大数据分析基础应用专项职业能力考核规范
《大数据应用基础》课程标准(含课程思政)
《大数据应用基础》课程标准大数据基础二、适用专业大数据技术应用三、课程学时与学分36学时，2学分四、课程性质本课程是大数据技术应用专业的一门专业基础课程，是从事大数据工程技术人员等新职业岗位必须学习的课程，旨在为学生提供大数据应用方面的基础知识，包括大数据概述、大数据处理、大数据存储和大数据应用案例等内容，使学生具备大数据应用的基础理论和实践能力。
本课程开设在第2学期，将为后续学习《互联网数据采集》《数据库技术应用》等课程奠定基础。
五、课程目标通过本课程的学习，能够完成对大数据生产流程绘制，熟悉认知大数据采集、分析、存储、可视化等各种工具和平台，能够厘清大数据与网络技术、物联网、云计算、人工智能的发展关系与发展方向，并通过大数据技术在不同行业产业的案例分析，能够进行大数据存储和分析应用，树立大数据思维，拓展科技素养。
达到以下具体目标：( 一) 素养目标1.坚定拥护中国共产党领导和我国社会主义制度，在习近平新时代中国特色社会主义思想指引下，自觉践行社会主义核心价值观，具有深厚的爱国情感和中华民族自豪感；(培养规格1)2.充分了解大数据行业法规法则，自觉维护行业良好风气；(培养规格2、S—A—2)3.具备数据思维，具备较强的逻辑思维能力； (培养规格3)4.培养学生对大数据应用的认识和理解，以及对大数据应用的价值和影响的思考。
学生需要通过学习大数据基础课程，增强对大数据应用的兴趣和探索欲望，了解大数据对社会、经济、科技等方面的影响，具备良好的职业素养和创新意识。
(培养规格5)5.具有社会责任感，能够传递正确的社会价值，时刻维护国家的荣誉与形象；(培养规格2、S—A—3)6.树立正确的职业观，注意保护数据安全、保障他人隐私，爱岗敬业、德技并修；(培养规格2、S—A—4)7.有自觉学习新一代信息技术的意识，能够主动进行自我知识更新与学习。
(培养规格7、D—A—3)(二)知识目标1.掌握大数据应用的基础知识，包括大数据的概念、特征、处理和存储等方面的知识；(培养规格11)2.了解大数据的技术架构、处理方法和工作流程；(培养规格11)3.掌握大数据存储和管理的基本方法； (培养规格11)4.熟悉大数据相关法律法规，对大数据行业的信息安全形成基础的认知；(培养规格12)5.了解大数据行业基本情况、了解大数据行业应用场景与岗位分工，明确大数据产品形态与技能要求； (培养规格15)6.厘清大数据与网络技术发展、云计算、物联网、人工智能的发展关系与发展方向；(培养规格16)7.了解大数据生产工作流程中应用到的数据采集、存储、可视化、分析等各种工具和平台，掌握基础的工具使用方法和步骤。
大数据分析应用专项职业能力考核规范
大数据分析应用专项职业能力考核规范
一、定义
大数据分析基础应用是大数据可视化分析应用，以最简单的方式让人人都能进行大数据分析，从而降低企事业单位数据化转型的难度，极大帮助客户洞悉大数据的价值。
二、适用对象
运用或准备运用本项能力求职、就业的人员。
三、能力标准与鉴定内容
四、鉴定要求
（一）申报条件
达到法定劳动年龄，具有相应技能的劳动者均可申报。
（二）考评员构成
考评员应具备一定的大数据分析应用专业知识及实际操作经验；依据每场考试人数及考场数确定至少1名或多名考评人员。
（三）鉴定方式与鉴定时间
技能操作考核采取上机操作考核。
技能操作考核时间为120分钟。
（四）鉴定场地和设备要求
每间考核机房面积约60平方米，至少配备1台服务器、1台管理机和30台考试机，2个摄像头（或1个摄像头，1个录像设备）。
还需配备主考
室及候考室。
设备最低配置如下：
1.服务器配置及设置：CPU: InteI i3主频
2.4GHz双核心4线程或AMD 同等性能以上，且均支持虚拟化；内存:8G以上；硬盘400G以上。
2.管理机配置：CPU: InteICore主频1.8GHz双核心或同等性能以上；内存:4G以上；硬盘250G以上。
3.考试机配置及设置：CPU: InteICore主频1.8GHz双核心或同等性能以上；内存:4G以上；硬盘250G以上。
4.摄像头配置：100万像素以上，即插即用。
大数据应用开发(Python)职业技能等级标准(2021年版)
大数据应用开发（Python）职业技能等级标准（2021年1.0版）广东泰迪智能科技股份有限公司制定2021年3月发布目次前言﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍1 1范围﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍2 2规范性引用文件﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍2 3术语和定义﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍2 4适用院校专业﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍4 5面向职业岗位（群）﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍5 6职业技能要求﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍5参考文献﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍﹍13前言本标准按照GB/T1.1-2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。
本标准起草单位：广东泰迪科技股份有限公司、华为技术有限公司、湖北省工业与应用数学学会、朗新科技股份有限公司、网宿科技股份有限公司、广州粤嵌通信科技股份有限公司、蓝盾信息安全技术股份有限公司、广东省人才研究会、北京四合天地科技有限公司、深圳职业技术学院、广州番禺职业技术学院、深圳信息职业技术学院、武汉职业技术学院、江苏海事职业技术学院、河南工业职业技术学院、广东轻工职业技术学院、上海电子信息职业技术学院、浙江商业职业技术学院、大连职业技术学院、西安航空职业技术学院、广东科学技术职业学院。
本标准主要起草人：郝志峰、张良均、余明辉、詹增荣、张治斌、刘彦姝、秦宗槐、王津、苏晓、万国德、张敏、王海、武春岭、施兴、赵云龙、蔡铁、陈永、杜恒、韩宝国、胡国胜、蒙飚、余爱民、史小英、沈凤池、沈洋。
声明：本标准的知识产权归属于广东泰迪智能科技股份有限公司，未经广东泰迪智能科技股份有限公司同意，不得印刷、销售。
1范围本标准规定了大数据应用开发（Python）职业技能等级对应的工作领域、工作任务及职业技能要求。
大数据应用开发赛项规程
全国职业院校技能大赛赛项规程赛项名称：大数据应用开发英文名称： Big Data Application Development 赛项组别：高等职业教育（师生同赛）赛项编号： GZ033一、赛项信息二、竞赛目标“十四五”时期，大数据产业对经济社会高质量发展的赋能作用更加突显，大数据已成为催生新业态、激发新模式、促进新发展的技术引擎。
习近平总书记指出“大数据是信息化发展的新阶段”，“加快数字化发展，建设数字中国”成为《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》的重要篇章。
本赛项旨在落实国家“建设数字中国”战略，协同推动大数据相关产业的创新与发展，大力推进大数据技术及相关专业的技术技能型人才培养，全面提升相关专业毕业生的综合能力，展现选手团队合作、工匠精神等职业素养，赋能经济社会高质量发展。
竞赛内容结合当前大数据相关产业中的新技术、新要求如数据湖、OLAP 数据库应用等，全面检验参赛选手的工程实践能力和创新能力，推进教学过程与生产过程对接、课程内容与职业标准对接、专业设置与产业需求对接，促进职普融通、产教融合、科教融汇，引领专业建设和教学改革。
竞赛内容围绕大数据相关产业岗位的实际技能要求进行设计，通过竞赛搭建校企合作的平台，强化竞赛成果转化，促进相关教材、资源、师资、认证、实习就业等方面的全方位建设，满足产教协同育人目标，为国家战略规划提供大数据领域高素质技能型人才。
三、竞赛内容本赛项涉及的典型工作任务包括大数据平台搭建（容器环境）、离线数据处理、数据挖掘、数据采集与实时计算、数据可视化、综合分析、职业素养，引入行业内较为前沿的数据湖架构作为创新、创意的范围与方向，考查的技术技能如下：（一）大数据平台搭建（容器环境）：Docker容器基础操作、Hadoop完全分布式安装配置、Hadoop HA安装配置、Spark on Yarn 安装配置、Flink on Yarn安装配置、Hive安装配置、Flume安装配置、ZooKeeper安装配置、Kafka安装配置、HBase分布式安装配置、Cli ckHouse单节点安装配置、Hudi安装配置。
数据工程师岗位的考核标准
数据工程师岗位的考核标准数据工程师是一个关键的职位，负责设计、构建和维护大规模数据处理系统。
为了评估数据工程师的技能和能力，以下是一些常见的考核标准。
1. 数据处理和分析能力数据工程师应该具备处理和分析大规模数据的能力。
这包括熟悉常见的数据处理工具和技术，如Hadoop、Spark等。
数据工程师还应该能够使用SQL等语言进行数据查询和转换，能够设计和优化ETL（抽取、转换和加载）流程，以及进行数据清洗和整合。
2. 数据仓库设计和管理数据工程师负责设计、搭建和管理数据仓库，以存储和组织数据。
在考核中，数据工程师应该能够展示其设计和管理数据仓库的能力。
他们应该了解不同类型的数据仓库架构，如关系型、列式和文档型等，以及各种数据仓库管理工具。
3. 数据可视化数据工程师必须具备良好的数据可视化技能，以便向团队和利益相关者传达数据洞察和见解。
在考核中，数据工程师可以展示他们在数据可视化工具中创建仪表盘和可视化图表的能力。
他们应该能够选择合适的可视化方式，以有效地传达数据。
4. 编程技能数据工程师应该具备扎实的编程技能，特别是在与数据相关的编程语言和工具方面。
在考核中，数据工程师可以展示他们在Python、R或Java等编程语言中处理和操作数据的能力。
他们还应该能够编写清晰、高效且易于维护的代码。
5. 系统架构和性能优化数据工程师负责构建和维护大规模数据处理系统，因此他们应该具备良好的系统架构和性能优化能力。
在考核中，数据工程师可以展示他们在系统设计方面的知识，如分布式计算、负载均衡和数据分片。
他们还应该能够通过性能调优和容错策略来提高系统的效率和稳定性。
6. 团队合作和沟通能力数据工程师通常在团队中工作，与其他团队成员合作完成项目。
考核中，数据工程师应该能够展示他们在团队合作和沟通方面的能力。
这包括有效地与其他人合作，解决问题和提供解决方案，以及与非技术人员沟通数据的见解。
总结：数据工程师岗位的考核标准涵盖了数据处理和分析、数据仓库设计和管理、数据可视化、编程技能、系统架构和性能优化，以及团队合作和沟通能力。
数据分析岗位考核标准
数据分析岗位考核标准数据分析岗位是目前企业中越来越受重视的岗位之一。
为了选拔和评估具有数据分析能力的候选人，企业需要建立一套科学合理的考核标准。
在这篇文章中，我们将介绍一些常见的数据分析岗位考核标准，以供参考。
一、数据收集和清洗能力数据分析的前提是获取和整理可用的数据。
一个优秀的数据分析师应该具备良好的数据收集和清洗能力。
他们需要能够熟练使用各种数据收集工具和技术，比如爬虫、API调用等。
此外，他们还应该能够进行数据清洗和预处理，将原始数据转化为可用于分析的形式，并对数据质量进行评估。
二、统计分析与建模技能数据分析的核心是通过统计分析和建模技术揭示数据背后的规律和趋势。
一个优秀的数据分析师应该具备扎实的统计学基础和丰富的建模经验。
他们需要能够熟练使用各种统计分析方法，比如假设检验、回归分析、聚类分析等。
同时，他们还应该能够根据业务需求选择合适的模型，并进行模型的构建与评估。
三、可视化与报告能力数据分析的结果必须以清晰易懂的方式呈现给相关人员。
一个优秀的数据分析师应该具备较强的数据可视化和报告撰写能力。
他们需要能够使用各种数据可视化工具，比如Tableau、D3.js等，将分析结果以图表的形式展示出来。
同时，他们还应该能够撰写简洁明了的报告，将分析结果和结论准确地传达给业务部门。
四、商业理解与沟通能力数据分析师不仅仅是数据的分析者，还需要具备一定的商业理解和沟通能力。
他们需要深入了解企业业务，理解不同部门的需求，并能将数据分析的结果与业务目标相结合。
此外，他们还应该具备清晰准确的沟通能力，能够与非技术人员有效地进行沟通和交流。
五、问题解决与创新能力数据分析师需要具备优秀的问题解决和创新能力。
他们需要对业务和数据进行全面的思考，能够提出有针对性的问题并找到有效的解决方案。
同时，他们还应该具备开放的思维和创新的精神，能够从数据中发现新的洞察力，并提出改进和优化的建议。
六、团队合作能力数据分析师通常需要与其他团队成员密切合作，共同完成项目目标。
“大数据技术与应用”赛项规程
“大数据技术与应用”赛项规程一、赛项名称赛项名称：大数据技术与应用英语翻译：Big Data Technology and Application赛项组别：高职组赛项归属产业：电子信息产业二、竞赛目的（一）促进发展专业教学内容和课程体系改革国务院印发《促进大数据发展行动纲要》（以下简称《纲要》），系统指导我国大数据发展的国家顶层设计和总体部署大数据发展工作。
《纲要》中明确指出，要加强专业人才培养，创新人才培养模式，建立健全多层次、多类型的大数据人才培养体系。
2016年9月，教育部批准设立了高职院校“大数据技术与应用”专业。
由于缺乏与用人单位岗位核心技术技能相匹配的专业课程体系及师资力量，严重影响了高职院校大数据人才培养质量。
大数据技术与应用赛项包括大数据平台运行维护、数据采集与预处理、数据清洗及存储、数据分析及可视化等工作内容。
考查内容对接国家教学标准提出的大数据相关专业综合核心技术技能和职业素养，能够适应我国大数据产业对高素质复合型人才的产业需求，覆盖大数据行业技术岗位体系，满足大数据企业技术研发类、基础平台运营类岗位对大数据平台运维能力、大数据应用开发能力及职业素养等方面的要求；促进教师专业能力及教学能力的提升，引领大数据技术与应用专业建设及课程改革。
（二）开拓产教融合新模式、推进协同育人产学研合作大数据技术与应用赛项选取大数据行业企业典型项目需求，围绕项目开发过程设计竞赛内容，竞赛任务就是项目工作任务。
通过本赛项推动了课程内容与职业标准对接，教学过程与生产过程对接，专业与产业对接，实现教育链、人才链与产业链、创新链有机衔接，促进产教融合、校企合作、产业发展。
（三）为企业提供大数据人才支撑，提高学生就业质量大数据技术与应用赛项选取真实的大数据业务分析应用场景，重点考查选手的实际动手能力、规范操作水平、创新创意水平等综合职业能力。
参赛选手通过对实际业务数据的分析，运用大数据领域技术手段，揭示业务数据隐含的业务规律，实现对业务运行发展状态的推断，以数据分析结果为支撑做出科学合理的决策建议，彰显了参赛选手的综合职业能力及教师的教学能力，充分展示职教改革成果及师生良好精神面貌。
大数据 国家职业技能标准
标题：大数据国家职业技能标准
一、职业概况
大数据国家职业技能标准是为了规范和指导大数据相关职业技能的培训、评价和鉴定工作，提高大数据从业人员的职业素质和技能水平，促进大数据行业的发展。
本标准适用于与大数据相关的职业，包括但不限于数据采集、数据存储、数据处理、数据分析、数据可视化等领域。
二、基本要求
具有良好的职业道德和诚信记录，遵守国家法律法规和行业规范；
具备基本的计算机操作能力和网络基础知识；
掌握数学、统计学、数据分析等相关基础知识；
熟悉至少一种常用的编程语言，如Java、Python等；
了解大数据相关技术和工具，如Hadoop、Spark、Kafka 等；
具备良好的沟通能力和团队协作精神，能够与不同领域的人员合作完成项目。
三、工作要求
数据采集：能够根据项目需求，选择合适的数据采集方法，如网络爬虫、API接口等，并能够处理和清洗采集到的数据；
数据存储：能够根据项目需求，选择合适的数据存储方
案，如关系型数据库、非关系型数据库等，并能够进行数据备份和恢复；
数据处理：能够根据项目需求，选择合适的数据处理方法，如数据挖掘、机器学习等，并能够对数据进行统计和分析；
数据分析：能够根据项目需求，选择合适的数据分析工具和技术，如统计学、可视化分析等，并能够进行数据挖掘和模式识别；
数据可视化：能够根据项目需求，选择合适的数据可视化方案和技术，如图表绘制、数据报告等，并能够将数据以直观易懂的形式呈现给用户。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大数据分析基础应用专项职业能力考核规范
一、定义
大数据分析基础应用是大数据可视化分析应用，以最简单的方式让人人都能进行大数据分析，从而降低企事业单位数据化转型的难度，极大帮助客户洞悉大数据的价值。
二、适用对象
运用或准备运用大数据分析能力解决实际问题的在校学生、社会人员。
三、能力标准与鉴定内容
四、鉴定要求
（一）申报条件
1、面向社会各界、各个层次的劳动者，不分职业、学历和年龄，均可报名参加。
2、各类大中专学校、高等职业技术学院、中等职业学校（含普通中专、职业中专、职业中学、成人中专、
技工学校等）以及其它各类学校、培训机构的学生均可报考。
3、国家机关、事业组织、社会团体的工作人员和各类企业、个体经济组织的从业人员均可报考。
4、未就业的各类人员均可报考。
（二）考评员构成
依据每场考试人数及考场数确定每个考场1名考评员。
（三）考评员资格
取得考评员资格证书人员
（四）鉴定方式
全部采用机考的方式；
（五）鉴定场地要求：
具有计算机网络系统等教学设备和软件的教室,并且符合“专项职业能力考核（信息类）机房基本要求”。