这样的大学有点酷:当大数据为教育装上引擎

简介:

试想有这样一所大学,校领导可以通过一站式管理工具,随时了解各项核心业务;辅导员可以通过学生画像精准识别异常学生群体,从成绩退步、沉迷游戏到疑似不在校,都能及时进行干预;学生如果出现心理异常,也能及时得到关注;在教学中,教师和学生的短板会被预警并提出改进意见;通过对本科、研究生就业情况的解读和分析,学校可以有的放矢地对招生、教学、生源进行调整;为了更好地开展科研,从学校到教师层面的科研情况,学校全都了如指掌……

c69a0296c2ebdc70fa1e2156d3615b0cf6df9f41

这样一所充满未来科技感的大学,并非人们幻想出来的海市蜃楼,而是真实地存在于现实当中。作为福建省重点建设高校,福建工程学院在新华三教育大数据引擎的助力下搭建了校园大数据决策支持平台。在大数据引擎的助力下,整个学校的面貌都从此焕然一新。

c69a0296c2ebdc70fa1e2156d3615b0cf6df9f41

值得一提的是,这只是新华三集团教育数据引擎产品与高校深度合作的冰山一角。作为新华三专为教育领域打造的行业数据引擎,教育数据引擎已为众多高校提供了数字化、智能化的决策管理、人才培养和创新创业解决方案。

全流程数据可视化服务助力教育改革

以大数据、云计算、人工智能为代表的科技创新,不但推动着社会由互联网时代进入智能时代,也推动着教育领域加快改革步伐。党的十八届三中全会提出了深化教育领域综合改革的总体要求。

而对于教育改革而言,首当其冲的挑战就是,传统教学机构如何借助数据价值挖掘,实现数字化转型和数字化管理。新华三推出教育数据引擎,正是为了解决教育行业数据价值挖掘过程中普遍存在的四大痛点:不通畅、不可用、没架构、没价值。

新华三集团大数据产品部部长曹言表示:“新华三将每一个引擎模块的业务逻辑根据教育行业的特性进行了梳理,有机的呈现了从’数据采集-存储-计算-建模-分-可视化-应用开发’的全流程数据服务可视化,让数据以最受欢迎的可视服务形式去交付,实现更高效的管理。”

0eb9c67bace4dee5c415c84c034e98fb43a2f8ac

各个高校的数字化程度和管理特点都千差万别,那么新华三教育数据引擎究竟是如何兼顾高校通用需求,又是满足个性化管理需求的呢?

新华三集团大数据产品部教育数据引擎架构师潘子健透露,在IT架构上,教育数据引擎采用了三层架构模式:

最底层是基础设施和云平台组成的统一资源中心,其通过虚拟化软件实现计算、存储、网络资源的虚拟化,实现智能化运营;

中间层是数据集成引擎、共享交换引擎、应用开发引擎、存储计算引擎、行业建模引擎、数据运营引擎、数据视觉引擎、商务智能引擎、人工智能引擎在内的九大引擎和各个模块;

最上层是统一服务中心,为师生提供统一服务入口,也是最终向教育机构交付的三大核心价值服务:决策管理、人才培养和创新创业。

64e7aefd8da64bb81fed4d671ae599684a475ba5

坚持深度校企合作+产教融合

目前,教育数据引擎已经涵盖了学科大数据解决方案、教学诊改解决方案、学工大数据解决方案、大数据人才培养解决方案等几大子功能解决方案。

曹言强调,在这一过程中,“新华三始终坚持与院校“共同规划、共同建设、共同管理、共同分享”的合作原则,面向院校提供专业课程建设、‘双师’培养、实训室建设、就业服务等四大类人才培养服务,打造产、学、研、工、创一体化的合作模式。

据悉,针对本科与高职两个不同的学生群体,教育数据引擎分别打造了不同的解决方案。目前,包括吉林大学、海南大学、西北工业大学、河北工业大学等双一流高校和许昌职业技术学院等高职高校在内,都已经应用了新华三的教育大数据引擎

cf7bb0683df4c28746b4ddaadcc9f839dedc2392

在海南大学,领导驾驶舱模块可以让学校领导全面了解学校人事、财务、学生、教学、资产、科研等重要部门的概况,辅助领导基于大数据进行决策。而“毕业生画像”产品上线仅仅一周,访问量便突破了10万人次,让众多毕业生保存了一份美好的校园回忆。

“散布于海南大学的16个食堂,你吃过了10个;海大中心食堂是你的最爱,消费金额是3906.48元。”这是海南大学学生大数据中心为一位毕业生量身定制的“毕业生画像”。这份画像根据每一位学生的入学、成绩、课程、消费、活动等维度,将学生过去4年里的在校情况制作成一份由大数据构成的特殊毕业礼物,让莘莘学子对自己的大学生涯和母校都充满了怀念。

未来5年,助力百所高校建设大数据专业

大数据产业在蓬勃发展的同时,也带来了巨大的人才缺口。根据麦肯锡的预测,2018年大数据相关岗位需求将激增,大数据科学家缺口在14万到19万之间;至于懂得如何利用大数据做决策的分析师和经理的岗位,人力缺口更是高达150万。

为了弥补如此庞大的人才缺口,一方面,教育部在2015 年为本科专业特设新专业:数据科学与大数据技术。截止2017年,已经有北京大学、对外经济贸易大学和中南大学等35所高校开设了“数据科学与大数据技术”专业。

但是另一方面,由于传统人才培养天然后置,并且规模发展缓慢,业内专家表示人才缺口还将持续扩大。不过令人欣慰的是,以新华三为代表的大数据领军企业已经迅速行动起来,围绕大数据人才的培养不遗余力地开展了大量工作。

新华三教育数据引擎的目的之一,就是培养在大数据、人工智能方面具备创新意识和创新能力的人才。具体来讲,就是通过提供课程体系建设、师资培养、实训室平台、认证评估、就业服务以及通过与合作院校共建专业等方式,提供可迅速落地人才培养解决方案。其中,新华三大数据实训室的行业实战案例,都是从大数据全流程角度以及行业实战角度来提炼与编辑,成为培养大数据实战人才的关键。

91be70567d9913e2ee9e1f63d44c7f4a77fc9c51

有数据统计,截止目前,新华三大学已有4大培训中心,与全国500多所院校建立了合作关系,服务5000多家企业,为6万多名毕业生提供了就业岗位,为26万人提供专业IT技术培训,获得教育部“十大影响力认证品牌”、“高校网络技术教育杰出贡献奖”、“校企合作奖”等数项专业奖项的肯定。

曹言透露,未来5年内,新华三将助力百所本科、百所高职建设大数据相关专业,培养大数据人才,并提供地方行业大数据项目实习机会。与此同时,新华三还将为学校提供企业级软硬件实验设施、项目仿真实训环境,提升学校大数据整体科研创新软硬件水平、教师教学水平和学生就业水平。



原文发布时间为:2018-10-9

本文作者:小葳

本文来自云栖社区合作伙伴“趣味科技v”,了解相关信息可以关注“趣味科技v”。

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
10月前
|
数据采集 缓存 大数据
【赵渝强老师】大数据日志采集引擎Flume
Apache Flume 是一个分布式、可靠的数据采集系统,支持从多种数据源收集日志信息,并传输至指定目的地。其核心架构由Source、Channel、Sink三组件构成,通过Event封装数据,保障高效与可靠传输。
516 1
|
10月前
|
传感器 人工智能 监控
拔俗多模态跨尺度大数据AI分析平台:让复杂数据“开口说话”的智能引擎
在数字化时代,多模态跨尺度大数据AI分析平台应运而生,打破数据孤岛,融合图像、文本、视频等多源信息,贯通微观与宏观尺度,实现智能诊断、预测与决策,广泛应用于医疗、制造、金融等领域,推动AI从“看懂”到“会思考”的跃迁。
753 0
|
分布式计算 关系型数据库 MySQL
【赵渝强老师】大数据交换引擎Sqoop
Sqoop是一款开源工具,用于在Hadoop与传统数据库如Oracle、MySQL之间传输数据。它基于MapReduce实现,支持数据导入导出、生成Java类及Hive表结构等操作,适用于大数据处理场景。
316 3
【赵渝强老师】大数据交换引擎Sqoop
|
人工智能 分布式计算 DataWorks
分布式×多模态:当ODPS为AI装上“时空穿梭”引擎
本文深入探讨了多模态数据处理的技术挑战与解决方案,重点介绍了基于阿里云ODPS的多模态数据处理平台架构与实战经验。通过Object Table与MaxFrame的结合,实现了高效的非结构化数据管理与分布式计算,显著提升了AI模型训练效率,并在工业质检、多媒体理解等场景中展现出卓越性能。
|
SQL 存储 大数据
Flink 基础详解:大数据处理的强大引擎
Apache Flink 是一个分布式流批一体化的开源平台,专为大规模数据处理设计。它支持实时流处理和批处理,具有高吞吐量、低延迟特性。Flink 提供统一的编程抽象,简化大数据应用开发,并在流处理方面表现卓越,广泛应用于实时监控、金融交易分析等场景。其架构包括 JobManager、TaskManager 和 Client,支持并行度、水位线、时间语义等基础属性。Flink 还提供了丰富的算子、状态管理和容错机制,如检查点和 Savepoint,确保作业的可靠性和一致性。此外,Flink 支持 SQL 查询和 CDC 功能,实现实时数据捕获与同步,广泛应用于数据仓库和实时数据分析领域。
11506 42
|
SQL 分布式计算 DataWorks
MaxCompute产品使用合集之DataWorks体验案例绑定如何绑定到正确的maxcomputer引擎上
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
机器学习/深度学习 搜索推荐 算法
大数据与金融科技:革新金融行业的动力引擎
大数据与金融科技:革新金融行业的动力引擎
403 0
大数据与金融科技:革新金融行业的动力引擎
|
机器学习/深度学习 数据可视化 大数据
机器学习与大数据分析的结合:智能决策的新引擎
机器学习与大数据分析的结合:智能决策的新引擎
856 15
|
存储 SQL 分布式计算
大数据时代的引擎:大数据架构随记
大数据架构通常分为四层:数据采集层、数据存储层、数据计算层和数据应用层。数据采集层负责从各种源采集、清洗和转换数据,常用技术包括Flume、Sqoop和Logstash+Filebeat。数据存储层管理数据的持久性和组织,常用技术有Hadoop HDFS、HBase和Elasticsearch。数据计算层处理大规模数据集,支持离线和在线计算,如Spark SQL、Flink等。数据应用层将结果可视化或提供给第三方应用,常用工具为Tableau、Zeppelin和Superset。
6596 8