并逐步成为参赛主体，到2019年共有15个国家25370队注册参赛，其中中国大陆地区代表队约占98％。我国第一届大学生数学建模竞赛（CUMCM）于1992年创办，2019年1490校区42992队报名参赛，现已呈现出一派繁荣景象，其他数学建模竞赛，如：深圳杯、电工杯等也如火如荼地开展起来。想在竞赛中取得优异的成绩是一个系统的工程。数学建模参赛团队通常由3名学生组成。在学生选拔时，就要综合考虑学生的知识、能力、性格等因素，这3名学生不仅要有较好的计算机技术与运算能力，更要有吃苦耐劳的精神和较好的团队合作意识。在教学指导时，不仅为学生讲解一些基础的数学建模方法和技巧，更要注重综合分析解决问题、逻辑思维、语言文字理解与表达、科研创新等能力的培养。在模拟训练时，指导教师严格把关，让学生合理安排三天时间在网上查阅资料，分析问题之后建模与解答，检验与分析，再完成竞赛的论文的写作。通过多次有针对性的模拟训练，学生摄取新知识、新技能的能力得到提升，定量与定性分析的思维能力得到锻炼，责任意识得到加强，自主学习的习惯逐渐养成，不畏艰难的品质得到磨练，团队创新能力得到提高。指导教师通过对数学建模的研究和学生的指导，教学相长，自身的建模能力也将得到大幅提升。面对一些实际的商务数据问题，能够通过建立一些相关的数学模型，探索出解决实际问题的方案，并从这些方案中选择出最合理、最科学、最恰当的方案。
2．5搭建数学建模的管理体系
将数学建模课程融入商务数据分析与应用专业难度不大，但是要让学生组队参加数学建模竞赛并出彩，就需要学校领导重视及相关职能部门支持，在校内建立健全数学建模管理制度，如将数学建模竞赛作为二级学院考核指标、数学建模指导教师的工作量计算办法、学生在奖学金与评先评优等方面优先考虑等。只有建立健全校内管理体系，才能激励更多的教师主动承担数学建模相关课程的教学，参与数学建模社团的指导，同时激发学生学习数学建模的兴趣与参加数学建模竞赛的积极性。
事实上，虽然人们每天都在创造大量的数据，但是作为一种术语和概念，大数据对很多人来说是相对陌生的，即使是业内专业人士，关于大数据的定义也存在争议。一些人认为，大数据的关键特征是数据库的容量，而另一些人则认为是数据的复杂性，还有些人认为，其关键特征是数据的集中与分析的速度。
国双科技董事长兼首席执行官祁国晟支持最后一种观点，也就是将海量的大数据尽快变成有价值的小数据才有价值。而他领导的这家公司就是基于Gridsumm Dissector云计算平台，帮助用户度量、分析并优化其在线业务，提品与服务。
这位28岁的CEO称，从2005年创立至今，公司所赚到的每一分钱几乎都是靠处理数据、分析数据挣来的，因此他的观点更具实践意义。他认为，大数据就是在硬件平台有限的条件下，通过软件技术的提高，在传统的数据库之外，通过对海量数据的挖掘与分析，在最有效的时间内发现数据中蕴藏的商业智能。而那些仅仅是被存储，失去关联性，无法及时处理和调用的数据，不能称为大数据。
可贵的大数据
原始的大数据正是谷歌和亚马逊成功的原因。据美国得克萨斯大学的一项研究数据显示，如果企业对于数据的使用率哪怕提升10%，零售行业的利润率将提升49%，咨询行业提升39%，航空行业提升21%。而据麦肯锡的一份关于大数据的报告显示，美国受益于大数据技术的应用和分析，其零售行业增长超过了60%，同时使制造成本降低了50%。
然而大数据不仅是企业趋势，也在改变人们的生活，在大数据的帮助下，警察可以通过犯罪数据和社会信息来预测犯罪率等。相对于根据小范围数据样本进行推断，大数据能够实施比以往精确得多的监测与分析，当然前提是可以对整个数据集进行有效的分析。
一个令人神往的应用来自医疗领域。以往被临床医生用来判断病因的经验和直觉，逐渐被质化和量化后，被那些经验并不丰富的医生所利用。而如果要确保患者每次都获得最好的诊治，就不能仅仅依靠直觉和专业的技能了，因为人无完人。
于是，人们通过基于证据的医疗方法（EBM）来帮助医生提高治疗水平，就是把临床研究整合进治疗准则。而一直以来基于“小数据”的研究获得的结果，被人们嘲笑为“菜谱式治疗”。由于在小数据集中只能使用单一的术语，无法做出确凿的归纳，医生们只是机械地遵循着这些治疗的“配方”来治病，而在解释病人的个体差异时就显得力不从心。
大数据则足够用来创造更加个性化的“治疗菜谱”，允许人们通过粗略的未经处理的数据逐条比对，来发现微小但强有力的线索，进行分析研究。这让计算机模仿人类医学专家的直觉成为可能。
只不过，在今天的医疗体系中，只有通过审核的、标准的、被编辑过的数据才能被接收。这个屏障过滤掉了粗糙的原始数据，创造了同质化的数据，排除了能使系统真正有用的多样性，而且一旦泄漏数据集信息将受到重罚，但建立这样数据集的利益却几乎不存在，因此这一应用还存在于理想之中。
不过在金融、汽车、快消行业，在市场营销、城市管理、电子政务等领域，大数据技术已经得以发挥。
国双科技高级副总裁续扬有一个听起来有点复杂的实例。三年前，欧莱雅旗下的兰蔻在搜索引擎SEM投放过程中遇到了问题。账户中一类词花费很多，但是用量化统计系统跟踪，它带来的直接订单却非常少，这类词叫“口碑词”，诸如“四十岁眼霜哪家好”等。借助国双提供的工具发现，访问者通过“四十岁眼霜”进入兰蔻官网，但并未买单；三天后通过“兰蔻促销”搜索再次进入企业官网，仍未下单；又隔了五天搜索“兰蔻”进入官网；再过了五天，在地址栏中输入网址直接进入官网，这一次他买了2200元的产品。
这个过程中，口碑词如同足球赛中的抢球队员，后面的几次搜索的词汇如同传球队员，最后直接输入网址购买就像射门球员。在常规的、不是基于大数据的量化工具中，功劳将全部归入射门球员，但事实上显然并非如此。这就是目前市场营销中位居前沿的数据模型“归因模型”。
微博的商业价值也更多地体现在传输作用上，“这证明了量化数字的分析已经到达了一个可以分析现在、分析过去数据，最终推导未来行为模式的情况”。续扬说，“大数据对于市场营销带来了三个里程碑：由网下的数据很难量化，变成网上的数据可以初步地量化；初步的量化变成深入的量化；再进一步，可以变成可能追溯的数据分析。这是重大的变革。”据悉，目前通过国双数据分析系统所分析的广告预算，每年超过10亿人民币。
初创企业的新机遇
上世纪80年代，尼尔森（Nielsen）曾为部分美国家庭安装用以测量全国电视收视率的机顶盒。为了确保样本的科学性，尼尔森需要让家庭在日志上记录看过的电视节目。即便如此，由于样本大约仅占全部家庭的0.02%，数据也因为不够精确和不具有统计显著性而饱受诟病。而现在基于大数据技术，只要捕捉关于用户在网上或移动设备上所收看内容的数据，即可获得值得信赖的结果。
数字媒介的兴起，的确为各种调研与数据分析提供了新的手段，但要在海量数据中淘得一钵金确实是件麻烦事儿。
美国某大学准备将20个从事科学调查小组的数据进行整合，而每个小组都有超过100TB的数据，也就是说，如果要对这些数据进行整合，就需要建立超过20PB容量的数据库。
这对于预算有限的大学调研机构来说是难以想象的，即便是租用亚马逊的弹性计算云服务EC2，也需要不断添加服务器，而将数据移交到EC2的过程本身也并不容易。
此前，业界将“大数据”的商机分为两类：一类是IBM、微软、惠普等公司提供的“硬件+软件+数据”的整体解决方案，以平台性为特征，提供基础服务；另一类是以Facebook、亚马逊和谷歌等公司为代表，基于自身海量用户信息，提供精准营销和个性化广告推介等商业活动。
但这些传统“大数据”的商业模式成本高昂，因此就为一些初创小公司提供了发展机遇。祁国晟称，只要将线上营销3%～7%的投入运用到解决方案上来，就可以获得几倍的提升。因此敏锐的风险投资商开始将目光移至与“大数据”相关的创业公司。
位于旧金山的创业公司Metamarkets，主要针对支付、签到和一些与互联网相关的问题，为客户提供了数据分析支持，该公司最近获得了一笔高达2300万美元的融资。
数据化创业公司Tableau一直被媒体和行业视为大数据领域中的重点关注对象，他们的精力主要集中于将海量数据以可视化的方式展现出来。最近的一笔融资金额为1000万美元。Tableau为数字媒体提供了一个新的展示数据的方式。他们提供了一个免费工具，任何人在没有编程知识背景的情况下都能制造出数据专用图表。这个软件还能对数据进行分析，并提供有价值的建议。
通过采集病人数据，而揭示疾病治疗、护理和药物测试等方面的见解的创业公司Cloudera，可以利用一些价格低廉的硬件完成大量的数据分析，目前其获得了7600万美元的融资。
国双科技最近也接到了来自启明创投合伙人胡斌抛出的“橄榄枝”。“从VC的角度，大数据正处在黎明时期，我们关注与大数据相关的所有创业机会。”胡斌说。
抢手的数据人才
“我们找不到了解大数据，同时对行业比较了解的人。”祁国晟觉得目前公司最大的困难就是人才的招聘。
事实上，为了从大数据中获取最大的商业价值，许多企业在寻找多技能专家，他们需要懂得编程、大规模数学、统计学、商业。这一新角色被称为“数据学家”。
2012年5月，麦肯锡全球研究所论及大数据的报告中对需求提出了些数字：到2018年，在深度分析技能人才方面，仅美国就可能会有14万到19万的缺口；在有能力使用大数据分析来有效决策方面，则将有150万名经理及分析师的缺口。
在线教育和培训公司Skillsoft称，数据分析领域的人才培训规模在过去2年中呈“爆炸性”的增长，但是还是面临人才短缺，因为该项工作需要的数学技能是一般高校毕业生无法满足的。由于招不到数据分析人才，许多公司“被迫通过在线培训的方式，培养自己的数据分析师”。
当然，也像大数据一样，许多企业还不那么迫切需要，尤其是在中国市场。目前，国双的客户大多是全球500强企业。其很多的目标客户并没有意识到大数据开发的价值，这是一个需要培育的市场。
中国是数据生产的大国，也将是可以从大数据中受益最多的国家之一。还是IDC提供的数据，截止到2012年6月，中国有近3.9亿的移动客户、5.3亿的互联网客户。在一个中等规模的智能城市中，每个季度就可能产生出200PB的视频数据（如果以一个笔记本电脑存储200GB，那就是100万台笔记本电脑所能够存储的数据）。不过，其中究竟蕴藏着多少宝藏，还有待人们利用大数据相关技术来挖掘。这也正是大数据的魅力所在。
大数据的魅力
引发大数据热的根本原因是它能为我们开启一个新的可能，简单地说，就是让我们认识所不认识的、了解我们从未了解的，从而让我们从此前模糊的决策，变成有理有据的科学决策。多少年来，由于技术手段的限制，我们对世界的认识都是采用抽样方法，然而大数据却为我们提供了一种新的方法，让我们可以进行全样本研究。
现实中，越来越多的用户正在从大数据技术中受益。比如，北京百分点信息科技有限公司（以下称百分点）推出了一种名为个性化搜索引擎的工具，库巴等电子商务公司利用它来分析访客的点击行为，找出访客的偏好、进行产品推荐。还有，可口可乐正在通过大数据技术处理其销售数据，来分析世界各地对各种口味的饮料的偏好，从而对各种饮料进行生产资料规划，以及新产品研发。更为人们熟知的案例是奥巴马在新一任美国总统大选中利用大数据技术随时了解选民的倾向，从而开展针对性的工作，帮助他最终胜选。
未来，还有更多的大数据案例会不断涌现。与此同时，“大数据是大忽悠、大谎言”的说法也不绝于耳，甚至也引来科学界的质疑，在互联网广为流传的《大数据的诅咒（The curse of big data）》引发了业界关于“大数据好还是小数据好”的讨论。
然而这些疑问挡不住厂商们的热情。传统的IT大佬们纷纷在大数据领域投入巨资：大数据已经成为IBM今年最主要的市场战略，IBM推出拥有4大核心能力的大数据平台，即Hadoop系统、流计算（Stream Computing）、数据仓库和信息整合与治理；甲骨文推出了软硬一体的大数据库机，其中内置了Cloudera版的Hadoop；SAP以其HANA为切入点，试图在大数据市场分一杯羹；微软推出了自己的Hadoop发行版本。另外，Intel、EMC等很多厂商也都在大数据方面有不小的投入。今年年初，EMC把其Greenplum等大数据业务独立，与VMware的从事应用开发的部分合并，成立了Pivotal公司，专门针对大数据市场。
除了传统IT大佬之外，市场还有很多难以计数的初创公司，尽管这些公司不大，也许持续时间不长，但专注于大数据业务，对于大数据市场而言，它们同样也是不可或缺的一部分。
从BI到大数据
在大数据概念出现之前，在市场也有一个类似的概念红极一时，至今长盛不衰，这就是商业智能，而眼下显然大数据的风头要胜过商业智能。实际上，这两者是一脉相承的。因为大数据是以海量数据的处理和分析，发现数据背后的本质，增加企业洞察力为目的而诞生的，而这与商业智能的目的基本一致，从这个意义上说，两者之间就存在着必然的联系。毕竟，获得洞察才是我们的目标。
业内专家的建议，可以把大数据看成是传统数据库、数据仓库以及商业智能这些概念的外延和扩展可能，特别是把大数据应用到传统企业中，这一点可能更为明显。因为大数据的长处在于处理非结构化数据，而商业智能则擅长结构化数据。目前，绝大部分传统企业的商业分析已经投资于商业智能，对于结构化数据的分析和建模都相对熟悉，而对非结构化数据的分析则陌生一些，因此非结构化的数据想要被充分认知和分析，转化为结构化数据之后处理不失为一种有效方法。比如，将大数据以及聚合数据输入传统商业智能系统中去做分析与展现，最终形成报告，出分析结果。这也是传统IT厂商最推荐的一个应用方法。
当然，也并非都必须如此，比如，那些率先引入大数据技术的互联网企业就很少使用这些方法，这些缺乏传统商业智能基础的企业从一开始就将自己的解决方案完全架构在Hadoop等大数据技术上，直接从Hadoop中提出数据，利用自己定制的MapReduce，完成数据的分析和展现。
大数据落地不容易
尽管大数据市场目前看起来很美，但从整体上说这个大数据市场才刚刚起步，整个市场的腾飞还有待时日，还存在诸多因素困扰大数据落地，人才瓶颈就是之一，特别是既懂得Hadoop相关技术同时还了解企业业务的人才。比如，金融企业在对数据进行分析和处理时就非常需要那些有统计学背景、了解银行业务的专业人才，尤其需要懂得将统计学的知识应用到业务上并与之相结合。
在国外已经出现了“数据科学家”（有的称其为“数据分析师”或者“数据工程师”）的新职位。他们知道企业的数据在哪里、如何拿到它们，以及什么数据是关键、它们如何生成，并懂得构建相应的业务流程。其理想的候选人是对复杂的算法、分析和市场营销都非常熟悉，此外，最好还能懂超高速计算、数据挖掘、统计甚至人工智能。
用户可能面临的另一个挑战来自于Hadoop本身的技术和生态系统还有待完善。Hadoop是开源软件，本身还处于不断完善之中。同时，虽然有很多厂商围绕Hadoop提供了一些服务和技术支持，而真正能提供全面技术支持的厂商却很少，用户所需要的技术支持大部分还来自于社区。而技术支持这一点对于金融、银行这样的客户是非常重要的。
关键词：能力本位；大数据专业；课程体系
高职大数据专业教育的本质是为了培养在大数据采集、存储、传输、分析、处理、应用等领域实践能力强、综合素养高的技能型人才[1-4]，以能力为本位的大数据专业课程教学始终贯穿于高职大数据专业教育的全过程，这也是促进新常态下高职大数据专业教育教学发展的主要因素。但是，就目前的发展态势来看，高职培养的大数据专业人才的数量和质量远远未能达到市场和企业的需求，究其原因，主要是因为高职大数据专业课程尚未形成体系，未能在有限的教学课时内有机整合交叉重复的课程内容，从而未能突出体现学生综合能力的培养[5-9]。因此，构建基于能力本位的高职大数据专业课程体系势在必行。
1高职大数据专业课程体系构建的必要性
国务院于2015年8月印发的《促进大数据发展行动纲要》指出，“建立健全多层次、多类型的大数据人才培养体系……重点培养职业工程师等大数据专业人才”。为了在一定程度上满足市场和企业对大数据技术相关人才的需求，截至2020年12月，全国共有289所高职院校开设了大数据专业。由于我国高职院校大数据专业开设的时间短、起步晚、底子薄，大数据技术专业人才总体上来说是短缺的[1-4]。此外，由于人才培养目标和就业定位仍然不够明确，尚未形成系统性的师资团队、高效的实践教学平台和标准化的课程体系，未能有效构建和运用交叉学科的知识体系和课程内容。因此，不完善的课程体系和课程内容导致教师只着重计算机领域知识的教学，缺乏适合学生学习系统性的大数据课程教学计划，忽略了大数据专业学生技能的培养，不能适应大数据时代市场和企业对大数据专业高技能型人才的需求。目前我国高职院校大数据专业教学和人才培养仍处于摸索阶段，如何从培养学生深度的思维能力和解决广度问题综合能力的角度出发，构建基于能力本位的大数据专业课程体系是摆在高职院校面前的一个重要课题[1-9]。
2基于能力本位高职大数据专业课程体系构建的可行性分析
2.1面向计算思维能力的高职大数据专业课程体系。计算思维能力即在管理学和教育学基本理论的基础上，充分、综合运用计算机专业领域的基本概念、基本方法、基本手段和基本过程对所需求解的问题进行深度上和广度上的抽象、挖掘、归纳，从而求得最优解的一种思维能力[5]。高职大数据专业教育的培养目标本质是为了培养在大数据采集、存储、传输、分析、处理、应用等领域实践能力强、综合素养高的技能型人才。计算思维能力完美地诠释了高职大数据专业课程教育教学的内在本质，即将高职大数据专业课程划分为一种包括通识教育、大类教育、基本认知等模块课程在内的螺旋递推式的计算思维课程体系，通识教育课程包括数据科学数学基础、人工智能导论、操作系统、统计学、管理学基础、计算机组成原理、数据科学导论、大数据结构、数据库原理、大数据编程算法等课程，充分、综合运用管理学领域、教育学领域、计算机专业领域的基本概念、基本理论、基本方法、基本手段和基本过程对所需求解的大数据分析、处理、应用问题进行深度上和广度上的抽象、挖掘、归纳。因此，通过构建面向计算思维能力的高职大数据专业课程体系并在实际的教学活动中加以实践，促进学生熟练掌握大数据的基本概念、基本理论、基本知识、基本方法、基本手段、基本过程和基本技能[6]，从而具备初步的项目开发经验和能力。2.2面向应用能力的高职大数据专业课程体系。高职大数据专业教育的本质是为了培养在大数据采集、存储、传输、分析、处理、应用等领域实践能力强、综合素养高的技能型人才，即高职大数据专业教育的本质是以能力为本位的。基于面向计算思维能力的高职大数据专业课程体系，面向应用能力的高职大数据专业课程体系是指将大数据主干课程划分为专业骨干、专业实践等模块课程，它们属于应用能力培养的范畴，专业骨干课程可开设的课程主要包括大数据程序设计、大数据采集、存储与传输、数据库应用技术，专业实践课程可开设课程包括大数据核心平台技术、大数据挖掘、分析与处理、大数据应用、大数据可视化技术等。这是高职大数据专业基于能力本位的课程体系整体框架中的核心课程，也是后期以“专业拓展”“综合拓展”等模块课程为标志的工程能力培养课程开设的前提[5-7]。面向应用能力的高职大数据专业课程体系侧重于大数据应用框架的部署和理解，课程内容完美地体现了培养学生的大数据编程算法、大数据程序设计、大数据核心平台技术、大数据可视化应用技术等方面的核心能力。2.3面向工程能力的高职大数据专业课程体系。工程能力是指在计算思维能力和应用能力的基础上，学生通过团队协作解决实际工作中较为复杂综合性的工程项目开发问题的能力。因此，面向工程能力的高职大数据专业课程体系包含专业拓展、综合拓展等模块课程，它们属于工程能力培养的范畴，即培养多元化的具有广度创造技术、深度人工智能开发技术的大数据分析师、大数据架构师、大数据运维工程师、大数据开发工程师、大数据科学家等工程项目设计与开发人才[6]。面向工程能力的高职大数据专业课程体系通过项目小组团队协作的形式，以工程项目与企业真实案例为驱动，促使学生搭建大数据工程项目设计与开发的框架，细化框架内部细节，集思广益，形成最终的工程项目解决方案，并充分运用所学的专业骨干、专业实践等模块课程中的大数据程序设计、大数据采集、存储与传输、数据库应用技术、大数据核心平台技术、大数据挖掘、分析与处理、大数据应用、大数据可视化技术等课程的核心知识，实施大数据工程项目的大数据采集、存储、传输、分析、处理、应用、作业调度、工程维护、代码调错等，从而完美地实现培养学生解决实际工程问题能力的目标[7-9]。
3基于能力本位的高职大数据专业课程体系构建途径
3.1构建支撑计算思维能力培养的立体化课程资源。面向计算思维能力的课程体系是高职大数据专业发展的一个基础性课程体系，这是大数据专业能力向应用能力与工程能力纵深发展的延伸性课程，目的在管理学和教育学基本理论的基础上，充分、综合运用计算机专业领域的基本概念、基本方法、基本手段和基本过程对所需求解的问题进行深度上和广度上的抽象、挖掘、归纳，使学生掌握大数据专业的通识教育、大类教育、基本认知等模块课程，从而为学生拓展应用能力与工程能力打下基础。因此，需要构建支撑计算思维能力培养的立体化课程资源，其主要形式是利用移动互联网设置集课程资源、线上线下资源、实践课程资源为一体的立体化课程体系教学资源模式[5]，并利用移动互联网构建多样化的线上线下网上教学环境、学生线上线下学习平台。课程教学资源以线上线下和任务与项目驱动的实践课程形式为主，学生在教师的启发和引导下自主学习，时时讲解、时时操作。在此立体化课程资源支撑下，按照“计算思维形成→基本技能训练→计算思维能力培养”的要求，充分运用混合式翻转教学方式，对一些重点难点的课程内容进行反复教学，实施数据挖掘与人工智能结合的大数据专业基础知识的实际操作，对学生进行个别指导，加深学生对基本知识点的掌握和理解。3.2搭建支撑应用能力培养的实训平台。高职大数据专业实践性、应用性极强，面向应用能力的高职大数据专业课程体系要求搭建适当的支撑应用能力培养的实训平台以强化学生的应用能力。搭建支撑应用能力培养的实训平台，重点是学校应根据大数据专业人才培养目标和计算思维能力培养需求，从硬件环境、软件环境、线上线下网络教学平台等方面入手，构建集大数据编程算法、大数据程序设计、大数据核心平台技术、大数据可视化应用技术等于一体的核心能力培养平台[5-6]，大数据编程算法、大数据程序设计、大数据核心平台技术、大数据可视化应用技术课程采用线上线下模式、理实一体化的教学方式，主要用于大数据专业的“专业骨干”“专业实践”等模块课程的实训教学；软件条件方面，利用搭建的实训环境，以学生分组协作形式，可以选择并行分布式处理软件Hadoop和Spark，实施大数据预处理、模型的建立模型、参数的选择，为学生提供大数据编程算法、大数据程序设计、大数据核心平台技术、大数据可视化应用技术方面的实训项目，使学生掌握基本方法和技巧，理解基本工作原理，从而可以较好地培养学生应用能力。3.3设计支撑工程能力培养的综合性工程项目。面向工程能力的高职大数据专业课程体系即培养多元化的具有广度创造技术、深度人工智能开发技术的大数据分析师、大数据架构师、大数据运维工程师、大数据开发工程师、大数据科学家等工程项目设计与开发人才，它是围绕学生的工程项目开发能力而设置的。因此，学校应结合大数据专业的人才培养总体目标、计算思维能力培养目标和应用能力培养目标，设计支撑工程能力培养的综合性工程项目[6-9]，在每个项目中设置相应的实验，力求做到课程与岗位能力对接，检验学生对实践知识的掌握情况以及解决问题的思想、手段和方法，从而为工程项目开发打下坚实的基础。在综合性工程项目类型方面，把支撑工程能力培养的综合性工程项目分为设计性实验和综合性实验，合理规划工程能力培养计划、培养标准以便较好地适应工程能力培养的新形势，让学生在“练中学、学中练”，考察学生的实际工程项目开发能力，力求工程项目开发能力与企业标准对接。3.4创新基于学生能力本位的教学模式和教学方法。面向计算思维能力、应用能力、工程能力培养的高职大数据专业课程体系是一种螺旋递推式的课程体系，它完美地诠释了高职大数据专业课程教育教学的内在本质。基于学生能力本位的教学模式和教学方法是实现高职大数据专业课程教育教学内在本质的重要条件。因此，高职院校要从大数据专业人才培养和学生实际需求出发，制作精美的教学视频，充分利用微课、翻转课堂、多媒体、远程协作、虚拟现实、系统仿真、探究式、启发式、逆向式、互动式等教学方式、方法和手段[1-4]，按照“思维培养—应用细化—工程开发”的教学模式，围绕大数据专业的课程教学内容，充分利用网络资源，随时调整教学细节，合理安排课时，及时记录教学过程中的反馈信息，使得师生之间的良好互动和沟通达到一定的广度和深度，为学生掌握大数据专业课程的精髓和将来适应工作岗位打下坚实基础。3.5加强基于学生能力本位的师资队伍建设。高质量的专业教师队伍是构建基于能力本位的高职大数据专业课程体系构建的良好保障，因此高职院校要围绕学生的计算思维能力培养、应用能力培养、工程能力培养[5-9]，加强基于学生能力本位的师资队伍建设，让教师在教学与科研中取长补短，丰富知识结构，相互促进，相互提高，从而为教师专业素质和创新实践能力提供保障，提升教师授课水平。
4结语
高职大数据专业课程体系的构建为提升学生的计算思维能力、应用能力、工程能力提供了科学的发展平台，对高职专业人才培养和课程改革具有重要的意义，同时也能使学生成为有知识、有能力的社会主义事业建设者和接班人。大数据对当今社会的重要意义以及大数据专业人才的不足决定了大数据专业人才培养任重道远，但是不足也是动力，也给未来高职大数据专业预留了很大的发展空间。
参考文献:
[1]林宛杨.“职教20条”建设背景下大数据课程体系改革[J].电脑知识与技术,2020,16(36):170-171,176.
[2]刘建华,胡文瑜,唐郑熠,等.数据科学与大数据技术专业课程体系探索[J].科教文汇,2021(2):115-116.
[3]周黎鸣,林英豪,李征,等.新工科背景下大数据专业课程建设[J].计算机时代,2021(1):102-105.
[4]马晓磊,霍恩泽.面向“互联网+产学交融”的交通大数据课程体系建设[J].高教学刊,2021(7):86-89.
[5]崔琳,吴孝银,张志伟.面向学生计算思维培养的数据科学与大数据技术专业课程体系建设模式探究[J].无线互联科技,2020(4):121-122.
[6]戴牡红.面向工程能力培养的大数据教学研究[J].软件工程,2021,24(1):47-50.
[7]袁利平,杨阳.基于能力本位的教师教育课程体系建构[J].河北师范大学学报（教育科学版）,2020,22(5):85-92.
[8]王姝,苏志东.基于能力本位的反向课程设计方法应用研究[J].微型电脑应用,2020,36(9):77-82.
有个不太靠谱的命题：如何让赵本山和迈克尔乔丹搭上关系？其实很简单，通过分析两个人的社交圈子，兴趣爱好等，最终可以找出一条线路能让他们两个人认识，这就是隐藏其中的大数据魅力之一点点……
随着互联网的冲击，UGC（用户产生内容）不断发展，社交网络已经不断普及并深入人心，用户可以随时随地在网络上分享内容，由此产生了海量的用户数据。这些数据并不是我们想象中的那样冷冰冰、枯燥的数据，而是更加活生生、有趣的数据;这些数据不同于以往单纯的数字，它们声色结合、图文并茂。
比如，Facebook用户每天共享的东西超过40亿，Twitter每天处理的数据量超过3.4亿;而每分钟Tumblr博客作者会2.7万个新帖子，Instagram用户会共享3600张新照片……随着Facebook、Twitter、LinkedIn、微信等社交媒体的流行，对社交关系的数据挖掘成为近几年的一个技术热点。
玩的核心是消费者洞察
在一般商业前提下，社交大数据挖掘的目的，是投消费者所好。
不可否认，一个正在改变我们的生活、工作和思维方式的新浪潮正悄悄来到我们身边，这或许就是大数据（Big Data）导致的一个还不可名状的时代。
当下，社交大数据正在对企业，甚至于一些行业带来深刻的变革。下面，让我们来细数一下吧！
首先，与传统的营销方式相比，利用大数据营销，从前期的曝光，中期的转化，到后期的购买行为都是可监测的。效果可评估是大数据带来的最实质性影响。其次，在社交环节，越来越多消费者通过社交媒体反馈自己对企业产品、品牌形象的看法，这个过程会产生许多有价值信息，甚至包括一些潜在的市场需求。对一个企业来说，这些信息不仅可能使他们调整原有产品，甚至催生新的商业模式。消费者洞察，是大数据的核心价值。第三，大数据对某些行业来讲，意义更加不同。比如电影行业，金融行业，大数据能够起到预估性、前瞻性作用，企业可以据此建立一些模型对消费者行为进行分析。
同时，这又是一个移动盛行的时代，与传统互联网相比，移动互联网时代更加强调“社交”和“互动”。人们随时随地可以和朋友问候交流、分享资讯，只要带上手机，整个社交圈也就装在口袋里。交互性增强带来的效果是，不但产品可以为用户带来效用，用户反过来也能为产品导入流量。一个网友如果在微博上发文夸赞一家餐厅，经由他的社交圈的转发和扩散，就将为这家餐厅带来更多的访客。这个特征，也为移动互联网时代的商业创新指出了一个方向，那就是基于用户身份的信息交互和社交应用。
当下，所有行业都在积极拥抱移动互联浪潮，当然金融业也无法作壁上观。唯有移动起来的金融，才具备在下一个周期继续参与竞争的生命力。这其中，应用社交化的趋势和大数据，将对金融行业带来更多新的机遇，并将使金融行业逐步移动化、社交化，产生新的具有移动互联网特点的金融模式。这种金融模式将具有成本低廉、便捷的特点，能够使人们不受时间和地点的限制享受金融服务。
总之，进入大数据时代，金融行业的客户信息、交易信息、资产信息、信用信息等数据经过有效采集和整理分析，将会成为具有价值的数据信息。内部数据结合外部数据将形成具有重要价值的数据资产，可以有效帮助金融企业进行精准营销，降低运营费用，提高欺诈防范能力，提高信用风险管理水平，为决策提供有效支持，同时帮助金融企业了解客户需求，开发出符合客户需要，具有创新精神的新产品。
每分钟的心情状态终将被考量
社交大数据营销，是为了更好地辅助金融决策。
金融业是产生海量数据的行业，大数据正在改变着银行的运作方式，特别是对理解和洞察市场和客户方面正产生着深远的影响。
随着Facebook和Twitter等社交平台的内涵更深入更延展，分享、交流等社交元素开始与更多金融服务相互融合，由此产生的多种商业价值也随之凸显。
金融市场价格走势很大程度上受市场情绪的左右，社交网络提供的情绪数据为金融交易带来巨大机会。一些机构以社交网站为交易策略中心的平台正为市场带来新的活力。
目前风靡华尔街的算法交易正是让大数据为其服务的一种案例。一些算法交易公司凭借的就是通过跟踪全球互联网上的头条新闻以及微博数据等捕捉政治、经济方面的变化对市场的影响，并将其作为股市投资的信号。一些提供专业服务的技术平台风起云涌，如MarketPsych公司和路透社合作提供了119个国家的18000多个独立指数，如每分钟的心情状态――乐观、忧郁、快乐、恐惧和生气等，为金融机构的自动交易提供第三方服务。
当然，信贷管理是长期困扰银行的难题，大数据准确和有价值的信息为银行信贷审批与决策提供了一个新的视角和工具。包括微信、微博在内的社交网站以及搜索引擎、物联网和电子商务等平台将人们之间的人脉关系、情绪、兴趣爱好、购物习惯等生活模式以及经历一网打尽，并将其加入到巨大的个人信息库中。银行利用这些更加准确和丰富的数据在信用分析和客户评级方面做出正确判断和决策，让信贷决策不再仅仅凭借滞后的数据和束缚手脚的条条框框，而是从被动转变为主动，从信用分析发展到行为分析，为信贷审批带来全新的方式。
还有一些消费信贷创业公司正研究开发以社交图谱为依据的FICO信用评分系统，利用15个变量决定其信用等级，预测单个借贷者是否会违约。一份内部研究显示，根据物以类聚的原理，个人贷款偿还可能性和其朋友偿还债务可能性呈正相关。大数据从一个新的纬度提供信用分析参考，逐渐降低信贷方面的高门槛。
由于大数据可以整合更多信息，并可以更准确评估客户风险，银行可以为不同风险客户提供不同价格的贷款。如果借款人与贷款人之间彼此拥有足够信息，金融中介的作用会变得越来越模糊，正在崛起的数据银行已对传统商业银行构成巨大挑战。
可见，大数据为金融机构提供了客户全方位信息，通过分析和挖掘客户的交易和消费信息掌握客户消费习惯，并准确预测客户行为，有针对性地推销产品和服务，满足银行对潜在客户量身定制服务的需求。另外，在品牌管理和客户服务反馈方面，大数据通过对人们在思想、情绪和通信方面的数据化情感分析，获取并汇总顾客的反馈意见并对营销活动效果做出准确判断。
大数据时代涌现了更多的金融与商业的跨行业联动营销。如：西班牙的桑坦德银行每周发给其分行一份可能对该行某类产品感兴趣的客户清单，其中有些就不是金融产品。花旗银行新加坡分行在观察客户信用卡交易的基础上，借机提供相关商店和餐馆的折扣。信用卡公司和其他零售商也在涉足这个领域，Visa 与服装零售店Gap联手向在Gap店附近刷卡的持卡人发送折扣券。亚洲花旗有25位数据分析师，2012年在新加坡设立了一个新的“创新实验室”，将数据分析师和大机构客户与孟加拉的大型分析中心联系在一起，如果客户签下服务，刷信用卡，系统可以查看任何一天客户购物和吃饭的地点，以及偏好，如果发现该客户喜欢意大利餐，快到午餐时，如客户所处的位置附近有一家著名的意大利餐馆，银行可以发送短信，提供那家餐馆的打折券，使得第二次交易出现。系统甚至有能力找出客户接受这项优惠的比例。这些灵感正是借鉴从亚马逊营销图书的经验，客户的喜好不仅仅取决于他所买到书，还取决于相同客户买了什么书。
金融机构最为关注的是风险管理，而大数据在管理交易、信贷风险和合规方面大显神通。许多金融机构早已采用大数据防治欺诈，保持交易方面的合规，如在庞大的数据库中核对黑名单中的名字，区别同名同姓。信用卡公司用大数据分析客户大规模的交易规律，大大降低了风险。
计算机科学家、统计学家正在开始与社会科学家协作
社交大数据，助互联网金融大道盛行。
随着计算机及互联网通讯技术的兴起和发展，在过去的几十年间，金融行业在不断被改变，随着金融行业不断触网，互联网金融已经显示出诱人前景。
与传统金融相比，互联网金融的优势主要体现在：通过社交网络或电子商务平台可以挖掘各类与金融相关的信息;大幅提高信息搜集效率，智能满足用户金融需求;在供需信息几乎完全对称、交易成本极低的条件下，优化交易方式。互联网金融的优势不仅在于信息搜集和处理，还能有效地将众多交易主体的资金流置于其监控之下，降低风险控制成本。
目前，互联网金融主要有五种模式：一种是以拍拍贷、人人贷、点名时间等为代表的线上P2P模式和众筹模式;第二种是阿里、京东、苏宁为代表的电商介入金融领域，形成的各自互联网金融模式，阿里最具代表性，衍生的金融模式也较多;第三种是涉及到银行支付结算体系的第三方支付，目前有支付宝、财付通为代表的200多家支付企业;第四种是互联网企业介入的金融服务领域，更多以服务金融机构为主要模式，本身不介入金融领域，像数米网、铜板街、东方财富网等基金代销网站，还有如融360、好贷网的金融信息服务模式的网站;第五是互联网货币，如比特币。其中，影响最大的是阿里金融等拥有海量客户、数据资源的第三方支付和P2P等。对于传统金融业，这种形式的互联网金融主要挑战了什么呢？可以认为其在于：客观上割裂了银行和终端客户的直接联系，银行客户开始分流，银行被电商前台后端化;银行资金开始脱媒，小额高频度的资金流水通过第三方或者P2P进行流通、投资。
金融机构希望能够收集和分析大量中小微企业用户日常交易行为的数据，判断其业务范畴、经营状况、信用状况、用户定位、资金需求和行业发展趋势，解决由于小微企业财务制度的不健全，无法真正了解其真实的经营状况的难题。其中，比较典型的就是阿里小贷，首创了从风险审核到放贷的全程线上模式，将贷前、贷中以及贷后三个环节形成有效联结，向通常无法在传统金融渠道获得贷款的弱势群体批量发放“金额小、期限短、随借随还”的小额贷款。接下来，我们还原一下其做法：
首先，通过阿里巴巴B2B、淘宝、天猫、支付宝等电子商务平台，收集客户积累的信用数据，利用在线视频全方位定性调查客户资信，再加上交易平台上的客户信息（客户评价度数据、货运数据、口碑评价等），并对后两类信息进行量化处理;同时引入海关、税务、电力等外部数据加以匹配，建立数据库模型。
其次，通过交叉检验技术辅以第三方验证确认客户信息的真实性，将客户在电子商务网络平台上的行为数据映射为企业和个人的信用评价，通过沙盘推演技术对地区客户进行评级分层，研发评分卡体系、微贷通用规则决策引擎、风险定量化分析等技术。
最后，在风险监管方面，开发了网络人际爬虫系统，突破地理距离的限制，捕捉和整合相关人际关系信息，并通过逐条规则的设立及其关联性分析得到风险评估结论，结合结论与贷前评级系统进行交叉验证，构成风险控制的双保险。阿里小贷还凭借互联网技术监控贷款的流向：如果该客户是贷款用于扩展经营，阿里小贷将会对其广告投放、店铺装修和销售进行评估和监控。
可见，互联网金融借助社交网络等新平台产生了海量用户和数据，记录了用户群体的情绪，但大数据库无法自己总结人类行为模式的规律。计算机科学家、统计学家正在开始与社会科学家协作，找到把大数据策略和小数据研究相结合的新途径。利用互联网，金融企业也可以对其客户行为模式进行分析（比如事件关联性分析），这类似于工程上的“对照实验”，即观察、测试不同条件下，机构投资者或普通金融消费者对产品的反应，识别其中的因果关系，提高客户转化率，改善服务水平，实现互联网金融的精准营销。例如，领先的零售企业通过监控客户的店内走动情况及其与商品的互动，与交易记录相结合开展实验，就可以指导选择商品种类、摆放货品、调整售价。再如，有保险公司通过精细化分析客户风险、财富变化、家庭资产价值等数据并不断更新其背景资料，向客户提供量身定制的保单。未来，保险公司还将使用个人位置和汽车运行信息对车险产品定价，向客户提供交通和天气状况、停车事故高发区域和速度限制变化等实时信息，开发有利于安全驾驶的产品。
在大数据盛行的年代，互联网不仅影响到金融，它还是整个消费习惯的改变。随着70，80，90后成为互联网金融的主要人群，他们多年已经养成了互联网生活习惯和思维模式，更倾向于选择通过互联网，便捷、高效地来解决借贷、理财、投资等各方面的金融需求。
未来社交关系与大数据还将在互联网贷款、购买保险、证券投资等发挥极大作用。金融和数据拥有天然的数据化基因，因为金融本身就是信息和数据，做金融的本质就是做信用。大数据技术提供的有据可查的信用数据，为构建互联网金融信用体系提供了保障。
什么时候隐私可以成为伪命题？
社交大数据掘金路上，隐私问题忡忡。
当然，深度的社交大数据挖掘中最敏感的问题仍然是用户隐私的问题。社交网站从一诞生起就与这个问题相伴相生，随着大数据时代的到来，隐私问题显得越发重要。在未来掘金社交数据的道路上，一方面要为用户提供更加精准便捷的良好服务，另一方面也要注重对用户隐私的保护。只有符合用户需求和用户安全的商业利益，才能成为可持续的商业利益。
关键词：汽车零部件；质量管理；优化措施
引言
汽车零部件的质量能够体现出汽车的安全与性能，因此，质量是如今消费者选择车辆的一个重要标准。为了能够提高汽车公司在当今市场中竞争的能力，汽车生产公司从汽车零部件的质量抓起，制定一系列的措施来加强质量的提高，从而才能够促进汽车企业的进一步发展，获得更大的经济利润。
1 质量管理项目在汽车零部件项目中的核心作用
质量管理项目不但能为任务确立一定的目标，明确汽车零部件的质量标准，还能够为了提升其质量采取一定的措施，使得汽车零部件质量得到保障的同时能够让质量有一个更大的提升，质量管理实施的时候设立监督部门，督促工作更好地完成。
2 汽车公司的问题分析
汽车锁零部件生产公司也存在着一些阻碍企业积极向前发展的问题。
首先，由于国内企业的生产技术手段及开发能力弱，零部件的设计生产过于依附于整车厂商等等，这些问题使得汽车制造产业的生产规模无法进一步扩大，生产效率也较低。
其次，企业内部缺乏一个完善的认证评价系统，导致汽车锁零部件的生产规模效益薄弱，质量问题也屡出。
第三，没有得到供应商的技术支持，生产成本过高，质量状况得不到改善。随着国内汽车企业在国际市场竞争力越趋低下。全球汽车生产重心开始不断向中国移动，这一趋势使得汽车零部件生产量加剧，国内尽管人口数量可以缓解生产压力，但生产质量无法得到有效保障。
3 优化汽车零部件质量管理的有效措施
3.1 借鉴汽车零部件质量管理发展阶段
众所周知，汽车零部件质量管理发展阶段大体经历过质量检验阶段、统计质量控制阶段和全面质量管理阶段。以下是对这三个阶段的优化控制探讨。
3.1.1 质量检验阶段
质量检验是1950年前苏联的质量管理办法，包括操作者自检、工长自检和检验员专检三个不同阶段。尽管较现代高科技质量管理技术处于相对落后的地位，但是它也推动了质量管理的发展。我们应该借鉴和吸纳质量检验各个阶段的优势，将三个部分所获得的信息经验以新的方式呈现。
3.1.2 统计质量控制阶段（SQC）
随着时代的发展与进步，1950年之后，我国汽车领头企业试行新的管理方案，将质量管理由传统的质量检验逐步迈向统计质量控制阶段，这一阶段的特色是利用数理统计学理论建立质量分析模型，采用统计工具分析数据库，这一新方案为质量管理打开了新的发展方向，从而更优化了控制汽车零部件产品制造质量的管理过程。我们可以借鉴“质量日”和“新三检”制度，优化管理制度，提高职员质量管理意识，提升汽车零部件生产质量，推动汽车产业发展。
3.1.3 全面质量管理阶段（TQM）
这一管理阶段20世纪60年代提出的实践检验的科学手段，由于国内各种技术手段的阻碍，使得这一管理在国内依旧是形式运行。但其中的质量管理理念是值得我们借鉴与效仿的。
3.2 把握并创新汽车零部件质量管理基本方法
以汽车零部件质量管理体系的质量工具为基础，IS0/TSl6949被汽车行业制定为汽车企业质量管理项目的统一标准，汽车生产企业要合理把握IS0/TSl6949的技术规范，优化其含有的质量管理的五大工具：产品质量先期策戈O（APQP）、潜在失效模式和后果分析（FMEA）、统计过程控制（SPC）、测量系统分析（MSA）、生产件批准程序（PPAP）等，使五大工主辅得当，相互促进。严格规范企业员工综合素质，以科学的完善的系统方法论为指导，保证该质量管理体系能有效汽车企业运营提供高质量，高效益的服务。
3.3 有效控制公司实施质量管理体系的核心过程
3.3.1 计划和确定过程
这一过程是整个汽车零部件设计开发的启动阶段，要通过问卷调查和网络平台对顾客的期望进行收集和了解，为后期的设计做好前期准备工作。
3.3.2 产品的设计开发过程
这一过程要对汽车锁零部件产品的设计要求和技术手段进行考核和评定，通过绩效考核手段对企业内部相关分析工作人员进行评价，优化企业产品设计检定分析师的能力水平，对图纸的设计可行性进行准确评估并做出最有方案，采用负激励管理对质量业绩较差的工作人员给予处罚，减少产品在制造过程前的潜在风险。
3.3.3 过程设计与开发过程
这一过程阶段是一个开放的过程，它的完善与前两个过程相互依赖，相互影响。企业要建立完善的制造体系或系统，通过对产品设计的需求的理解，满足国际质量管理标准，采用先进的设备，吸纳高技能型人才，优化网络信息系统，缩小产品设计特性的误差，减小系统输入输出偏差及敏感度，使a品的制造系统可靠便利。
3.3.4 产品和过程的确认过程
在对试产品的确认过程也是对零部件产品设计和制造过程数据分析改进的过程，是产品制造过程之前的核心阶段。这一过程可以通过“最强之星”小组赛的方式筛选出最优数据设计方案，给予优厚的奖励鼓励优秀员工积极参与奉献并展示自己的工作能力。这一过程的完善是整个产品设计制造的核心。
3.3.5 反馈、评价与改进过程
质量管理的反馈评价阶段是对产品后期销售的评价，对下一步更完善设计的考核，可以通过调查问卷的形式，通过对顾客一对一交流了解产品的优劣，企业需要建立评价交流网站和交流软件平台，通过网络这一反馈信息平台收集广泛的资料，分析其数据，不断优化和完善其汽车零部件产品设计与制作，使汽车的质量受到顾客的肯定。
4 结束语
我国的经济在飞跃发展的时候，人们对汽车的需求也日益增强，为了能够适应社会的发展，从汽车零部件生产方式发生一定的变化，使得汽车零部件的质量更加让人满意，汽车生产公司将进行全面质量管理，这一管理作为汽车零部件企业发展战略的重要组成部分，为汽车市场的前进迈出更加重要的一大步。
参考文献
[1]李亮.关于汽车零部件质量管理的多方面分析[J].民营科技，2015（6）.
