設備更新第3期｜大數據產教融合實踐中心解決方案

國務院於今年3月7日印發《推動大規模設備更新和消費品以舊換新行動方案》，明確要求「提升教育文旅醫療設備水平。推動符合條件的本科高校、職業院校（含技工院校）更新置換先進教學及科研技術設備，提升教學科研水平。嚴格落實學科教學裝備配置標準，保質保量配置並及時更新教學儀器設備。」

東軟教育科技集團推出第三期「大數據產教融合實踐中心解決方案」，面向新一代信息技術產業的發展體系與新時代數字技能型人才需求，聚焦培養大數據採集與處理工程師，大數據分析與可視化工程師，大數據實施與運維工程師等崗位的「數字工匠」人才培養，搭建覆蓋人才培養全過程的進階式一體化實踐教學體系，並建設與之配套的軟硬體實訓設備與環境、智慧化管理平台以及相關實訓教學文檔和資源，產品內容以「崗位能力導向、面向真實生產」為核心理念，致力於培養能夠適應未來市場需求的高素質技術人才。

大數據產教融合實踐中心解決方案框架圖

高職專科：大數據技術

高職本科：大數據工程技術

普通本科：數據科學與大數據技術，大數據管理與應用

項目場景產業化，項目來自東軟產業及戰略新興產業，包括交通大數據、金融大數據、電商大數據等。

項目案例教學化，基於東軟特色TOPCARES教育方法學的教學化拆解與改造，實現產業級項目技術與教學的適配。

項目技術前沿化，離線數倉、實時數倉、流式數據湖、Cube立方體，從核心技術到開發語言覆蓋核心的大數據技術生態體系。

項目體系進階化，五級項目貫穿全部專業核心課程，可以覆蓋大數據採集與處理、數據分析與可視化、大數據實施與運維等全部核心崗位的課程教學。

項目實訓工程化，遵循企業項目開發工程規範、標準、流程。

配套資源精細化，配套資源十件套，指導書、教案、教學視頻、考卷練習題，實驗環境、素材包、源代碼、介面文檔等。

以東軟交通時空大數據統計分析平台的業務場景和數據為載體,引入大數據平台建設的整體實現過程和最新技術和主流工具的應用,設計模擬交通監控設備所產生的數據,通過實時和離線的數據分析方法,提供有關交通流量、違法行為和交通安全等方面的信息和洞見。

特色優勢：交通大數據實訓項目通過整合Flink、ClickHouse和Flink CDC技術，為學生提供一個實時分析大規模交通數據的實踐環境。學生將學習使用Python和Superset進行數據可視化，並通過SpringBoot和Vue框架構建交雲互動的數據展示界面。本項目覆蓋了從JDK、Hadoop到Spark、Flink以及現代Web開發工具的全面技術棧，致力於培養學生在分散式集群部署和大數據統計分析平台開發方面的專業技能。

配套項目：交通大數據綜合實踐項目旨在培養學生的大數據應用開發核心技能，項目涵蓋東軟交通大數據統計分析平台、交通出行大數據實時及離線處理系統、交通出行分析及可視化系統以及Flink交通大數據平台部署等實踐內容，提供全面的實踐資源和平台環境，支持線上和線下的全流程管理，旨在培養學生在大數據領域的實施、運維、採集、處理、分析和可視化的核心能力，可以支撐大數據採集與處理、大數據分析與可視化、大數據實施與運維等崗位能力培養。

以東軟金融大數據統計分析平台的業務場景和數據為載體,引入大數據平台的整體實現過程、最新技術及主流工具的應用,涵蓋從大數據平台搭建、數據採集、處理、數據分析與挖掘、數據可視化五個模塊的關鍵工作任務。通過銀行客戶的交易記錄、賬戶餘額、信用卡消費信息等數據,了解銀行客戶的消費行為、存款習慣、信用卡使用等情況,挖掘出客戶的消費習慣和偏好;通過分析在貸金額、還款表現、貸款金額分佈以及貸款期限、利率等數據指標,了解貸款業務的表現和趨勢,識別潛在風險。

特色優勢：金融大數據實訓項目通過Hudi技術提升學生在實時數據處理和分析方面的實踐能力。學生將學習使用Python、Pyecharts和FineBI等工具進行數據可視化，並通過SpringBoot和React框架掌握數據大屏的開發。項目覆蓋全面的技術棧，旨在培養學生掌握Hadoop分散式集群部署和金融大數據統計分析平台開發的專業技能。

配套項目：金融大數據綜合實踐項目旨在培養學生的大數據應用開發核心技能，項目涵蓋金融大數據統計分析平台、金融大數據實時及離線處理系統、金融信貸分析及數據可視化系統以及Hudi金融大數據平台部署等實踐內容，提供全面的實踐資源和平台環境，支持線上和線下的全流程管理，旨在培養學生在大數據領域的實施、運維、採集、處理、分析和可視化的核心能力，可以支撐大數據採集與處理、大數據分析與可視化、大數據實施與運維等崗位能力培養。

以電商大數據統計分析平台的業務場景和數據為載體，引入大數據平台的整體實現過程、技術及主流工具的應用，涵蓋大數據平台搭建、數據採集、處理、數據分析與挖掘、數據可視化五個模塊的關鍵工作任務，完成電商用戶的行為和趨勢分析，以及商品銷售和市場營銷的效果分析。

特色優勢：電商大數據產品集成了Spark和Hive技術，利用分散式計算能力深入挖掘大規模數據集，並通過專業數據可視化工具將分析結果直觀展現。覆蓋全面的技術棧，包括Hadoop生態系統組件和深度學習框架TensorFlow，實訓內容涵蓋資料庫操作、深度學習入門以及開發環境的搭建，全面提升學生在電商數據分析領域的實戰技能。

配套項目：電商大數據綜合實踐項目旨在培養學生的大數據應用開發核心技能，項目涵蓋電商大數據統計分析平台、電商大數據實時及離線處理系統、電商運營分析及數據大屏系統以及基於Spark技術的電商大數據分析平台部署等實踐內容，提供全面的實踐資源和平台環境，支持線上和線下的全流程管理，旨在培養學生在大數據領域的實施、運維、採集、處理、分析和可視化的核心能力，可以支撐大數據採集與處理、大數據分析與可視化、大數據實施與運維等崗位能力培養。

本項目是東軟交通產業的真實案例，是針對某省研發的乘用車大數據分析系統，進行人群乘用車銷管分析，解決該市汽車銷管問題，共計可支持32實踐課時，涉及核心技術包括Hadoop、mapreduce、hbase、hive、大數據可視化等。

特色優勢：項目採用某省的真實汽車銷量數據，進行乘用車和商用車銷量分析，得出9組分析數據，具備實用價值。項目分成3個階段迭代完成，第1階段採用hadoop和mapreduce實現功能，第2階段疊加hbase，第3階段疊加hive。

東軟電信大數據分析項目是東軟電信產業的真實案例，本項目通過數據採集、數據處理、數據存儲、數據可視化的一體化應用，幫助運營商對離線主叫號碼、異常被叫號碼、服務編碼種類等重要運營指標進行過程監控，共計可支持32實踐課時，涉及核心技術包括Hadoop、Flink、Zookeeper、Kafka、微服務與數據可視化技術等。

特色優勢：項目採用東軟電信的真實脫敏通信數據，進行不同電信業務維度的相關分析，分別得出基於流批不同類型的七組分析數據，具備實用價值。項目分成2個階段迭代完成，第1階段採用hadoop-HDFS和Flink實現功能，第2階段疊加Zookeeper.Kafka.CentOSMysql實現完整的實時流業務。

東軟大數據金融風險控制系統是一個針對金融行業的風險管理和控制系統，旨在幫助金融機構實現風險的精確控制和有效管理。本項目基於大數據技術和風險模型，對借貸、信用評估等金融業務進行分析和預測，以提供決策支持和風險警示，共計可支持32實踐課時，涉及核心技術包括Hadoop、Spark、Python、Flask、商業BI與數據可視化技術等。

特色優勢：項目採用東軟金融的真實脫敏數據，進行不同信貸風控業務維度的相關分析，分別得出基於流批不同類型的15組分析數據，具備實用價值。項目分成2個階段迭代完成，第1階段採用hadoop-HDFS和Spark實現功能，第2階段採用Anaconda.Python.ML.Flask實現完整的業務。

東軟電動汽車充電大數據分析項目的目標是建立高性能、高可靠性和高智能度的充儲電預測模型，通過對充儲電數據進行分析，發掘用戶行為特徵和龐大數據之間的聯繫，以進一步優化充儲電用戶的體驗，並支持充儲電站點的運營和管理，為新能源汽車的普及推廣做出貢獻。項目的主要功能包括數據採集、數據存儲、數據預處理、數據分析、數據挖掘、數據建模、模型評估、模型優化、數據可視化和模型部署等。通過上述功能的綜合應用，本項目將為用戶、車主、充電站點和政府有關部門提供全方位的充電服務和支持，共計可支持32實踐課時，涉及核心技術包括Hadoop、MapReduce、Python、Flask、商業BI與數據可視化技術等。

特色優勢：項目採用東軟電力及新能源行業的真實脫敏數據，進行不同業務維度的相關分析，分別得出基於數據科學計算的9組分析數據，具備實用價值。項目分成2個階段迭代完成，第1階段採用hadoop-HDFS和MapReduce實現功能，第2階段採用Anaconda.Python.ML.Flask實現完整的業務。