本产品为数据猿推出的“金融科技价值—数据驱动金融商业裂变”大型主题策划活动（查看详情）第一部分的文章/案例/产品征集部分；感谢 达观数据 的产品投递

1、产品名称

达观数据个性化推荐引擎

2、所属分类

金融科技·数据运营、个性化推荐系统、文本挖掘、用户画像、智慧金融

3、产品介绍

达观数据个性化推荐引擎是为金融行业量身定做个性化推荐服务，随时调整客户标签并“千人千面”推荐最适合的金融产品资讯和服务，帮助客户实现收益最大化。

4、应用场景／人群

在金融行业，产品的应用者包括企业大数据部门、运营部门、产品经理、数据分析师、管理者等。

达观数据个性化推荐引擎的主要应用场景如下：

应用场景一：构建精准的用户画像

在确保用户信息和资料绝对保密的前提下，对客户的金融产品交易行为进行深度智能分析，构造精准“用户画像”，分析出其潜在金融服务需求，进而有针对性的营销推广。

应用场景二：构建金融平台个性化资讯内容生态

金融平台目前都面临用户体验提升和服务生态构建的需求，达观数据提供个性化资讯推荐技术服务，围绕用户在平台的消费、投资、理财、生活等金融场景，整合采集第三方优质内容，提供定制化的个性化资讯内容推荐技术服务。

应用场景二：提升-阅读-点击-购买-投资运营指标转化

达观数据帮助企业的产品运营团队跟踪个性化推荐转化数据，定期更新优化算法，针对客户试用及上线的完整流程不断优化产品，A／B测试验证迭代效果，从而提升整体运营转化效果。

应用场景三：深度挖掘用户反馈优化运营

达观通过爬虫技术抓取社区、论坛、微博及客户对话上关于金融产品和服务的相关信息，依靠先进的自然语言处理技术进行正负面判断，及时处理负面问题，强化正面信息。

应用场景四：垂直搜索引擎延伸技术服务

金融产品类别多样，客户对于理财产品和金融资讯的搜索效率和质量至关重要，达观搜索基于用户行为深度分析和智能搜索技术，实时识别客户搜索意图，为客户高效送达目标金融产品和金融资讯。

5、产品功能

个性化推荐引擎的主要功能如下：

第一，信息流推荐；

构建用户画像，为每位用户精确推荐其感兴趣的信息和产品。

第二，产品页推荐；

基于内容做个性化关联匹配，为用户推荐周边产品。

第三，内容排行榜；

使用多融合算法对推荐内容进行排序，根据用户行为反馈实时更新排行。

6、产品优势

第一，达观独有专利-双叠组合算法，多次获得国际算法竞赛冠军：达观业界顶尖专利算法，为客户深度调优，为企业带来最优推荐转化；达观的离线-近线-在线三层系统架构，兼顾强大算法和灵活服务；基于机器学习的重排序框架，自动为企业应用场景配置算法的最优组合。

第二，采用多种策略改善冷启动用户推荐质量，有效提升新用户留存率：基于高性能计算框架，秒级生成新用户画像，快速完成冷热转换，确保留存；基于海量用户行为历史数据，挖掘多样性的高质量个性化推荐结果；不断吸收引进前沿的预测算法，对用户实时兴趣和个性化需求进行精准预测。

第三，支持私有化部署和API接口调用。达观数据支持私有化部署，保证企业客户的数据安全和稳定可扩展，接口调用快速高效对接技术服务，已成功服务上百家行业知名企业客户。

7、服务客户／使用人数

达观数据目前服务的互联网金融客户，包括招商银行、浦发银行、平安银行、上海银行、陆想汇、和讯网等数十家平台机构。

达观数据不断拓宽产品和综合服务能力，为用户提供超越期望的产品和服务，引领行业数据挖掘应用方向持续巩固行业应用优势。目前达观数据与36Kr、酷6网、潇湘书院、界面新闻、中兴、上汽等诸多高端企业用户建立长期合作关系，在金融、媒体、电商、教育等多个行业提供领先的产品影响不断扩大，现已建立上百个成功案例。

8、市场价值

达观数据个性化推荐引擎让互联网和传统金融企业借助最新AI技术，提升金融平台产品体验与运营指标，推动中国金融行业的技术转型升级，主要表现在以下几方面：

（1） 在金融平台产品同质化和资讯泛滥现状下，让客户高效获取个性化金融服务，提升平台运营指标转化。

伴随着移动互联网发展，互联网金融平台大量出现和金融行业资讯泛滥，如何让用户高效获取信息，提升平台留存和付费转化变的至关重要，达观个性化推荐引擎通过精准用户画像和算法模型让平台金融产品利用已有流量提升运营指标。

（2）搭建金融平台知识图谱，打造网络结构化的文本数据挖掘技术服务；

基于达观数据在自然语言处理方面的研究成果，可以为金融平台打造基于AI机器学习技术平台知识图谱，让整个金融平台数据网络结构化和智能化，进而提升智能客服、搜索、数据分类效率。

（3）构建金融平台消费-投资理财-生活资讯生态化、个性化技术服务；

目前金融平台产品越来越多元化，围绕消费、生活、投资、理财、资讯、购物、活动的金融服务生态是提升平台一站式体验根本，达观数据个性化推荐引擎可快速建立多维度用户画像，全平台精准推荐服务，也可根据平台需求采集第三方资讯内容数据，为平台构建产品、电商、资讯等生态化内容推荐服务。

（4）用AI技术降低平台运营的人员成本，助力传统金融企业技术转型

金融平台在内容运营上普遍采用简单规则程序+大量人力手动调整运营的方式，当用户量和数据量激增的情况下，没办法满是实时精准运营内容和产品，整体人员成本过高。达观个性化推荐引擎能够通过自学习系统实时更新算法，理解海量用户行为和数据背后的逻辑，做到实时精准推送，直接减少人员干预的运营成本。可以想象未来金融行业平台有很多类似的简单运营工作将被取代。

9、产品地址

达观数据个性化推荐引擎：https://datagrand/ source=banner&keyword=banner3

10、所属企业及介绍

达而观信息科技（上海）有限公司（简称达观数据）成立于2015年10月，是一家以大数据挖掘技术和应用服务为驱动力的科技企业，核心创始团队是行业最顶尖大数据技术团队，运用数据挖掘和机器学习技术，将自然语言理解、人工智能的优势带入海量的企业大数据分析和应用中，完成企业数据投入到要素产出的转化，助力企业掌握数据资产，进行智能化决策，整体提升企业核心竞争力。

作为整体活动的第二部分，2017年10月25日，数据猿还将在北京举办千人规模的“2017金融科技价值——数据驱动金融商业裂变”峰会【本次论坛详情丨第一届回顾丨第二届回顾】并将在现场举行文章、案例、产品的颁奖典礼。

广告

本报告从北京区域环境、市场规模、运营现状、客群属性等几个维度，为未来进入市场的投资者和在深度经营的运营者提供了方向和思考。

数据说明

文中涉及市场规模、各大酒店运营状况等数据，均来源于当地统计局、当地旅游局、网络公开数据以及相关调研考察，由迈点研究院(MTA)整理统计完成。

关于各品类释义

1)报告中涉及的四、五星级酒店指根据《旅游涉外饭店星级标准的划分》分别达到300分(四星)和330分(五星)，由当地星级评定机构评定的酒店。

2)报告中涉及的四、五星级标准酒店指酒店本身未参与评星，但自评达到四、五星级酒店标准的酒店。

3)报告中涉及的中高端酒店指迈点区域酒店舆情指数MCI监测的所有线上酒店供应商可提供的预订酒店(含部分精品民宿、独栋别墅等)。

4)报告中涉及的酒店运营情况及点评情况是指迈点区域酒店舆情指数MCI监测的各酒店在公开网络平台上的数据表现，如微信，微博以及在线旅游网站公开的顾客评价等。

迈点区域酒店舆情指数MCI说明

迈点区域酒店舆情指数MCI是由迈点研究院(MTA)独家发布，用以反映一段时期内区域酒店在互联网和移动互联网的用户舆情数据，可为企业及行业相关人士进行舆情监测提供参考。

基于迈点研究院(MTA)自主开发的“迈点区域酒店指数监测系统”Meadin Regional Hotel Comment Index Monitoring System(MRHCIMS)提供的是一项免费数据分析服务，旨在通过监测某一特定地区在一定时间段中用户对该区域入住酒店的舆情情况，得出某区域最受用户喜爱的酒店榜单。

迈点区域酒店舆情指数MCI监测范围涵盖该地区所有的酒店类型，包括酒店集团品牌旗下单个酒店，也包含独立品牌酒店。

监测渠道包括携程网、同程网、去哪儿网、艺龙网、猫途鹰、美团网、大众点评网等主流点评网站;同时也包括新浪微博、腾讯微信等在内的自媒体平台。

计算公式：MCI=a*OI+b*PI

注：MCI，指某酒店的迈点区域酒店舆情指数数据;a、b，指系统中的加权系数; OI(Operation Index)，指运营指数;PI(Public Sentiment Index)，指点评指数。

点评指数：一段时期内，用户对于酒店的点评累计情况。

运营指数：一段时期内，用户在酒店微博微信中的活跃情况。

目前，迈点研究院(MTA)已推出北京、深圳、广州、上海、三亚、杭州、成都、苏州、海口、东莞、天津、南京、重庆、青岛、武汉、厦门、大连、沈阳、长沙、济南、哈尔滨、郑州、昆明等23个旅游城市的酒店舆情指数监测信息。

一、北京旅游住宿业宏观环境分析

1.1宏观经济环境

2014-2017年北京市GDP和旅游经济收入逐年稳步增长，二者增幅走势基本一致，保持在8%-9%之间。2016年受产业转型影响，旅游业收入涨幅稍高于整体GDP增幅水平。酒店收入在2016年涨势稍有不足，但2017年行业实现井喷，整体收入大幅提升，涨幅超过30%。

数据来源：迈点研究院(MTA)

1.2北京旅游市场体量

截至2016年，北京市共拥有A级景区243个，其中4A级景区74个，5A级8个。景区历年接待游客人数逐年递增，但增长率近年呈下降趋势;星级酒店受整体旅游业影响严重，接待人数自2015年大幅下跌，近年呈负增长。

数据来源：迈点研究院(MTA)

二、2018年北京酒店市场分析

北京作为国家首都，政治文化中心，拥有大量的流动人口和庞大的酒店市场需求。据迈点研究院(MTA)实时抓取第三方酒店预订平台的不完全数据统计，北京2018年共有13541家酒店提供住宿，其中中高端酒店(四、五星级酒店及四、五星级标准酒店)634家。

2.1北京现有酒店行政区分布

634家中高端酒店分布在北京的16个行政区，且明显集中于中心城区。朝阳区作为北京的重点工业基地和外事活动区，商务酒店市场庞大，中高端酒店最密集，高达172家，与其他行政区域有明显断层差距;海淀区名校云集且拥有大量名胜古迹旅游资源，每年接待游客众多，酒店市场也因此活跃，中高端酒店开设数量位列第二。五环以外地区如平谷区和门头沟区，高星级酒店数量屈指可数，均不超过5家。

数据来源：迈点研究院(MTA)

2.2北京现有酒店商圈/景区分布

此次监测的486家中高端酒店共涉及北京36个主要商圈/景区。迈点区域酒店舆情指数MCI监测酒店中共有7个商圈/景区较为热门，均位于北京四环内的城区范围。酒店总量近200家(图4)，约占北京市中高端酒店市场的40.74%。就酒店数量而言，热门商圈分布较为平均，天安门、王府井地区类似法国埃菲尔铁塔和香榭丽舍大道的布局，地处北京市核心地段，商业繁华，中高端酒店开设最多，高达34家。亚运村、奥体中心地区虽然酒店数量在热门商圈/景区中稍少，但常年举办各类赛事活动，酒店需求量仍然可观，中高端酒店数量达到23家。

2.3北京现有酒店品牌分布

北京酒店市场内品牌酒店占比29.23%，市场品牌化程度稍有不足。整体而言，北京酒店市场国际化程度高，超过70%的酒店品牌来自海外，以国际知名酒店集团旗下品牌为主。其中万豪国际集团旗下酒店开设数量最多，占市场12.86%;洲际酒店集团作为另一较早进入中国市场的酒店集团，占比12.14%，紧随其后。国内品牌中，首旅如家酒店集团一家独大，与万豪国际集团市场占比持平，高达12.68%，与第二的港中旅集团的4.29%占比差距悬殊。

北京作为国家首都，对于多数酒店品牌在中国市场发展具有战略意义，因此颇受大型酒店集团青睐。但是由于进入市场较早，同时越来越多新兴精品酒店品牌崛起，许多早起进入北京市场的品牌酒店面临换牌运营，北京市场品牌布局将有一定变动。

三、2018年北京酒店运营表现分析

就酒店市场运营表现而言，除了平均房价和入住率，酒店的市场宣传和市场认知也是不可忽略的重要部分。迈点区域酒店舆情指数MCI中的运营指数数据一定程度上反应了各酒店在当地市场中的认知程度，同时为各酒店衡量自身在市场中的位置提供了一个参考依据。

3.1北京星级酒店运营分析

据国家文旅部监督管理司数据显示，北京2010-2017年度星级酒店房价整体较稳定，在2017年整体呈上升趋势，房价跨度从2010年超过500元/晚逐渐缩小至400元/晚左右的差距。五星级酒店房价在780元/晚-860元/晚间浮动，在2013年达到最高值之后小幅下跌，2017年回升至835元/晚左右;四星级酒店房价与五星级酒店房价差距较大，但较为稳定，一直维持在500元/晚左右，2017年达到最高值519.5元/晚;三星级酒店房价水平与四星级酒店差距较小，且同样波动不大，在360元/晚左右上下波动，2017年首次突破400元/晚，达到近年最高房价水平。

就入住率而言，2010-2017年北京四、五星级酒店的入住率自2014年以来持续走高。五星级酒店入住率一直在60%以上，高于其他星级酒店水平，2017年上升至最高水平68.7%;四星级酒店入住率与五星级差距极小，且趋势相同，2017年达到最高入住率66.9%;三星级酒店入住率稍低，且近年来在56%左右波动，2017年达到最高，超过60%。

数据来源：国家文旅部监督管理司

3.2主要商圈/景区运营情况分析

价位分布

根据迈点研究院(MTA)监测的第三方预订平台酒店房价水平，七个主要商圈价位分布如图8所示。北京市中高端酒店房价整体主要分布在450元/晚-2000元/晚之间，亚运村、奥体中心地区和中关村、五道口地区房间价格相对分散，最高定价和整体区域市场价格分布有明显断层。亚运村、五道口地区酒店定价分为500元/晚-900元/晚和1300元/晚以上两部分，最高超过3900元/晚;中关村、五道口地区除去最高价3795元/晚左右外，剩余酒店房价多集中在400元/晚-1000元/晚之间。西单、金融街地区酒店价位分布集中，多受地区市场内偏单一的商务酒店需求影响，整体价格集中在480元/晚-1500元/晚。

就各个商圈地区的平均房价而言，七个热门商圈水平较统一，主要集中在900元/晚-1200元/晚，燕莎、三里屯商业区地区为核心北京CBD，高价酒店相较其他商圈更多，平均房价最高，超过1300元/晚;亚运村、奥体中心地区和中关村、五道口地区酒店定价相对更集中在低价段，即使区域内最高房价为整体商圈中最高水平，但平均房价仅为800元/晚左右。

平均运营指数分析

国贸地区受区域内激烈市场竞争影响，需通过高频的市场曝光和宣传来保持甚至扩大酒店的市场占有率，平均运营指数偏高，但商圈内酒店市场运营水平差距较大，参差不齐。亚运村、奥体中心地区酒店则对于市场运营相对更忽视，区域内市场需求具有较强的可预测性且类型较为单一，主要靠相关赛事带来酒店预定，使商圈内整体酒店对于市场宣传保持相对消极的态度，但各家酒店的运营水平较为平均，整体离散程度小。

3.3 平均运营指数前十酒店名单

就市场运营方面而言，北京市中高端酒店中国际品牌酒店更加注重市场运营和宣传投入。年均运营指数前十名单中，北京钓鱼台国宾馆为中外合资创造的钓鱼台美高梅品牌，北京万达嘉华为国内品牌酒店，其余均为知名国际品牌酒店。凯悦集团旗下酒店占两家且为榜单第一、二名，对于市场宣传十分重视，且竞争力强。

四、2017-2018年北京酒店目标客群分析

4.1 中高端酒店潜在客群画像分析

北京酒店的潜在客群以30-49岁男性为主，超过一半集中在30-39岁年龄段;而习惯使用“北京宾馆”的客群在40-49岁年龄段比重则稍有上升，且男性比例更高。

北京市酒店市场潜在客群主要来自华北和华东地区，使用“北京宾馆”的客户群体更多集中在北方地区市场。除北京本地市场外，广东省尤其是深圳和广州两市对于北京酒店的搜索量也十分可观，一定程度上反应了广东地区来京旅游和出差人数相较其他省份更多。

区域来源(数据来源：百度指数)

省份来源(数据来源：百度指数)

城市来源(数据来源：百度指数)

从北京酒店的需求图谱来看，潜在客群选择北京酒店预订时，相比传统常见的酒店类型，更多关注当地以四合院为代表的民宿和精品酒店，酒店式公寓也同样更受欢迎。同时对于中高端酒店而言，直接搜索酒店名称或者搜索“五星级酒店排名”的潜在客户也十分多，酒店市场认知程度和宣传程度对于远距离客群预定影响力巨大。

需求图谱(数据来源：百度指数)

4.2 主要商圈/景区客评情况分析

OTA点评情况

从监测的OTA点评情况来看，天安门、王府井地区由于拥有著名地标天安门和王府井，外来游客选择此处酒店极多，大量酒店预定使其点评数量和好评量成为各商圈/景区中最高;国贸地区虽然为北京商务中心最核心地区，商务市场庞大，但是市场内酒店普遍点评数量不高，酒店在鼓励入住客人点评方面并未采取较为有效的激励政策。

数据来源：迈点研究院(MTA)

平均点评指数分析

2018年北京市七个重点商圈/景区平均点评指数及其离散程度如图11所示，整体点评指数差距不大，在34-43之间分布。天安门、王府井地区平均指数最高，且各酒店之间指数离散程度偏低，市场内酒店整体水平较为一致，由于本身地区酒店需求量较大，且旅游度假市场可观，酒店点评数量和好评数量均高的情况下使区域内各酒店指数整体走高，平均指数达到最高。西单、金融街地区平均指数最低，且离散程度偏高，区域内酒店点评方面表现极为不均衡，单体酒店和品牌酒店之间指数差异悬殊;虽然有北京金融街洲际酒店等点评指数表现优异的酒店，但单体酒店自身对于客评管理尚缺乏技巧，与代表酒店指数差距过大。

4.3点评指数前十酒店名单

相比运营指数排名，点评指数上榜酒店中，国内品牌酒店增加至四家，接近一半榜单，且北京万达文华酒店和北京璞邸酒店位居榜单前两名。国际酒店中，各品牌竞争激烈，在前十榜单的酒店中，市场对于北京区域的酒店选择并未体现出明显的品牌偏好。

五、2018年北京中高端酒店舆情指数(MCI)分析

迈点区域酒店舆情指数综合了酒店的运营指数和点评指数，一定程度上代表了酒店在当地市场的影响力和受欢迎程度。换言之，迈点区域酒店舆情指数MCI高的酒店，在市场中的综合表现往往更加有竞争力。

5.1主要商圈/景区舆情指数分析

北京市重点商圈/景区酒店MCI指数水平基本与点评指数分布一致，同时受运营指数影响峰谷值和地区指数离散程度。各商圈平均MCI指数水平差别明显，但总体标准偏差变动不大，保持在10-12之间，说明各商圈内的酒店指数极值分布密度大致相同。天安门、王府井地区运营和点评指数均处于上游水平，推动平均MCI指数达到最高;东直门、工体、雍和宫地区虽然点评指数与其他商圈差距不大，但运营指数短板直接限制该商圈的MCI指数，主要由于该地区多单体酒店，品牌酒店中酒店公寓也占有一定比例，单家酒店对于线上市场运营力度较弱，远程市场客群线上可获取的酒店相关信�...

国家统计局17日公布了一季度国民经济运行情况。结合此前相关部门陆续发布的一季度经济数据可以发现，中国经济在2017“开局季”延续了稳中向好的发展态势，主要指标好于预期，实现了良好开局。

【GDP：增长6。9％】

从去年前三季度的3个6。7％，到第四季度的6.8％，再到今年一季度的6.9％，中国经济划出一条平稳的上扬曲线，延续了去年下半年以来稳中有进、稳中向好的发展态势，经济增长的稳定性不断增强。

值得关注的是，除了GDP增速外，一些反映经济活力的关键指标好于预期，良好的开局为完成全年“6.5％左右”的发展目标奠定了坚实基础。

【固定资产投资：稳中有升】

作为宏观经济的“三驾马车”之一，投资一向在稳增长中发挥关键作用。一季度，全国固定资产投资同比增长9.2％，增速比上年全年加快1.1个百分点，呈现稳中有升态势。

从投资领域来看，生态保护和环境治理等短板领域投资和高技术产业投资增速明显加快。民间投资增速则比1月至2月加快了1个百分点，增长了7.7％，从去年9月至今呈现回升态势，表明市场供求关系总体趋好，市场活力有所改善，为民营企业的投资和发展创造了较好条件。

【消费：对经济增长的贡献达77.2％】

近年，消费已经超过投资，成为拉动我国经济增长的第一动力。一季度，消费对经济增长的贡献达到77.2％，比上年同期提高了2.2个百分点，显示消费的基础性作用进一步增强。

与此同时，大众创业万众创新蓬勃发展，不断催生消费新模式新业态，也带动了新动能的成长。

【外贸：出口贡献由负转正】

各国进出口数据是世界经济走向的重要风向标。今年一季度，全国进出口总值增长21.8％，亮眼的数字是国内经济企稳向好的有力体现。扣除价格因素，货物和服务贸易净出口对经济增长的贡献由负转正，从去年同期的负11.5％转为4.2％。

但也要看到，一季度进出口的高速增长有去年同期基数较低的因素，也与全球主要经济体需求回暖、大宗商品价格回升有关。保持外贸回稳向好的积极态势，还要更加苦练内功，积极培育外贸增长新优势。

【财政收入：增长14.1％】

一季度，全国一般公共预算收入增幅达到14.1％。相比去年的个位数增幅，今年开局季国家“钱袋子”的变化进一步反映中国经济企稳向好。尤为可喜的是，中高端制造、居民消费相关行业税收快速增长，体现出工业结构持续优化，居民文化、旅游、信息消费需求旺盛。

不过，一季度财政收入增长受短期增收因素影响较大，后期特别是二季度增幅可能会明显回落。

【货币供应：增速平稳回落】

3月末，我国广义货币供应量M2余额同比增长10.6％，增速分别比上月末和上年同期低0.5个百分点和2.8个百分点。

M2增速平稳回落，是稳健中性货币政策的具体体现。虽然M2增速回落，但一季度社会融资规模、企业中长期贷款等重要指标同比多增，反映出金融对实体经济的支持力度不减。

【城镇就业：规模扩大】

去年，我国超额完成1000万人以上新增就业目标。今年一季度，城镇新增就业规模继续扩大，达到334万人，比去年同期多增了16万人。

就业乃民生之本。宏观经济稳中有进、稳中向好，将创造更多的就业机会。从调查失业率来看，3月末全国城镇调查失业率和大城市城镇调查失业率都比2月末有所回落，处于较低水平，市场整体就业环境较好。

【居民收入：增速“跑赢”GDP】

人民群众在经济发展中的“获得感”直接来自于居民收入水平。一季度，全国居民人均可支配收入7184元，扣除价格因素实际增长7.0％，“跑赢”GDP0.1个百分点。

在收入差距方面，一季度城乡居民人均收入倍差2．57，比上年同期缩小0．02，显示居民收入与经济增长同步，城乡收入差距继续缩小。

【PMI：连续两月上升】

中国制造业采购经理指数（PMI）涵盖了企业采购、生产、流通等各个环节，是国际上通用的监测宏观经济走势的先行性指数之一。3月份，我国PMI为51．8％，高于上月0．2个百分点，连续两个月上升。

PMI保持扩张区间，并连续8个月站上荣枯线，显示制造业继续保持稳中向好的态势。

【物价：CPI温和上涨 PPI涨幅回落】

3月份，全国居民消费价格指数（CPI）同比上涨0．9％，涨幅连续两个月低于1％。而扣除食品和能源的核心CPI同比上涨2．0％，与前两个月大体相当，保持平稳态势。预计全年物价总水平仍将维持温和上涨态势，通胀压力不会明显上升。

3月，工业生产者出厂价格指数（PPI）同比上涨7．6％，比2月份回落0．2个百分点，涨幅在连续五个月扩大后首次出现回落。随着翘尾因素逐渐下降，企业补库存周期逐渐走弱，PPI涨势可能继续放缓。

（本文内容由百度知道网友NT轮回贡献）

鉴于国外已经形成了比较完整的大数据高端人才培养体系，那我们完全可以在培养国内人才时把它借鉴过来，这样做的好处是比自己摸索来的省时省力，可以尽快突破人才培养过程中的各个壁垒。

具体要怎么借鉴？还是要靠搜集客观数据来得出结论，这也是做数据分析的基本原则。如何实现从数据得出结论呢？数据的来源在哪里？在座的大部分是学生，以我们要了解的国外大数据高端人才的培养方式为例，将来你们如果要出国的话，在择校的时候肯定会先到国外学校的官网上去浏览，了解他们有哪些项目是你可以申请的，这就是搜集数据的过程。这个工序我已经帮你们做了，就是通过网络将开设了大数据人才培养项目的学校的数据搜集起来。这些资料有文本、图片、声音、表格、数字等各种形式，叫非结构数据。对这些数据进行处理之后，我们可以把它以我们能够分析的形式呈现出来，具体怎么做属于技术问题，不是今天讨论的重点。需要说明的是，国外的院校何其多，想要全部搜集到是不可能的，这里面涉及到一个权重设置的问题。像哈佛、耶鲁、普林斯顿等名校，在大多数人心目中肯定很有分量，但更多的是那些你没听说过的学校，比如我们首都经贸大学，我自己觉得挺有名气，但保不准在座的就有人没听说过。设置权重，可以让我们的结论更加靠谱，更有说服力。

下面具体跟大家分享下我获取相关数据的途径。在搜索引擎中键入大数据（big data）、深度学习（deep learning）、商业智能（business intelligent）、计算机科学（computer science）、统计学（statistics）等与大数据分析有关的词汇，这些词汇都是专家组讨论得到的。经过统计，这些词在该搜索引擎上一共有八亿六千三百多万条搜索记录。我们把它们从网络上采集下来编个程序，整理成可供分析的数据库。另外，网络搜索有一个热度高低的问题，有的网址热度高，有的热度低，像那些一万年都没有人访问，可能也没有人更新的，我们搜集来也没有什么用处，这就需要用技术来控制数据来源。留学要耗费一定的时间和金钱，鉴于国人普遍对排名靠前的学校认可度比较高，我们可以根据最新的美国大学排名（U.S.NEWS）把排名靠前的学校按照重要程度分别设置权重，数字越大越重要或者越小越重要都可以，这个可以根据个人习惯来。

通过统计并分析数据我们可以得到哪些信息呢？包括大数据分析要修炼多少年，即需要学多长时间；再有就是要花多少钱，即学费是多少；还有具体该去哪里练，是欧洲国家还是美洲国家；另外就是你是实地学习还是在线学习，最终是要兼职还是全职等。这些都跟你想要学习什么专业，是否适合这个专业方向及今后市场的需求有关。

通过文本分析、文本聚类、特征相关度等方法，我们把各个专业门派归纳出来，对大部分开设了这些课程的学校的信息进行提炼，当然其中的某些专业可能跟市场需求并不匹配。经过研究，未来市场认可的大数据人才大概分为三类。第一类人是有相关专业权威证书的；第二类是有博士学位的；第三类是有硕士学位的。在国外，很多专业证书跟硕士学位是并行的，也就是说拿到硕士学位以后证书自然也有了。本科的专业五花八门，虽然国外的很多学校可以自己设置专业，但一般没有大数据专业，所以国外的高端人才一般被定义为硕士以上学历的人。

经过统计，截止到2016年，世界范围内有300多个学校的384个项目和大数据相关；其中博士点11个，硕士点293个，能够通过学历直接获得证书的有83个。由于数量太多，我们把它们划分为数据科学、应用统计、商业分析、商务智能、健康医疗、信息系统、MBA七类。

有些朋友可能会觉得很奇怪，这些项目里找不到大数据的字样啊！事实上并没有明确的大数据专业，有的只是大数据分析的技术；学校教授的是计算机框架该怎么搭建，硬件、软件该怎么学习，以及数据分析的套路等；把这些内容都掌握以后，还需要结合具体的业务实践来运用。所以我们不能为了做大数据去学大数据，那样学完以后也不知道该怎么操作。

刚才我们把大数据相关专业的方向分了七类，相当于七大门派，商业分析是最热门的方向，大概有97个项目。国外的商科比较多，学起来相对容易，学成以后在现实生活中的应用比较广泛，毕竟一般的商业企业用不着特别繁复的分析手段。

上图是我们经过信息提取之后得到的词云图，每一个大字母都代表与大数据相关的一类专业，均由许多能表现主题词的字符组合而成。比如大字母B代表的是商业分析，在这个大主题下包含着管理（Management）、技术（Skills）、市场（Marketing）、计算机（Program）、数据（Data）等跟商业活动相关的词。其中线条粗、个头大，显示突出的词汇在商业分析这个大主题中发挥着比较重要的作用。词云图是可以令数据可视化的一种工具。相对应的字母I表示的是信息系统，G指得是商务智能，D是数据科学，T是健康医疗，还有两个字母A，一个是应用统计，一个是MBA。工商管理学硕士为什么也要用到大数据分析呢？做管理如果连数据都不能掌握，那是一件不可想象的事情，一会儿我们后面会讲到。除了这七大门派以外，对大数据的学习还有一些小的分支，因为不属于主流我们就不用考虑了。

作者：阮敬　首都经济贸易大学研究生院副院长

本文节选自宣讲家网独家文稿　《阮敬：国外值得借鉴的大数据人才培养途径》

（蜗牛看西游第1644期）

文 牵着蜗牛散步

一

在体制内工作，最让人头疼的就是档案，有关系的人，档案就是橡皮泥，想怎么捏就怎么捏；没关系的人，自己的命运不知被谁掌控着，因为档案不得与当事人见面（自己操作更是大忌），往往别人随便写下一个错别字，你就要跑断腿，累断气，甚至大好的机会白白被搞掉。

其实也不要叫屈，往前几千年，超级大拿孙悟空，也被生死簿（档案）忽悠过两回。

孙悟空在灵台方寸山留学时，菩提祖师信誓旦旦地告诉他：学了我的长生不老之术，只要躲得过三灾利害，就寿与天齐。

可是，他刚回花果山，就被生死簿摆了一道，两小鬼硬生生把他拉到了地府。

他在地府耍酒疯，把十王暴捶了一顿，用金箍棒顶着小鬼脑门，强行把生死簿拿出来，划掉了全部猴类，然而回家向众猴宣布，我们从此寿与天齐。

然而，孙悟空大闹天宫时，二郎神一把火，将4万多只猴子烧来只剩下1千多只；在火云洞时，他又被红孩儿一把火，差点把命搞脱。

看来，他们不是寿与天齐，而是命比纸薄。相比人家唐王李世民，不用他开口，地府就给他增添了二十年寿辰，真是猴比人，气死猴。

本期，我们就来捋捋，这生死簿究竟是个什么玩艺儿，为何孙悟空和李世民的待遇差别会那么大呢？

事先声明，本期脑洞会很大，新老司机拴好安全带，防止被甩晕。

二

我们先来看看，孙悟空在阴间是如何查找生死簿的——

悟空执着如意棒，径登森罗殿上，正中间南面坐上。十王即命掌案的判官取出文簿来查。那判官不敢怠慢，便到司房里，捧出五六簿文书并十类簿子，逐一查看。裸虫、毛虫、羽虫、昆虫、鳞介之属，俱无他名。又看到猴属之类，原来这猴似人相，不入人名；似裸虫，不居国界；似走兽，不伏麒麟管；似飞禽，不受凤凰辖。

孙悟空像个黑社会老大一样，拿着机关枪虎视眈眈的盯着，好鬼不吃眼前亏，十王赶紧让判官到档案室查找生死簿。

这说明，作为领导，十王是不管生死簿的，具体负责人是判官，这就导致判官有可能乱用特权，比如李世民，就被崔判官多加了二十年。

然而在此次查找过程中，判官也不知道孙悟空名字登记在哪，可见，判官也犯官僚主义，他只关心自己的关系户，一般小人物的情况，他懒得管，当然，也管不过来。

真正知道孙悟空底细的，是两个勾死人。但他们在抓捕的过程中，被孙悟空一棒打成了肉饼。

那么，孙悟空的档案最后放在哪里呢？原著有记载——

另有个簿子，悟空亲自检阅，直到那魂字一千三百五十号上，方注着孙悟空名字，乃天产石猴，该寿三百四十二岁，善终。悟空拿过簿子，把猴属之类，但有名者，一概勾之。

原来，孙悟空的档案居然不在十类里，而是单独记载在一个簿子上，并且编为“魂字第1350号”！

为什么孙悟空的生死簿要另放，并且编上号？我们回忆一下李世民的档案，都没编“皇”字多少多少号。

在体制内呆过的都知道，机关公文往往会编为X字第X号，前者代表部门，后者代表顺序，那么孙悟空编到魂字类第1350号，有没有其它意义？他的金箍棒重13500斤，他的年龄342岁，这几组数字间有无关联？

还真有！

一些西游专家指出，1350×342=461700，恰是一百元的周期（这里面的计算非常复杂，有兴趣的朋友，可自行网上搜索资料）。

而孙悟空金箍棒的重量之数，代表着人的一昼夜呼吸次数（统计数字来自《黄帝内经》）。宋代张伯端所作的《金丹四百字》也称，若想结胎须潜心修行，“大则一日结一万三千五百息之胎，小则十二时行八万四千里之气”。

这些数据综合起来，可以看出书中的隐喻：地府销名，代表着孙悟空全新纪元的开始。

可是，菩提祖师不是说孙悟空可以长生不老吗，为何又要到地府销名呢？

其实，这是修行过程中常见的一个脱壳仪式！

通天河老乌龟修行了一千多年，因为不能脱壳，所以就不能得人身。唐僧不在凌云渡脱壳，就不能成佛。

猪八戒、沙僧在成仙之前，都是脱了壳的，也就是丢掉了凡身，才能上天庭。猪八戒被贬下凡，还脱了一次壳，只不过天庭为了惩罚他，让他成为了猪身。

孙悟空出生时是什么？石猴！也就是说，他还是凡胎。凡胎是上不了天的，哪怕他学的本事再高也不行。

孙悟空被小鬼勾魂，肉体留在了花果山，从地府走一圈回去后，就成仙体了，所以就能上天做官，不管是当弼马温还是当齐天大圣，这个程序都必须先走到。

由此可见，孙悟空到地府销生死簿的过程，其实是菩提祖师帮助他曲线救国实现长生的过程（这与以往的观点有些不同，这是蜗牛的新感悟）。高明到连地府十王都不知道！

四

孙悟空查找、删除生死簿这个过程中，揭秘了地府统计局神秘的一角。

在阳间，档案管着你的升迁，但在地府，档案却管着你的生死！阳间档案弄错了，当不了大官，还能过上幸福的小日子，但阴间档案弄错了，该活的年岁没活够，莫名其妙就隔屁了，你说冤不冤？

可见，地府统计工作来不得半点虚假，不然地府信访局门槛都要踏烂，奈何桥天天堵车，这阴间的工作如何开展？

在影视作品中，地府的生死簿装在几个破柜子里，像乡镇办公室的档案柜。但在真实的三界中，万物生灵的数量恐怕比整个地球的水分子还要多！李世民孙悟空是一条命，蝼蚁飞蛾也是命，单细胞、多细胞都有自己生存的权力，这些，都必须登记造册，大家可以想一下，那是多么庞大的一堆数字！

此外，从孙悟空的生死簿内容来看，不仅记载了出生日期、死亡日期，还记载了死亡的方式，甚至连菩提祖师给他取的名字都登记上了。这说明，这生死簿是实时更新的。并且更新要做到高效准确，不然，该死的没死成，该活的没活够，阎王让人三更死，他却活到三十年后，这问题就大了！

那么多生灵，每天24小时都在变化，大家想想，这又是多大的工作量！

不仅如此，三界还有一个奖惩机制，也就是说，生死簿要根据当事人的行善、积恶，以及地仙、天仙等身份的转变，及时调整生命指数。比如，玉帝出生时，可能只活到1000岁，但是人家经过了1000多劫，就那成了与天地同寿，生死簿没改过来，到了1000岁就去勾领导的魂，那不被两耳光打回来？

这又是一个庞大的工作量，仅靠人天天加班是干不下来的！

另外，我们看两鬼差是如何抓孙悟空的——

只见那美猴王睡里见两人拿一张批文，上有“孙悟空”三字，走近身，不容分说，套上绳就把美猴王的魂灵儿索了去。

原来，孙悟空完全冤枉了人家，他们可不是非法抓捕，而是拿了批文的，手续十分齐全！

至于是谁签的字谁盖的章，为何判官和十王都不承认，我们暂且不深究，

但却说明，即使去勾魂，都有一套严格的程序。无论是勾孙悟空的魂，还是勾李世民的魂，事实证明小鬼们都没搞错！

这么准确的工作，是如何做到的？

因此，有人怀疑，地府其实有一套能管理大数据的高科技设备。

孙悟空作为一个计算机盲，删的方式根本不对，只删除了桌面图标，而没有删除根目录下的相关链接和备份，导致他和众猴该死还得死。

中国是全球奢侈品消费力量最大的国家，这早已不是什么新闻。2016年奢侈品市场消费整体放缓，但中国消费者仍是全球奢侈品消费增长最快的消费群体。而根据LVMH、Kering、Richemont、Hermes、Burberry、Aeffe、Michael Kors等诸多奢侈品集团在2017年公布的财报来看，奢侈品行业大有回暖之势，其中中国仍然是主力市场之一。 在这样的事实下，全球顶级的奢侈品品牌们来讨好中国市场是自然而然的事。 2017年即将完结，这一年里，这些奢侈品品牌在中国都做了哪些事？又运用了怎样的手段来进行营销宣传？让我们一起用慧科讯业全媒体大数据平台对十余个经典奢侈品品牌进行大数据调研。 您如果还想获取其他品牌的大数据调研内容，可于文末点击“阅读原文”。

他们在干什么？

1

线下关店

过去一年奢侈品品牌全球关掉门市最多的地方是中国大陆。LV、Dior、Gucci等大奢侈品牌共计关店几十家，很多品牌甚至提出了“一城一店”的策略。 今年3月份，广州一家Gucci店撤柜。紧接着在5月24日，当年曾创下开业4个小时销售额突破200万元纪录的Gucci广州番禺海印又一城专卖店宣布歇业，一度引爆关注。 至于为什么关店，业内人士指出，运营成本上升、网上假货横行、消费者独特的购物习惯（如线下体验线上购等）是主要原因。另一方面，也是由于互联网促使下的策略调整。 2

线上开店

紧随着陆续关店的新闻，奢侈品牌们紧锣密鼓地线上开店。 去年底，LVMH高调宣布包括娇兰GUERLAIN、玫珂菲Make Up For Ever、丝芙兰等品牌组团入驻天猫，而2017年，LVMH五大事业部全体进入天猫。 不久前还大肆关店的Gucci，7月5日Gucci官方网上商城正式开通，消费者可以通过则在2016年底就推出了Chanel品牌香水与美容品线上店。 互联网试水最早的是Burberry，自2014年4月底就已进入了天猫。值得一提的是，今年的Burberry天猫超级品牌日期间，Burberry当日销售额接近平日的五倍，一天之内沉淀高奢时尚新客近500万，这是一个以往令品牌难以想象的数字。 3

拥抱新媒体

国内大数据服务企业主力阵营：

1、TakingData

TakingData以SmartDP为核心的数据智能应用生态为企业赋能，帮助企业逐步实现以数据为驱动力的数字化转型。

2、友盟+

友盟+基于全域数据、数据技术和商业场景，构建以7亿消费者为核心，覆盖数据化运营、数据营销、新零售数据服务、金融及手机解决方案的数据智能服务体系，驱动业务持续增长。

3、精准科技

精准科技是一家以用户画像为特色的大数据技术公司，致力于推动大数据在营销场景中的使用，业务主要涵盖汽车、金融、房产三大领域。

4、浪潮

浪潮互联网大数据采集中心已经采集超过2PB数据，并已建立5大类数据分类处理算法。近日成功发布海量存储系统的最新代表产品AS130000。

5、腾讯

腾讯拥有用户关系数据和基于此产生的社交数据，腾讯的思路主要是用数据改进产品，注重QZONE、微信、电商等产品的后端数据打通。

6、 探码科技

探码科技自主研发的DYSON只能分析系统，可以完整的实现大数据的采集、分析、处理。一直做的国外项目美国最大的律师平台、医生平台和酒店、机票预订平台的数据采集、分析、处理。将在国内推出一系列面向政务、企业的创新型大数据研究项目与合作，为各大企业提供高端信息技术咨询服务。

7、中兴通讯

中兴通讯推出的“聚焦ICT服务的高效数据中心整体服务解决方案”，可帮助运营商有效解决大数据时代建设IDC面临的大部分问题，提升运营商ICT融合服务能力。

8、神州融

神州融整合了国内权威的第三方征信机构和电商平台等信贷应用场景的征信大数据，通过覆盖信贷全生命周期管理的顶尖风控技术，为微金融机构提供大数据驱动的信贷风控决策服务。

9、中科曙光

中科曙光XData大数据一体机可实现任务自动分解，并在多数据模块上并行执行，全面提高了复杂查询条件下的效率。

10、华胜天成

华胜天成自主研发的大数据产品“i维数据”，颇具创新，近期又与IBM达成战略合作关系，涵盖Linux on Power市场、智慧城市、存储业务、管理服务、咨询与应用管理服务。

11、神州数码

“神州数码”启动了“智慧城市”战略布局，先后推出了市民融合服务平台、自助终端服务平台等产品，并在佛山、武汉等“智慧城市”建设中实践运用。

12、用友

用友在商业分析、大数据处理等领域进行研发，先后推出了用友BQ、用友AE等产品。

13、东软

东软大数据战略以医疗行业为突破口，凭借在社保、医疗行业积累的资源，搭建了东软熙康这一智慧医疗平台。

14、金蝶

金蝶KBI与金蝶ERP无缝集成，实现BI数据采集——集成——分析决策支持的一体化应用。

15、宝德

宝德大数据云备份，是一个专为大数据而设的云备份方案，支持实体机及虚拟机备份，而且具有无限扩充的可能，并且完全自动。

16、启明星辰

大数据时代的IP治理和审计，启明星辰提供了终端审计、终端数据防泄露、日志审计，通过综合审计平台来帮助用户解决IP治理需求等解决方案。

17、拓尔思

拓尔思通过收购天行网安，可以拓展在公安行业的应用，目前正着力开拓行业应用市场，挖掘各个产业链中的大数据价值。

18、荣之联

零售、证券、生物、政府等都是荣之联大数据业务的主要目标行业，已为零售业提供了大数据分析的解决方案，解决了库存问题。

19、中科金财

中科金财作为国内领先的高端IT综合服务商，主要服务于金融业的大数据。

20、美亚柏科

美亚柏科专注于公安市场，其业务包括电子数据取证、电子数据鉴定、网络舆情分析、数字维权、公证云、搜索云以及取证云服务。

21、赛思信安

国内存储技术与服务供应商赛思信安推出了自主研发的大数据管理系统，适用范围包括互联网、公众服务、商业智能、金融、医疗卫生、能源等多个行业。

22、华宇软件

华宇软件作为大数据、食品安全、法务软件等相关热门行业软件，同时也是公安领域大数据的上市公司。

23、天玑科技

天玑科技的数据中心运维管理服务，为大数据的分析能力提供了强大的后台支撑和保障。

24、东方国信

东方国信主营业务为企业商业智能软件及系统解决方案，收购北科亿力和科瑞明，有效拓展了工业和金融大数据领域。

25、华三

华三全融合虚拟化网络技术能够极大简化网络结构，减轻网络管理和维护量，为企业数据中心大规模建设提供最强有力的技术支持。

26、海康威视

海康威视基于英特尔Hadoop发行版，并融合可以灵活按需调配IT资源对应用和服务进行支持的开放架构云计算技术，打造出了视频智能云计算方案。

27、高德

高德与阿里将在地图搜索、产品商业化、数据共享、云计算等领域展开合作，特别是在数据共享方面，高德和阿里巴巴将共建一个大数据服务体系，

28、四维图新

作为提供导航地图、地理信息系统软件建设的内容提供商，现在已尝试使用大数据为政府部门提供决策。

29、海捷科技

专注于商业智能领域(BI)、数据仓库领域、数据库领域的专业咨询、项目实施、软件开发、系统集成等方面，为金融、电信、快速消费品等行业提供相应方案。

30、北京信合运通

信合运通专注于为运营商和行业客户提供基于大数据的深度分析和挖掘技术、渠道支撑服务及行业解决方案。

31、海云数据

海云数据专注于从事数据可视化，可为客户提供数据可视化的创意设计、制作和软硬件集成系统服务。

32、九次方金融数据

九次方金融数据在国内唯一以企业大数据分析的角度对有投资价值和并购价值的企业进行价值判断，持续跟踪企业动态变化的金融大数据公司。

33、永洪科技

永洪BI通过完全自主知识产权的数据集市产品(Z-Data Mart)支持大数据，Z-Data Mart汇聚了数十项自有专利，涵盖了分布式存储和计算、分布式传输和实时通信等关键领域。

34、集奥聚合

集奥聚合作为大数据服务提供商，其DataQuate解决方案主要用于解决运营商大数据的接入、挖掘及应用，为运营商大数据的价值转化提供端到端服务。

35、华院数云

华院数云以数据挖掘为核心、以商业智能和精准营销为主线、以SAAS云平台为主要服务模式，目前专注于电商领域，为客户提供行业领先的数据分析和精准营销平台服务。

36、杭州诚道科技

杭州诚道科技致力于为浙江、全国公安交通管理行业提供一流的信息化服务、产品和方案解决能力，其借助英特尔Hadoop分发版，已解决了大数据的采集和处理问题。

37、勒卡斯

勒卡斯是致力于为客户提供全方位直复营销解决方案和服务的大数据公司，主要有潜客沟通、会员管理、CRM软件定制及客户市场调研四大业务。

38、北京阿尔泰科技

北京阿尔泰科技专业数据采集系统的制造商。

39、智拓通达

智拓通达主要做中国主流社交平台的“大数据”分析，通过整合各大社交平台的用户数据、行为数据和 UGC 内容，为企业和个人用户提供定制化服务。

40、国双科技

国双科技数据中心拥有基于OLAP技术的强大交互式数据挖掘平台，可提供不同深度的分析报告，满足不同视角的数据挖掘和分析需求。

41、时云医疗科技

时云医疗科技今日发布了医疗领域的大数据“未病”预警云服务“康诺云”，有针对个人健康管理而设计的云律血压节律仪、云悦体质分析仪和云动智能健康监测腕表3款智能硬件。

42、百分点

百分点主要为电子商务企业提供站内流量转化和商业智能分析的整体优化解决方案，旗下有推荐引擎技术平台以及跨网站消费偏好平台。产品主要有BRE和BAE。

43、精硕科技

精硕科技是国内少有的第三方数字营销监测和调研机构，专注于为广告主提供全流程的网络广告效果监测、分析评估、媒介优化咨询和技术解决方案等服务。

44、神策数据

神策数据立足大数据及用户行为分析的技术与实践前沿，业务现已覆盖以互联网、金融、零售快消、高科技、制造等为代表的十多个主要行业、并可支持企业多个职能部门。

45、百度

百度的优势体现在海量的数据、沉淀十多年的用户行为数据、自然语言处理能力和深度学习领域的前沿研究。近来百度正式发布大数据引擎，将在政府、医疗、金融、零售、教育等传统领域率先开展对外合作。

46、阿里巴巴

阿里巴巴拥有交易数据和信用数据,更多是在搭建数据的流通、收集和分享的底层架构。

47、华为华为云服务

整合了高性能的计算和存储能力，为大数据的挖掘和分析提供专业稳定的IT基础设施平台，近来华为大数据存储实现了统一管理40PB文件系统。

48、同盾科技

同盾科技将人工智能与业务场景深度结合，为银行、保险、汽车金融、非银行信贷、基金理财、三方支付、航旅、电商、O2O、游戏、社交平台等十余个行业客户提供高效智能的风控、反欺诈及营销分析服务。

49、国双科技

国双科技是中国的企业级大数据和人工智能解决方案提供商。

50、智慧足迹

智慧足迹是由中国联通和西班牙电信合资成立的专业大数据公司，依托中国联通的数据能力，提供位置信息洞察及相关大数据业务。

上海中高端人才分布。供图 上海中高端人才大数据：七成介于25到35岁 平均年薪金融第一、互联网第三

近日，一部电视剧《上海女子图鉴》将“上海中高端人才”推上了热议话题，也引起了很多人对上海中高端人才的关注。25日，猎聘在上海发布了《2018年上海中高端人才及沪漂大数据报告》(以下简称“报告”)再次聚焦这一群体。

本次报告主要随机抽取、研究了猎聘平台上约63万个上海中高端人才样本，结果显示，在流入上海的中高端人才的薪资涨幅上，来自西安的人涨薪幅度最高，为64.96%；在从上海流向其他城市所产生的薪资涨幅上，流向北京的人涨薪幅度最高，为31.21%。

上海中高端人才TOP 10 专业背景分布。供图

报告发现，上海中高端人才净流入率位居全国城市第11名。在流入上海的中高端人才中，来自北京的人占比最多，为8.54%；而在从上海流向其他城市的中高端人才中，流向北京的人占比最多，为12.46%。

猎聘的大数据显示，上海地区近七成中高端人才年龄介于25-35岁之间，说明“80后”、“90后”中高端人才已成为企业中坚力量。上海中高端人才的行业分布特点进一步印证了互联网的迅速发展和其偏爱年轻人的行业趋势。

上海中高端人才全行业平均年薪。供图

近年来，互联网行业在全国很多城市都有较快发展，吸引了众多精英人才的加入。借助上海一线城市的优势，当地互联网行业表现则更为突出。位居第二的金融行业一直是上海的强项，因而也名列前茅。机械制造作为长三角地区的传统优势行业，在该区域有深厚的积累，在吸引人才方面也有不俗的表现。上海中高端人才在互联网行业分布最多，占比达到20.77%；名列第二、第三的是金融、机械制造行业，其占比分别为14.89%、13.69%。

此外，在猎聘平台上，上海中高端人才的主力军是本科毕业生，占比为59.17%；同时，硕士及硕士以上学历的中高端人才比例接近30.00%。

从上海中高端人才TOP10专业背景分布来看，跟经济管理相关的专业占比最多，其中工商管理占比最高，为5.27%。这跟上海发达的金融业高度相关，也跟上海金融业吸纳众多中高端人才密不可分。

上海作为一个摩登的国际化都市，文化氛围更加包容、开放，晚婚已成为一种普遍现象。本次猎聘问卷调研显示，未婚中高端人才占比达到67%，是已婚人群的2.03倍。

从2016年四季度到2018年一季度这一年半时间内，在全国人才净流入率(地区人才净流入率=该地区人才净流入人数/该地区人才流动总人数×100%)排名最高的15个城市中，上海仅位居第11名，为6.87%，比名列第一的杭州低6.73个百分点。

据了解，上海的高生活成本、高房价，以及严格的户籍政策相关，是导致上海中高端人才净流入率未能进入全国前十的主要原因。尽管上海区位优势明显，但在人才流入方向，官方也有危机感。今年3月，继北京之后，上海也加入了“抢人大战”，于今年3月26日发布了《上海加快实施人才高峰工程行动方案》，提出为高峰人才量身创设新型工作机构，不受行政级别、事业编制、岗位设置、工资总额限制，将重点聚焦在13个高科技领域造就高峰人才。上海还将大力吸引一批具有全球影响力的大科学家、大企业家、大艺术家等高端人才，面向全球集聚包括两院院士、诺贝尔奖获得者、美国科学院院士、英国皇家学会会员等在内的顶级科学家近500名。在此政策下影响下，上海的中高端人才净流入率有望得到提升。

从沪漂来源TOP10城市来看，北京流入上海的中高端人才占比最多，为8.54%，位居第一。而名列第二、第三、第四的城市是苏州、杭州和南京，都是来自临近上海的城市，占比分别为4.16%、3.83%、3.02%；名列第五的是深圳，占比为2.90%。

而在流入上海的中高端人才中，薪资涨幅排名前四的中高端人才分别来自西安、重庆、武汉、成都，其薪资涨幅分别为64.96%、58.93%、57.32%、52.28%，均超过50.00%，可谓力度很大；第五为南京，薪资涨幅为47.30%。

此外，上海中高端人才流向其他城市的薪资涨幅排名第一的是北京，为31.21%；深圳排名第二，薪资涨幅为31.19%，略高于上海本地流动产生的薪资涨幅；杭州排名第三，薪资涨幅为29.17%。

在全国中高端人才平均年薪最高的前十城市中，上海名列第二，为23.65万元人民币，比位居第一的北京低0.63万元，比排名第三、第四的深圳、广州分别高出0.05万元、2.26万元，比排名第五的杭州高出4.35万元。可见，上海的薪资在全国范围内都具有非常强的竞争力。

在上海地区，中高端人才的平均年薪主要分布在10-20万元人民币区间，占比为45.41%，在所有中高端人才中占比最大；其次是20-30万元区间，占比为21.60%。

从上海中高端人才全行业平均年薪排名来看，金融行业名列第一，为28.66万元，其次是房地产行业，为27.49万元。互联网行业的平均年薪为25.14万元，比金融行业低3.52万元。

猎聘高级职场顾问认为，无论是从历史、现在还是未来来看，上海都有着得天独厚的区位优势和职场机会优势，值得更多追逐梦想和生活品质的人去打拼；一个职场人要融入一座城市，除了要了解这个城市的生活外，更重要的是熟悉这个城市的行业优势，了解自己的长处和短板，充分利用各种资源，提升自己，与这座城市彼此成就。

(来源:中国新闻网)

我们来看一下大数据到底怎么练，需要练些什么。我们把各个“门派”、各个专业方向的授课内容都通过网络搜集，整理了出来。国外网站上的信息资源丰富且开放，可以查到很多详细内容，包括授课老师的简历，甚至他们曾经做过的一些具体事情。

这是一个无像图形，由结点、路径或边组成，结点是我们提取出来的主要文本信息。图形中的点越大，字体越大，说明其代表的信息越重要；两点间相连的线段越粗越醒目，说明它们之间的联系越紧密。如此一来各项信息的重要性及相关性都能一目了然。这是数据科学设置的一个课程，说白了就是你需要“修炼”的内容。课程是学习的必要途径，不管是在网上学还是到学校学，又或者你来听讲座，都绕不开它，光坐在家里空想肯定不行啊！

我们看图上的machine和learn两个词，它们之间的线段很粗，组合起来叫machine learning，即“机器学习”。这需要主观提炼，如果因为不熟悉理解成“学习机器”就偏了，我们讲座的目的之一就是帮大家厘清它们之间的相关关系。大数据的很多要点在于相关分析，包括变量和研究对象之间的关系等，这也是现在很多数据分析的误区。你可能知道两者之间存在关系，但具体谁影响了谁，哪个是原因哪个是结果，不一定能搞清楚。我要说明的是，现在网络上的许多诸如一张图告诉你什么或者大数据告诉你什么之类的内容，基本上都犯了一个逻辑错误，那就是大部分大数据分析都只局限在分析数据之间的关联性，而要了解因果性，还得靠其他技术去实现。

图形中罗列的机器学习、可视化、信息系统、计算机模式识别等词汇，都是计算机中常见的字眼，通过它们我们就可以大体了解到具体的学习方向和内容，从而有针对性地去下功夫学习。以此类推，其他学习方向的课程也可以通过这种形式来表现。以数据科学硕士为例，我们可以按照刚才的图形把关键词提炼出来，再通过观察这些关键词跟其他词之间的关联性的强弱，按从小到大的顺序组合并排序，这个过程需要具有专业经验的主观判断的帮助，排列之后我们就得到了课程的具体内容。需要注意的是，有的课程比较冷门，可能无法从图形中提炼出来，另外，国外好多课程的名称取得比较随意，不同课程名称对应的也许是相同的内容。

数据科学硕士有好多门必修课，就是必须具备的能力，包括机器学习、WEB数据挖掘、数据管理、统计分析、分析程序设计、系统设计等。除了必修课以外还有选修课，就是你还需要具备的其他技能。而机器学习这门课程，在必修和选修中都有提到，这是因为课程设置会因为学校的不同而有所差异，但总的来说，几乎所有的课程都跟计算机、统计、数据有关，那这些肯定就是我们“修炼”的重点。

数学是学习大数据技术的选修课。学习大数据最好有一定的数学基础，如果没有基础，学习起来会比较困难，但也不是一个无法逾越的障碍。大数据时代，人们都是用工具去梳理数据的，现在的数据量巨大，不借助工具根本不可能梳理得过来。那么，都要用到哪些工具呢？最常见的是EXCEL；其次，还有一个叫SAS的商业软件，是世界五百强企业的产品，美国《财富》杂志评选推荐的；再有，必须要了解的两款开源软件：R语言和Python。R目前是一款免费软件，搞统计的人如果不会R语言那是不可想象的。有一句话说得好，R的出现使搞统计的人终于可以使用计算机了，Python的出现使用计算机的人终于可以搞统计了。以上列举的几个工具必须要非常熟悉，因为很多学校都不会开工具课，它默认你已经掌握了。除此以外还有Hadoop，它是大数据处理的架构，现在不是很主流了，但对理解课程来说还是必须的。

作者：阮敬　首都经济贸易大学研究生院副院长

本文节选自宣讲家网独家文稿　《阮敬：高端大数据人才需具备哪些专业技能》

俗话说：男怕入错行，女怕嫁错郎。首先，这篇是写给那些从其他领域跨界到大数据领域的朋友的，当然，初入大数据领域，或者对大数据领域有所兴趣的朋友，也可一观。

想起要写这个话题，已经很久了，直到最近好多人问我怎么去学？从哪开始学？学完了我能干嘛？当然还有比较现实的就是学完了能赚多少钱？等等........我才发现这个话题应该拿出来讨论一下了。

▲

1、角色

大数据是个统称，它还分

哪些更加细化的职业类别

2、入座

确定自己的定位，这样才能

有的放矢地开始大数据学习

3、待遇

大数据就业后的待遇，

还有最关心的薪资问题

4、前景

大数据在未来行业中的

比重是多少，前途如何

▼

文章思路图

虽然我对于大数据培训市场一直不算太感冒，但是，如果说对于那些想要跨界进入大数据领域的朋友来说，不可否认，全面的培训是最快的方式，最少比自学来的快、更系统。

但我一直对于大部分培训课程体系的设计不敢苟同，这是重点。

这两年来，鉴于种种原因，也帮不少初入门或者说初入大数据培训机构的跨界朋友参考过培训课程。

基本上课程是这样安排的：

1基本的语言基础来一套，

2hadoop

3mapreducehive

4hbase

5spark

6flume

7kafka

8mahout给来一套，再接着上一系列的算法课程，最后来点项目实战。来锻炼一下

然后就上岗开干了，细微的区别的在于可能不同课程的课时设置不同，但基本上都得来一个如上全家桶套餐。

但是在我们实际的工作中，你能用上其中一到两种算是正常的，能用上三四种的算是少见的，能碰过过半的说明你可以升级为数据架构师了。

有人问了：既然才能用到一两种，我疯了干嘛学这么多东西。

Good question带着这个问题我们往下看

关键是很多人培训完了，依然一脸懵逼， 感觉自己不知道能干啥，不知道要干啥，又或者说不知道企业到底需要什么人，而自己到底适不适合。这个不用你担心，千锋有专门的就业老师处理这些让你懵逼的问题。

好了，吐槽完毕，正文来了。

角色

以我的愚见，当下大数据行业有两类角色（当然这是两个泛指，更加细化的我就不说了太多了。如果大家有兴趣的可以和我一起探讨）：

大数据工程

大数据分析

这两类角色相互依存但又独立运作，何意？没有大数据工程，大数据分析便无从谈起；但倘若没有大数据分析，我也实在想不出大数据工程存在的理由。这就类似于结婚和谈恋爱——恋爱的目的是为了结婚，且不以结婚为目的的谈恋爱都是耍流氓。

具体来说

大数据工程需要解决数据的定义、收集、计算与保存的工作，因此大数据工程师们在设计和部署这样的系统时首要考虑的是数据高可用的问题，即大数据工程系统需要实时地为下游业务系统或分析系统提供数据服务；

大数据分析角色定位于如何利用数据——即从大数据工程系统中接收到数据之后如何为企业或组织提供有产出的数据分析，并且确实能够帮助到公司进行业务改善或提升服务水平，所以对于大数据分析师来说，他们首要解决的问题是发现并利用数据的价值，具体可能包括：趋势分析、模型建立以及预测分析等。

简单总结一下：

大数据工程角色需要考虑数据的收集、计算(或是处理)和保存

大数据分析角色则是执行数据的高级计算。

入座

既然我们了解了大数据领域内的角色分类，下面自然就需要“对号入座”确定自己的定位，这样才能有的放矢地开始大数据学习。在考虑这个问题时，我们需要参考两方面的因素：

专业知识背景

行业经验

这里的专业知识背景不是指代学历、院校这种背景，而是你对某些IT技术的了解程度。即使你不是计算机专业出身，只要你对C语言有一腔热血，怕是C之父Dennis Ritchie也不敢小瞧你。因此，这里的专业知识其实就只有两个：

·计算机专业知识，比如操作系统，编程语言，计算机运行原理等

·数学知识，这里指代的是高等数学，比如微积分、概率统计、线性代数和离散数学等， 不是x * x + y * y = 1画出来是什么图形这样的数学

而行业经验指的是你相关领域内的工作经验，具体可以分为三档：

·菜鸟

·有一定经验的工程师

·资深专家——现在在大数据领域有个更cool的名字：数据科学家，比如前百度首席数据科学家：吴恩达博士

Okay，现在我们就可以根据上面的分类来定义自己的角色。比如拿笔者来说，我对自己的定位是：“我是一个计算机专业毕业的工程师，有一定数学基础(特别是在微积分和线性代数方面)，但数理统计和概率论部分是我的弱项。” 另外最好别打肿脸充胖子，如果之前没什么经验，承认自己是菜鸟也没事，关键是找准自己的定位。

确定自己的定位后，我们需要对应到特定的大数据角色，以下是一些基本法则：

· 如果您具有良好的编程基础且深入了解计算机的交互方式以及互联网底层技术原理，但数学和统计学掌握不深，那么大数据工程可能是您今后学习的方向

· 如果你有一定的编程基础(掌握一些高级语言，如Python等)同时又很强的数学功底，那么大数据分析是您今天努力的方向

待遇

作为IT类职业中的“大熊猫”，大数据工程师的收入待遇可以说达到了同类的顶级。据观察，国内IT、通讯、行业招聘中，有10％都是和大数据相关的，且比例还在上升。

大数据时代的到来很突然，在国内发展势头激进，而人才却非常有限，现在完全是供不应求的状况。

在美国，大数据工程师平均每年薪酬高达17.5万美元，而据了解，在国内顶尖互联网类公司，同一个级别大数据工程师的薪酬可能要比其他职位高20％至30％，且颇受企业重视。

前景

全球最顶尖管理咨询公司麦肯锡(McKinsey)出具的一份详细分析报告显示，预计到2018年，大数据或者数据工作者的岗位需求将激增，其中大数据科学家的缺口在140000到190000之间，对于懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达1500000!

事实上，大数据工作者可以施展拳脚的领域非常广泛，从国防部、互联网创业公司到金融机构，到处需要大数据项目来做创新驱动。数据分析或数据处理的岗位报酬也非常丰厚，在硅谷，入门级的数据科学家的收入已经是6位数了(美元)。

由于大数据人才数量较少，因此大多数公司的数据部门一般都是扁平化的层级模式，大致分为数据分析师、资深研究员、部门总监3个级别。大公司可能按照应用领域的维度来划分不同团队，而在小公司则需要身兼数职。有些特别强调大数据战略的互联网公司则会另设最高职位—如阿里巴巴的首席数据官。这个职位的大部分人会往研究方向发展，成为重要数据战略人才。。另一方面，大数据工程师对商业和产品的理解，并不亚于业务部门员工，因此也可转向产品部或市场部，乃至上升为公司的高级管理层。

趁着年轻，多挤出时间去提升自己，放手去追求，失败了又如何，反正不会死，万一成功了呢？

好这期我们就说到这里