데이터분석가라는 직위는 시대적 특성과 수요가 크다는 점을 가지고 있으며, 학부에서는 통계학 전공자들이 대학생들의 데이터 분석 역량을 적극적으로 탐색하고 육성하며, 검증된 데이터를 제공하기 위한 효과적인 대응책을 제시한다. 분석가의 인재를 사회에 기여하는 것은 중요한 연구 가치와 실천적 의의를 갖고 있습니다.
1. 데이터 분석가 교육의 중요성
(1) 데이터 분석가 교육은 프로세스에 적응하기 위해 국가 전략과 일치합니다. 세계 경제 통합의 철저한 현재 우리나라의 "프로젝트 데이터 분석" 분야의 전문 기술 인재 부족을 해결하기 위해 2005년 4월 중국 최초의 데이터 분석 회사가 산시성에 설립되었습니다. 지금까지 우리나라는 연속적으로 사무소를 설립했습니다. 베이징, 산시(陝西), 장쑤(江蘇), 신장(新疆), 간쑤(甘肅), 산동(山둥) 등 14개 성, 시, 자치구의 약 80개 전문 프로젝트 데이터 분석 기관이 중국 시장 경제 단계에 진입했다. 초기 분석 및 평가 산업과 금융 산업, 회계사, 투자 및 금융 기관, 정부 승인 및 사업 관리 및 기타 여러 분야에 이르기까지 다양합니다. 빅데이터 시대의 도래와 함께 빅데이터 연구 플랫폼 구축, 혁신적인 자원 통합, '특별 계획' 실행은 여러 성 및 시의 우선순위 중 하나가 되었습니다.
(2) 데이터 분석가의 취업 전망은 밝습니다
'데이터의 해'로 간주되는 오늘날, 데이터 분석가는 넉넉한 보수와 존경을 받는 것으로 국제적으로 유명합니다. 타임지는 이를 '21세기 5대 신흥 산업'으로 꼽았다. 오늘날 국내 데이터 분석 산업의 전문 인재 수는 매년 수천 자릿수로 빠르게 증가하고 있으며, 같은 기간 동안 다양한 산업 분야의 공석 수는 향후 중국의 데이터 분석가에 대한 수요에 거의 도달할 것입니다. 폭발할 것이다.
데이터 분석 인재 양성 측면에서 해외에서는 데이터 분석 인재를 국가 전략으로 삼아왔다. 통계에 따르면 세계 500대 기업 중 90% 이상이 데이터 분석 부서를 설립했습니다. 빅데이터 시대의 데이터 분석가에 대한 엄청난 수요는 대학에서의 교육에 대한 열정도 크게 자극했습니다.
2. 데이터 분석가의 전문적 자질 배양
주요 채용 웹사이트의 데이터 분석가, 시장 조사 분석가 및 기타 직위에 대한 채용 정보 수집, 구성 및 심층 분석을 통해 데이터 분석가의 지식, 기술 및 도덕적 자질에 대한 사회적 고용주의 구체적인 요구 사항은 다음과 같이 요약됩니다.
(1) 데이터 분석가의 전문적 의미
데이터 분석가는 데이터 수집, 분류, 분석을 전문으로 하며, 실제 데이터, 통계, 분석, 향후 프로젝트 현황 및 향후 데이터를 기반으로 산업 또는 시장 조사, 평가, 예측을 수행하는 다양한 산업 분야의 전문가를 말합니다. 정보를 예측하고 의사결정으로 전환하는 전문가입니다. 데이터 분석가는 대량의 산업 데이터를 마스터하고, 과학적인 컴퓨팅 도구를 사용하며, 경제 원리와 수학적 모델을 결합하여 과학적이고 합리적인 정량 분석을 수행할 수 있으며, 기업의 미래 이익과 위험을 예측하고 비즈니스 의사 결정을 위한 정보를 제공할 수 있습니다. 과학적인 정량분석의 기초가 됩니다.
현재 데이터 분석가를 위한 주요 자격증은 두 가지가 있습니다. 하나는 빅데이터 및 클라우드 컴퓨팅 추세에 맞춰 CDA(공인 데이터 분석가 협회)에서 발급하는 CDA(공인 데이터 분석가)입니다. 두 번째로 창설되어 설립된 직업의 약칭은 중국상공회의소 데이터분석전문위원회와 산업정보부 교육시험센터가 공동으로 평가 및 인증하는 CPDA(Project Data Analyst)입니다. 기술. 프로젝트 데이터 분석 회사 설립을 신청하려면 인증서가 필요합니다.
(2) 데이터 분석가를 위한 지식 요구 사항
다변량 통계 분석, 응용 회귀 분석, 시계열 분석, 계량 경제학, 경제 예측 연구 등 통계 모델링 방법을 익히고 새로운 내용을 이해합니다. 이 업계의 통계 방법의 발전, SQL/Oracle 및 기타 데이터베이스의 기타 방법에 능숙하고 소프트웨어의 운영 결과를 정확하게 이해합니다. 관련 산업의.
(3) 데이터 분석가의 능력 요건
정보 및 데이터에 민감하고 강력한 글쓰기 능력을 갖추고 독립적으로 연구 보고서를 작성할 수 있어야 하며 SPSS/SAS를 능숙하게 사용할 수 있어야 합니다. /Eviews 및 기타 통계 분석 소프트웨어는 데이터 분석 또는 데이터 마이닝에 대한 포괄적인 기능을 갖추고 있으며 데이터베이스 아키텍처 및 데이터 아키텍처를 마스터하고 Excel/SQL 또는 Access 쿼리 문을 사용하는 기술과 지식을 갖추고 있으며 우수한 데이터 처리 및 통계 모델 구축 기능을 갖추고 있습니다.
(4) 데이터 분석가의 직무 책임
산업 및 기업 관련 정보와 데이터의 조사, 수집, 구성, 분석, 연구 및 공개를 담당하며 특별 조사에 참여합니다. , 프로젝트 및 컨설팅 프로젝트 조사, 업계 분석 기사 및 연구 보고서 작성, 빅 데이터에 대한 심층적인 마이닝 수행, 예측 및 분석을 위한 관련 모델 구축, 관련 연관성 찾기, 내부 법률 공개, 업계 및 기업 의사 결정의 기초 제공 .
3. 데이터 분석가를 위한 교육 계획
교육 계획은 데이터 분석의 교육 특성을 부각시키기 위해 고등교육의 교육적 사고와 철학을 집중적으로 표현한 것입니다. 심층 분석 수행 데이터 분석의 전문적인 요구를 기반으로 데이터 분석가의 교육 요구 사항을 충족하는 커리큘럼 시스템이 최종적으로 공식화됩니다.
(1) 훈련 목표
학생들이 졸업 후 다양한 산업 분야의 데이터 분석 분야의 전문가로 성장할 수 있도록 학부에서 통계학을 전공하는 학생들의 훈련 목표 첫째, 경제, 경영, 재무 관리에 대한 기초 지식을 갖추고, 둘째, 관련 산업 지식과 회사 비즈니스 프로세스를 이해하고, 셋째, 통계의 기본 이론과 방법을 숙지하고, SPSS/SAS를 능숙하게 활용합니다. 데이터 분석 또는 데이터 마이닝의 종합적인 능력을 위한 기타 통계 분석 소프트웨어 넷째, 데이터베이스 아키텍처 및 데이터 아키텍처를 마스터하고 Excel/SQL 또는 Access 쿼리문 사용에 대한 기술과 지식을 갖추고 있으며 우수한 데이터 처리 및 통계 모델 구축 기능을 갖추고 있습니다. , 강력한 글쓰기 능력을 보유하고 있으며, 데이터 분석 연구 보고서를 독립적으로 작성할 수 있습니다.
(2) 커리큘럼 시스템 구축 원칙
학부 교육 단계에서 데이터 분석가 양성을 위한 커리큘럼은 '3가지 조합'의 원칙을 구현해야 한다.
1. 여러 분야를 결합합니다. 데이터 분석 업무는 기업의 의사결정에 있어 여러 학문과 전공을 종합적으로 적용하는 업무입니다. 우수한 데이터 분석가가 되려면 여러 학문을 통합할 수 있어야 합니다. 수학, 통계, 경제, 금융, 경영, 마케팅 및 기타 분야의 관련 지식에 익숙하거나 이해해야 합니다.
2. 이론적 연구와 실제 적용을 결합합니다. 대학에는 일반적으로 상대적으로 성숙한 교육 실습 기반과 인턴십 기반이 있습니다. 이론 학습 후 학생들은 기업 및 기관 또는 금융, 금융, 보험 및 기타 산업에 가서 관련 산업의 비즈니스 지식과 데이터를 배울 수 있습니다. 배운 지식을 사용하여 데이터 분석을 수행하고 독립적으로 또는 협력하여 데이터 분석 연구 보고서를 완성합니다.
3. 전문 교육과 기술 자격 교육을 통합합니다. 학업을 통해 학생들은 통계학 학사 학위 또는 경제학 학사 학위를 취득할 수 있으며, 사회 기술 자격 시험에 참여하여 데이터 분석, 통계학자, 조사 분석가 등 전문 기술 자격 자격증을 취득할 수 있습니다. 이 둘의 결합은 학생들이 폐쇄적인 캠퍼스에서 열린 사회로 이동하고 기술을 향상하며 사회에 더 잘 통합되고 적응하는 데 더 도움이 됩니다.
(3) 커리큘럼 시스템의 기본 틀
전체 교육 과정에서 각 학기는 장학기와 단기 학기로 나눌 수 있으며, 단기 학기에는 취업 관련 주제도 있습니다. 직무관련 단기집중실습은 주로 현장실습 과정으로 구성되어 있습니다. 장기과정은 기본과정, 지도과정, 종합실습과정, 경력개발과정 등 4가지 시리즈로 구성됩니다. 데이터 분석가의 기본 소양과 리터러시를 갖춘 인재를 양성한다는 목적을 달성하기 위해 관련 지식을 통합하고, 교과목 구조를 최적화하며, 실무 능력을 강화하고, 직무 능력 교육을 강조하는 교육과정 체계를 구축하고 있습니다.
IV. 데이터 분석가 교육 과정의 전략
(1) 콘텐츠 통합 전략 교육
커리큘럼 시스템 및 과정 설정의 전반적인 구성에 따라, 커리큘럼 모듈화 아이디어에 따라 교육 내용, 교육 진행 및 과정 깊이를 재구성하고, 오래되고 반복적인 내용을 제거하고, 이론과 실무 콘텐츠의 연결을 강화하고, 종합적인 응용 능력을 배양하기 위한 콘텐츠를 추가하고, 교육의 통합 및 최적화를 실현합니다. 교육 내용.
예를 들어 "Applied Regression Analysis"와 "Econometrics"의 내용이 겹치는 경우가 많기 때문에 "Applied Regression Analysis"는 "Econometrics"로 병합될 수 있으며, 또 다른 예로는 "Descriptive Statistics", "Mathematical Statistics" 및 "Econometrics"가 있습니다. "통계예측 및 의사결정"과 같은 강좌에는 반복적인 내용이 있으므로, 지식에 대한 면밀한 검토를 바탕으로 해당 교육 내용을 통합하고 교육 문서를 재구성해야 합니다.
(2) 실험세션 구성 전략
전문 지식 방법과 실무 문제의 연결점을 찾아내고, 현재 뜨겁고 어려운 문제를 분석하고 연구하여 실무를 풍부하고 풍요롭게 한다. 교육 내용 실험의 특정 링크, 목적 및 요구 사항을 명확히 하기 위해 응용 배경 및 실제 교육 효과를 갖춘 실험 지침 및 안내 자료를 편집합니다. 각 실험 프로젝트에는 실험 성격, 실험 목적, 실험 요구 사항, 실험 내용, 실험 단계 및 결과 분석이 포함되어야 합니다. 모든 과정의 실험 내용은 실무 교육의 표준화를 달성하기 위해 단계적으로 얕은 것에서 깊은 것으로 진행됩니다.
(3) 소프트웨어 교육 배치 전략
학생들이 관련 통계 소프트웨어를 완전히 익히고 적절한 소프트웨어를 사용하여 데이터를 구성하고 분석하는 데 능숙할 수 있도록 통계 소프트웨어 교육 세 가지 레벨로 나누어집니다: 첫째, 별도의 SPSS 및 SQL Server 데이터베이스 과정이 제공됩니다. 둘째, Lingo, Eviews, SAS 및 기타 소프트웨어 실험이 강의실에서 제공됩니다. 셋째, Latex 및 R과 같은 소프트웨어 과정이 단기 학기에 제공됩니다. 계층적 소프트웨어 교육을 달성하기 위한 포괄적인 교육입니다.
(4) 실무과목 운영전략
학생들의 실무능력과 취업경쟁력 강화를 위해 직장 예절 및 의사소통 실습, PPT 제작, 통계모델링, 실습 등을 제공한다. 단기 학기에는 통계 조사 방법 및 실습, 사무 자동화 교육 및 기타 프로젝트를 제공하며 매 학기마다 통계 프로세스 및 분석 작성, 회계 실무 소프트웨어, 통계 분석 사례 등과 같은 프로젝트를 포함하여 전문화됩니다. 종합적인 연습.
(5) 커리큘럼 설계 전략 확대
시간제 교수 또는 캠퍼스 외부 강사로서 풍부한 실무 경험을 갖춘 통계학자, 설문 조사 분석가 및 기업가를 채용하여 캠퍼스 외부 실습을 강화합니다. 두 번째로 교실에서는 전문적인 교육과 결합된 풍부하고 다양한 과외 활동을 수행하는 동시에 학부 통계 모델링 대회, 학부 시장 조사 분석 대회 및 학부 수학 모델링 대회와 같은 과목 대회를 사용합니다. 학생들의 종합적인 능력을 훈련하고 다양한 경력 개발을 달성합니다.
V. 데이터 분석가 교육을 위한 보호 조치
(1) 다양한 교육 자원을 통합하고 교육 효율성을 향상
자금 보장 없이 데이터 분석가 학생 양성 종이로만 할 수 있습니다. 따라서 학교와 중등대학을 설립하여 자본 투자를 늘리고 자금이 효과적으로 집행될 수 있도록 소프트웨어와 하드웨어 측면에서 강력한 지원을 제공해야 합니다. 학교의 기존 자원을 활용하여 개방형 실험실과 인턴십 기반을 구축하고 데이터 분석가를 교육하기 위한 좋은 환경을 조성합니다.
데이터 분석가 교육은 산학 통합을 구현하고 공개 교육 방식을 준수하며 기업과의 공동 교육을 실시해야 합니다. 대학과 기업이 공동으로 인재를 육성할 수 있는 새로운 메커니즘을 구축하고 대학의 인재 양성과 산업 기업의 요구 사이의 현재 단절을 변경합니다. 공동학교운영, 정부건설 등 사회적 자원을 활용하여 인턴십 및 실험기반 구축
(2) 과외 시스템 구축 및 교사의 지도 역할 강화
학생의 데이터 분석 수준을 향상시키기 위해 중등대학은 2학년 입학 후 학부 과정을 시행해야 합니다. “튜터링 시스템”; 이미 일정한 과학적 연구 역량을 갖춘 학부생들이 강사의 지도 하에 데이터 분석과 관련된 다양한 전문 대회 및 혁신 실습 활동에 참여하고 데이터 분석 활동의 전체 과정을 직접 경험할 수 있습니다. , 혁신에 대한 인식을 바탕으로 강사의 완전한 참여와 지도 하에 4단계에서 종합적인 캠퍼스 내 실습, 교외 졸업 인턴십 및 졸업 논문 작성 작업을 완료합니다. 전체 실습 교육 과정을 효과적으로 모니터링하여 교육의 질을 보장할 수 있습니다.
(3) 두 번째 교실에서 활동을 수행하기 위해 모든 수준의 지역사회 조직을 최대한 활용합니다. 두 번째 교실은 교실 수업의 확장이자 보충입니다. 각급 커뮤니티 조직의 계획 및 배치에 따라 인력 및 물적 자원에 대한 투자를 늘리고, 두 번째 교실과 첫 번째 교실에 대한 체계적이고 포괄적인 고려 및 설계를 수행하고, 표준화된 관리 및 조직 운영을 구현하고, 일련의 활동을 공식화합니다. 프로그램은 데이터 분석가 양성을 위한 더 많은 교육 채널과 방법을 제공합니다.
(4) 학생의 학습 흥미를 자극하기 위한 평가 메커니즘 개혁
평가는 교사와 학생을 이끄는 지휘봉입니다. 대부분의 학생과 교사는 항상 지도교수의 지도를 구합니다. 현재 평가 시스템은 "좋은 결과"입니다. 미래의 데이터 분석가를 양성하기 위해서는 학생들의 학습 주도력을 높이고 실무 능력을 향상시키는 것이 필요합니다. 다양한 활동과 다양한 채널을 통한 학생들의 능력 배양 강화는 과학적인 평가 시스템에 의해 측정되어야 합니다. 이를 위해 학생 능력 개발 및 훈련의 전 과정을 추적하고 조사하기 위한 "N+2" 프로세스 평가 평가 시스템을 구축합니다. 테스트 결과와 정보 피드백은 교육 훈련의 효과를 반영하고 평가하는 데 사용됩니다. 학생 창의성의 변화.
요컨대, 프로젝트 데이터 분석 회사는 중국에서 빠르게 성장하고 있으며 정부, 금융 기관 및 기업의 의사 결정에 점점 더 중요한 참조 정보를 제공하고 있으며 성장과 발전을 위한 좋은 여지를 가지고 있습니다. 정보의 바다 속에서 어떻게 효과적인 정보를 찾아내고, 효과적인 데이터를 통해 어떻게 과학적 의사결정을 내릴 수 있는지가 특히 중요해졌기 때문에 데이터 분석가의 미래는 밝을 것입니다.