2022年高校大數(shù)據(jù)應用平臺建設方案-智慧校園大數(shù)據(jù)建設方案-智慧高教大數(shù)據(jù)建設方案完整版

高校大數(shù)據(jù)應用平臺建設方案智慧校園大數(shù)據(jù)建設方案智慧高教大數(shù)據(jù)建設方案01020304大數(shù)據(jù)核心價值建設大數(shù)據(jù)模型與算法大數(shù)據(jù)平臺與實施落地研發(fā)實力與合作高校大數(shù)據(jù)建設方向與產(chǎn)品管理大數(shù)據(jù)校領導駕駛艙人事大數(shù)據(jù)分析學生大數(shù)據(jù)分析資產(chǎn)大數(shù)據(jù)分析學工大數(shù)據(jù)分析信息化大數(shù)據(jù)分析財務大數(shù)據(jù)分析行為畫像選修課課程消費愛好習慣成績活動教學大數(shù)據(jù)自習借閱高分軌跡分析學生大數(shù)據(jù)綜合預警科研大數(shù)據(jù)大數(shù)據(jù)報告就業(yè)指導科研大數(shù)據(jù)高校大數(shù)據(jù)建設內(nèi)容學生微觀數(shù)據(jù)倉庫綜合行為畫行為軌跡分群體行為分精準就業(yè)推實驗室分異常預學工分人事分科研分大數(shù)據(jù)管理軟件數(shù)據(jù)采集與清警析析析析像析析薦教師微觀數(shù)據(jù)倉學生個人大數(shù)據(jù)報告互聯(lián)網(wǎng)輿情分學校信息化管理分析科研分析與橫向對比智慧校園薦推心理健康預警洗教務分學業(yè)分資產(chǎn)分析析析庫析學生個人數(shù)據(jù)中心涵蓋大學生活所有信息，保證學生個人數(shù)據(jù)中心的數(shù)據(jù)全面精準。包括以下5個方向：?????基礎信息學習生活畢業(yè)就業(yè)XXX科技學生數(shù)據(jù)來源舉例

工作進展：

體育場館門禁

校園一卡通

數(shù)據(jù)全部抽取完成

信息門戶

宿舍通道機

接入的系統(tǒng)數(shù)量—18個

有線網(wǎng)管

Itservice系統(tǒng)

接入的數(shù)據(jù)占用磁盤空間約700G

Wifilocation

信息網(wǎng)絡呼叫中心系統(tǒng)

認證計費系統(tǒng)

DNS

增加數(shù)據(jù)保持定時同步

無線網(wǎng)管理系統(tǒng)

Dhcp

SSL-vpn系統(tǒng)

URL審計

學生電子郵箱

教務系統(tǒng)

教師電子郵箱

數(shù)據(jù)中心XXX科技個人數(shù)據(jù)中心內(nèi)容展示與查詢通過可視化方式，可以讓學生、老師直觀的查詢與了解個人學校的所有數(shù)據(jù)內(nèi)容展示特點：個人基礎信息個人課程信息圖書借閱信息????內(nèi)容豐富界面直觀支持移動化APP操作簡易網(wǎng)絡訪問信息校園消費信息校園軌跡信息??個人成績信息在線學習信息XXX科技行為軌跡-個人行為軌跡查看具體個人的行為軌跡

可選擇某個學生，查看學生一天的行為軌跡，顯示軌跡序號、樓宇名稱、時間點、停留多長時間、做了些什么

圖上箭頭按照學生行為軌跡動態(tài)移動

可查看某個時間點學生的位置狀態(tài)，便于學校定位失聯(lián)學生備注：????地圖上的動態(tài)icon還需優(yōu)化學生在某個軌跡點的行為還需進一步分析軌跡行走的痕跡還需優(yōu)化數(shù)據(jù)跳變問題XXX科技XXX科技行為軌跡-全校行為軌跡分析分析全校所有學生的在校軌跡，發(fā)現(xiàn)學生校內(nèi)的熱門訪問地點

可按照集群過濾，包括民族、性別、培養(yǎng)層次、學生類型、生源地等

可以選擇統(tǒng)計時間間隔，分為30min、1h、，按照時間間隔輪播學校人流變化情況

可選擇熱力圖、標注圖兩種顯示方式，其中標注圖會顯示樓宇名稱、人數(shù)

備注：點擊某樓宇可查看該樓宇各層各室人員分布備注：??輪播時間展示效果還未達到理想效果時間間隔數(shù)據(jù)待優(yōu)化XXX科技行為軌跡-全校行為軌跡分析-熱力圖XXX科技基于微觀大數(shù)據(jù)分析的綜合預警學生失聯(lián)預警學位異常預警各類預警詳細報告一卡通消費預警學生沉迷預警上網(wǎng)預警貧困生預警報告分析總結預警信息配制XXX科技大數(shù)據(jù)安全設計整體架構一卡通校領導視頻監(jiān)控校園安全算法計算匹配校園安全數(shù)據(jù)結論標簽校園安全預警算法區(qū)配校園安全預警處理中心APP數(shù)據(jù)預處理預警內(nèi)容權限分配教師通道機原始數(shù)據(jù)電腦學生門禁/去重短信家長WiFi微信輔輔員指紋識別考勤采集庫個人基礎數(shù)據(jù)庫郵件學工處互聯(lián)網(wǎng)數(shù)據(jù)校園大數(shù)據(jù)管理計算平臺數(shù)據(jù)源計算處理邏輯架構預警方式預警用戶XXX科技“學生行為畫像”詳細介紹張某某個人綜合分析電子信息學院04級學生個人標簽：學霸、上網(wǎng)達人、理科高手個人行為畫像綜合成績水平80%綜合消費水平60%綜合評估畫像70%電子信息學院信息安全12級自律性分析90%通過大數(shù)據(jù)微觀分析學生的個人特點，進行學生個人畫像和數(shù)據(jù)分析，用于學生管理和綜合評價、就業(yè)等的輔助。XXX科技14群體\樓宇人流畫像分析分析全校學生訪問該樓宇的情況，包括訪問人員畫像、訪問的高峰時間

月數(shù)據(jù)總結：總訪問次數(shù)、訪問人數(shù)、人均訪問次數(shù)、全校排名

日數(shù)據(jù)總結：訪問人數(shù)、人員標簽、日高峰時間段

粘度高用戶畫像：顯示經(jīng)常訪問該樓宇的人員標簽

使用人員趨勢：顯示該樓宇的訪問趨勢

訪問熱度：顯示該樓宇的樓層訪問熱度XXX科技個人數(shù)據(jù)中心大數(shù)據(jù)報告業(yè)內(nèi)數(shù)據(jù)最豐富的學生大數(shù)據(jù)報告，涉及生活、教學、圖書、網(wǎng)絡、消費、習慣等超過10類指標。支持用戶、班級、學院、學校等，可以按時間段，成長周、月、年導出按照A4風格進行設計與排版，美觀簡潔，支持導出成PDF、圖片用于打印或者朋友圈分享。學生大數(shù)據(jù)分析報告學生大數(shù)據(jù)分析報告XXX科技智慧管理、智慧教學分析課堂計劃—活動進度學習進度情況簽情況到隨堂測試情況學生答題情況小組討論進度進入每個活動可進行詳情查詢、開展教學督促XXX科技智慧管理、智慧教學分析XXX科技校領導大數(shù)據(jù)指揮艙效果示意圖XXX科技XXX科技核心部門核心管理大數(shù)據(jù)10+類別400+指標大數(shù)據(jù)核心KPI涉及財務、教務、科研、人事、學工、學生、資產(chǎn)、實驗室、圖書、信息化、綜合?.等超過10個管理的核心指標分析總共涉及10+大的管理類別，400+的核心指標和分析內(nèi)容XXX科技人事分析—人事能力分析-1各單位人才引進的績效教職工科研畫像學院職稱評審畫像統(tǒng)計分析高層次人才的人均學術作品情況顯示每個教職工科研的核心指標，包括科研項目數(shù)量、論著發(fā)表數(shù)量、學術影響因子根據(jù)某學院職稱評審情況，分析人員情況和規(guī)律，包括通過職稱人數(shù)、男女比例等教職工行為畫像根據(jù)某學院職稱評審情況，分析人員情況和規(guī)律，包括通過職稱人數(shù)、男女比例等各單位科研績效校內(nèi)薪資福利分析統(tǒng)計分析各單位教職工的人均學術作品情況統(tǒng)計分析各崗位的薪資福利情況崗位工作量分析分析不同崗位教學工作量、科研工作量占比以及趨勢校內(nèi)薪資福利對比論文發(fā)布刊物分布統(tǒng)計分析教職工發(fā)表論文時選擇刊物的傾向性通過對全校、各類崗位的薪資福利進行對比分析，發(fā)現(xiàn)學校教職工的待遇發(fā)展趨勢情況各級領導情況分析統(tǒng)計分析年齡、學歷、職稱分布情況教職工培訓情況教職工培訓分布統(tǒng)計分析學校教職工的歷年培訓次數(shù)趨勢顯示培訓次數(shù)最多的前八類培訓類型學校支出工資情況?將教職工拿到工資和學校支出部分進行對比分析XXX科技人事分析—人事能力分析-2校內(nèi)薪資福利分析校內(nèi)薪資福利對比學院職稱評審畫像根據(jù)某學院職稱評審情況，分析人員情況和規(guī)律，包括通過職稱人數(shù)、男女比例等統(tǒng)計分析各崗位的薪資福利情況通過對全校、各類崗位的薪資福利進行對比分析，發(fā)現(xiàn)學校教職工的待遇發(fā)展趨勢情況各級領導情況分析統(tǒng)計分析年齡、學歷、職稱分布情況各單位科研績效各單位人才引進的績效分析統(tǒng)計分析各單位教職工的人均學術作品情況統(tǒng)計分析高層次人才的人均學術作品情況崗位工作量分析分析不同崗位教學工作量、科研工作量占比向以及趨勢為學校人員晉升、培訓工作，以及人事需求預測提供服務。教職工科研畫像顯示每個教職工科研的核心指標，包括科研項目數(shù)量、論著發(fā)表數(shù)量、學術影響因子論文發(fā)布刊物分布統(tǒng)計分析教職工發(fā)表論文時選擇刊物的傾性學校支出工資情況教職工培訓情況教職工培訓分布將教職工拿到工資和學校支出部分進行對比分析統(tǒng)計分析學校教職工的歷年培訓次數(shù)趨勢顯示培訓次數(shù)最多的前八類培訓類型?XXX科技01030204大數(shù)據(jù)核心業(yè)務建設大數(shù)據(jù)平臺與實施落地大數(shù)據(jù)模型與算法研發(fā)實力與合作XXX科技智慧校園大數(shù)據(jù)建設方案業(yè)內(nèi)數(shù)據(jù)最豐富的學生大數(shù)據(jù)報告，涉及生活、教學、圖書、網(wǎng)絡、消費、習慣等超過10類指標。涉及財務、教務、科研、人事、學工、學生、資產(chǎn)、實驗室、圖書、信息化、綜合?.將教職工拿到工資和學校支出部分進特困生成績較為顯著，學差多、學優(yōu)學霸少。?=500+100×??????（其中?為該生某科成績，????為該科成績在專業(yè)中的均值，?為該科成績在專業(yè)中的標準差常用的聚類技術主要有：擴展|支持水平擴展，縱向分庫分接入的系統(tǒng)數(shù)量—18個SOM總體結果SOM歸類結果XXX科技&北京師范大學學生成績（僅本科生的成績分析）專業(yè)、年級、科目的不同會使得成績不具可比性，因此將學生各科成績進行學時加權標準分換算，每個學生某科目成績的換算公式如下：?=500+100×??????（其中?為該生某科成績，????為該科成績在專業(yè)中的均值，?為該科成績在專業(yè)中的標準差?）因此，每個學生的全部科目加權公式：Z=σ????（其中?為每科換算后成績，???為學科的學時（Z成績通過觀察，成績服從偏態(tài)分布，故進行boxcox變換轉換為正態(tài)分布后，按標準差劃分區(qū)間，分為學霸?（544.503381分<Z成績<573.355224分），學良學優(yōu)（471.681551分<Z成績<544.503381573.355224分以上），學中學差（422.806076分<Z成績<471.681551分），5個等級。（Z成績422.806076分以下）分），?σ?）XXX科技學生成績（性別）男女生成績差異大，女生優(yōu)于男生男女生學習成績占比分布男女檢驗男女生成績差異度：??通過等均值非參數(shù)檢驗差異度，算得P(Z<=z)雙尾=0.00<0.05檢驗結果：男女成績差異顯著60%50%40%30%20%10%男生成績均值：477.21女生成績均值：507.460%學霸學優(yōu)學良學中學差XXX科技學生成績分布（經(jīng)濟消費）不同經(jīng)濟差異的成績占比分布50%45%40%35%30%25%20%15%10%???一般生成績均值：501.31普困生成績均值：497.12特困生成績均值：491.22通過等均值非參數(shù)檢驗差異顯著度：??一般生與普困生差異小可忽略特困生與其他學生差異顯著5%0%學霸學優(yōu)學良學中學差一般普困生特困生一般生和普困生的成績差異較小。特困生成績較為顯著，學差多、學優(yōu)學霸少。XXX科技學生成績分布（地域）教育資源豐富度與學生成績呈現(xiàn)正相關各區(qū)域學生成績占比分布華北東北西南華東華南華中西北60%50%40%30%20%10%各區(qū)域學生成績分布基本呈正態(tài)，分布大致相同。顯著性檢驗結果如下：??西北學生成績較差，學差多，學霸少；華東學生成績較高，學差少，學霸多。原因分析：教育資源豐富度與學生成績呈現(xiàn)正相關0%學霸學優(yōu)學良學中學差XXX科技學生群體聚類分析常用的聚類技術主要有：?基于分區(qū)的方法。其基本思路是，首先列舉出不同的分區(qū)，然后根據(jù)某種標準對不同的分區(qū)進行評價。常用的方法有K-Means方法、K-Prototypes方法、K-Medoids方法、PAM方法、CLARA方法、基于密度的方法等。??基于層次的方法。其基本思路是，通過某種標準創(chuàng)建數(shù)據(jù)（對象）集合的層次分解結構。常用的方法有BIRCH方法等?；谀Ｐ偷姆椒?。其基本思路是，對每個類簇假設一個模型，并尋求相互之間模型的最佳合適程度。常用的方法有神經(jīng)元網(wǎng)絡方法（如SOM）方法、統(tǒng)計方法（高斯混合模型方法、自動歸類方法），蟻群聚類。這些方法當中，k-means最為常用，快捷，但有三個缺點：??K需要預先給定，通過實驗，本次分析數(shù)據(jù)運用k-means，在不同的k的聚類平均誤差拐點不明顯，難以確定適合的k值。在復雜環(huán)境下，模型聚類中心容易受隨機情況影響，尤其特征多，k偏少的情況。同一個k的結果也不穩(wěn)定?聚類結果往往難以解釋。自適應聚類算法，屬于深度學習領域，通過競爭進化，讓樣本自動聚集，常用有蟻群算法，神經(jīng)網(wǎng)絡。利用神經(jīng)元網(wǎng)絡的聚類方法在管理領域得到廣泛的重視和大量的應用。本分析采用神經(jīng)元網(wǎng)絡（SOM）方法對學生屬性進行聚類。XXX科技學生群體聚類步驟1.數(shù)據(jù)轉換：補全缺失值，消除異常值，boxcox轉換，[1-2]標準化。--通過轉換后選取分類數(shù)據(jù)（如男女，貧困程度），選取符合分布條件的特征。2.主基底變量篩選，剔除多重相關性數(shù)據(jù)，現(xiàn)有的數(shù)據(jù)中，保留了性別，生活日均消費，周末出行，貧困程度，Z成績等14個特征。3.SOM神經(jīng)網(wǎng)絡聚類。4.模型解釋，結果呈現(xiàn)。XXX科技學生群體SOM聚類1.模型訓練，隨機選取90%數(shù)據(jù)進行訓練，聚類結果如右上圖，每個顏色代表一個特征響應，相同顏色代表一個類別，圖中顏色度大概7個，故劃分7類。2.各個特征分類圖譜如右下圖：從左到右分別為：SOM總體結果SOM歸類結果性別，生活日消費強度，周末出行，宵夜日消費強度，購物日消費強度，上網(wǎng)時長，生活消費日占比，早餐消費日占比，學習消費日占比，購物消費日占比，Z成績，貧困程度。SOM各特征圖譜XXX科技學生群體聚類結果聚類群體中心與平均值差異如下圖：其中，性別，周末出行，貧困程度，Z成績，早餐消費日占比，學習消費日占比六個類型差異較大故單獨抽出這些特征進行群體劃分。SOM聚類中心與平均值差異100%50%-50%0%-50%系列1系列2系列3系列4系列5系列6系列7XXX科技學生群體聚類結果XXX科技學生群體聚類結果XXX科技學生群體聚類結果XXX科技學生群體聚類結果不同群體的人數(shù)占比群體11.按性別，出行，貧困程度，成績，吃早餐日占比群體7群體2，學習消費日占比，六個維度最能區(qū)分群體2.群體3，4，7人數(shù)較多，其余較少群體6群體33.對于不同群體的學生，在管理指導上應有不同的的學習習慣。類別4，類別6成績優(yōu)異，多安排其余類別學生與此類學生群體5群體4側重，例如：交流，分享經(jīng)驗等。類別1要提供相應的補助措施，并鼓勵他們走出去。?類別2要多鼓勵參加校園活動?類別5，類別XXX科技3，要警惕學習成績，以及提倡均衡飲食，養(yǎng)成良好成績預測模型為增加教學環(huán)節(jié)考試成績評價與預測的科學性，根據(jù)多元線性統(tǒng)計分析中的多元線性回歸分析方法，對考試成績指標進行量化，建立了考試成績評價與預測的回歸模型。通過高校大數(shù)據(jù)系統(tǒng)獲取學生的消費、基本信息、歷史成績等數(shù)據(jù)，然后整理數(shù)據(jù)獲得學生的各種屬性，并建立學生屬性與學生成績單多元線性回歸模型。通過該模型能較有效地對學生的成績進行預測，從而使教師和學生能及時掌握成績的走向，及早干預，提供管理和學習的效率。XXX科技模型訓練過程XXX科技01030204大數(shù)據(jù)核心業(yè)務建設大數(shù)據(jù)平臺與實施落地大數(shù)據(jù)模型與算法研發(fā)實力與合作XXX科技應用層XXX大數(shù)據(jù)平臺總體邏輯圖智慧課室云平臺智慧教學大數(shù)據(jù)應用API接口第三方BI工具學校管理學校安全學校教學學校服務學?？蒲袑W生大數(shù)據(jù)競賽結果層數(shù)據(jù)管理平臺架構|前后分離，可高效率并行開發(fā)分布式結構化存儲集群支持通用數(shù)據(jù)庫軟件搜索引擎緩存數(shù)據(jù)統(tǒng)一管理平臺DataHouse前端|基于FaceBook開源框架React計算層數(shù)據(jù)安全管理庫表權限分配機器學習基礎算法基礎模型應用模型實時流計算后端|基于SpringMVC+Mybatis應用服務存儲管理存儲層DBManager管理|強大的集群管理，監(jiān)控交互式接口數(shù)據(jù)計算接口開發(fā)語言支持全面服務節(jié)點監(jiān)控管理安全|支持IP白名單，SQL黑名單，SQL注入攻擊攔截原始數(shù)據(jù)保全備份標準化數(shù)據(jù)聚合建模數(shù)據(jù)Hadoop集群管理擴展|支持水平擴展，縱向分庫分表Hadoop數(shù)據(jù)倉庫數(shù)據(jù)采集層自動化安裝部署存量和增量文本/接口/FTP數(shù)據(jù)解析工具實時數(shù)據(jù)流式實時處理工具采集工作流管理結構化采集工具數(shù)據(jù)源結構化非結構化數(shù)據(jù)實時數(shù)非實時學校業(yè)務系統(tǒng)互聯(lián)網(wǎng)XXX科技數(shù)據(jù)據(jù)數(shù)據(jù)數(shù)據(jù)行為軌跡-全校行為軌跡分析-熱力常用的方法有BIRCH方法等。806076分<Z成績<471.高校大數(shù)據(jù)項目實施步驟統(tǒng)計分析教職工發(fā)表論文時選擇刊物的傾降低查詢IO,百億條信息查詢秒級使用人員趨勢：顯示該樓宇的訪問趨勢規(guī)律，包括通過職稱人數(shù)、男女比例等統(tǒng)計分析教職工發(fā)表論文時選擇刊物的傾681551分），5個等級。涵蓋大學生活所有信息，Hbase通過專有api訪問，適配將教職工拿到工資和學校支出部分進行校園大數(shù)據(jù)管理計算平臺顯示每個教職工科研的核心指標，包括科研大數(shù)據(jù)平臺：平臺優(yōu)勢性能出眾接口功能開發(fā)簡單平臺安全??自定義數(shù)據(jù)分片規(guī)則，提高命中率降低查詢IO,百億條信息查詢秒級響應。列式存儲，高壓縮比，是傳統(tǒng)方式的7~40倍；??HDFS直接使用java方式讀寫；Hbase通過專有api訪問，適配轉換成通用sql；Redis通過專有api訪問，適配轉換成sql；?BS表設計工具，簡化業(yè)務開發(fā)，可以開發(fā)復雜的業(yè)務?？梢暬瘮?shù)據(jù)建模，降低大數(shù)據(jù)使用門檻。???????分布式節(jié)點數(shù)據(jù)備份與恢復數(shù)據(jù)權限可控數(shù)據(jù)脫敏應用隔離數(shù)據(jù)隔離傳輸加密????基于dbbox的SQL語言，能降低處理業(yè)務的開發(fā)門檻?支持brighthourse引擎，查詢性能翻倍橫向擴展，性能隨資源提升??Hive、sparkSql通過sql轉發(fā)mysql集群做數(shù)據(jù)切片，適配成通用sql；提供Load方式提供數(shù)據(jù)加載??XXX科技大數(shù)據(jù)平臺：算法庫推薦系統(tǒng)平困生資助效益行為分析文本分類scala語言接口Java語言接口StatisticsClassificationClusteringRegressionGeneticDecisionMethods決策方法SamplingQ-LearningAlgorithm統(tǒng)計算法分類算法聚類算法回歸算法遺傳算法采樣算法增強學習SQL引擎SequentialDimensionReduction主成分分析AssociationDeepDiscriminateFactorBellefGraphAnalysis時序分析MiningLearningAnalysis判別分析Analysis因子分析NetworkInference關聯(lián)/推薦深度機器學習信念網(wǎng)絡圖推理DistributedExecutionEngine分布式執(zhí)行引擎SparkXXX科技Hadoop分布式系統(tǒng)大數(shù)據(jù)平臺安全：數(shù)據(jù)檢索、安全與脫敏數(shù)據(jù)源授權數(shù)據(jù)字段授權數(shù)據(jù)脫敏加密數(shù)據(jù)加密效果XXX科技高校大數(shù)據(jù)項目實施步驟需求調(diào)接口信息收集部署平接口調(diào)測原形設計需求確認研臺詳細設計數(shù)據(jù)采集數(shù)據(jù)標功能模塊開發(fā)準化內(nèi)部測客戶試改進版本發(fā)試用布用戶測試改進及版本升驗收維護級XXX科技項目現(xiàn)場需求調(diào)研XXX科技數(shù)據(jù)采集三盟科技數(shù)據(jù)管理知識體系與數(shù)據(jù)標準化處理數(shù)據(jù)管理知識體系臟數(shù)據(jù)的種類數(shù)據(jù)接入與標準化過程XXX科技結合教育部標準進行數(shù)據(jù)標準化建模XXX科技功能需求確認—數(shù)據(jù)建模個人基本信息校務管理系統(tǒng)直接讀取信息模塊：????用戶終端歷史個人基本信息體育場門禁宿舍通道機信息網(wǎng)絡呼叫中心系統(tǒng)WiFi終端定位信息個人行為軌位置信息體育場門禁跡關聯(lián)模型宿舍通道機關聯(lián)分析后入庫模塊：????一卡通WIFI用戶終端歷史WIFI終端定位信息上網(wǎng)行為審計一卡通上網(wǎng)行為審計行為動作一卡通信息網(wǎng)絡呼叫中心系統(tǒng)XXX科技功能需求確認—原型設計XXX科技01030204大數(shù)據(jù)核心業(yè)務建設大數(shù)據(jù)平臺與實施落地大數(shù)據(jù)模型與算法研發(fā)實力與合作XXX科技XXX研究院團隊介紹公司，100%以上本科學歷，20%以上研究生學歷，大數(shù)據(jù)研發(fā)核心人互聯(lián)網(wǎng)大數(shù)據(jù)核心團隊來自運營商和員開發(fā)經(jīng)驗超過10年，團隊平均大數(shù)據(jù)研發(fā)經(jīng)驗超過5年，擁有豐富的大數(shù)據(jù)項目實施落地經(jīng)驗。100XXX中國大數(shù)據(jù)研發(fā)團隊成員>100人100%本科以上學歷人員占比超過100%30歲大數(shù)據(jù)研發(fā)團隊的平均年齡為30歲研發(fā)人員本科學歷平均年齡外部顧問團隊：24位來自全國985、211高校信息化專家，為XXX大數(shù)據(jù)產(chǎn)品的實際需求和應用落地把關XXX科技XXX科技&武漢大學XXX攜手武漢大學，實現(xiàn)校園管理和學生服務大數(shù)據(jù)分析建設0204個人數(shù)據(jù)綜合展示綜合校情分析學生綜合行為數(shù)據(jù)分析部門業(yè)務“管理駕駛艙”高基報表采集及分析010305XXX科技XXX科技&北京師范大學XXX攜手北京師范大學，實現(xiàn)學校管理和學生服務雙創(chuàng)新學生行為軌跡分析及學生畫像學生異常狀態(tài)預警智慧校園服務Application學校工作重點分析輿情大數(shù)據(jù)分析Collect全校管理大數(shù)據(jù)分析DBBOXMYSQLHiveHbaseLinuxHadoop(HDFS)EsxiEsxiEsxiXXX科技XXX科技&廣東外語外貿(mào)大學XXX科技攜手廣東外語外貿(mào)大學，進行校園管理大數(shù)據(jù)研究與建設1、財務大數(shù)據(jù)分析2、學生大數(shù)據(jù)分析3、科研大數(shù)據(jù)分析4、人事大數(shù)據(jù)分析分析學校各項成本，為全校預算