新闻中心

学了数据挖掘之后能干啥?

数据挖掘领域还是比较有前景的，主要有以下几个方向：做科研，可以在高校、科研单位以及各个企业从事数据挖掘科研人员；做程序开发设计，可以在互联网公司进行数据挖掘及其相关程序算法；数据分析师，在企事业单位做咨询、分析等。

最后，可以学写主流的利器，如Python或R，有些行业可能会用到SAS或其他工具，请依据自己的行业选择。业务/行业/商业知识 脱离业务的纯数据分析没有任何意义，没行业背景的技术如空中楼阁。别走进死胡同，想成为优秀的数据分析师或培养自己的数据分析思维， 首先要对业务了如指掌。

有一点了解以后，如果对程序比较熟悉的话并且时间允许，可以寻找一些开源的数据挖掘软件研究分析，也可以参考如《数据挖掘：实用机器学习技术及Java实现》等一些教程。 C：数据分析师：需要有深厚的数理统计基础，可以不知道人工智能和计算机编程等相关技术，但是需要熟练使用主流的数据挖掘（或统计分析）工具。

比较能用得上数据挖掘的行业是大型网站、银行、医院，针对网站，一般要学习WEB挖掘，挺有前途，大型网站公司也会招这个职位。银行的数据挖掘也用得广，但它一般包给专业公司来做，有个方向叫商业智能，简称BI，觉得挺有前途的。应该是数据挖掘中以后会很热的行业。

哪些技术可能在未来的教育中得到应用

学习分析技术在国内外高校中的应用 国外学科中，搜集的大量数据越来越成为重要的教育教学资源。这样的数据可以提供可视化或者非可视化的相关指标。研究人员通过对这些指标的分析，可以发现学习者的学习状况，以此作为基础为使用者提供建议项目。

信息技术在教育中应用更加广泛，第四次产业革命以云计算和人工智能为标志 第四次产业革命已经影响了许多领域，整个社会越来越智能化、自动化、数字化。以互联网、云计算、大数据、物联网、人工智能等为代表的信息技术在教育领域中的应用越来越广泛，教育业务开始智能化、自动化和数字化。

随着信息技术的日益进步，可以预见信息技术在我国教育领域必将得到更广泛的应用。

人工智能（AI）专业：随着人工智能技术的迅猛发展，人工智能专业将成为未来最为热门的领域之一。人工智能的应用已经渗透到各个行业，包括机器学习、自然语言处理、图像识别等领域。人工智能专业将有助于开发智能化的系统和解决复杂问题。

教学领域内人工智能的应用：目前，人工智能在教学领域已经得到了广泛应用，如虚拟教师、智能辅助教学、定制教学等。这使得教育从传统的“一对多”转向了“一对一”教学，有可能教室的传统形式会改变。但是，人工智能暂时无法取代老师在教学中的角色，只能作为老师的辅助，提高学生的学习效率。

信息技术在教育中的应用更加广泛：在教育领域，以互联网、云计算、大数据、物联网、人工智能等为代表的信息技术。在教育领域的应用越来越广泛，混合学习和翻转课堂已经得到了广泛的应用。教育培养目标转向能力培养：我们可以预见中国未来的教育，人才培养目标将会调整。

上海财经大学信息管理与工程学院的研究生教育

信息管理与工程学院拥有管理科学与工程一级学科博士点和管理科学与工程、电子商务两个硕士学位授权专业，设有信息管理与信息系统、电子商务、计算机科学与技术三个本科专业。管理科学与工程一级学科博士点涵盖了距离管理、电子商务与电子政务、企业管理决策等研究方向，在博硕士研究生培养中形成了独特的学科优势。

作为国家级基地，上海财经大学拥有国家经济学基础人才培养基地、国家大学生文化素质教育基地以及教育部人文社会科学重点研究基地--会计与财务研究院，为学生提供了广阔的学习和研究平台。

上海财经大学信息管理与工程学院电子商务系成立于2005年，拥有12名教师，其中80%具有博士学位，1人为博士生导师。系内重视学科建设、人才培养和学术研究，形成了鲜明的财经特色研究方向，包括电子商务流程变革、电子政务、供应链与物流管理、企业ERP系统、电子商务安全管理、电子商务审计、电子商务管理战略等。

电子商务系重视实验环境建设，已有ERP（企业资源计划）实验室，电子商务实验室，是上海财经大学经济与管理实验教学中心的重要组成部分，已被教育部评为国家级实验教学示范中心。电子商务系加强与社会的结合，与国家机关、外汇交易中心、IBM、用友、金碟、AMT等合作开展科学研究与人才培养。

上海财经大学目前只有会计学、财政学、经济思想史3个国家级重点学科，金融学为重点培育学科，然后经济管理类其它专业也相对都不错。至于信息管理与工程学院中，有信息系统与信息管理、 电子商务、 计算机科学与技术3个专业，其中电子商务属于复合型专业，划归经济管理类专业，可考虑一下。

上海财经大学信息管理与工程学院（原经济信息管理系）成立于1982年，经过20多年的发展，在历届校党政领导的正确领导下，全院师生员工励精图治、开拓进取，顺应信息技术和管理科学的发展，综合实力明显提高。

智能决策与数据挖掘在职研究生报名条件是什么?

1、同等学力申硕免试入学，在职研究生报名条件是：获得大专及本科以上学历者，硕士或博士学位，相关行业背景人员可免试入学。完成学业后可以获得结业证，满足本科学历且学士学位满三年的学员可以参加申硕考试，通过申硕考试完成论文答辩后可以授予硕士学位。

2、在职研究生报名条件是：获得大专及本科以上学历者，硕士或博士学位，相关行业背景人员可免试入学。完成学业后可以获得结业证，满足本科学历且学士学位满三年的学员可以参加申硕考试，考生通过申硕考试完成论文答辩后可以授予硕士学位。申硕考试每年5月进行全国联考，3月在中国学位与研究生教育信息网进行网上报名。

3、数据库与数据挖掘在职研究生报名条件是：获得大专以上学历者。信息资源管理在职研究生学习方式是课堂面授与在线教学相结合，学习结束统一组织课程考核。

4、在职研究生报名条件是：获得大专及本科以上学历者，硕士或博士学位，相关行业背景人员可免试入学。在职研究生学习方式是：周末上课，每月1次（2天）课程学习；设有周末假期面授与网络远程班。

5、在职研究生报名条件是：大学本科毕业，并获得学士学位者；大专学历，旨在提高本人业务素质者，也可参加培训班课程的学习。完成学业后可以获得结业证，满足本科学历且学士学位满三年的学员可以参加申硕考试，考生通过申硕考试完成论文答辩后可以授予硕士学位。

6、商业数据挖掘在职研究生属于信息资源管理在职研究生，培养具有高素质的高层次信息资源管理专业人才，掌握系统的信息资源管理基础理论知识和专业知识，具有独立从事科学习究、教学工作或专业技术工作和管理工作的能力。在职研究生报名条件是：获得大专以上学历者。

论文答辩指导老师评语

1、指导教师对毕业论文的评语：论文陈述清楚，讲解简单明了，存在不足在于缺少自己的新观点新方法，多为套用他人研究成果，论文格式方面应多规范。答辩的准备工作充分，对老师的提问能详实并对设计过程中所遇困境能反复探讨研究，找出更好的解决方法。

2、本论文选题有很强的应用价值，文献材料收集详实，综合运用了所学知识解决问题，所得数据合理，结论正确，有创新见解。另外论文格式正确，书写规范，条理清晰，语言流畅。今后要进一步总结经验，对德育教育模式进行比较，这样可以把德育教育工作得更好。

3、论文陈述有条理，语言准确，但设计流程图需完善，总体评价为优秀。 学生答辩表现优秀，语言流利，条理清晰，论文被评为优秀。 论文内容熟悉，答辩流畅，成绩定为良好。 学生基础扎实，论文创新点明显，但文字和符号需规范，总体评价良好。

4、毕业论文指导教师评语：该生在硕士研究生学习阶段，思想上要求上进，认真学习，努力钻研专业知识，毕业之际，回顾三年来的学习工作以及生活，做总结如下。

5、毕业论文导师评语1 良好：能按期完成任务书规定的任务，能较好地运用所学理论和专业知识。论文条理清楚，论述正确，符合规范化要求答辩时能正确回答主要问题。中等：能按期完成任务书规定的任务，在运用理论和专业知识上基本正确。论文文理通顺，论述不够清楚，书写不够工整。答辩时对主要问题回答基本正确。

6、指导教师评语如下：该生专业素养比较好，对所提问题回答流利，正确率高，对实现过程中遇到的难题认识到位，时间把握得当，若能用比较新的运行环境进行实现相对好。该生对数据库的设计细节讲解详细，研究深入，论坛设计部分独立完成，有一定的科研能力，答辩中思路清晰，回答得简明扼要，语言流利。

商务智能与数据挖掘在职研究生考试科目有哪些?

商务智能与数据挖掘在职研究生考试科目 同等学力申硕在职研究生考试科目是外语和专业课综合，外语一般考英语，在英语四级的水平，也可以选择小语种，专业课综合就是平时所学的专业课的知识，考试是通过制，满分一百分，考生在四年四次的考试机会里，通过考试即可。

数据挖掘（Data Mining）就是从大量数据中发现潜在规律、提取有用知识的方法和技术。因为与数据库密切相关，又称为数据库知识发现（Knowledge Discovery in Databases，KDD） ，就是将高级智能计算技术应用于大量数据中，让计算机在有人或无人指导的情况下从海量数据中发现潜在的，有用的模式（也叫知识）。

商务智能指利用数据仓库、数据挖掘技术对客户数据进行系统地储存和管理，并通过各种数据统计分析工具对客户数据进行分析，提供各种分析报告，如客户价值评价、客户满意度评价、服务质量评价、营销效果评价和未来市场需求等，为企业的各种经营活动提供决策信息。

BI的未来发展趋势是BI与企业内其它的信息系统的很好地集成、企业的外部网智能和电 子商务智能等。DM的未来发展趋势是异质的数据的挖掘（如多媒体信息、文本信息等）、Web挖掘、超大数据库的快速高效挖掘、多维关联分析的数据挖掘等。