《大数据分析》课程标准.docx

《《大数据分析》课程标准.docx》由会员分享，可在线阅读，更多相关《《大数据分析》课程标准.docx（18页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、大数据分析课程标准一、课程名称大数据分析。二、适用专业大数据技术应用专业。三、课程学时与学分144学时，8学分。本课程是大数据技术应用专业的一门专业核心课程，是从事数据分析专员、数据分析师 等岗位必须学习的课程，将为后续学习小区闸机数据采集标注、区域车位引导系统部 署与应用、智慧校园信息系统运维服务、镇街接诉即办平台开分析运维等综合应 用课程奠定基础。本课程开设在第5、6学期，学习该课程之前需具备一定的Excel工具使用、 Python编程、数据库操作能力，Python程序设计基础、数据库技术应用、（Excel 数据分析技术、互联网数据采集是该课程的前导课程。本课程学习的知识和技能可以 为考取

2、大数据分析与应用X证书（初级）做知识和技能准备。五、课程目标通过本课程的学习，能完成碳中和碳达峰热点趋势分析任务、商品销量趋势分析任务、 销量变化原因分析任务、招生变化原因分析任务、线上教学每日情况分析任务、学生画像分 析任务、网易云音乐推荐分析任务、智能制造数据分析任务、金融风控数据分析任务，达到 以下具体目标：（一）素养目标1 .培养学生的政治思维、政治洞察力与政治敏感性，培养学生的社会主义核心价值观、 爱国主义情操。（培养规格1）2 .了解大数据、网络信息等产业文化，遵守职业道德准则和行为规范，具备社会责任感 和担当精神。（培养规格3）3 .具备认真细致、实事求是、严谨细致的学习态度，具

3、有较好的逻辑思维能力、科学的 思维方法。（培养规格7）4 .养成良好的数据思维，具备透过数据分析形成对实际业务问题清晰的洞察力。（培养 规格8）餐垫法、工作站法、展览馆法等特色的教学组织方式，提升学生自主探究、合作学习的意识， 培养良好的学习习惯；在每个学习单元，学生进行自主探究学习与小组合作讨论学习，加强 操作训练；以企业生产过程中实际的工作任务作为案例，在实践中引导学生学会分析问题、 解决问题。在教学过程中应充分利用实训环境，按照行动导向六步骤，采用任务驱动法等教 法，引导学生开展自主、探究、合作的学习活动，在实践中引导学生学会分析问题、解决问 题。通过教师示范操作，强调岗位标准，强化学生

4、的职业规范，提升学生数据分析实操技能， 提高学生自主探究的能力，逐步养成严谨科学的职业习惯。在解决问题的过程中，学生养成 耐心、细致、精益求精的工作态度，强化学生的质量意识。本课程在课堂上除了板书讲解等 教学手段外，还采用多媒体教学课件、学习网站、视频演示、模拟系统，职教云平台等现代 化教学手段，使用了大数据、人工智能、虚拟仿真实训等信息技术，以提高学生的学习兴趣、 拓展学习方法，使学生可以有更多的途径获取知识和技能。（五）教学评价严格落实培养目标和培养规格要求，围绕大数据技术应用专业的人才培养目标，通过教 师、企业、学生三个评价主体从核心素质、关键知识、综合能力、实践成果四个维度，通过 课堂

5、评价（占比20%）、项目评价（占比50%）、课程评价（占比30%）三种形式收录反映学 生成长过程和发展水平的描述与实证材料，全面评价学生综合素质，客观反映学生的个性差 异和特长，突出评价对学生全面发展的促进作用。1 .课堂评价（20%）：通过教师评价、学生互评、学生自评三个主体侧重核心素质的评价。课堂评价采用线上线下混合评价方式，借助职教云、雨课堂、云班课等信息化平台对学 生在课堂上的学习过程、互动情况等展开评价，结合学生自评、互评等多种评价方式，利用 数字信息化直观展示学生的整体情况，让教师在课程中帮助学生更清晰的认识自己。学习笔记的检查20% （学生将学习笔记在规定时间内拍照上传信息化平台

6、）：评价标准 为四级式：A、B、C、D,要求完整、字迹工整、有重点、难点的标记。学习材料的保存15% （教师线下课堂检查）：评价标准为四级式：A、B、C、D,要求完 整、字迹工整、有错误工作页进行了正确的修改。教师评价40% （借助信息化平台开展评价）：学生出勤（10%）、学习成果展示（10%）、 学习过程表现（师生互动、课堂练习、随堂测试等）（10%）、实操（10%）。学生互评15%：组内其他同学的评价（10%）,组外同学的评价（5%） o学生自评10%：自己对自己的评价。2 .项目评价（50%）：阶段测评项目评价以小组为单位，进行综合素质评价及每一个项目作品成果评价，针对每一个项 目，累计

7、各个工作阶段实施评分、素质评分、项目成果评分，将评分数据由学习平台进行统 计，最终项目结束后按照评分公布优秀项目组，学生素质通过多维能力雷达图展示，实现学 生的增值性评价，学生养成职业认同感。其中素质评分表如下表所示，每个项目素质评 价内容相同，各项目评价考核表详见附件1项目评价考核明细表，每个项目考核内容不 同。3 .课程评价（30%）：期末考试理论考试（30%）：试卷，从试题库中抽取100分的试题进行考核，试题类型有主观题: 80%,填空题、选择题和判断题组成；客观题：20%,简答题、论述题。考核时间为：90分钟、 闭卷。考核内容为：学习内容中涉及到的所有内容，重点为技术类要求掌握的知识以

8、及其它 能够用试卷考核的内容。项目测试（70%）：为学生提供9个真实案例项目，每个小组随机抽取一个工作项目，并 且按照任务书的要求完成1个完整的工作项目。考核时间：6节课。前四节课为项目制作， 最后两节课为项目结果说明展示。考核人员：企业员工和专业教师组成。考核内容:碳中和碳 达峰热点趋势分析、商品销量趋势分析、销量变化原因分析、招生变化原因分析、线上教学 每日情况分析、学生画像分析、网易云音乐推荐分析、智能制造数据分析、金融风控数据分 析。重在考核学生通过运用综合能力，做出的实践成果，详见附件2大数据分析课程综 合评价表。附件1：碳中和碳达峰热点趋势分析1）考核项目1碳中和碳达峰热点趋势分析

9、考核项目1碳中和碳达峰热点趋势分析采用过程性评价，考核评价表如下表所示：考核项目1一一碳中和碳达峰热点趋势分析考核评价表班级：姓名：学号:考核项目1碳中和碳达峰热点趋势分析序号评价标准分值自我评 价30%小组评价30%教师评价40%1能够准确介绍碳中和碳达峰在数字经济发展中的重 要作用，呈现碳中和碳达峰数据的特点、字段类型含20义等信息。2能够详细介绍分析碳中和碳达峰数据的分析维度， 阐述趋势变动的原因。203能够熟练使用Excel等分析维度开展碳中和碳达峰 热点趋势分析，并能呈现分析过程。304能够独立撰写碳中和碳达峰热点趋势分析报告，语 言通顺，图文并茂。30合计1002）考核项目2商品销

10、量趋势分析考核项目2商品销量趋势分析采用过程性评价，考核评价表如下表所示:考核项目2商品销量趋势分析考核评价表班级：姓名：学号:考核项目2商品销量趋势分析序号评价标准分值自我评 价30%小组评价30%教师评 价40%1能够准确说明业务的需求，判断需求的可行性，筛 选影响商品销量趋势的因素。102能够正确介绍一种项目中采用的商品销量分析模型，能够快速说明分析模型的使用方法203能够熟练使用数据分析工具开展数据EDA分析，能够呈现分析报告304能够展示基于数据分析结果的可视化图表，并说明分析结论205能够独立撰写商品销量趋势分析报告，语言通顺， 图文并茂20合计1003）考核项目3销量变化原因分析

11、考核项目3销量变化原因分析采用过程性评价，考核评价表如下表所示:考核项目3销量变化原因分析考核评价表班级：姓名：学号:考核项目3销量变化原因分析序号评价标准分值自我评价30%小组评 价30%教师评 价40%1能够准确介绍业务部门的数据需求，评估需求可 行性，制定整体分析策略102能够熟练使用Python对数据进行清洗，并呈现处理结果203能够使用Python开展趋势性分析，得到影响商品销量变动的因素304能够可视化展示分析结果，能够从图表中解读商品销量的变化因素205能够独立撰写销量变化原因分析报告，语言通顺，图文并茂20合计1004）考核项目4招生变化原因分析考核项目4招生变化原因分析采用过

12、程性评价，考核评价表如下表所示:考核项目4招生变化原因分析考核评价表班级：姓名：学号:考核项目4招生变化原因分析序号评价标准分值自我评 价30%小组评 价30%教师评价40%1能够准确说明学校历年招生情况，介绍学校招生部门的数据分析需求202能够熟练运用描述性分析、趋势性分析、相关性30分析等多种分析方法探索招生变化原因，并给出分析方法的落地实施，呈现分析代码3能够使用数据可视化工具（如Python）绘制可视 化图表展示分析结果，呈现影响招生变动的原因304能够独立撰写招生变化原因分析报告，语言通顺，图文并茂20合计1005）考核项目5线上教学每日情况分析考核项目5线上教学每日情况分析采用过程

13、性评价，考核评价表如下表所示:考核项目5一一线上教学每日情况分析考核评价表班级：姓名：学号:考核项目5线上教学每日情况分析序号评价标准分值自我评价 30%小组评 价30%教师评 价40%1能够准确描述学校线上教学的现状，准确说明学 数据分析的需求，制定整体的分析策略202能够熟练从数据源导入教学数据，并进行简单的预处理得出结果，保存处理后的教学数据303能够准确表述开展教学情况数据分析的维度，并给出落地实施策略，能够展示分析代码304能够独立撰写教学情况分析报告，语言通顺，图文并茂20合计1006）考核项目6学生画像分析考核项目6学生画像分析采用过程性评价，考核评价表如下表所示:考核项目6学生

14、画像分析考核评价表班级：姓名：学号:考核项目6学生画像分析序号评价标准分值自我评 价30%小组评 价30%教师评 价40%1能够简洁明了介绍学生画像分析所使用的数据源，言之有物102能快速使用数据清洗工具进行学生画像数据的预处理任务，并展示处理结果103能够简要介绍学生画像指标体系的构建过程，从中选择若干指标详细阐述304能够从学生画像指标体系中总结发现，解读学生的学习和生活状态305能够独立撰写学生画像分析报告，语言通顺，图文并茂20合计1007）考核项目7网易云音乐推荐分析考核项目7网易云音乐推荐分析采用过程性评价，考核评价表如下表所示:考核项目7网易云音乐推荐分析考核评价表班级：姓名：学

15、号:考核项目7网易云音乐推荐分析序号评价标准分值自我评 价30%小组评 价30%教师评价40%1能够清楚介绍网易云音乐歌单数据的采集过程， 说明歌单数据的字段含义、数据特点。202能够熟练使用Python第三方库Pandas导入歌单数据，并进行简单的数据预处理工作203能够准确说明Pandas核心数据结构DataFrame的 分组聚合功能，结合歌单数据展示者E个维度的分 析结果304能够使用Pandas的可视化模块展示基于DataFrame的分析结果105能够独立撰写网易云音乐推荐分析报告，语言通顺，图文并茂20合计1008）考核项目8智能制造数据分析考核项目8智能制造数据分析采用过程性评价，

16、考核评价表如下表所示:考核项目8智能制造数据分析考核评价表班级:姓名:学号:序号评价标准分值自我评价30%小组评 价30%教师评 价40%1能够正确介绍智能制造推动数字经济发展的重要作用，说明智能制造是重要的数字化转型实践202能够快速使用数据处理工具对智能制造设备运行数据进行简单的预处理，并展示处理结果203能够准确介绍智能制造设备运行指标体系，能够从中挑选若干指标展示落地实施过程204能够快速搭建智能制造设备运行指标监控看板205能够独立撰写智能制造数据分析报告，语言通顺， 图文并茂。20合计100考核项目8智能制造数据分析9）考核项目9金融风控数据分析考核项目9金融风控数据分析采用过程性

17、评价，考核评价表如下表所示:考核项目9金融风控数据分析考核评价表班级：姓名：学号:考核项目9金融风控数据分析序号评价标准分值自我评价30%小组评 价30%教师评 价40%1能够简要介绍金融风控的背景、现状以及未来发展趋势102能够快速使用数据处理工具对金融风控数据进行EDA分析、预处理，展示处理结果。103能够对金融风控数据进行趋势性、相关性分析，呈现分析结论104能够准确说明金融风控指标体系，展示指标的计算过程205能够使用Pandas计算各个维度的排行榜榜单，对 用户信用情况分级评价。206能够熟练使用可视化工具绘制可视化图表展示分 析结果，并呈现分析结论。107能够独立撰写金融风控数据分

18、析报告，语言通顺， 图文并茂。20合计1005.培养爱岗敬业、团结协作、吃苦耐劳的职业精神。（培养规格10）（二）知识目标1 .了解数据分析在大数据真实项目分析流程中的重要作用。（培养规格4）2 .掌握营销行业常见的人货场、AARRR、漏斗分析等数据分析模型。（培养规格17）3 .了解教育、文娱、智能制造、金融等行业应用场景下的多维度分析策略与方法。（培 养规格17）4 .掌握常见的探索性数据分析方法和实践工具。（培养规格17）5 .掌握Python第三方库Pandas的数据分组聚合方法、可视化方法。（培养规格11）6 .掌握搭建可视化看板的步骤与方法。（培养规格17）7 .了解预测性分析的基

19、本方法与实践工具。（培养规格17）（三）能力目标1 .能够理解主流的营销数据分析模型，完成商品销量数据分析。（培养规格17）2 .能够使用可视化工具搭建可视化看板，展示相关数据的变动趋势。（培养规格17）3 .能够使用数据分析工具开展描述性分析、趋势性分析、相关性分析、预测性分析等分 析工作，总结分析结论，辅助决策。（培养规格17）4 .能够使用Python第三方库Pandas计算指标，构建画像指标体系。（培养规格17）5 .具备基础的数据分析工具使用能力。（培养规格17）6 .具备考取大数据分析与应用X证书（初级）的能力。（培养规格17）六、课程内容与要求本课程以多种不同行业场景下的数据分析

20、任务为载体，坚持立德树人的根本要求，结合 学生学习特点，遵循职业教育人才培养规律，落实课程思政要求，有机融入思想政治教育内 容，紧密联系工作实际，突出应用性和实践性，注重学生职业能力和可持续发展能力的培养。 合理设计：学习单元、能力点、学习内容与要求。本课程按照数据分析任务涉及的行业、知识技能安排学习单元教学内容。学习单元1-9 分别涉及碳中和碳达峰、营销、教育、文娱、智能制造、金融风控等行业的数据分析场景。 在知识体系上，学习单元-8是并列关系，学习单元9在数据分析的基础上涉到金融风控指 标体系构建的知识内容，难度稍大。表1课程内容与要求序号学习单元能力点学习内容与要求学习成果建议1碳中和碳

21、 达峰热点 趋势分析1 .能够熟练掌握数据源的协议 格式，分析数据源的数据结构， 从数据库提取数据。2 .能够使用Excel等工具对数 据进行分组聚合等运算，完成 数据分析任务，得到分析发现 和结论。3 .能够主动了解软件与信息技 术行业信息、数据可视化前沿 技术，掌握数据可视化等相关 岗位技能。4 .能够使用数据分析方法碳中 和碳达峰行业发展动态与底层 逻辑，洞察行业发展走向。2商品销量趋势分析1 .能够对接需求，沟通讨论业 务需求的可行性。2 .能够根据需求梳理业务流 程，通过指标拆解，确定分析 目标，完成指标体系构建，产 出分析思路。3 .能够使用数据分析工具完 成描述性统计分析，产出分

22、析 结论。4 .能够使用可视化工具展示分 析结果，总结关键性发现和结 论，并给予合理建议，输出结 构化分析报告。学时1 .了解碳中和碳达峰的内 涵、意义及作用。2 . 了解碳中和碳达峰数据 的特点、字段类型含义。3 .掌握数据分析工具（如 Excel Python）的使用方 法。4,掌握从时间、地理位置、 产业类别等多个角度开展 碳中和碳达峰热点趋势分 析的方法。5 .学习撰写碳中和碳达峰 热点趋势分析报告的思路， 撰写分析报告。1.碳中和碳 达峰热点趋 势分析报告 1份。121 . 了解商品销量数据的特 点。2 .了解对接业务需求、分析 需求的方法,找出影响商品 销量趋势的关键因素。3 .理

23、解商品销量分析的主 流模型，如漏斗分析、AARRR 模型、人货场模型等。4 ,掌握使用数据分析工具 进行初步EDA分析的方法 步骤。5 .掌握使用数据分析工具 落地分析模型与策略的流 程。6 .熟悉可视化工具（如1 .商品销 量数据EDA 报告1份。2 .商品销量 趋势变化分 析报告1份。16Excel）的操作步骤，对分 析结果进行简单的可视化 展示。7 .学习撰写数据分析报告 的思路，给出销售优化建 议。3销量变化原因分析L能够对接业务需求，沟通讨 论业务需求的合理性、可行性。 2.能够梳理业务流程，通过指 标拆解，确定分析目标，产出 合理的分析思路和解决方案。3 .能够使用Python等数

24、据分 析工具对数据进行趋势分析等 分析工作，得到分析发现和结 论。4 .能够使用可视化工具选择合 适的可视化图表展示分析结 果。1 . 了解对接业务部门了解 数据分析需求的流程，了解 销售变化数据集的特点。2 .掌握使用Python数据分 析工具对数据进行简单清 洗的步骤。3 .掌握使用Python数据分 析工具进行趋势性分析的 方法,探索商品销量变动的 原因。4 .掌握可视化工具（如 Python）的方法步骤，对分 析结果进行简单可视化展Zj o5 .学习撰写数据分析报告 的思路，给出销售优化建 议。1 .数据可视 化图表若干 张。2 .商品销量 变动分析报 告1份。124招生变化原因分1

25、.能够与业务对接需求，了解 需求产生的背景，讨论问题可 能产生的数据原因，沟通讨论 业务需求的必要性、可行性。2 .能够使用Excel Python等 工具对数据进行分组、聚合以 及数学运算，完成描述性统计1 . 了解学校招生部门的数 据分析需求，了解招生数据 集的特点。2 .了解学校历年招生情况， 掌握影响学校招生的潜在 因素。3 .掌握使用Python第三方1.招生数据 需求分析报 告1份。2.学校招生 变化原因分 析报告1份。12分析，使用对比分析、漏斗分 析、用户分群、趋势分析、相 关性分析等方法进行分析，得 到分析发现和结论。3 .能够熟练使用可视化图表展 示分析结果，总结发现和结论

26、， 并给予合理建议。4 .能够树立正确的职业观、保 障他人隐私，爱岗敬业、德技 并修。库Pandas对数据进行描述 性分析、趋势性分析、相关 性分析的步骤方法。4 .掌握使用数据可视化工 具（如Python）绘制可视 化图表展示分析结果，探索 招生变化的原因。5 .学习招生变化原因报告 的撰写思路，产出分析报 告。5线上教学每日情况分析1 .能够对接教务部门需求，讨 论问题产生的数据原因，沟通 需求可行性。2 .能够掌握教学情况数据源的 协议格式，能够从数据源提取 数据。3 .能够使用数据分析工具对数 据进行分组、聚合等运算,完成 描述性统计分析。4 .能够与团队协作、及时沟通 解决线上教学分

27、析项目中遇到 的技术问题，推进工作进程。1 .了解学校实施线上教学 的总体情况。2 .掌握学校教务部门数据 分析的需求。3 ,熟悉从教学数据源提取 数据的步骤,掌握简单的数 据清洗方法。4 .掌握从时间、专业、课程、 班级、教师、学生等多维度 开展每日线上教学情况分 析的方法。5 .熟悉撰写教学情况分析 报告的方法步骤，产出分析 报告。1 .学校线上 教学每日情 况数据1份。2 .线上教学 数据分析报 告1份。166学生画像 分析1 .能够使用数据分析工具对数 据进行分组、聚合以及数学运 算，构建学生画像指标体系。2 .能够使用可视化工具搭建学 生画像可视化看板，总结关键 性发现和结论，并给予

28、合理建1 .了解生成学生画像所需 要的数据源。2 ,熟悉使用数据处理工具 清洗数据的步骤。3 .学习构建学生画像指标 体系的方法。1.学生画像 图表若干 张。2.学生画像 分析报告1 份。16议。3 .能够正确使用用户画像场景 下的专有名词、专业术语与行 业用语，与团队顺畅沟通交流。4 .能够时刻关注用户画像的最 新前沿技术的意识，不断进行 自我知识更新与学习。4 .学习使用数据分析工具 落地实施指标体系的流程。5 .掌握学生用户画像的分 析与解读方法，基于学生画 像分析学生在校生活、学习 状态。6 .掌握撰写学生画像分析 报告的思路，产出分析报 告。7网易Za日乐推荐分析L能够使用数据工具从

29、网易云 音乐页面提取歌单数据。2 .能够使用数据分析工具对歌 单数据进行分组、聚合等运算， 完成简单的描述性分析。3 .能够使用可视化工具展示歌 单数据分析结果，设计音乐 TOP榜单，并合理、清晰阐述 分析结论。4 .能够主动了解互联网行业信 息，掌握数据分析前沿技术， 熟悉数据分析等岗位相关技 能。1 .了解网易云音乐歌单数 据的字段含义、数据特点。2 .熟悉网易云音乐数据的 预处理方法。3 .掌握Python第三方库 Pandas的常用方法。4 .学习Pandas核心数据结 构Data Frame的分组聚合 功能，掌握对歌单数据集的 多维度分析。5 .掌握基于Pandas对数据 分析结果的

30、可视化方法。6 .掌握网易云音乐推荐分 析报告的撰写思路,产出分 析报告。1 .网易玄音 乐歌单数据 1份。2 .网易在音 乐推荐分析 报告1份。188智能制造数据分析1 .能够使用数据分析工具对智 能制造数据进行分组、聚合等 运算，基于智能制造背景和业 务理解，搭建简单的智能制造 设备运行指标体系。2 .能够使用Excel Python等1 . 了解智能制造的行业规 范、企业实践，理解大数据 分析在智能制造产业中的 作用。2 ,掌握使用数据处理工具 对智能制造设备运行数据1.智能制造 设备运行指 标监控看板 1份。2.智能制造 数据分析报16工具选择合适的可视化图表组 成智能制造设备运行指标

31、数据 监控看板，总结关键性发现和 结论。3 .能够了解智能制造行业法规 法则，理解智能制造场景下的 数据特点，依法合规开展数据 分析工作。4 .能够熟练掌握智能制造场景 下的数据分析技能，不断在行 业内深耕，向纵深发展。进行清洗的步骤。3 . 了解智能制造设备运行 指标数据的分析与解读方 法。4 .掌握搭建智能制造设备 指标体系的方法，落地实施 简单的指标计算。5 ,掌握智能制造数据分析 报告的撰写思路，产出分析 报告。告1份。9金融风控数据分析1 .能够使用Excel Python等 工具对数据进行分组、聚合以 及数学运算，完成描述性统计 分析。2 .能够使用对比分析、漏斗分 析、用户分群、

32、趋势分析、相 关性分析等方法开展金融风控 数据分析，得到分析发现和结 论。3 .能够使用Excel等工具选择 合适的可视化图表类型展示分 析结果，总结关键性发现和结 论，并给予合理建议，输出结 构化分析报告，并合理、清晰 地阐述分析结论。4 .能够树立正确的职业观，注 意保护数据隐私、保障他人隐 私，爱岗敬业、德技并修。5 .能够关注金融风控行业发展1 . 了解金融风控数据的字 段类型、含义以及意义。2 .掌握使用数据处理工具 对金融风控数据进行预处 理的步骤。3 .掌握用金融风控数据的 趋势性、相关性分析方法， 学习风控指标体系的分类 类别，熟悉指标计算的方 法。4 .学习基于指标体系使用

33、Python第三方库Pandas计 算排行榜榜单，对用户信用 情况分级评价，发现高价值 客户。5 .熟悉使用可视化工具绘 制可视化图表展示分析结 构，给出信用评估建议。6 .掌握撰写金融风控数据1 .金融风控 数据EDA报 告1份。2 .金融风控 数据分析报 告1份。26动态，了解行业现状与热门资 讯，及时调整自我职业规划。分析报告的撰写思路，产出 分析报告。七、课程实施（一）师资队伍1 .专任教师职业能力：具备优秀的专业课教学开展与组织能力，掌握Python编程能力、数据分析能 力，能够以情境任务要求分析数据并得出结论。知识结构：了解数据分析专员、数据分析师的各项职业岗位要求；在专业领域中，

34、具备 前端开发、大数据技术等较为深入的专业知识背景。资质：具备中职学校专业课任教资格和企业实践经历。2 .兼职教师职业能力：企业优秀讲师或行业企业专家，具备有3到5年的数据分析相关行业从业经 验，参与过多个数据分析项目开发过程，具有较强的专业技能，具备良好的专业课教学开展 与组织能力，具备优秀的Python编程能力，掌握多种数据分析算法，能够以情境任务要求绘 制可视化图形。知识结构：在行业领域中，深入了解数据分析专员、数据分析师、算法工程师的各项职 业岗位要求；在专业领域中，具备前端开发、大数据技术等深入的专业知识背景。资质：具备数据分析相关行业从业背景和企业工作经历。（二）实验实训条件1 .

35、校内实训基地根据不同的项目学习需要，选择教室、校企合作实习实训基地、实训设备等进行教学。（1）实训场地：大数据分析与可视化实训室；（2）实训设备：可视化大屏20套、台式计算机40台、服务器1台，满足大数据分析的要 求。2 .校外实训基地目前大数据技术有1个联想校外实训室，能够同时满足50名学生进行实习实训。能够满 足学校教师、企业专家共同办公，满足专业人才学徒制人才培养要求，符合企业研发、生产 要求。本校外实训基地具备如下条件：(1)联想组织机构健全，领导和工作(或技术)人员素质高，管理规范，在新一代信息技术领域发展前景好。(2)基于联想“端-边-云-网-智”技术框架下，其研究方向与经营的业务

36、与本专业对口， 且联想属于世界五百强企业，社会形象好。(3)符合学生专业实习实训条件，并且能够满足学生顶岗实训一个月以上。(4)有相应的技术人员担任实训指导教师。(三)教学资源1 .教材按照教材必须在政治上坚持四项基本原则，符合党和国家的方针和政策，能运用辩证唯 物主义和历史唯物主义的观点阐述本课程的基本规律的原则选择教材。教材必须符合本课程 教学大纲的要求，符合学生层次的实际，教材内容的阐述要循序渐进，富于启发，有利于对 学生能力和素质的培养。充分考虑教材的变动与更新，保证教材内容有用、新鲜和实用。为 保证教学质量，优先选择国家规划教材。数据分析技术一Python数据分析项目化教程详细介绍了

37、使用Python进行数据分析 的知识、技术和技能，配备丰富的教学资源，作为主要教材；Python数据分析基础在Python 数据分析的基础上，侧重介绍了用于数据分析的统计方法，如统计推断、相关分析等，属于 进阶内容，可以满足不同层次的教学需求，作为辅助教材。两本教材互相补充，从数据分析 知识和技能层面提高学生的数据分析能力，在教材内容基础上也可以结合学习单元自主开发 模块化教材，包括活页式工作页、学习页、评价表等，同时也可采用校企合作资源库课程资 源包。2 .图书文献配备Python数据分析、Python数据分析：从零基础入门到案例实战等图书可用于学 生课余时间巩固课堂所学知识和技能，加强学生使用数据分析工具解决实际问题的实战能力。 亦可用于专业教师教科研等工作的开展，方便师生查询、借阅。(四)教学方法面对新的教学变革,采用线上线下混合式教学模式组织教学,在教学中渗透理实一体化、 思政育人的教学理念。该课程是大数据技术应用专业核心课程之一，在教学的过程中应注重 锻炼学生的实操能力为主，把数据分析的知识技能融入到课程的实操训练当中，通过本门课 程的学习，学生能够使用Excel、Python等工具完成不同行业场景下的数据分析任务。在教学过程中采用：讲演法、任务驱动法、项目教学法、案例分析法等教学方法，辅以