新大携手谷歌:培养新加坡数据分析人才!
与谷歌合作,
栽培新加坡本地数据分析人才!
新加坡管理大学大二及以上的学生未来将有机会加入新大-谷歌Squared数据与分析计划,透过实习掌握与时并进的数据分析技术,为将来加入数据分析领域做好准备。
新大校长江莉莉教授和谷歌新加坡董事经理黛维丝(Stephanie Davis)今天为上述计划签署协议。
据江莉莉透露,首批加入计划的约25名学生已于去年11月完成分析基础课程,今年5月会开始前往谷歌伙伴企业实习半年。另外有约50名学生预计加入计划,成为第二批学员。
到谷歌媒体界伙伴企业实习期间,学生也须配合学期,每周最多回校上课一天,修读两门额外课程。参与计划的学生可边实习边赚取学分。
学生也将有机会分析和研究数据分析领域面对的问题并提出解决方案,在学以致用的同时了解业内环境与局限。
长远来看,双方希望透过这层伙伴关系进一步扩大计划,逐年增加学生的培训名额。
数据人才 目前,全球人工智能(Artificial Intelligence)正进入加速发展时期,我们无法逃过AI,但在这波洪流下,是个重新思考及调整人生道路的机会。面对AI该如何“化敌为友”?大数据已成未来最热门的人才职缺……
方向:数据分析!
AI时代下,简单的工作将被抢走,反之,接下来要走的是一条“深又广”的路。每个人都必须找到自己擅长、能发挥才华,而且是机器无法驾驭的工作。
研究大数据的先驱的麦肯锡,在报告《Big data: The nextfrontier for innovation, competition, andproductivity》中给出的大数据定义是:大数据指的是大小超出常规的数据库工具获取、存储、管理和分析能力的数据集。
新加坡本地大学近年来在数据分析领域推出了更多新课程或扩大相关学科招生人数。
例如,早在2011年,新加坡管理大学信息系统学院就已经推出的商业信息技术硕士(数据分析学)课程,目前还有金融服务与分析学硕士课程。
南洋理工商学院也推出了“商业分析”专业课程,让学生在未来迅速变化的经济环境中占据额外优势。
图片来源:新加坡经济发展局(EDB)
除了数据相关专业之外,新加坡通信工程(Communication Engineering)专业是信息科学技术发展迅速并极具活力的一个领域。
通信工程专业中,尤其是数字移动通信、光纤通信、Internet网络通信使人们在传递信息和获得信息方面达到了前所未有的便捷程度。
毕业后可从事无线通信、电视、大规模集成电路、智能仪器及应用电子技术领域的研究,设计等相关工作。
对比:都叫Data,有何不同?
细细去看各国大学在数据科学领域开设的时间,会发现基本都是从2000年以后才开始有雏形,然后慢慢衍生,关于数据分析向还有其他几个类似的别称,比如:
1Data Mining
2Data Analytics
3Data Studies
4Data Science
5Predictive Analytics
6Business Analysis
7Business Analytics / Intelligence
……
这其中,Data Analytics、Data Science和Business Analytics / Intelligence,是同学最常搞混的专业。
1
Data Analytics
Data Analytics 从错中复杂的大数据中,抽丝剥茧地去得到想要的信息、趋势,进而做出最有利的决策。
主干课程:data mining(数据挖掘),advanced quantitative methods,predictive analytics and forecasting models,and big data visualization.
Data Analytics更专注于培养高阶数学、统计学以及数据挖掘的能力。基本上就是你当你需要进行分析时,可能会用到的技能/工具,你都会学到。
“利用不同类别的database整理数据,用statistical modeling techniques、probability matrixes 分析不同性质的数据。学会如何呈现数据,将数据视觉化让其他非理工人更能一目了然。
2
Data Science
Data Science 相比而言更重视高阶的computer science,programming,and engineering,不只是会用这些程序而已,也可能学着自己写程序来运行analysis。
主干课程:machine learning / artificial intelligence(机器学习 / 人工智能);cloud computing(云计算);regression and time series analysis(回归与时间序列分析);software engineering(软件工程)。
除了在data analytics课程提到的data mining, data modeling,and data presentation techniques,Data Science的课程也会着重于如何将以下这些应用在data分析上。
“举例来说:如果你的Data十分复杂,市面上没有已开发的程序可以拿来用怎么办?这种情况下就要自己用程序语言eg R, Python, SAS, or Hadoop 写出来。
3
Business Analytics / Intelligence
Business Analytics / Intelligence 加上了“Business”,自然与商业管理有密不可分的关系。Business Analytics / Intelligence的确多是专为在商业环境工作而量身打造的专业。所以这样的课程大多归类在business school,或是professional school例如:会计学位的范畴下。
侧重课程:risk assessment and mitigation;performance reporting;efficiency optimization;supply-chain management;marketing / executive decision-making。
虽然在这个学位你也会学到data mining,predictive modeling,and analytics programming,只是这部分的比重会比其他两个专业(Data Analytics vs. Data Science)来的少。
“毕竟是商业环境取向,当然也会学习如何分析网络社交媒体使用者的习性、一些会计财经、沟通技能等等。从这里就应该看得出来,BA / BI的课程比较没有那么“理工”。
总结
无论是学士亦或是硕士阶段,
目前也没有统一标准能够将他们划分得很清楚,
因为这些专业包含的范围大多有重复。
所以常常会有申请者弄不清楚这其中的差别。
若是硬要分关系的话,应该就是以下这样:
商业取向<–
Business Intelligence
Data Analytics
Data Science
–>理工科取向
由于这些领域目前正炙手可热,
薪水也算优渥,工作机会也多,
许多甚至是转专业、
跨领域的申请者也想要投入这个领域,
所以竞争十分激烈。
评论