阮敬：国内大数据人才培养现状（2）

大家看上图，创新平台的主要课程那一项，大数据统计基础里有抽样技术、探索性数据分析、数据预处理、空间统计、数据可视化等，这些都是统计基础必须要掌握的。后面还有数据挖掘与机器学习、大数据分布式并行计算（MapReduce框架）、大数据非结构数据分析（我们前面的分析就属于非结构化的大数据分析），另外还有大数据统计建模、大数据开发基础、面向数据编程语言、大数据分析案例等。大数据分析案例的课程操作起来比较困难，因为很多公司企业不愿意提供数据让你去分析他们的情况，除非你的学生要到他那里去工作。但是这种情况下，企业会在学生去之前对他们进行挑选，非常的麻烦。那这个问题到底要怎么解决呢？现在我们鼓励创业，就要靠老师去跟外界交流，达成紧密的商业合作。该项目的目标主要是培养大数据分析人才，重点是分析，至于软件、硬件，自然有精通计算机的人去弄，这个需要相互配合。

大数据分析硕士培养协同创新平台建立于2014年9月，第一期共招收了来自5所合作院校的55位学生，他们在2016年6月已经毕业，现就职于阿里巴巴、腾讯、百度、京东等互联网企业的总部，99%的同学担任的都是数据分析、数据挖掘的岗位，薪酬都相当可观，还有个别同学去攻读数据科学的博士去了。他们受到了业界的认可，可以说已经成长为真正的大数据领域的高端人才了。

在国内，以计算机为依托的可以学习大数据技术的院校有北京航空航天大学、交通大学、中国科学技术大学、人民大学、山东大学等，其中不乏各个学校、各个部门相互合作开设的平台。他们设置的课程比较偏技术范畴，比如数据库。如果想了解大数据的软件、硬件技术或系统，可以去上述学校找到一些门路。

以业务需求为依托的培养方式落脚点比较明确，专注于培养某个特定行业里的大数据人才，你可以根据想进入的行业对号入座。

怎么练，练什么内容，需要花多长时间多少钱，国内国外的各种途径，前面我们大致都介绍到了，那么学成之后找不到好工作怎么办？有两种途径，第一种是直接转行，但是好不容易才学成，转行的话就前功尽弃了。还有一种办法是自立门派，自己去创业，接受市场的检验。市场是最好的检验标准，我们把市场上的人才招聘信息收集起来，与刚才讲到的学习内容和途径相对照，就能看出它们之间的匹配程度。我们就能知道学成之后自己适合从事哪些工作，并且了解到大概的薪资情况。匹配度可以用0到1之间的数来表示，越往1靠近匹配度就越高，应用统计的匹配度就很高，达到了0.81，不过学成之后做数据分析师的话，在全国范围内的平均工资是不高的。比较之下，做数据挖掘的薪酬就高多了，相应的难度系数也会增加。凡是带有大数据或数据分析字眼的职位我都把它们挑出来汇总到一起，比如大数据工程师。总体来说，有工作经验的普遍比没有工作经验的工资水平高，但是大数据行业发展起步得比较晚，工作时间达到四年在这个领域里已经是相当长的了。这个行业对学历也有一定要求，80%的企业规定应聘者须具有本科以上学历。刚才我们看国外的数据要求是硕士以上，这种差异主要是由于国内对硕士的培养还没达到普及的程度。招聘人数较多的职位主要集中在数据分析类，软件类的则不是很多。

匹配程度和薪资高低应与其他因素综合来看，不要一味追求高薪的职位，今年是高薪，到了明年不一定还高。总之，就市场的需求量来说，分析类的岗位是人才需求量最多的，管理类和软件类的较少，对大数据的学习一定要适应市场的需求。