大数据时代规划.ppt

2013年我们（约）： 学士：9,000 硕士：2,000(学术型） 630(专硕) 博士： 400 MBA 计算机 统计与运筹学 商学（市场营销、电子商务等） 大数据分析硕士项目 在大数据环境下处理、分析数据的能力 数据分析师 数据到价值关键环节 数据到价值核心环节 数据到价值基础环节 数据挖掘工程师、数据架构师 算法工程师、数据开发工程师 国内大数据人才的培养 专业 必修课 课程名称 主要内容 学分 大数据分析计算机基础 操作系统简介、分布式系统简介和结构化（SQL）、分布式数据库（NoSQL、HBase、Hive、Pig等）、数据的整合 3 大数据分布式计算 Hadoop分布式平台、MapReduce并行编程、Storm实时计算等 3 大数据分析统计基础 描述、多元、时序、空间、可视化等 3 大数据挖掘与机器学习 抽样、分类、预测、聚类、关联、降维、集成算法等 3 非结构化大数据分析 文本挖掘、社交网络、数据流等 3 大数据分析案例 　 3 必修合计 18 应用统计专业硕士（大数据分析方向）专业课程设置 人大、北大、中科院大学、中财大、首经贸五所高校与人民日报、新华社、中央电视台、百度、阿里巴巴、京东等共建“大数据分析硕士”平台。 五、媒体大数据的误区 误区之一：数据越大越好、越准 误区之二：不再依赖于样本推断总体，[英]维克托·迈尔-舍恩伯格，《大数据时代》 马克·吐温：“世界上三种谎言,分别是谎言,该死的谎言和统计数字（There are three kinds of lies: lies, damned lies, and statistics) 例5.1 盖洛普的崛起 1936年美国总统大选，文摘(Literary Digest)杂志邮寄了1千万份调查表, 调查选民是支持民主党的F.D.Roosevelt，还是共和党堪萨斯州州长Alfred Landon。1916年以来文摘在每次选举前都预测了总统选举的获胜者。在回收调查表前，文摘说，“当最后的数据统计出并检查完后，假设过去的经验可以当作判断标准，这个国家将知晓四千万张选票中实际赞成票的比率，误差在1%以内”（1936年8月22日）。文摘收到了240万份答卷, 样本结果表明：Landon57%，FDR43%。 盖洛普的崛起 真实的选举结果是：FDR62%，Landon38%。[注：（1）文摘从诸如电话号码薄、俱乐部会员一览表、杂志订阅和汽车注册这样的来源抽取得到它的抽样框。（2）1936年这个国家由于经济政策的分歧在政治上发生分裂-共和党人一般比民主党人更富裕。（3）对它的民意测验文摘依靠自愿回答。] 例5.2 美国广播公司(ABC)节目调查 ABC晚间电视新闻 曾有一次问观众： ? “联合国应不应当继续把总部设在美国？” (1995年) 总体：美国所有的成年人 参数：支持联合国留在美国的比率 样本：那些打电话的人? 18.5万多人打来电话做出应答 应当= 61,050 不应当= 123,950 61,050/185,000=0.33 123,950/185,000=0.67 当年进行的一次随机调查, 结果是: 应当=0.72 不应当=0.28 差别的原因是什么? 数据代表性的核心：随机性 总体中任何一个个体都有同样被抽中的机会。 学校对食堂伙食满意度调查：人民大学20,000在校生，样本n=100人。 1，在所有食堂和餐厅门口随机抽取； 2，宿舍中随机抽取； 3，课堂上随机抽取； 4，学生名单抽取 例5.3, 哈医大杀人案网络调查的案例 3月23日下午哈医大风湿免疫科实习医生王浩（28岁）被呼伦贝尔扎兰屯17岁青年李梦男用水果刀刺死，另3人受伤。 这次是李梦男和爷爷李禄第6次看病，第一次是2010年9月，后诊断为强直性脊柱炎，要用“类克”药，一支6200元，这个疗程39000元。后又患肺结核，中间多次往返。第5次去年12月初来看病，给了3个月的药，23日药用完了，李感觉好了，来用“类克”，医生说没好，要再休息3个月。李梦男从超市买了水果刀行刺。 3月27日晚[新闻1+1]白岩松针对腾讯网调查结果分析和评论。 例5.4 延迟退休年龄的网络调查 我们将正式进入一个数据为王的时代。 如果我们能像三十年前政府可以轻易地拥有土地一样，现在抓紧时间搜集数据、使用数据，这是竞争的一个新的制高点. 汪洋 意见和问题? 谢谢! 空间大数据 大数据战略第二轮行动 大数据战略第三轮行动 2