|
从人才的主要学科来源看，计算机类、统计类和数学学科占比最大，显示出大数据人才培养中对计算机相关知识、统计学和数学基础的综合性要求。这种相对综合的要求，导致大数据人才培养的难度较大，对学生的学习能力和课程设置的要求也较高。 中国大数据人才储备排前三位的城市依次为北京、上海和深圳。这些城市丰富的大数据人才储备与其高等教育水平密切相关。 从2016年开始，国家为应对大数据人才市场缺口，创设了“数据科学与大数据”本科专业。截止2018年，审批通过设置该专业的学校数量从2016年的3所增长到248所，扩张了近83倍。“数据科学与大数据技术”专业课程体系完整，涉及数学、统计和计算机等多个方面，满足了市场对复合型人才的需求。
大数据产业链 数据服务、基础支撑和融合应用相互交融，协力构建了完整的大数据产业链。 基础支撑层是整个大数据产业的引擎与核心，它涵盖了网络、存储和计算等硬件基础设施，资源管理平台、以及各类与数据采集、预处理、分析和展示相关的方法和工具。 从数据流动的角度来看，除去硬件设施和资源管理平台，大数据架构可以理解为：前端的数据采集、中端的流处理、批处理、即时查询和数据挖掘等服务，以及末端的数据可视化服务。 在基础支撑层之上，融合应用层包含了与政务、工业、农业、金融、交通和电信等行业紧密相关的应用软件和整体解决方案。 数据服务层，则是围绕各类应用和市场需求，提供辅助性的服务，包括数据交易、数据资产管理、数据采集加工分析、数据安全等。
大数据产业生态地图 二：十大爆发点 1、工业企业上云引爆工业APP市场
2017年以来，伴随着工业互联网概念的提出，工业企业上云和工业APP开发成为热点词汇。我国工业领域的云化水平较低，在上云企业数量的广度和企业在云端部署的深度两个维度上都具有非常大的发展潜力，工业企业上云处于爆发前期。 未来，随着国家上云政策的细化和分解（如目标分解、实施路径、考核标准、应用场景和财政支持方式等），以及各地政府对工业企业上云策略（如企业上云评估、诊断和实施路径等）的落地，对工业数据的分析需求会快速上升，引爆各类工业APP应用的开发，诸如设备设施预测性维护、工业生产流程优化、生产过程可视化和供应链优化等工业应用。 2、前端智能将广泛应用在城市安防和设备设施监测维护领域
相比于云计算技术架构，应用前端智能技术（将经过数据分析验证的算法和模型固化到前端高性能传感器和数据采集设备），可以有效地削减数据传输过程中的网络带宽消耗，降低前端设备自身功耗，提升数据分析效率和系统整体的智能化水平。 现阶段的前端智能面临三大挑战：模型参数多、实时性要求高、运算能力弱。要解决这些问题，需要在软件和硬件方面同时下功夫，对企业的综合能力要求很高。 未来，随着中国新一轮的智慧城市和工业互联网建设的持续推进，市场对智能终端和传感器的需求将会拉动前端智能市场的进一步增长，其中城市安防、交通和设备设施监测维护将成为增长重点。 3、智能投顾开辟金融市场新蓝海
新兴的智能投顾公司在国外发展迅速，主流财富管理领域已经认可智能投顾并积极投入其中。目前，国内的一些公司也推出了类似的产品（如投米RA、积木盒子、嘉实基金和弥财等），但整体而言仍然处在非常早期的阶段。 国内的智能投顾业务将推动投资理财走向普惠化，改变财富管理市场格局，开辟中国金融市场新蓝海，未来市场发展潜力巨大。 4、网络营销向线下渗透，场景营销成破局利器
（责任编辑：晨鸿） |
