首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

大数据科研解决方案「建议收藏」

第一章 建设背景 1.1 国家政策  2017年1月 工业和信息化部正式发布了《大数据产业发展规划(2016-2020年)》,明确了“十三五”时期大数据产业的发展思路、原则和目标,将引导大数据产业持续健康发展,有力支撑制造强国和网络强国建设。  2018年9月 工信部公示“2018年大数据产业发展试点示范项目名单”,公布了包括大数据存储管理、大数据分析挖掘、大数据安全保障、产业创新大数据应用、跨行业大数据融合应用、民生服务大数据应用、大数据测试评估、大数据重点标准研制及应用、政务数据共享开放平台及公共数据共享开放平台等10个方向200个项目。  2019年11月 为进一步落实《国务院关于印发促进大数据发展行动纲要的通知》和《大数据产业发展规划(2016~2020年)》,推进实施国家大数据战略,务实推动大数据技术、产业创新发展,我国工业和信息化部将组织开展2020年大数据产业发展试点示范项目申报工作。 1.2 发展趋势 据IDC分析报道,中国互联网企业,到电信、金融、政府这样的传统行业,都开始采用各种大数据和分析技术,开始了自己的大数据实践之旅;应用场景也在逐渐拓展,从结构化数据的分析,发展到半结构化、非结构化数据的分析,尤其是社交媒体信息分析受到用户的更多关注。用户们开始评估以Hadoop、数据库一体机以及内存计算技术为代表的大数据相关新型技术。 当今大数据一词的重点其实已经不仅在于数据规模的定义,它更代表着信息技术发展进入了一个新的时代,代表着大数据处理所需的新的技术和方法,也代表着大数据分析和应用所带来的新发明、新服务和新的发展机遇。面向数据分析市场的新产品、新技术、新服务、新业态正在不断涌现,从个人、学院、企业到国家层面,都把数据作为一种重要的战略资产,逐渐认识到了数据的价值,不同程度地渗透到每个行业领域和部门,随着大数据行业应用需求日益增长,未来越来越多的研究和应用领域将需要使用大数据技术,大数据技术将渗透到每个涉及到大规模数据和复杂计算的应用领域。 1.3 建设必要性 将大数据运用于教学与科研是一种趋势,目前各高校都在寻找符合自身特点的大数据应用开发模式,各学校的平台根据自身学科发展的方向基于大数据平台面向政府、企业、高校、社会提供服务。通过对遍布教、学、研多层面的数据进行整合,并结合对大数据技术的有效利用,可以从根本上给教育、科研带来全方位的提升。通过大数据平台技术的应用,可以帮助学生改善学习效率,提供符合职业规划的个性化学习服务;同时也有助于教育和科研机构加快提升科研成果和提高教育质量,培养更多更优秀的创新性人才。 数据挖掘和大数据分析是多学科交叉产物,其涉及统计学、计算机网络、数据库、机器学习、人工智能以及模式识别等多种学科领域。目前,在我国高校的专业设置上与数据挖掘与大数据分析相关的学科专业包括:计算机科学与技术、信息管理与信息系统、统计学、经济、金融、贸易、生物信息、旅游以及公共卫生等。这些专业在使用大数据挖掘与分析平台时的侧重点各不相同,使用人员层次水平也不相同,对算法的使用也不相同,因此,需要建设一个便利、操作简易、算法全面、可视化的综合平台是非常有必要的。大数据挖掘与分析平台能够满足学校长期稳定、饱满的实践教学或科研等任务,适应学科专业建设和实训、科研及社会服务的需要。 第二章 建设目标 2.1 帮助师生进行科研活动 大数据挖掘与分析平台建设项目,可辅助教师与学生在科研项目方面的研究工作,从数据分析、数据挖掘和场景应用的可视化等多方面多环节,降低数据挖掘学习门槛,提升师生数据挖掘能力。 2.2 提高学生的实践能力 大数据分析目前是各大企业、政府、事业单位进行的一项工作内容,同时这种应用随着时间的推移将更加广泛。平台的建立就是为培养这样的人才所做的必要准备,将会对提高学生的社会调查研究实践能力、数据分析能力具有显著帮助,同时提高学生自身在就业中的竞争优势和就业后对社会的服务水平。 2.3 促进重点学科和品牌专业建设 大数据挖掘与分析平台建设项目,依托具有品牌专业的学科专业而建设,随着统计理论的发展,统计方法已经成为各个领域不可缺少的方法论。它的建设不仅对相关专业的未来发展有着重大的意义,同时也将大大促进学科特色优势学科的深化发展。提升学校知名度、美誉度和科研能力。 第三章 大数据挖掘与分析平台 3.1 整体介绍 3.1.1 产品概述 红亚科技大数据挖掘与分析平台是一款集数据接入、数据处理、数据挖掘、数据可视化、数据应用于一体的软件产品。它秉持“智能、互动、增值”的设计理念,面向高校用户提供自助式数据探索与分析能力,帮助用户快速发现数据意义与价值。 平台包括可视化探索、深度分析两大模块。 可视化探索模块:提供拖拽式的操作,让用户能够随时更改观察数据的维度、指标,将数据以丰富的图表方式,进行迅速、直观的表达,同时借助联动、钻取、链接等交互操作,

01

vue常用组件库_vue内置组件

element:饿了么出品的Vue2的web UI工具套件 Vux:基于Vue和WeUI的组件库 mint-ui:Vue 2的移动UI元素 iview:基于 Vuejs 的开源 UI 组件库 Keen-UI:轻量级的基本UI组件合集 vue-material:通过Vue Material和Vue 2建立精美的app应用 muse-ui:三端样式一致的响应式 UI 库 vuetify:为移动而生的Vue JS 2组件框架 vonic:快速构建移动端单页应用 eme:优雅的Markdown编辑器 vue-multiselect:Vue.js选择框解决方案 vue-table:简化数据表格 VueCircleMenu:漂亮的vue圆环菜单 vue-chat:vuejs和vuex及webpack的聊天示例 radon-ui:快速开发产品的Vue组件库 vue-waterfall:Vue.js的瀑布布局组件 vue-carbon:基于 vue 开发MD风格的移动端 vue-beauty:由vue和ant design创建的优美UI组件 vue-blu:帮助你轻松创建web应用 vueAdmin:基于vuejs2和element的简单的管理员模板 vue-syntax-highlight:Sublime Text语法高亮 vue-infinite-scroll:VueJS的无限滚动指令 Vue.Draggable:实现拖放和视图模型数组同步 vue-awesome-swiper:vue.js触摸滑动组件 vue-calendar:日期选择插件 bootstrap-vue:应用于Vuejs2的Twitter的Bootstrap 4组件 vue-swipe:VueJS触摸滑块 vue-amap:基于Vue 2和高德地图的地图组件 vue-chartjs:vue中的Chartjs的封装 vue-datepicker:日历和日期选择组件 markcook:好看的markdown编辑器 vue-google-maps:带有双向数据绑定Google地图组件 vue-progressbar:vue轻量级进度条 vue-picture-input:移动友好的图片文件输入组件 vue-infinite-loading:VueJS的无限滚动插件 vue-upload-component:Vuejs文件上传组件 vue-datetime-picker:日期时间选择控件 vue-scroller:Vonic UI的功能性组件 vue2-calendar:支持lunar和日期事件的日期选择器 vue-video-player:VueJS视频及直播播放器 vue-fullcalendar:基于vue.js的全日历组件 rubik:基于Vuejs2的开源 UI 组件库 VueStar:带星星动画的vue点赞按钮 vue-mugen-scroll:无限滚动组件 mint-loadmore:VueJS的双向下拉刷新组件 vue-tables-2:显示数据的bootstrap样式网格 vue-virtual-scroller:带任意数目数据的顺畅的滚动 DataVisualization:数据可视化 vue-quill-editor:基于Quill适用于Vue2的富文本编辑器 Vueditor:所见即所得的编辑器 vue-html5-editor:html5所见即所得编辑器 vue-msgbox:vuejs的消息框 vue-slider:vue 滑动组件 vue-core-image-upload:轻量级的vue上传插件 vue-slide:vue轻量级滑动组件 vue-lazyload-img:移动优化的vue图片懒加载插件 vue-drag-and-drop-list:创建排序列表的Vue指令 vue-progressive-image:Vue的渐进图像加载插件 vuwe:基于微信WeUI所开发的专用于Vue2的组件库 vue-dropzone:用于文件上传的Vue组件 vue-charts:轻松渲染一个图表 vue-swiper:易于使用的滑块组件 vue-images:显示一组图片的lightbox组件 vue-carousel-3d:VueJS的3D轮播组件 vue-region-picker:选择中国的省份市和地区 vue-typer:模拟用户输入选择和删除文本的Vue组件 vue-impression:移动Vuejs2 UI元素 vue-datatable:使用Vuejs创建的DataTableView vue-instant:轻松创建自动提示的自定义搜索控件 vue-dragging:使元素可以拖拽 vue-sli

02

【经验分享 】数据产品开发前的必修课

分清指标和维度关系 既然是数据产品,一定离不开数据图表。而要做图表,首先得确定指标和维度。最直观的说:指标就是图表中纵坐标轴;维度就是横坐标轴。 身高,销售量,访问量,收入这些能用数字衡量的,就是指标;而性别,部门,访问来源,地区等不能用数值衡量的,就是维度。 指标和维度组成一个数据图表的基本元素。当然,最重要的一种维度就是时间,它的优先级会在其他所有维度之上,下文中会更多地讨论。一般人应该不会分不清指标和维度,去使用一下excel中的数据透视表功能,你就会对指标和维度理解得非常深刻。 有对比才有信息,有信

04

oushudb丨案例分析 丨湖仓一体助力保险企业数据战略转型升级

当下,海量数据结合前沿技术架构正在为保险业带来根本性的变革。本文以某知名保险机构为例,结合偶数行业实践经验,介绍保险企业如何利用湖仓一体技术推动数据战略转型升级。背景介绍在对该客户需求进行深度挖掘并横向比较行业现状后,我们发现:(1) 包括该客户在内的多数保险企业的数据分析场景较为单一,直接产生业务价值的数据挖掘不够丰富;(2) 该客户现有数据分析场景的效率、性能、用户体验都亟待提升。下文我们详细展开分析。业务场景分析客户现有的数据分析应用集中在经营分析、监管报送和风险管控等几个传统场景,其实不止该客户,目前大多数保险企业的大数据业务应用价值挖掘都还不够丰富。1.风险管控仅以目前多数保险企业都非常关注的风控环节为例,该客户仍以风险部门固定报表分析为主,而通过风险数据建模,应用在投保前风险排查、承保中风险管控及理赔时风险识别和反欺诈等全业务链条还非常有限。在投保环节,可以利用数据搭建风险评估模型,筛查高风险客户,对大概率产生负价值的客户采用拒保或者提高保费的方式以减少损失。以互联网场景下的意外险和健康险为例,由于投保手续较为简单,很多产品免体检,只需要填写投保人基本信息即可,这些业务中,很容易出现投保人隐瞒病情、造假家庭收入的情况,逆向选择甚至欺诈的可能性非常大。因此在投保场景下可以利用数据进行多维分析,及时发现高风险投保客户,避免欺诈行为的发生。在承保运营环节,相比较传统风控,大数据风控让保险机构对保险用户的动态跟踪反馈,定期对承保中用户信息进行维护,更新用户风险指数。此外,在加强用户信息安全管理和隐私方面,保险公司借助大数据和人工智能(如设备指纹、IP 画像、机器行为识别等工具)加以防范,在回访环节,根据用户情况及其手机在网状态选择拨打方式及话术,更有利于提高回访效率,提升客户体验。在理赔环节,大数据风控先通过构建模型的方式筛查出疑似欺诈的高风险案件,然后再人工重点审核和调查,减少现场查勘误差,提高查勘效率。除了风险管控,通过数据赋能业务还可以落地在其他几个重点保险场景中,包括产品创新、风险定价、精准获客。接下来我们展开说明下数据赋能这些场景的形式和实现逻辑。

01
领券