本帖最后由 QYY1994 于 2014-11-26 22:07 编辑
2014年“汇丰杯”SAS数据分析大赛已经圆满结束，经过二十几天的精彩角逐，共有11个组杀出重围，在本次竞赛中获得了优异的成绩，他们分别是： 中国人民大学统计学院 程豪组 复旦大学管理学院 刘畅组 中山大学数学与计算科学学院 陈曦组 北京大学公共卫生学院 项骁组 东北财经大学统计学院 靳文杰组 上海师范大学商学院 潘奔组 浙江工商大学统计与数学学院 胡运瑞组 上海财经大学统计与管理学院 麦子俊组 华南理工大学数学学院 林楚衍组 长春工业大学电气工程学院 张冬阳组 电子科技大学经济与管理学院 曾献瑞组 其中第一名程豪组，第二名刘畅组，第三名陈曦组。其他组别无先后顺序。前三名队员分别获得了SAS公司和汇丰银行提供的就业机会，现在去往何方的权利已经属于他们，让我们再一次的祝贺他们！ 除SAS公司与汇丰银行以外，此次大赛还吸引了大量知名公司领导人的眼球，他们在该大赛成绩公布后上演了激烈的“抢人才大战”，参加决赛学员大部分都已被各大企业提前录用。各大名企单位： 艾美仕市场调研咨询（上海）有限公司北京分公司
广汽汇理汽车金融有限公司
中国建设银行总行
民生银行信用卡中心
民生银行总行
博易智软（北京）技术股份有限公司
中国平安
京东金融集团消费金融部
交通银行太平洋信用卡中心
光大富尊投资有限公司
由于进入决赛的参赛队员数量有限，所以部分公司不得不遗憾地空手而归。我相信即使是十倍于以上队员的数量也会被他们一抢而光，所以对真正有能力的人来说，其实就业一点都不难。面对如此巨大的诱惑，你还能淡定吗？从现在开始，奋斗吧！
本次大赛是由SAS中国公司发起的专门针对中国高校数据分析相关专业的一次非盈利性的公益大赛。大赛面向全国高校，由SAS公司技术专家命题，国内行业相关专家对比赛结果进行评定，在比赛中获奖或者获得名次，代表着相关人员具有很高的SAS软件应用水平，并能独立胜任相关数据分析工作。本次大赛由SAS中国主办，由SAS中国教育行业优先合作伙伴中国科学软件网（北京天演融智软件有限公司）承办，旨在促进中国高校对SAS软件的认识、应用和普及，提高学生SAS软件的应用水平，从而使中国高校在数据建模领域与国际接轨。 其实面对BIG DATE，我们只做到能进行数据分析是远远不够的，首先一点是要进行数据挖掘，这是一个发现数据的过程，只有在浩瀚的数据海洋里挖掘出可能对你有价值的东西，才有对其进行数据分析的必要，否则就会南辕北辙。比如你想考察某个城市的恩格尔系数，却在努力的分析该城市交通流量的数据，你觉得这效果会好吗？我不否认这其中可能确实存在某种关系，毕竟我们生活在相互连通的世界里，但是我确定这其中的相关系数肯定不大。数据挖掘是数据分析的的准备阶段，其通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现。 我们被数据（科学数据、医疗数据、人口统计数据、金融数据和销售数据）所淹没，很多人没有时间去查看这些数据。人们的关注已经转到了可贵的支付手段上。因此，找到能有效自动地分析数据、对数据分类、对数据汇总、发现和描述数据中的趋势并标示异常的方法已经刻不容缓，这是21世纪最活跃、最激动人心的邻域之一。社会的计算机化显著地增强了我们产生和搜集数据的能力，大量的数据从我们生活的每个角落涌出。储存的或瞬态的数据大爆炸已经激起了新的数据挖掘以及数据分析工具的需求，以帮助我们智能地将海量的数据转化成有用的信息和知识。 数据分析顾名思义既是对数据进行分析，为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。数据分析能力是当代大学生以及全部面向未来的工作者必须具备的，不会进行数据分析就不能从浩瀚的数据海洋里挖掘出对你有价值的东西，数据一直都在那儿，就看你能不能发现它的价值。而且由于数据量的越来越大，对数据分析工作者的要求也越来越高，因为这一切都是前所未有的，难度可想而知，而且这还对世界提出了新的难题，一是部分统计以及数据分析的理论已经不能容忍如此海量的数据；二是很多数据分析工具已经对此表示无能为力。数据分析主要是为了通过对数据的分析，达到对数据进行分类或聚类，或是找到某些数据之间的关联性，或者是达到预测下一时间甚至未来的目的。 进行数据分析需要三个条件：第一，必须要拥有数据，这是先决条件，没有数据谈何数据分析，但是在大数据时代，这个已经不再是问题，因为我们就徜徉在数据的海洋里。第二，专业的统计与数据分析的理论知识，这是进行数据分析的基础。第三，需要强大的数据分析软件工具的支持，因为进行大数据分析一定会遇到巨大的时间与空间复杂度，这是一般的统计软件做不到的。 以下我从两个方面为大家简要介绍一下进行数据分析需要具备的一些能力，归根究底主要是理论与工具。 理论方面：因为这是一个多学科的交叉领域，所以高层建筑必须建立在统计学、机器学习、神经网络、模式识别、信息检索、高性能计算和可视化处理等领域的基础上。但是又不能完全的照抄照搬，需要的是灵魂而并非框架，需要的是相互交叉的良性互动。这些前所未有的复杂数据包括了诸如时间序列、数据流、时间空间数据、图、社会网络以及Web数据等众多数据类型，这也说明依靠单一的数据处理手段是完成不了的，我们需要的是分析方法的多样性融合。在此为大家引进几种分析方法，回归分析、方差分析、因子分析、主成分分析、聚类分析，层次分析、决策树分析、网络分析、支持向量机分析等众多分析方法。 工具方面：面对海量的数据，仅仅依靠人的心算与手算能力是远远不够的，因此我们必须借助计算机。永远不要低估计算机的能力，它们能夜以继日的工作，能解决大量的数据的同时还能保证精度。但也不要高估计算机的能力，它没有思想，完全是傻瓜似的作业，虽然能进行人机交互，但是整个过程的主体还是人类自己。现在能进行数据分析的软件工具很多，比如SAS、SPSS、R、S-Plus、Origin、Stata、Statistix、DPS等。本次数据分析大赛正是依靠SAS公司开发的SAS软件进行的，SAS公司是全球最大的商业智能软件独立厂商及服务提供商，被誉为“世界500强企业背后的管理大师”。在众多的软件中，至于那个软件好用，这需要广大的读者自己去实践，但就行业形势而言，SAS是行业的标准。 今天就先和大家聊这么多，稍晚我会和大家分享关于大数据时代的一些话题，希望有兴趣的朋友多多关注。由于本人能力有限，以上内容如有错误之处，请发现者尽快指出，我一定感激不尽。.
-------------------------------------------------------------------照片展示--------------------------------------------------
决赛现场
---------------------------------------------30强队合照-------------------------------------------------------------------
30强
SAS大中华区总裁吴辅世向亚军队伍颁奖
SAS大中华区总裁吴辅世致辞
汇丰银行亚太地区首席数据官George Thomas为冠军队伍颁奖
汇丰银行亚太地区首席数据官George Thomas致辞
汇丰银行亚太地区首席数据官George Thomas致辞
集体照
现场招聘会盛况
中国科学软件网董事长靳新向季军队伍颁奖
| 
IP卡
狗仔卡
发表于 2014-11-26 14:39
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
