序号

设备名称

主要技术规格及参数要求

数量

单位

2

营销大数据综合实践教学平台

数智营销实验实训平台集成了真实产业商用平台：数据分析系统及代码编辑器，并包含辅助实验系统数据清洗系统、数据挖掘系统、仿真实验系统，满足数智营销多门课程的实验实训需求。该平台以实际业务场景为基础，通过模拟真实环境，让学生在实践中掌握市场营销的核心理论和实践技能。可以实现多人同时在线操作，提高学生的实践能力和团队协作能力。同时，该平台还提供了丰富的案例和实战演练，帮助学生更好地理解和应用所学知识。

一、数据分析系统功能指标

1、数据填报：可进行在线表单数据填报，多种表单控件，自定义表单审批流程，三级审批管理。

2、消息中心：消息中心能够查看平台所有消息的记录，默认按时间倒序排列。消息分为我的警报、产品更新、系统消息三类。

3、数据连接：支持用户连接各种数据源，拖拽方式搭建表关系，设置筛选条件，建立数据模型；支持常见的关系型数据库MySQL、Oracle、SQL Server、JDBC数据库驱动、ODBC数据库驱动，通过配置实现数据的连接和表的导入，与权限结合，满足数据权限管理的需求；支持本地数据Excel或csv文件上传。

4、数据整理：据整理模块支持用户通过拖拽的方式，所见即所得的进行数据的整合和清洗，同时支持用户通过sql生成复杂的数据集；创建的数据集可以是实时从数据库获取数据，同时支持设置不同的物化规则，把分析数据按照业务规则抽取到执行库中，保证分析数据的执行效率。

5、数据关联：支持对多个数据源，包含企业数据库、填报数据、本地数据（Excel、CSV）的不同表之间设置关联；支持拖拽方式搭建表间关联（内关联、左关联、右关联、全关联）关系；支持拖拽方式追加多张表，构建union数据集；支持多表关联时自动和手动对同名字段进行匹配。

6、数据合并：支持拖拽方式追加多张表，构建union数据集。

7、数据转换加工：支持用户对数据集进行自定义操作，包含数据的类型指定和转换，数据筛选，字段的自定义分组和自定义添加计算字段；同时支持用户查看表和数据集的关联关系及更新记录，实现数据的溯源。

8、数据筛选：用户可以通过筛选对数据集进行查询和筛选，支持用户通过多个条件筛选和公式筛选进行数据过滤；通过条件筛选时，选择筛选字段，自动根据字段类型可以选择操作符，筛选值中支持选择动态变量（包含用户名、租户名称、显示名、部门、角色、手机、部门电话）或者枚举值。

9、数据物化：支持用户选择实时连接或者物化，若选择物化，则数据分析系统定时从各个业务数据库把数据抽取到数据分析系统，并按照一定频率进行更新；基于物化创建的嵌套数据集自动更新，若底层数据集更新，则与之相关的上层数据集都依次更新，进而可视化和故事板的数据更新；数据物化支持用户设置物化频率到天、时、分、秒，设置物化开始时间和截止时间；同时显示刷新时间，用户可以自动或者手动去刷新数据。

10、内置可视化图表：目前内置有34种图表，包括柱状图、阶梯瀑布图、条形图、图案填充条形图、堆叠柱状图、堆叠条形图、饼图、环形图、玫瑰图、折线图、堆叠区域图、中国地图、散点中国地图、世界地图、迁徙图、百度地图、双轴图、仪表盘、表格、指标图、气泡图、漏斗图、热力图、矩形树图、雷达图、桑基图、和弦图、词云图、时序预测图、回归分析图、子弹图、直方图。

11、自定义可视化图表：图表可自定义配置，样式自定义编辑；支持引入echarts第三方图表并自定义配置。

12、辅助线和预警线：用户通过辅助线可以快速识别出数据中的异常值；预警线除了识别出异常值，还支持用户设置预警的级别和预警推送的对象，不同层级对象对于同一个指标可以设置不同的预警规则；预警级别三级，不同的预警级别可以设置不同的信息推送媒介，包含系统信息、短信、微信服务号、邮箱，用户可以自己设置。

13、自定义多层钻取：支持用户自定义钻取路径，拖拽层级字段到维度后选择图形则实现对数据的下钻和上卷，点击图可以逐层查看数据；同时支持用户设置每一层的图形样式和字段数量，实现每一层级的自定义。

14、图表参数设置：支持对图表的样式进行显示设置，包含显示的名称、缩放比例、前缀、后缀、条件格式等；同时可以设置坐标轴的标题、单位等，方便用户查看数据等。

15、故事板（可视化看板）：支持用户选择可视化、创建综合分析界面，设置联动、链接；选择多个可视化创建故事板，把可视化对象在故事板页面中拖拽布局，支持故事板页面分页；支持页面灵活布局，拖拽位置和可视化对象大小；支持设置展示属性，添加全局筛选、文本、图片；设置图表、联动，支持多个数据集设置字段关联；支持设置链接，可链接打开故事板和第三方对象，并传递参数。

16、故事板控件：包含过滤器、层级过滤器、文本、图片、嵌入URL、标签控件；支持对多个可视化进行过滤筛选，支持创建数据层级并通过树形对可视化对象进行筛选，支持输入文本文字和插入计算字段的方式形成智能报告，文字和计算字段的样式等均可以设置，支持插入图片，支.png">下载下载

17、计算字段：可**数值、日期和字符三种计算字段，支持自定义表达式输入。

18、函数与变量：在计算字段中可使用字符串函数10种、日期函数7种、数学函数11种、上下文函数2种、判断函数2种；通过函数与变量可进行诸多复杂数据清洗、数据集成。

19、平台集成：支持从DBE教学管理平台一键登录系统，并获取相应权限数据。

二、代码编辑器功能指标

1、自主研发，属于国产产品，内置180个以上常用库，上课时可直接调用，免去繁琐安装环节；内置常用库包括：pandas，matplotlib，pandas-datareader，scipy，PyMySQL，snownlp，gensim，pytest，mlxtend，pyfolio，turtle等。

2、支持“代码模式”，可自定义编写Python代码并运行，包括但不限于数据清洗、数据集成、数据可视化、数据转换、数值模拟、统计建模、机器学习等功能；代码模式分为4块区域，引导说明区、目录文件操作区、文件操作区、运行结果展示区；支持文件下载功能；文件操作区包含运行脚本、终止运行脚本、重置并恢复预置脚本、清空当前脚本、保存脚本、提交脚本功能。

3、支持“积木模式”，积木模式包含显示字符串内容、数字变量、字符变量、列表类型变量、元祖类型变量、字典类型变量、集合类型变量、数学运算、数字格式、数字类型转换、字符串与字符串拼接、变量与变量拼接、输出列表变量、输出元祖变量、输出字典变量、数据变量、代码注释积木等应用；

4、支持白天模式和黑夜模式；支持**Python脚本与**文件夹及其子文件夹；支持上传文件，格式满足于：csv,xlsx,xls.png">下载下载

5、内置支持预览CSV文件、图片（PNG、JPG、GIF等）与在线预览HTML文件。编辑区可根据对应文件类型自动代码提示、代码高亮。可对全部文件搜索。支持任务描述、Markdown操作步骤、操作视频、参考答案的功能展示，并可以自由切换及关闭；支持多页签显示脚本；持响应式交互，运行input函数等；支持运行SQL数据库；支持左右屏展示操作步骤及代码编辑区域，并可拖拽调节左右区域位置大小。

6、采用数据流式处理设计：默认流程为选择数据源-配置全局清洗规则-配置按字段清洗规则-开始清洗，采用流式非闭环模式，执行清洗时将严格按照此流程顺序执行。

7、数据源选择：支持通过教学管理平台预置数据，支持学生自行上传数据表格。

8、数据源预览：支持在当前页面查看数据源数据预览，预览数据条数用户可自行调整。

9、全局清洗规则：支持两种字符清理以及四种字符替换全局规则，具体包括非法字符清洗、空格清理、“-”（仅有）替换为“Null”、“-”（仅有）替换为“0”、空格（仅有）替换为“Null”、空格（仅有）替换为“0”，这些清洗规则将应用于全部表记录中。

10、按字段清洗规则配置：支持最多添加15条清洗规则，规则可以拖动排序（执行顺序将不同），也可以删除不需要的规则。

11、规则-字符替换：支持添加多个目标数据列（字段），将原内容进行批量替换成目标内容。

12、规则-字段切分：用户可以一次性对最多5个字段进行按分隔符进行切分的规则设定，每个被切分的字段可以按照内容中含有的第一个分隔符切分成前后两列数据；用户可自定义按照字段值里的某些字符进行切分，每个字段都可以重命名切分后的两个字段名称。

13、规则-字段合并：用户可自定义最多5个字段合并为一个字段，并可设定合并后的内容连接符。

14、规则-缺失值填补：支持均值填补法、中位数填补法和0值填补法，也可以选择遗弃含有缺失值的数据行。

15、清洗结果预览：支持在当前页面查看清洗结果数据预览，预览数据条数用户可自行调整。

16、清洗结果数据下载：支持用户自行下载清洗完成的数据到本地客户机。

17、操作指引：支持通过教学管理平台预置数据清洗任务的任务描述、操作步骤以及操作演示视频。

18、任务重置：支持通过重置清空流程内的所有配置信息。

19、任务集成：支持通过教学管理平台集成具体的清洗任务、清洗数据源、任务操作说明等信息。

20、系统环境：以机器学习算法为内容，系统环境Python版本3.7，预置算**包含scikit-learn、jieba等内容。

21、采用任务流式处理设计：默认流程为选择数据源-配置模型-开始建模-选择预测数据-开始预测，采用流式非闭环模式，执行数据挖掘时将严格按照此流程顺序执行。

22、数据源选择：支持通过教学管理平台预置数据，支持学生自行上传数据表格。

23、数据源预览：支持在当前页面查看数据源数据预览，预览数据条数用户可自行调整。

24、机器学习算**：

25、有监督学习包括：回归分析多元线性回归算法、逻辑回归算法，分类分析朴素贝叶斯算法、决策树算法，文本分析。

26、无监督学习包括：聚类分析K-Means、模糊C均值聚类、降维分析PCA算法。

27、时间序列：ARIMA、简单指数平滑法、皮尔逊相关系数结果、霍尔特-温特指数平滑法、霍尔特指数平滑法。

28、算法调参：支持学生基于选用的模型进行参数配置和调整。

29、变量选择与数据集切分：支持添加多个自变量，并可设置按比例随机抽选训练集与测试集。

30、模型质量评估：通过测试集模型验证结果的对比，可对模型质量进行评估指标和拟合情况评估。

31、预测集（支持预测功能的算法可用）：完成建模步骤后可上传新的预测数据集进行因变量结果预测。

32、预测结果预览：支持在当前页面查看预测结果数据预览，预览数据条数用户可自行调整。

33、结果数据下载：支持用户自行下载模型质量数据报告以及预测完成的数据到本地客户机。

34、操作指引：支持通过教学管理平台预置数据挖掘任务的任务描述、操作步骤以及操作演示视频。

35、任务重置：支持通过重置清空流程内的所有配置信息。

36、任务集成：支持通过教学管理平台集成具体的挖掘任务、数据源、任务操作说明等信息。

37、模拟主流电商交易平台首页、服装类商品列表页和商品详情页；支持按商品分类、商品品牌、价格区间查询或筛选；商品详情页面能够动态显示商品主图、名称、**价、券后价、尺寸、库存数量、月销量、商品评价以及详情属性等信息。

38、系统内置丰富的服装商品数据，并支持教师依据课程设计自主批量导入、上传、替换、维护商品数据，且可以自主选择自建数据方案、预置数据方案或混合数据方案，满足个性化教学设计创新需求。

39、网站商品数据支持学生运行Python代码完成数据爬取，避免使用真实网站带来责任事故。

40、模拟头部社交平台ABTest实验流程，支持建立广告投放实验对照组，并可以按素材定向、人群定向、预算定向三种方式进行效果实验，建立对应实验组。

41依据实验情况可以动态生成实验报告，实验报告包含对照组和实验各组的进组用户数、进组占比、广告点击率、差异绝对值、差异相对值、置信区间、P-Value值等数据，以及根据实验数据自动生成的对照组和实验各组概率分布正态图。

42、依托系统可进行不同深度教学设计，整体系统让学生沉浸式感受ABTest实验过程，并了解数据解析逻辑，掌握实验数据分析及精准投放策略优化方法。

43、营销大数据课程是旨在培养兼具大数据技术与营销知识的复合型人才。紧密结合企业营销数据场景，将大数据技术与营销决策相融合，使学生掌握在营销大数据各模块典型业务场景中的数据洞察和营销决策能力。通过学习，学生将具备全局视角和战略眼光，能够灵活运用所学知识解决实际营销问题。本课程不仅教授学生大数据技术，更注重培养学生的综合能力和实战经验，使其成为具有市场竞争力的复合型营销人才。

44、课程涵盖6个项目，45个子项目，127个任务，137个授课文档（含PPT\PDF\富文本文档），10道测试题，内置数据及代码类文件41个（含27个脚本，14个文件）。

45、支持包括大数据在营销中的应用、消费者行为分析、商品价格分析、广告精准营销分析、连锁经营选址分析和网络促销分析的理论知识教学，不少于12个教学文档。

46、支持教授学生理解大数据在营销领域典型应用场景的相关理论知识，培养学生的大数据思维。

47、支持学生完成随堂测验，系统自动评分；支持教师获取学生随堂测验的完成情况，开展学情分析。

48、在支持开展基于企业视角的消费者行为洞察分析，在了解项目情境的基础上，进行项目数据准备、消费者画像、消费者价值分析、消费者购物篮分析、消费者行为分析报告撰写的多维度营销大数据分析训练。

49、预置企业真实案例背景信息，让学生清晰并明确项目目标。

50、预置真实企业脱敏数据，包括消费者信息数据、商品数据、电商渠道销售订单数据、门店渠道销售订单数据等多维度数据，数据指标不少于20个，数据量不少于29,000条。

51、支持制定消费者行为分析数据收集方案，应用数据清洗教学系统完成数据预处理；支持对不同数据源进行关联、追加等数据分析准备操作。

52、支持应用数据分析系统、代码编辑器等工具进行消费者画像分析、消费者RFM分析，以及数据可视化；代码编辑器内预置可实现RFM模型分析的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

53、支持自主设计、构建分析模型，应用数据分析系统、代码编辑器等工具完成模型计算。

54、支持应用代码编辑器完成消费者购物篮分析，完成商品关联营销实施方案；代码编辑器内预置可实现关联规则分析的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

55、预置消费者行为分析报告模板，支持参照模板完成分析任务，提出营销建议。

56、支持学生提交作业；支持教师获取学生的作业的完成情况，开展学情分析。

57、支持根据学情自主上传数据，开展教学和科研活动。

58、在支持开展基于企业视角的商品价格分析报告制定，在了解项目情境的基础上，进行项目数据准备、商品数据分析、竞品价格分析、商品个性化定价策略、商品定价策略分析报告撰写的多维度营销大数据分析训练。

59、预置企业真实案例背景信息，让学生清晰并明确项目目标。

60、预置真实企业脱敏数据，包括销售订单数据、消费者信息数据、商品信息数据、商品成本数据、消费者线上浏览及行为数据、竞品商品数据等多维度数据，数据指标不少于40个，数据量不少于24,000条。

61、支持制定商品价格分析数据收集方案。

62、支持应用数据分析系统、代码编辑器、EXCEL等工具进行商品毛利分析、商品ABC分析，定位重点分析商品。

63、支持通过爬虫代码抓取电商仿真网站中的竞品数据信息；支持应用代码编辑器完成爬取数据清洗；代码编辑器内预置可实现爬虫功能的Python代码，支持补齐代码后一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

64、电商仿真网站：模拟主流电商交易平台首页、服装类商品列表页和商品详情页；支持按商品分类、商品品牌、价格区间查询或筛选；商品详情页面能够动态显示商品主图、名称、**价、券后价、尺寸、库存数量、月销量、商品评价以及详情属性等信息；系统内置丰富的服装商品数据，并支持教师依据课程设计自主批量导入、上传、替换、维护商品数据，且可以自主选择自建数据方案、预置数据方案或混合数据方案，满足个性化教学设计创新需求；网站商品数据支持学生运行Python代码完成数据爬取，避免使用真实网站带来责任事故。主数据源包含商品类别15类以上，商品数据10000条以上；数据字段100以上。

65、支持应用数据分析系统实现对清洗后的竞品数据分析及数据可视化。

66、支持应用数据挖掘教学系统的“模糊C均值聚类模型”实现对客户支付意愿模型的计算。

67、支持应用代码编辑器实现基于客户支付意愿的“遗传算法”计算，得出商品个性化定价策略；代码编辑器内预置可实现遗传算法的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

68、预置商品价格分析报告模板，支持参照模板完成分析任务，提出营销建议。

69、支持学生提交作业；支持教师获取学生的作业的完成情况，开展学情分析。

70、支持根据学情自主上传数据，开展教学和科研活动。

71、在支持开展基于企业视角的广告精准营销，了解项目情境的基础上，进行项目数据准备、广告投放数据预处理、广告投放效果分析、会员数据分析、目标用户画像分析、竞品数据分析、广告优化试投分析、广告精准营销分析报告撰写的多维度营销大数据分析训练。

72、预置企业真实案例背景信息，让学生清晰并明确项目目标。

73、预置真实企业脱敏数据，包括店铺网站流量监控数据、微信端投放结果数据、微博粉丝通投放结果数据、小红书投放结果数据、抖音投放结果数据、会员画像数据、会员积分数据、目标人群标签爬取数据、竞品评价爬取数据、竞品传播数据、广告盈亏平衡分析数据等多维度数据，数据指标不少于110个，数据量不少于80,000条。

74、支持制定广告精准营销分析数据收集方案。

75、支持应用数据清洗教学系统完成广告精准营销数据预处理。

76、支持应用数据分析系统、数据挖掘教学系统（K-means聚类分析）等分析工具、分析方法完成广告流量分析、广告转化情况分析、广告投放内容分析、广告投放用户分析、广告渠道效果分析、广告投放盈亏效果评估及数据可视化。

77、支持应用数据分析系统、代码编辑器完成用户画像分析及数据可视化；代码编辑器内预置可实现用户画像分析的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

78、支持应用代码编辑器完成竞品数据分析、竞品文本数据（非结构化数据）分析；代码编辑器内预置可实现竞品数据和竞品文本数据分析的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能；支持应用数据分析系统完成竞品传播数据分析。

79、支持应用ABTest广告优化策略仿真系统，进行广告试投，并分析AB组实验结果，得出广告投放策略。

80、ABTest广告优化策略仿真系统：模拟头部社交平台ABTest实验流程，支持实验模式与实验目标设定、创建广告实验基础信息；通过设置预算与出价、选择投放位置、创意制作等建立广告投放实验对照组；可以按素材定向、人群定向、预算定向三种方式进行效果实验，建立对应实验组；依据实验情况可以动态生成实验报告，实验报告包含对照组和实验各组的进组用户数、进组占比、广告点击率、差异绝对值、差异相对值、置信区间、P-Value值等数据，以及根据实验数据自动生成的对照组和实验各组概率分布正态图。

81、预置广告精准营销分析报告模板，支持参照模板完成分析任务，提出营销建议。

82、支持学生提交作业；支持教师获取学生的作业的完成情况，开展学情分析。

83、支持根据学情自主上传数据，开展教学和科研活动。

84、在支持开展基于企业视角的连锁经营选址策略，在了解项目情境的基础上，进行项目数据准备、商圈分析及门店经营评估、商圈定位分析、商圈消费者分析、门店投资回报预测分析、连锁经营选址分析报告撰写的多维度营销大数据分析训练。

85、预置企业真实案例背景信息，让学生清晰并明确项目目标。

86、预置真实企业脱敏数据，包括中国城市数据、城市商圈数据、门店分布数据、消费者分布数据、商圈业态数据、商圈饱和度、餐饮热度数据、客群画像数据、交通状况数据、外卖洞察数据、门面租金数据、门店销售预测数据、门店流量数据等多维度数据，数据指标不少于40个，数据量不少于20,000条。

87、支持制定连锁经营选址分析数据收集方案。

88、支持应用代码编辑器，结合门店分布、会员位置、人口密度数据，完成地图打点、绘制热力图、圈定商圈；代码编辑器内预置可实现地图打点功能的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

89、支持应用数据分析系统实现门店经营数据分析及数据可视化，结合热力图得出门店关停、开设决策依据。

90、支持应用数据分析系统、代码编辑器，结合外卖数据和第三方的商圈业态、餐饮热度、人群特征、交通状况数据，进行城市数据指标分析、商圈属性分析、商圈外卖竞争情况、商圈饱和度分析、商圈流量分析，并完成数据可视化；代码编辑器内预置可实现竞争度评分功能的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

91、支持应用数据分析系统、代码编辑器实现层次分析法（AHP），确定门店选址商圈；代码编辑器内预置可实现层次分析法（AHP）的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

92、支持应用数据分析系统对商圈消费者画像、消费者购买力进行分析及可视化。

93、支持应用数据分析系统对新店情况进行投资回报预测分析及数据可视化，验证选址结论。

94、预置连锁经营分析选址报告模板，支持参照模板完成分析任务，提出营销建议。

95、支持学生提交作业；支持教师获取学生的作业的完成情况，开展学情分析。

96、支持根据学情自主上传数据，开展教学和科研活动。

97、在支持开展基于企业视角的网络销售策略，在了解项目情境的基础上，进行项目数据准备、双十一总体情况预测、双十一重点营销客户画像、双十一流量分析、旗舰店大促流量策略、促销组合策略、网络促销分析分析报告撰写的多维度营销大数据分析训练。

98、预置企业真实案例背景信息，让学生清晰并明确项目目标。

99、预置真实企业脱敏数据，包括历年双十一平台成交数据、企业历史订单数据、店铺运营流量日报数据、双十一在售商品数据、促销活动结果数据、单品预热期订单数据等多维度数据，数据指标不少于40个，数据量不少于414,000条。

100、支持制定网络促销分析数据收集方案；应用数据清洗教学系统完成双十一销售策略数据预处理。

101、支持应用代码编辑器，结合历年双十一成交数据，实现双十一总销量预测及数据可视化；代码编辑器内预置可实现销售预测的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

102、支持应用数据分析系统，实现重点销售商品分析及数据可视化，确定双十一主打促销商品，制定当年双十一销量目标。

103、支持应用数据分析系统，实现双十一重点营销客户画像分析，明确重点营销人群。

104、支持应用数据分析系统，实现双十一流量结构分析、免费流量分析和付费流量结构分析，确定促销流量策略。

105、支持应用数据分析系统，实现预热期的购物车转化率和预热期销售占比分析及数据可视化，得出目标销量下的大促流量需求。

106、支持应用数据分析系统，实现促销组合效果分析，完成组合促销决策。

107、预置网络促销售分析报告模板，支持参照模板完成分析任务，提出营销建议。

108、支持学生提交作业；支持教师获取学生的作业的完成情况，开展学情分析。

109、支持根据学情自主上传数据，开展教学和科研活动。

套

31

3

人力大数据综合实践教学平台

（一）平台技术指标

1、平台总体基于领域驱动设计（DDD）理念进行分布式架构设计实现，基于前后端分离和分布式微服务的弹性计算架构实现；后端基于Java Spring Cloud微服务开发框架，前端NodeJS＋React服务化开发；具备业务高内聚低耦合、满足高性能、高并发、高可用、跨平台、跨语言等特点。

2、平台支持公有云/专属云/私有云/混合云模式部署，通过开放平台（Open API），支持ISV(独立平台开发商)接入，标准化、规范化的接入方式，并提供接入指南，使接入更高效。

3、采用Nacos ****中心****中心、Spring Cloud Gateway作为网关，实现服务的负载均衡和路由转发等特性。

4、基于全流程DevOps自动化运维，支持持续集成、分析、服务注册与发现、持续部署的研发管理方式敏捷研发。

5、平台支持自由添加服务器，进行智能化的**调度与分配，能够同时管理多个服务器节点、对服务器进行案例配置、更改路由。

6、基础服务层支持多数据源，适配**云RDS和本地MYSQL，同时使用于Redis高速缓存对数据进行缓存，支持高并发，支持纯本地化、

数据源。

7、平台兼容主流浏览器（Chrome, Edge）,无需安装任何客户端及插件。

8、支持TLS与SSL在传输层对网络连接进行加密，保证数据的安全性。

9、提供通过对客户端埋点接口调用，对用户行为进行数据采集和大数据分析。

10、支持数据爬虫Python脚本的在线编辑和执行。

11、数据分析支持MySQL、SQL server、oracle等主流JDBC驱动的数据库接入。

12、内置多元回归、朴素贝叶斯、决策树，文本分析、K-Means、降维分析等数据挖掘技术。

（二）平台功能

1.院校管理功能

1、管理员工作台：支持依据角色的使用场景进入不同的工作台。支持管理员查看本校基本统计信息，包括成员总数，学生数，教师数，当前在线人数。可查看本校自建或购买的课程数量，本校教学班的教学中、未开始和已完成数量。可查看本校公告信息。

2、基本信息：****学校信息，如：院校简介、院校logo等基本信息进行维护。

3、公告管理：发布学校公告，并支持随时**发布、编辑、删除等操作。

4、组织架构管理：****学院、专业、班级；支持自定义名称；支持通过导入成****学校的组织架构；支持组织结构的增加、修改；支持专****学院\专业。

5、教师信息管理：支持新增\批量导入教师，并进行基本信息维护（姓名、性别、学院、专业、教工号、手机、邮箱等）；支持批量修改用户登录密码；支持批量删除教师。

6、学生信息管理：新增\批量导入学生名单，并进行基本信息维护（姓名、性别、学院、专业、班级、学号、邮箱、手机等）。支持批量修改用户登录密码；支持设置学生毕业；支持批量删除学生。

7、在线用户管理：支持查看当前在线用户人数、授权使用率和最大在线人数。支持查看在线用户详情，包括但不少于姓名、角色、所在组织机构、使用设备、登录时间和在线时长；支持进行下线和批量下线操作。

8、课程管理：支持对课程进行团队管理，给教师授权课程权限；支持查看课程列表，搜索课程。

9、项目管理：展示学校已购买课程的全部项目，可以查看项目名称、项目类型、项目难度、版本等信息；支持按照项目名称、编码等搜索项目。

10、考试题库：展示学校已购买题库，展示学校建立的全部题库，并可进行实体分类编辑、试题添加，支持批量导入试题。

2.教师平台功能

1、支持用户修改姓名、性别、头像、个性签名等信息；支持用户退出登录；

2、支持查看待办事项，包含未发布、进行中教学班和考试；

3、支持查看个人创建的课程开班情况、课程考勤情况、课程完成情况、课程总结提交情况；教师本人管理班级中，支持查看教学班的学生成绩排行榜与学生能力排行榜；学生完成课程项目后，支持展示学生能力词云、职业能力成长信息；

4、支持创建教学班，选择已有课程或自定义课程内容添加教学内容；支持发布、复制、删除、关闭教学班；支持设置教学班名称、开始时间、结束时间；支持直接授权，选择班级加入学生；支持邀请码授权，生成邀请码，邀请码模式支持审批后加入或不审批直接加入。

5、支持创建后编辑课程名称、课程标签、课程概述、课程目标、预学知识；

6、支持教师复制教学班，将已个性化编辑后的内容应用于其他班级。

7、支持闯关、自由两种教学模式。支持针对任务、答案进行开放/收回；

8、支持针对教学内容进行灵活设置，添加删除项目、调整项目顺序，添加删除项目任务等。支持教师添加和修改或替换视频、文档、网页链接、富文本、作业、团队成果、随堂测验等内容，更好的个性化教学。

9、展示班级内班级人数、学习人次、实战项目数量、理论项目数量、总能力值、课程知识图谱、课程思维导图、能力词云、主讲老师等信息；

10、支持班级课程编辑，支持添加、修改、删除章节；支持添加、删除项目；支持编辑简介；

11、学生管理：支持教师查看已加入当前班级的学生列表与申请加入班级的学生列表；教师可审批通过邀请码方式加入的学生，支持批量通过审批；支持教师将学生移除教学班、批量重置学生密码；支持通过模板批量导入学生。

12、团队管理：支持教师发起团队分组，设置组数和每组人数。设置分组后可以设置教学班内团队的组长，为小组添加\删除小组成员。教师可查看班级中未进入团队的学生，支持刷新团队信息。

13、考勤：支持在课堂上随时发起签到，支持设置开始签到时间，学生可输入老师发布的签到口令进行签到；支持教师根据实际情况，调整班级内学生的签到结果；支持老师通过班级和学生两个维度查看班级考勤详情；支持教师查看班级平均签到率及统计签到次数。支持老师导出学生签到考勤；

14、进度：支持教师按照学生和教学大纲两种维度查看进度；可查看学生完成教学组件的情况，统计各组件学习次数、学习时长等数据；支持学习记录导出。

15、作业：可按全部、待评分、已完成筛选查看学生提交的作业；可查看每个作业的提交情况、下载作业、对作业进行评分；可自定义批量下载或全部打包下载学生提交的作业；可退回学生的作业附件；可针对学生作业进行批量评分；

16、测验：教师可查看学生随堂测验和视频测验的详情（测验名称、题数、完成人数、平均分数、每个学生当前试卷的答题详情等），教师还可通过学情分析从测验试题的维度查看详情，支持查看每道题题干和答题选项，以及每个选项正确率，和每个学生该道题的答题情况等信息。

17、总结：支持教师对学生总结进行查看和打分；支持个人总结和团队总结两种总结提交方式，并支持分别打分和设置考核权重；支持查看未提交人数或未提交团队数；支持批量导出学生总结；支持教师退回已提交的总结，学生可重新提交。

18、项目报告：支持个人报告和团队总结两种总结提交方式，并支持分别打分和批量打分；支持查看未提交人数或未提交团队数；支持批量导出学生报告；支持教师退回已提交的报告，学生可重新提交。

19、团队成果：支持查看全部、待评分、已完成的团队成果进行查看；****小组提交情况、小组评分情况、小组排名等信息；可通过组内评分、组间互评、教师评分等方式进行成果评分；支持设置是否****小组的团队成果；支持教师在开启互评后退回已提交的团队成果，学生可重新提交；支持教师打包下载学生成果；

20、班级公告：支持发布班级公告并添加附件，展示公告名称、发布时间、发布人；支持随时编辑和删除公告。

21、班级设置：展示教学班信息；支持设置修改班级基本信息，包括教学班名称、开班时间、结束时间、上传班级封面；支持设置授课团队，支持同一个班级最多 5 名主讲老师，最多20 名课程助教，并且可随时修改；

3.学生平台功能

1、支持修改姓名、头像、性别、个性签名等基本信息；支持学生登录和退出登录；

2、支持展示学生基本信息；支持学生进行教学班签到，学生输入签到口令，响应教师发起的签到进行考勤；

3、支持展示学生当前正在学习课程、尚未完成考试的数量；支持展示所学课程的有效期、学习进度；支持展示考试的截止时间；

4、支持学生加入已配置能力模型的课程，展示学生当前课程相关的能力掌握情况与能力进阶情况；预测学生的能力情况与岗位能力要求的匹配度；支持学生切换不同岗位/岗位群查看匹配度与职业路径。

5、支持根据学生的学习进度及学习情况智能推荐项目，展示项目的名称、难度等信息，支持学生点击项目卡片进入项目进行学习。

6、支持根据学生已学课程自动生成学生个人的知识图谱；

7、支持学生通过输入邀请码加入课程；支持查看与复制课程的邀请码；

8、支持学生查看当前参与的学习中、未开始、已结束的课程，支持查看课程的封面、名称、学习进度、课程学时、开课时间、主讲老师、课程版本等信息；

9、支持查看课程的课程简介、训练计划、能力词云、思维导图、知识图谱、公告等信息；支持根据“理论项目”、“实战项目”筛选项目；

10、支持查看课程知识图谱，支持查看全部节点与关系，支持画布的拖拽、缩放；支持小窗口展示全部知识图谱地图；

11、知识图谱中支持选中单个节点且高亮与该节点相关的其他节点与关系；支持搜索节点并快速定位到节点所在位置；支持****中学习的先后顺序串联高亮整个知识图谱中的节点；支持通过选择项目高亮多个节点；支持通过选择关系类型高亮多个节点与关系；

12、支持查看项目中每个任务的名称、类型、学习次数、平均学习时长、任务状态；支持通过点击任务上的“进入任务”按钮进入任务进行学习；

13、支持学生查看、下载项目中的相关知识；

14、支持学生上传和提交个人项目报告，团队组长可以上传和提交团队项目报告；已提交的报告可由教师进行退回，学生重新提交；支持查看报告完成情况。

15、支持学生按照教师设置的学习内容进行项目学习，支持基于理论项目和实战项目进行学习。支持按照教师设置的学习模式进行学习，包含闯关模式与自由模式；

16、支持学生上传和提交个人总结，依据教师要求，组长还可上传和提交团队总结，提交后支持查看教师评分情况。

17、支持学生切换教学班分别查看自己所在教学班的学情数据，包括老师人数、学生人数、班级进度、考勤率、习题正确率、教师评分、成绩；可查看能力成长数据。

（三）数据分析系统

1、系统概述：数据分析系统提供从数据抽取、数据加工处理、数据存储、自助数据分析到数据可视化于一体的BI工具应用。支持连接多种类型数据源，跨数据源取数；支持自带ETL流功能，能够完成针对多源异构系统的数据进行抽取、清洗、加工处理、装载到工具自带的多维数据仓库中；支持直接连接已有的大数据平台；支持基于BI的多维数据仓库或所连接的数据源进行OLAP多维度自由分析；支持用户自主拖拽设计满足个性化需要的业务分析界面或管理驾驶舱；支持通过PC、移动端、大屏查看报表及分析数据。

2、系统环境：支持本地化部署私有云认证服务器。客户端兼容IE8以及IE8以上、Chrome、Edge、火狐等主流浏览器；服务器端支持Tomcat, WebLogic、WebSphere、JBoss、Resin等主流WEB应用中间件。

3、数据上传。可以通过上传数据来采集分析数据，设计者用户可以在数据准备节点上传本地的数据文件（如Excel、CSV）到系统中，进一步支持分析。上传数据可以追加数据、替换数据。同时满足数据填报，支持根据业务自定义表单和流程，把线下数据纳入系统统一管理，进一步支持分析。

4、数据集成。支持不同数据表之间的数据关联和数据追加。用户可以预览数据、查询表和数据集的关联情况，被哪些数据集、可视化使用等信息。****中心功能，消息中心能够查看平台所有消息的记录，默认按时间倒序排列。消息分为我的警报、产品更新、系统消息三类。

5、数据连接。支持用户连接各种数据源，拖拽方式搭建表关系，设置筛选条件，建立数据模型。支持常见的关系型数据库MySQL、Oracle、SQL Server、JDBC数据库驱动、ODBC数据库驱动，通过配置实现数据的连接和表的导入，与权限结合，满足数据权限管理的需求。

6、数据整理。支持用户通过拖拽的方式，所见即所得的进行数据的整合和清洗，同时支持用户通过sql生成复杂的数据集；创建的数据集可以是实时从数据库获取数据，同时支持设置不同的物化规则，把分析数据按照业务规则抽取到执行库中，保证分析数据的执行效率。

7、数据关联：支持对多个数据源，包含企业数据库、填报数据、本地数据（Excel、CSV）的不同表之间设置关联；支持拖拽方式搭建表间关联（内关联、左关联、右关联、全关联）关系；支持拖拽方式追加多张表，构建union数据集；支持多表关联时自动和手动对同名字段进行匹配。同时满足数据合并，支持拖拽方式 多张表，构建union数据集。

8、数据转换加工。支持用户对数据集进行自定义操作，包含数据的类型指定和转换，数据筛选，字段的自定义分组和自定义添加计算字段。同时支持用户查看表和数据集的关联关系及更新记录，实现数据的溯源。

9、数据物化。支持用户选择实时连接或者物化，若选择物化，则系统定时从各个业务数据库把数据抽取到系统，并按照一定频率进行更新。基于物化创建的嵌套数据集自动更新，若底层数据集更新，则与之相关的上层数据集都依次更新，进而可视化和故事板的数据更新。数据物化支持用户设置物化频率到天、时、分、秒，设置物化开始时间和截止时间。同时显示刷新时间，用户可以自动或者手动去刷新数据。

10、数据可视化：平台内置不少于35种可视化图表，包括主流数据可视化分析图像和玫瑰图、和弦图、词云图、桑基图等高级图表；支持引入echarts第三方图表并自定义配置；支持自定义扩展图形控件支持设置排序（升序、降序、自定义排序）、同比、环比、累计求和等快速计算；支持指标设置格式化，设置前导符、后导符、缩放比例、千分位；支持筛选和图内筛选；支持设置辅助线和预警线，帮助用户快速识别出图表中的异常情况；支持用户自定义多层钻取路径，拖拽层级字段到维度后选择图形进而实现对数据的下钻和上卷，点击图形可以逐层查看数据；同时支持用户设置每一层的图形样式和字段数量，满足复杂的业务钻取需求。

11、数据可视化看板：通过构建可视化看板，把独立的可视化结果整合成更具可读性的报告形式，达到快速通过可视化结果理解数据呈现的业务问题。用户通过拖拽方式可以自定义对可视化看板进行布局，对业务逻辑进行串联，表达业务场景。支持用户选择可视化、创建综合分析界面，设置联动、链接；选择多个可视化创建可视化看板，把可视化对象在可视化看板页面中拖拽布局，支持可视化看板页面分页；支持页面灵活布局，拖拽位置和可视化对象大小；支持设置展示属性，添加全局筛选、文本、图片；设置图表、联动，支持多个数据集设置字段关联；支持设置链接，可链接打开可视化看板和第三方对象，并传递参数；

12、满足计算字段功能。可**数值、日期和字符三种计算字段，支持自定义表达式输入。内置函数与变量。在计算字段中可使用字符串函数10种、日期函数7种、数学函数11种、上下文函数2种、判断函数2种。通过函数与变量可进行诸多复杂数据清洗、数据集成。

（四）代码编辑器

1、国内自主研发软件，内置180个以上常用库，上课时可直接调用，免去繁琐安装环节；内置常用库包括：pandas， matplotlib， pandas-datareader， scipy， PyMySQL， snownlp， gensim， pytest， mlxtend， pyfolio，turtle等。

2、支持“代码模式”，可自定义编写Python代码并运行，包括但不限于数据清洗、数据集成、数据可视化、数据转换、数值模拟、统计建模、机器学习等功能；代码模式分为4块区域，引导说明区、目录文件操作区、文件操作区、运行结果展示区；支持文件下载功能；文件操作区包含运行脚本、终止运行脚本、重置并恢复预置脚本、清空当前脚本、保存脚本、提交脚本功能。

3、支持“积木模式”，积木模式包含显示字符串内容、数字变量、字符变量、列表类型变量、元祖类型变量、字典类型变量、集合类型变量、数学运算、数字格式、数字类型转换、字符串与字符串拼接、变量与变量拼接、输出列表变量、输出元祖变量、输出字典变量、数据变量、代码注释积木等应用；

4、支持白天模式和黑夜模式两种主题风格之间的切换；

5、支持**Python脚本与**文件夹及其子文件夹；支持上传文件，格式满足于：

csv,xlsx,xls.png">下载下载

6、支持原创代码校验机制，代码提交时可自动校验是否正确。

7、内置支持预览CSV文件、图片（PNG、JPG、GIF等）与在线预览HTML文件。编辑区可根据对应文件类型自动代码提示、代码高亮。可对全部文件搜索。支持任务描述、Markdown操作步骤、操作视频、参考答案的功能展示，并可以自由切换及关闭；支持多页签显示脚本；持响应式交互，运行input函数等；支持运行SQL数据库；支持左右屏展示操作步骤及代码编辑区域，并可拖拽调节左右区域位置大小。

（五）数据清洗教学系统

1、采用数据流式处理设计。默认流程为选择数据源-配置全局清洗规则-配置按字段清洗规则-开始清洗，采用流式非闭环模式，执行清洗时将严格按照此流程顺序执行。

2、数据源选择。支持预置数据源及自行上传数据源，满足.xls, .xlsx格式要求。

3、全局清洗规则。支持两种字符清理以及四种字符替换全局规则，具体包括：非法字符清洗、空格清理、-（仅有） 替换为 Null、-（仅有） 替换为 0、空格（仅有） 替换为 Null、空格（仅有） 替换为 0，这些清洗规则将应用于全部表记录中；

4、清洗规则-字符替换。支持添加多个目标数据列（字段），将原内容进行批量替换成目标内容。

5、清洗规则-字段切分。用户可以一次性对最多5个字段进行按分隔符进行切分的规则设定，每个被切分的字段可以按照内容中含有的第一个分隔符切分成前后两列数据；用户可自定义按照字段值里的某些字符进行切分，每个字段都可以重命名切分后的两个字段名称。

6、清洗规则-字段合并。用户可自定义最多5个字段合并为一个字段，并可设定合并后的内容连接符。规则-缺失值填补。支持均值填补法、中位数填补法和0值填补法，也可以选择遗弃含有缺失值的数据行。

7、清洗结果预览。支持在当前页面查看清洗结果数据预览，预览数据条数用户可自行调整。8、清洗结果数据下载。支持用户在当前页面自行下载清洗完成的数据到本地客户端。

9、任务重置。支持通过重置清空流程内的所有配置信息。

（六）数据挖掘教学系统

1、采用任务流式处理设计：支持流式非闭环选择操作，遵循选择数据源-配置模型-开始建模-选择预测数据-开始预测流程，能预览数据、查看模型训练结果，重点模型适用性评判指标实时可见。

2、数据源选择：支持预置数据源及自行上传数据源，满足.xls, .xlsx, .txt, .csv等格式要求。支持在当前页面查看数据源数据预览，预览数据条数用户可自行调整。

3、机器学习算**：支持机器学习算**算法选择，包括回归分析多元线性回归算法、逻辑回归算法、分类分析朴素贝叶斯分类算法、决策树算法、文本分析、聚类分析K-Means、模糊C均值聚类、降维分析PCA算法、文本分析、时间序列ARIMA算法等。

4、算法调参，支持算法模型参数配置和调整。支持添加多个自变量，并可设置按比例随机抽选训练集与测试集。

5、模型质量评估：通过测试集模型验证结果的对比，可对模型质量进行评估指标和拟合情况评估。

6、预测结果预览：支持在当前页面查看预测结果数据预览，预览数据条数用户可自行调整。

7、结果数据下载：支持用户自行下载模型质量数据报告以及预测完成的数据到本地客户端。

8、任务重置：支持通过重置清空流程内的所有配置信息。

（七）教学仿真网站及数据

1、****交易所XBRL财报仿真网站：仿真网站支持按交易代码、企业简称、企业简称首字母、财报类型方式查询或筛选财报，仿真教学网****公司1850家以上，可采集数据年份为2013年至2021年，便于数据采集教学时使用，避免使用真实网站带来责任事故。

2、人才仿真网站：模拟人才招聘与求职网站的主要功能页面，支持个人服务、企业服务等招聘网站核心模块运行。个人服务支持按照月薪范围等不少于6****公司招聘信息，每条招聘信息可查看详情，包括但不少于岗位职责和任职要求等7个维度的信息。企业服务支持按照职位等不少于6种方式查询求职者信息及详情，每位求职者可查看简历详情，包括但不少于姓名、工作经历等不少于8个维度的信息。支持学生按照网站数据运行Python代码完成数据爬取，有效规避由真实网站教学带来的数据隐私、数据安全等风险。

3、****中心：包含北交所、上交所、****公司数据；内置过去30年，80个以上行业，4900以上上市企业的数据；可以根据行业、地区筛选上市企业数据；数据范围包含：公司基本资料、资产负债表、利润表、现金流量表、杜邦分析模型、报表附注（主营构成明细、前五名客户收入、销售费用、管理费用、财务费用、非经常性损益、资产减值损失、政府补助补贴、应收账款明细、应收账款前五名、预付账款前五名、存货项目明细、固定资产明细、无形资产明细、商誉前五名供应商、应交税金、资本公积、未分配利润、关联交易、研发费用等内容）；含搜索功能，可以通过上市企业中文全称、股票简称、股票代码、关键字查询股票信息；数据可以通过选择一级行业和二级行业分类，以及企业简称或代码等简单的查询操作，可以快速从复杂数据库中检索出数据信息，并可预览数据。可以隐藏左侧目录窗口，全屏展示数据。

（八）平台教学内容及案例

人力大数据分析与应用课程面向工商管理、人力**管理相关专业教师、学生进行人力**大数据分析课程的实践教学和学习，包括但不限于人力**数据采集、数据清洗、数据集成、数据可视化等实践教学模块。学习任务覆盖招聘、培训、薪酬、绩效、员工关系等人力**典型场景应用；人力大数据分析与应用课程平台内置不少于300个学习任务，300个授课文档（含PPT/PDF/富文本文档），7个教学视频等教学**。

1、人力**大数据概述： 本项目包括大数据时代、大数据认知等核心理论内容，支持学生对于大数据本质、大数据分类、大数据算法等理论知识的正确理解。在此基础上进一步了解并掌握大数据起源、大数据发展之路等内容知识。

2、人力**大数据分析方法论：支持人力**业务需求分析、数据采集、数据可视化在人力**大数据分析与应用的认知。引导学生理解大数据分析方法论的相关理论知识，培养学生的大数据分析思维。支持学生完成随堂测验，系统自动评分；支持教师获取学生随堂测验的完成情况，开展学情分析。

3、人力**大数据工具应用：支持学生掌握人力**数据采集、使用Python进行数据查询、爬取数据等应用体验，数据清洗工具提供全局清洗等不少于4个清洗规则应用。引导学生利用可视化分析工具进行性别、学历、婚姻等多维度数据的可视化分析，并构建数据挖掘算法模型进行预测。该模块提供不少于20个任务的实践操作引导。

4、招聘数据分析概述：本项目包括招聘数据分析知识核心内容，旨在引导学生学习和掌握招聘数据Excel处理、招聘数据指标等不少于3个维度的招聘理论知识，为后续招聘数据分析实践项目打下坚实理论基础。

5、招聘数据可视化分析：本项目重点内容包括招聘数据Excel处理和招聘Excel数据可视化，旨在培养学生准确处理和分析招聘数据的能力，并掌握利用可视化展示招聘情况的技巧。其中招聘数据Excel处理包括使用Excel工具进行数据验证、快速填充、重复项处理、合并计算招聘成本等不少于8个核心维度的数据分析，通过交互式课件的方式引导学生进行相应操作；招聘数据Excel可视化包括招聘员工数据和招聘渠道数据等不少于3个维度可视化，通过交互式课件的方式帮助学生实现Excel数据的可视化。

6、招聘大数据分析与应用：本项目探讨了利用大数据分析人才需求的方法。重点内容包括人才需求画像数据采集、可视化分析等不少于4个维度分析。其中人才需求画像数据采集包括招聘外部数据查询等不限于2种数据收集方法的操作引导，外部数据查询不限于地点、职位等4个要素，外部数据爬取包括工作年限、学历等不限于5个方面要素；人才需求可视化分析通过大数据分析工具揭示大数据人才需求的区域、城市分布、学历要求等不限于15个维度情况，所用数据不限于薪酬分段、职能类别等10个指标；人才需求画像数据挖掘包括大数据职位需求企业画像模型构建及优化等不限于6个任务实践操作，利用Python可视化工具等实现大数据人才岗位职责与任职资格词云分析等数据的可视化呈现。

7、培训数据分析概述：本项目包括培训数据分析知识核心内容，旨在引导学生学习和掌握培训数据Excel处理、培训数据指标等不少于3个维度培训理论知识，为后续培训数据分析实践项目打下坚实理论基础。

8、培训数据可视化分析：本项目旨在培养学生在培训数据管理和分析方面的能力，重点内容包括培训数据Excel处理和培训数据Excel可视化。培训数据Excel处理包括数据验证、快速填充、缺失值填补、数据截取或分列等，并运用Excel函数进行数据处理等不少于8个任务的操作；通过Excel可视化工具，学生可以呈现培训对象分布、满意度和通过率等数据图表，该部分提供不少于3个互动式课件的操作引导。

9、培训大数据分析与应用：本项目重点内容包括培训业务需求分析等不少于2个方面的实操。通过学习数据清洗、集成和Python可视化分析等技术，****公司的培训数据，包括培训场次、参训人次、培训类型等，并进行部门间的比较。数据清洗包括课时，实际培训人数等不限于10种数据的清洗，包括空格清理等不限于5种全局清洗规则；同时包括探索培训费用结构、差旅费与总费用占比等方面的数据及构建和优化培训效果评估影响因素模型，使学生掌握大数据分析技术，胜任培训数据的解析与应用，实现数据驱动的培训决策和优化效果，该部分提供不少于18个任务分析操作引导。

10、员工关系数据分析概述：本项目包括员工关系数据分析知识核心内容，旨在引导学生学习和掌握员工敬业度数据收集、员工关系数据指标等不少于5个方面员工关系理论知识，为后续员工关系数据分析实践项目打下坚实理论基础。

11、员工关系数据可视化分析：本项目旨在培养学生在员工关系数据管理和分析方面的能力，重点内容包括与员工关系数据Excel处理和员工关系数据Excel可视化。员工关系数据Excel处理包括员工基本信息数据验证、快速填充、删除重复项、输入设定等，并运用Excel函数进行数据处理等不少于8个任务的操作引导；通过Excel可视化工具，学生可以呈现员工基本信息学历人数、部门人数等数据图表，该部分内置不少于3个互动式课件操作引导。

12、员工关系大数据分析与应用：本项目旨在引导学生学习和掌握员工关系业务需求分析、敬业度调研问卷设计和Python可视化分析等技术，该部分不少于4个任务操作实践；通过分析员工关系数据，探索员工数量、员工性别和员工年龄等方面的信息，****公司员工专业技能等级分析和敬业度与年龄区间分析等不限于16个任务分析操作实践。在此基础上，重点涵盖数据模型构建和预测模块，包括数据挖掘等不少于2个任务操作实践。

13、薪酬数据分析概述：本项目包括培训薪酬数据分析知识核心内容，旨在引导学生学习和掌握薪酬数据Excel处理、薪酬数据指标以及薪酬满意度调研等不少于12个维度薪酬理论知识，为后续薪酬数据分析实践项目打下坚实理论基础。

14、薪酬数据可视化分析：本项目旨在引导学生学习和掌握Excel工具的运用，重点内容包括薪酬数据Excel处理和薪酬数据Excel可视化。薪酬数据Excel处理包括数据验证、快速填充等操作，以及缺失值填补和透视表的应用，该部分设置不少于8个任务实践操作引导。薪酬数据Excel可视化通过数据分析和可视化技术，引导学生将岗位平均薪资、部门薪资分布等数据进行可视化，该部分内置不少于4个任务的实践操作引导。

15、薪酬大数据分析与应用：本项目旨在引导学生学习和掌握薪酬数据采集、使用Python进行数据查询、爬取薪酬数据等，数据查询包括地点、职位等不限于4个搜索要素，薪酬爬取包括城市、职位等不少于6个爬取要素，数据清洗包括缺失值填补等不少于3个清洗规则。利用可视化分析工具，进行公司财务、人力**等多方面数据的可视化分析，帮助学生深入研究薪酬体系结构、支付结构等，了解薪酬满意度情况，并构建优化薪酬偏离度模型，该部分包括人工成本分析、薪酬结构分析等不少于4个知识维度的分析研究，****公司营业收入与利润情况分析等22个任务实践操作引导。

16、绩效数据分析概述：本项目包括绩效数据分析知识核心内容，旨在引导学生学习和掌握绩效数据Excel处理、绩效数据指标、团队绩效及其驱动因素等不少于10个维度的绩效理论知识，为后续绩效数据分析实践项目打下坚实理论基础。

17、绩效数据可视化分析：本项目旨在引导学生学习和掌握Excel工具的运用，重点内容包括绩效数据Excel处理和绩效数据Excel可视化。绩效数据Excel处理包括数据验证、快速填充、删除重复项等不少于5个任务的分析操作。通过绩效数据Excel可视化，展示KPI考核、员工信息、薪酬和销售业绩等数据，该部分包括销售业绩分布可视化、销售人员任务完成率可视化等不少于3个任务实践操作。

18、绩效大数据分析与应用：本项目旨在引导学生学习和掌握调查问卷设计、数据集成和Python可视化分析等技术，该部分不限于4个任务的操作实践，数据集成引导学生实现年度薪酬等不少于6个数据集的关联；通过分析绩效数据，探索城市经理销售团队、区域KPI指标完成情况和团队特征等方面的信息，该部分包括绩效考核等级分布分析和区域KPI考核成绩分析等不少于17个任务的分析操作实践。在此基础上，重点涵盖数据模型构建和预测模块，包括绩效数据挖掘与预测等不少于3个任务操作实践。

19、人才盘点数据分析概述：本项目包括人才盘点数据分析知识核心内容，旨在引导学生学习和掌握人才盘点数据Excel处理、人才盘点数据指标等不少于7个维度的人才盘点理论知识，为后续人才盘点数据分析实践项目打下坚实理论基础。

20、人才盘点数据可视化分析：本项目旨在引导学生学习和掌握Excel工具的运用，重点内容包括人才盘点数据Excel处理和人才盘点数据Excel可视化。人才盘点数据Excel处理包括数据验证、快速填充、删除重复项等不少于5个任务分析操作。通过绩效数据Excel可视化，展示人才盘点考核等级比例可视化、部门人才盘点结果可视化等不少于3个任务实践操作。

21、人才盘点大数据分析与应用：本项目旨在引导学生学习和掌握人才盘点数据采集、数据预处理、可视化分析等技术，探索人才盘点基本信息、人才盘点数据等方面的信息，****公司员工数量分析、公司部门分析、公司绩效考核结果分布、公司离职率分析等不少于20个任务的分析操作实践。在此基础上，重点涵盖数据模型构建和预测模块，包括人才盘点数据挖掘、绩效聚类结果分析等不少于6个任务的操作实践。最后，进行人员潜力评估以及接替计划，涵盖公司绩效潜力九宫格分析等不少于3个任务分析操作实践。

套

31

序号

设备名称

主要技术规格及参数要求

数量

单位

2

营销大数据综合实践教学平台

数智营销实验实训平台集成了真实产业商用平台：数据分析系统及代码编辑器，并包含辅助实验系统数据清洗系统、数据挖掘系统、仿真实验系统，满足数智营销多门课程的实验实训需求。该平台以实际业务场景为基础，通过模拟真实环境，让学生在实践中掌握市场营销的核心理论和实践技能。可以实现多人同时在线操作，提高学生的实践能力和团队协作能力。同时，该平台还提供了丰富的案例和实战演练，帮助学生更好地理解和应用所学知识。

一、数据分析系统功能指标

1、数据填报：可进行在线表单数据填报，多种表单控件，自定义表单审批流程，三级审批管理。

2、消息中心：消息中心能够查看平台所有消息的记录，默认按时间倒序排列。消息分为我的警报、产品更新、系统消息三类。

3、数据连接：支持用户连接各种数据源，拖拽方式搭建表关系，设置筛选条件，建立数据模型；支持常见的关系型数据库MySQL、Oracle、SQL Server、JDBC数据库驱动、ODBC数据库驱动，通过配置实现数据的连接和表的导入，与权限结合，满足数据权限管理的需求；支持本地数据Excel或csv文件上传。

4、数据整理：据整理模块支持用户通过拖拽的方式，所见即所得的进行数据的整合和清洗，同时支持用户通过sql生成复杂的数据集；创建的数据集可以是实时从数据库获取数据，同时支持设置不同的物化规则，把分析数据按照业务规则抽取到执行库中，保证分析数据的执行效率。

5、数据关联：支持对多个数据源，包含企业数据库、填报数据、本地数据（Excel、CSV）的不同表之间设置关联；支持拖拽方式搭建表间关联（内关联、左关联、右关联、全关联）关系；支持拖拽方式追加多张表，构建union数据集；支持多表关联时自动和手动对同名字段进行匹配。

6、数据合并：支持拖拽方式追加多张表，构建union数据集。

7、数据转换加工：支持用户对数据集进行自定义操作，包含数据的类型指定和转换，数据筛选，字段的自定义分组和自定义添加计算字段；同时支持用户查看表和数据集的关联关系及更新记录，实现数据的溯源。

8、数据筛选：用户可以通过筛选对数据集进行查询和筛选，支持用户通过多个条件筛选和公式筛选进行数据过滤；通过条件筛选时，选择筛选字段，自动根据字段类型可以选择操作符，筛选值中支持选择动态变量（包含用户名、租户名称、显示名、部门、角色、手机、部门电话）或者枚举值。

9、数据物化：支持用户选择实时连接或者物化，若选择物化，则数据分析系统定时从各个业务数据库把数据抽取到数据分析系统，并按照一定频率进行更新；基于物化创建的嵌套数据集自动更新，若底层数据集更新，则与之相关的上层数据集都依次更新，进而可视化和故事板的数据更新；数据物化支持用户设置物化频率到天、时、分、秒，设置物化开始时间和截止时间；同时显示刷新时间，用户可以自动或者手动去刷新数据。

10、内置可视化图表：目前内置有34种图表，包括柱状图、阶梯瀑布图、条形图、图案填充条形图、堆叠柱状图、堆叠条形图、饼图、环形图、玫瑰图、折线图、堆叠区域图、中国地图、散点中国地图、世界地图、迁徙图、百度地图、双轴图、仪表盘、表格、指标图、气泡图、漏斗图、热力图、矩形树图、雷达图、桑基图、和弦图、词云图、时序预测图、回归分析图、子弹图、直方图。

11、自定义可视化图表：图表可自定义配置，样式自定义编辑；支持引入echarts第三方图表并自定义配置。

12、辅助线和预警线：用户通过辅助线可以快速识别出数据中的异常值；预警线除了识别出异常值，还支持用户设置预警的级别和预警推送的对象，不同层级对象对于同一个指标可以设置不同的预警规则；预警级别三级，不同的预警级别可以设置不同的信息推送媒介，包含系统信息、短信、微信服务号、邮箱，用户可以自己设置。

13、自定义多层钻取：支持用户自定义钻取路径，拖拽层级字段到维度后选择图形则实现对数据的下钻和上卷，点击图可以逐层查看数据；同时支持用户设置每一层的图形样式和字段数量，实现每一层级的自定义。

14、图表参数设置：支持对图表的样式进行显示设置，包含显示的名称、缩放比例、前缀、后缀、条件格式等；同时可以设置坐标轴的标题、单位等，方便用户查看数据等。

15、故事板（可视化看板）：支持用户选择可视化、创建综合分析界面，设置联动、链接；选择多个可视化创建故事板，把可视化对象在故事板页面中拖拽布局，支持故事板页面分页；支持页面灵活布局，拖拽位置和可视化对象大小；支持设置展示属性，添加全局筛选、文本、图片；设置图表、联动，支持多个数据集设置字段关联；支持设置链接，可链接打开故事板和第三方对象，并传递参数。

16、故事板控件：包含过滤器、层级过滤器、文本、图片、嵌入URL、标签控件；支持对多个可视化进行过滤筛选，支持创建数据层级并通过树形对可视化对象进行筛选，支持输入文本文字和插入计算字段的方式形成智能报告，文字和计算字段的样式等均可以设置，支持插入图片，支.png">下载下载

17、计算字段：可**数值、日期和字符三种计算字段，支持自定义表达式输入。

18、函数与变量：在计算字段中可使用字符串函数10种、日期函数7种、数学函数11种、上下文函数2种、判断函数2种；通过函数与变量可进行诸多复杂数据清洗、数据集成。

19、平台集成：支持从DBE教学管理平台一键登录系统，并获取相应权限数据。

二、代码编辑器功能指标

1、自主研发，属于国产产品，内置180个以上常用库，上课时可直接调用，免去繁琐安装环节；内置常用库包括：pandas，matplotlib，pandas-datareader，scipy，PyMySQL，snownlp，gensim，pytest，mlxtend，pyfolio，turtle等。

2、支持“代码模式”，可自定义编写Python代码并运行，包括但不限于数据清洗、数据集成、数据可视化、数据转换、数值模拟、统计建模、机器学习等功能；代码模式分为4块区域，引导说明区、目录文件操作区、文件操作区、运行结果展示区；支持文件下载功能；文件操作区包含运行脚本、终止运行脚本、重置并恢复预置脚本、清空当前脚本、保存脚本、提交脚本功能。

3、支持“积木模式”，积木模式包含显示字符串内容、数字变量、字符变量、列表类型变量、元祖类型变量、字典类型变量、集合类型变量、数学运算、数字格式、数字类型转换、字符串与字符串拼接、变量与变量拼接、输出列表变量、输出元祖变量、输出字典变量、数据变量、代码注释积木等应用；

4、支持白天模式和黑夜模式；支持**Python脚本与**文件夹及其子文件夹；支持上传文件，格式满足于：csv,xlsx,xls.png">下载下载

5、内置支持预览CSV文件、图片（PNG、JPG、GIF等）与在线预览HTML文件。编辑区可根据对应文件类型自动代码提示、代码高亮。可对全部文件搜索。支持任务描述、Markdown操作步骤、操作视频、参考答案的功能展示，并可以自由切换及关闭；支持多页签显示脚本；持响应式交互，运行input函数等；支持运行SQL数据库；支持左右屏展示操作步骤及代码编辑区域，并可拖拽调节左右区域位置大小。

6、采用数据流式处理设计：默认流程为选择数据源-配置全局清洗规则-配置按字段清洗规则-开始清洗，采用流式非闭环模式，执行清洗时将严格按照此流程顺序执行。

7、数据源选择：支持通过教学管理平台预置数据，支持学生自行上传数据表格。

8、数据源预览：支持在当前页面查看数据源数据预览，预览数据条数用户可自行调整。

9、全局清洗规则：支持两种字符清理以及四种字符替换全局规则，具体包括非法字符清洗、空格清理、“-”（仅有）替换为“Null”、“-”（仅有）替换为“0”、空格（仅有）替换为“Null”、空格（仅有）替换为“0”，这些清洗规则将应用于全部表记录中。

10、按字段清洗规则配置：支持最多添加15条清洗规则，规则可以拖动排序（执行顺序将不同），也可以删除不需要的规则。

11、规则-字符替换：支持添加多个目标数据列（字段），将原内容进行批量替换成目标内容。

12、规则-字段切分：用户可以一次性对最多5个字段进行按分隔符进行切分的规则设定，每个被切分的字段可以按照内容中含有的第一个分隔符切分成前后两列数据；用户可自定义按照字段值里的某些字符进行切分，每个字段都可以重命名切分后的两个字段名称。

13、规则-字段合并：用户可自定义最多5个字段合并为一个字段，并可设定合并后的内容连接符。

14、规则-缺失值填补：支持均值填补法、中位数填补法和0值填补法，也可以选择遗弃含有缺失值的数据行。

15、清洗结果预览：支持在当前页面查看清洗结果数据预览，预览数据条数用户可自行调整。

16、清洗结果数据下载：支持用户自行下载清洗完成的数据到本地客户机。

17、操作指引：支持通过教学管理平台预置数据清洗任务的任务描述、操作步骤以及操作演示视频。

18、任务重置：支持通过重置清空流程内的所有配置信息。

19、任务集成：支持通过教学管理平台集成具体的清洗任务、清洗数据源、任务操作说明等信息。

20、系统环境：以机器学习算法为内容，系统环境Python版本3.7，预置算**包含scikit-learn、jieba等内容。

21、采用任务流式处理设计：默认流程为选择数据源-配置模型-开始建模-选择预测数据-开始预测，采用流式非闭环模式，执行数据挖掘时将严格按照此流程顺序执行。

22、数据源选择：支持通过教学管理平台预置数据，支持学生自行上传数据表格。

23、数据源预览：支持在当前页面查看数据源数据预览，预览数据条数用户可自行调整。

24、机器学习算**：

25、有监督学习包括：回归分析多元线性回归算法、逻辑回归算法，分类分析朴素贝叶斯算法、决策树算法，文本分析。

26、无监督学习包括：聚类分析K-Means、模糊C均值聚类、降维分析PCA算法。

27、时间序列：ARIMA、简单指数平滑法、皮尔逊相关系数结果、霍尔特-温特指数平滑法、霍尔特指数平滑法。

28、算法调参：支持学生基于选用的模型进行参数配置和调整。

29、变量选择与数据集切分：支持添加多个自变量，并可设置按比例随机抽选训练集与测试集。

30、模型质量评估：通过测试集模型验证结果的对比，可对模型质量进行评估指标和拟合情况评估。

31、预测集（支持预测功能的算法可用）：完成建模步骤后可上传新的预测数据集进行因变量结果预测。

32、预测结果预览：支持在当前页面查看预测结果数据预览，预览数据条数用户可自行调整。

33、结果数据下载：支持用户自行下载模型质量数据报告以及预测完成的数据到本地客户机。

34、操作指引：支持通过教学管理平台预置数据挖掘任务的任务描述、操作步骤以及操作演示视频。

35、任务重置：支持通过重置清空流程内的所有配置信息。

36、任务集成：支持通过教学管理平台集成具体的挖掘任务、数据源、任务操作说明等信息。

37、模拟主流电商交易平台首页、服装类商品列表页和商品详情页；支持按商品分类、商品品牌、价格区间查询或筛选；商品详情页面能够动态显示商品主图、名称、**价、券后价、尺寸、库存数量、月销量、商品评价以及详情属性等信息。

38、系统内置丰富的服装商品数据，并支持教师依据课程设计自主批量导入、上传、替换、维护商品数据，且可以自主选择自建数据方案、预置数据方案或混合数据方案，满足个性化教学设计创新需求。

39、网站商品数据支持学生运行Python代码完成数据爬取，避免使用真实网站带来责任事故。

40、模拟头部社交平台ABTest实验流程，支持建立广告投放实验对照组，并可以按素材定向、人群定向、预算定向三种方式进行效果实验，建立对应实验组。

41依据实验情况可以动态生成实验报告，实验报告包含对照组和实验各组的进组用户数、进组占比、广告点击率、差异绝对值、差异相对值、置信区间、P-Value值等数据，以及根据实验数据自动生成的对照组和实验各组概率分布正态图。

42、依托系统可进行不同深度教学设计，整体系统让学生沉浸式感受ABTest实验过程，并了解数据解析逻辑，掌握实验数据分析及精准投放策略优化方法。

43、营销大数据课程是旨在培养兼具大数据技术与营销知识的复合型人才。紧密结合企业营销数据场景，将大数据技术与营销决策相融合，使学生掌握在营销大数据各模块典型业务场景中的数据洞察和营销决策能力。通过学习，学生将具备全局视角和战略眼光，能够灵活运用所学知识解决实际营销问题。本课程不仅教授学生大数据技术，更注重培养学生的综合能力和实战经验，使其成为具有市场竞争力的复合型营销人才。

44、课程涵盖6个项目，45个子项目，127个任务，137个授课文档（含PPT\PDF\富文本文档），10道测试题，内置数据及代码类文件41个（含27个脚本，14个文件）。

45、支持包括大数据在营销中的应用、消费者行为分析、商品价格分析、广告精准营销分析、连锁经营选址分析和网络促销分析的理论知识教学，不少于12个教学文档。

46、支持教授学生理解大数据在营销领域典型应用场景的相关理论知识，培养学生的大数据思维。

47、支持学生完成随堂测验，系统自动评分；支持教师获取学生随堂测验的完成情况，开展学情分析。

48、在支持开展基于企业视角的消费者行为洞察分析，在了解项目情境的基础上，进行项目数据准备、消费者画像、消费者价值分析、消费者购物篮分析、消费者行为分析报告撰写的多维度营销大数据分析训练。

49、预置企业真实案例背景信息，让学生清晰并明确项目目标。

50、预置真实企业脱敏数据，包括消费者信息数据、商品数据、电商渠道销售订单数据、门店渠道销售订单数据等多维度数据，数据指标不少于20个，数据量不少于29,000条。

51、支持制定消费者行为分析数据收集方案，应用数据清洗教学系统完成数据预处理；支持对不同数据源进行关联、追加等数据分析准备操作。

52、支持应用数据分析系统、代码编辑器等工具进行消费者画像分析、消费者RFM分析，以及数据可视化；代码编辑器内预置可实现RFM模型分析的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

53、支持自主设计、构建分析模型，应用数据分析系统、代码编辑器等工具完成模型计算。

54、支持应用代码编辑器完成消费者购物篮分析，完成商品关联营销实施方案；代码编辑器内预置可实现关联规则分析的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

55、预置消费者行为分析报告模板，支持参照模板完成分析任务，提出营销建议。

56、支持学生提交作业；支持教师获取学生的作业的完成情况，开展学情分析。

57、支持根据学情自主上传数据，开展教学和科研活动。

58、在支持开展基于企业视角的商品价格分析报告制定，在了解项目情境的基础上，进行项目数据准备、商品数据分析、竞品价格分析、商品个性化定价策略、商品定价策略分析报告撰写的多维度营销大数据分析训练。

59、预置企业真实案例背景信息，让学生清晰并明确项目目标。

60、预置真实企业脱敏数据，包括销售订单数据、消费者信息数据、商品信息数据、商品成本数据、消费者线上浏览及行为数据、竞品商品数据等多维度数据，数据指标不少于40个，数据量不少于24,000条。

61、支持制定商品价格分析数据收集方案。

62、支持应用数据分析系统、代码编辑器、EXCEL等工具进行商品毛利分析、商品ABC分析，定位重点分析商品。

63、支持通过爬虫代码抓取电商仿真网站中的竞品数据信息；支持应用代码编辑器完成爬取数据清洗；代码编辑器内预置可实现爬虫功能的Python代码，支持补齐代码后一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

64、电商仿真网站：模拟主流电商交易平台首页、服装类商品列表页和商品详情页；支持按商品分类、商品品牌、价格区间查询或筛选；商品详情页面能够动态显示商品主图、名称、**价、券后价、尺寸、库存数量、月销量、商品评价以及详情属性等信息；系统内置丰富的服装商品数据，并支持教师依据课程设计自主批量导入、上传、替换、维护商品数据，且可以自主选择自建数据方案、预置数据方案或混合数据方案，满足个性化教学设计创新需求；网站商品数据支持学生运行Python代码完成数据爬取，避免使用真实网站带来责任事故。主数据源包含商品类别15类以上，商品数据10000条以上；数据字段100以上。

65、支持应用数据分析系统实现对清洗后的竞品数据分析及数据可视化。

66、支持应用数据挖掘教学系统的“模糊C均值聚类模型”实现对客户支付意愿模型的计算。

67、支持应用代码编辑器实现基于客户支付意愿的“遗传算法”计算，得出商品个性化定价策略；代码编辑器内预置可实现遗传算法的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

68、预置商品价格分析报告模板，支持参照模板完成分析任务，提出营销建议。

69、支持学生提交作业；支持教师获取学生的作业的完成情况，开展学情分析。

70、支持根据学情自主上传数据，开展教学和科研活动。

71、在支持开展基于企业视角的广告精准营销，了解项目情境的基础上，进行项目数据准备、广告投放数据预处理、广告投放效果分析、会员数据分析、目标用户画像分析、竞品数据分析、广告优化试投分析、广告精准营销分析报告撰写的多维度营销大数据分析训练。

72、预置企业真实案例背景信息，让学生清晰并明确项目目标。

73、预置真实企业脱敏数据，包括店铺网站流量监控数据、微信端投放结果数据、微博粉丝通投放结果数据、小红书投放结果数据、抖音投放结果数据、会员画像数据、会员积分数据、目标人群标签爬取数据、竞品评价爬取数据、竞品传播数据、广告盈亏平衡分析数据等多维度数据，数据指标不少于110个，数据量不少于80,000条。

74、支持制定广告精准营销分析数据收集方案。

75、支持应用数据清洗教学系统完成广告精准营销数据预处理。

76、支持应用数据分析系统、数据挖掘教学系统（K-means聚类分析）等分析工具、分析方法完成广告流量分析、广告转化情况分析、广告投放内容分析、广告投放用户分析、广告渠道效果分析、广告投放盈亏效果评估及数据可视化。

77、支持应用数据分析系统、代码编辑器完成用户画像分析及数据可视化；代码编辑器内预置可实现用户画像分析的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

78、支持应用代码编辑器完成竞品数据分析、竞品文本数据（非结构化数据）分析；代码编辑器内预置可实现竞品数据和竞品文本数据分析的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能；支持应用数据分析系统完成竞品传播数据分析。

79、支持应用ABTest广告优化策略仿真系统，进行广告试投，并分析AB组实验结果，得出广告投放策略。

80、ABTest广告优化策略仿真系统：模拟头部社交平台ABTest实验流程，支持实验模式与实验目标设定、创建广告实验基础信息；通过设置预算与出价、选择投放位置、创意制作等建立广告投放实验对照组；可以按素材定向、人群定向、预算定向三种方式进行效果实验，建立对应实验组；依据实验情况可以动态生成实验报告，实验报告包含对照组和实验各组的进组用户数、进组占比、广告点击率、差异绝对值、差异相对值、置信区间、P-Value值等数据，以及根据实验数据自动生成的对照组和实验各组概率分布正态图。

81、预置广告精准营销分析报告模板，支持参照模板完成分析任务，提出营销建议。

82、支持学生提交作业；支持教师获取学生的作业的完成情况，开展学情分析。

83、支持根据学情自主上传数据，开展教学和科研活动。

84、在支持开展基于企业视角的连锁经营选址策略，在了解项目情境的基础上，进行项目数据准备、商圈分析及门店经营评估、商圈定位分析、商圈消费者分析、门店投资回报预测分析、连锁经营选址分析报告撰写的多维度营销大数据分析训练。

85、预置企业真实案例背景信息，让学生清晰并明确项目目标。

86、预置真实企业脱敏数据，包括中国城市数据、城市商圈数据、门店分布数据、消费者分布数据、商圈业态数据、商圈饱和度、餐饮热度数据、客群画像数据、交通状况数据、外卖洞察数据、门面租金数据、门店销售预测数据、门店流量数据等多维度数据，数据指标不少于40个，数据量不少于20,000条。

87、支持制定连锁经营选址分析数据收集方案。

88、支持应用代码编辑器，结合门店分布、会员位置、人口密度数据，完成地图打点、绘制热力图、圈定商圈；代码编辑器内预置可实现地图打点功能的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

89、支持应用数据分析系统实现门店经营数据分析及数据可视化，结合热力图得出门店关停、开设决策依据。

90、支持应用数据分析系统、代码编辑器，结合外卖数据和第三方的商圈业态、餐饮热度、人群特征、交通状况数据，进行城市数据指标分析、商圈属性分析、商圈外卖竞争情况、商圈饱和度分析、商圈流量分析，并完成数据可视化；代码编辑器内预置可实现竞争度评分功能的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

91、支持应用数据分析系统、代码编辑器实现层次分析法（AHP），确定门店选址商圈；代码编辑器内预置可实现层次分析法（AHP）的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

92、支持应用数据分析系统对商圈消费者画像、消费者购买力进行分析及可视化。

93、支持应用数据分析系统对新店情况进行投资回报预测分析及数据可视化，验证选址结论。

94、预置连锁经营分析选址报告模板，支持参照模板完成分析任务，提出营销建议。

95、支持学生提交作业；支持教师获取学生的作业的完成情况，开展学情分析。

96、支持根据学情自主上传数据，开展教学和科研活动。

97、在支持开展基于企业视角的网络销售策略，在了解项目情境的基础上，进行项目数据准备、双十一总体情况预测、双十一重点营销客户画像、双十一流量分析、旗舰店大促流量策略、促销组合策略、网络促销分析分析报告撰写的多维度营销大数据分析训练。

98、预置企业真实案例背景信息，让学生清晰并明确项目目标。

99、预置真实企业脱敏数据，包括历年双十一平台成交数据、企业历史订单数据、店铺运营流量日报数据、双十一在售商品数据、促销活动结果数据、单品预热期订单数据等多维度数据，数据指标不少于40个，数据量不少于414,000条。

100、支持制定网络促销分析数据收集方案；应用数据清洗教学系统完成双十一销售策略数据预处理。

101、支持应用代码编辑器，结合历年双十一成交数据，实现双十一总销量预测及数据可视化；代码编辑器内预置可实现销售预测的Python代码，支持一键运行；支持对预置Python代码的修改、清空、重置、保存等功能。

102、支持应用数据分析系统，实现重点销售商品分析及数据可视化，确定双十一主打促销商品，制定当年双十一销量目标。

103、支持应用数据分析系统，实现双十一重点营销客户画像分析，明确重点营销人群。

104、支持应用数据分析系统，实现双十一流量结构分析、免费流量分析和付费流量结构分析，确定促销流量策略。

105、支持应用数据分析系统，实现预热期的购物车转化率和预热期销售占比分析及数据可视化，得出目标销量下的大促流量需求。

106、支持应用数据分析系统，实现促销组合效果分析，完成组合促销决策。

107、预置网络促销售分析报告模板，支持参照模板完成分析任务，提出营销建议。

108、支持学生提交作业；支持教师获取学生的作业的完成情况，开展学情分析。

109、支持根据学情自主上传数据，开展教学和科研活动。

1

套

3

人力大数据综合实践教学平台

（一）平台技术指标

1、平台总体基于领域驱动设计（DDD）理念进行分布式架构设计实现，基于前后端分离和分布式微服务的弹性计算架构实现；后端基于Java Spring Cloud微服务开发框架，前端NodeJS＋React服务化开发；具备业务高内聚低耦合、满足高性能、高并发、高可用、跨平台、跨语言等特点。

2、平台支持公有云/专属云/私有云/混合云模式部署，通过开放平台（Open API），支持ISV(独立平台开发商)接入，标准化、规范化的接入方式，并提供接入指南，使接入更高效。

3、采用Nacos ****中心****中心、Spring Cloud Gateway作为网关，实现服务的负载均衡和路由转发等特性。

4、基于全流程DevOps自动化运维，支持持续集成、分析、服务注册与发现、持续部署的研发管理方式敏捷研发。

5、平台支持自由添加服务器，进行智能化的**调度与分配，能够同时管理多个服务器节点、对服务器进行案例配置、更改路由。

6、基础服务层支持多数据源，适配**云RDS和本地MYSQL，同时使用于Redis高速缓存对数据进行缓存，支持高并发，支持纯本地化、

数据源。

7、平台兼容主流浏览器（Chrome, Edge）,无需安装任何客户端及插件。

8、支持TLS与SSL在传输层对网络连接进行加密，保证数据的安全性。

9、提供通过对客户端埋点接口调用，对用户行为进行数据采集和大数据分析。

10、支持数据爬虫Python脚本的在线编辑和执行。

11、数据分析支持MySQL、SQL server、oracle等主流JDBC驱动的数据库接入。

12、内置多元回归、朴素贝叶斯、决策树，文本分析、K-Means、降维分析等数据挖掘技术。

（二）平台功能

1.院校管理功能

1、管理员工作台：支持依据角色的使用场景进入不同的工作台。支持管理员查看本校基本统计信息，包括成员总数，学生数，教师数，当前在线人数。可查看本校自建或购买的课程数量，本校教学班的教学中、未开始和已完成数量。可查看本校公告信息。

2、基本信息：****学校信息，如：院校简介、院校logo等基本信息进行维护。

3、公告管理：发布学校公告，并支持随时**发布、编辑、删除等操作。

4、组织架构管理：****学院、专业、班级；支持自定义名称；支持通过导入成****学校的组织架构；支持组织结构的增加、修改；支持专****学院\专业。

5、教师信息管理：支持新增\批量导入教师，并进行基本信息维护（姓名、性别、学院、专业、教工号、手机、邮箱等）；支持批量修改用户登录密码；支持批量删除教师。

6、学生信息管理：新增\批量导入学生名单，并进行基本信息维护（姓名、性别、学院、专业、班级、学号、邮箱、手机等）。支持批量修改用户登录密码；支持设置学生毕业；支持批量删除学生。

7、在线用户管理：支持查看当前在线用户人数、授权使用率和最大在线人数。支持查看在线用户详情，包括但不少于姓名、角色、所在组织机构、使用设备、登录时间和在线时长；支持进行下线和批量下线操作。

8、课程管理：支持对课程进行团队管理，给教师授权课程权限；支持查看课程列表，搜索课程。

9、项目管理：展示学校已购买课程的全部项目，可以查看项目名称、项目类型、项目难度、版本等信息；支持按照项目名称、编码等搜索项目。

10、考试题库：展示学校已购买题库，展示学校建立的全部题库，并可进行实体分类编辑、试题添加，支持批量导入试题。

2.教师平台功能

1、支持用户修改姓名、性别、头像、个性签名等信息；支持用户退出登录；

2、支持查看待办事项，包含未发布、进行中教学班和考试；

3、支持查看个人创建的课程开班情况、课程考勤情况、课程完成情况、课程总结提交情况；教师本人管理班级中，支持查看教学班的学生成绩排行榜与学生能力排行榜；学生完成课程项目后，支持展示学生能力词云、职业能力成长信息；

4、支持创建教学班，选择已有课程或自定义课程内容添加教学内容；支持发布、复制、删除、关闭教学班；支持设置教学班名称、开始时间、结束时间；支持直接授权，选择班级加入学生；支持邀请码授权，生成邀请码，邀请码模式支持审批后加入或不审批直接加入。

5、支持创建后编辑课程名称、课程标签、课程概述、课程目标、预学知识；

6、支持教师复制教学班，将已个性化编辑后的内容应用于其他班级。

7、支持闯关、自由两种教学模式。支持针对任务、答案进行开放/收回；

8、支持针对教学内容进行灵活设置，添加删除项目、调整项目顺序，添加删除项目任务等。支持教师添加和修改或替换视频、文档、网页链接、富文本、作业、团队成果、随堂测验等内容，更好的个性化教学。

9、展示班级内班级人数、学习人次、实战项目数量、理论项目数量、总能力值、课程知识图谱、课程思维导图、能力词云、主讲老师等信息；

10、支持班级课程编辑，支持添加、修改、删除章节；支持添加、删除项目；支持编辑简介；

11、学生管理：支持教师查看已加入当前班级的学生列表与申请加入班级的学生列表；教师可审批通过邀请码方式加入的学生，支持批量通过审批；支持教师将学生移除教学班、批量重置学生密码；支持通过模板批量导入学生。

12、团队管理：支持教师发起团队分组，设置组数和每组人数。设置分组后可以设置教学班内团队的组长，为小组添加\删除小组成员。教师可查看班级中未进入团队的学生，支持刷新团队信息。

13、考勤：支持在课堂上随时发起签到，支持设置开始签到时间，学生可输入老师发布的签到口令进行签到；支持教师根据实际情况，调整班级内学生的签到结果；支持老师通过班级和学生两个维度查看班级考勤详情；支持教师查看班级平均签到率及统计签到次数。支持老师导出学生签到考勤；

14、进度：支持教师按照学生和教学大纲两种维度查看进度；可查看学生完成教学组件的情况，统计各组件学习次数、学习时长等数据；支持学习记录导出。

15、作业：可按全部、待评分、已完成筛选查看学生提交的作业；可查看每个作业的提交情况、下载作业、对作业进行评分；可自定义批量下载或全部打包下载学生提交的作业；可退回学生的作业附件；可针对学生作业进行批量评分；

16、测验：教师可查看学生随堂测验和视频测验的详情（测验名称、题数、完成人数、平均分数、每个学生当前试卷的答题详情等），教师还可通过学情分析从测验试题的维度查看详情，支持查看每道题题干和答题选项，以及每个选项正确率，和每个学生该道题的答题情况等信息。

17、总结：支持教师对学生总结进行查看和打分；支持个人总结和团队总结两种总结提交方式，并支持分别打分和设置考核权重；支持查看未提交人数或未提交团队数；支持批量导出学生总结；支持教师退回已提交的总结，学生可重新提交。

18、项目报告：支持个人报告和团队总结两种总结提交方式，并支持分别打分和批量打分；支持查看未提交人数或未提交团队数；支持批量导出学生报告；支持教师退回已提交的报告，学生可重新提交。

19、团队成果：支持查看全部、待评分、已完成的团队成果进行查看；****小组提交情况、小组评分情况、小组排名等信息；可通过组内评分、组间互评、教师评分等方式进行成果评分；支持设置是否****小组的团队成果；支持教师在开启互评后退回已提交的团队成果，学生可重新提交；支持教师打包下载学生成果；

20、班级公告：支持发布班级公告并添加附件，展示公告名称、发布时间、发布人；支持随时编辑和删除公告。

21、班级设置：展示教学班信息；支持设置修改班级基本信息，包括教学班名称、开班时间、结束时间、上传班级封面；支持设置授课团队，支持同一个班级最多 5 名主讲老师，最多20 名课程助教，并且可随时修改；

3.学生平台功能

1、支持修改姓名、头像、性别、个性签名等基本信息；支持学生登录和退出登录；

2、支持展示学生基本信息；支持学生进行教学班签到，学生输入签到口令，响应教师发起的签到进行考勤；

3、支持展示学生当前正在学习课程、尚未完成考试的数量；支持展示所学课程的有效期、学习进度；支持展示考试的截止时间；

4、支持学生加入已配置能力模型的课程，展示学生当前课程相关的能力掌握情况与能力进阶情况；预测学生的能力情况与岗位能力要求的匹配度；支持学生切换不同岗位/岗位群查看匹配度与职业路径。

5、支持根据学生的学习进度及学习情况智能推荐项目，展示项目的名称、难度等信息，支持学生点击项目卡片进入项目进行学习。

6、支持根据学生已学课程自动生成学生个人的知识图谱；

7、支持学生通过输入邀请码加入课程；支持查看与复制课程的邀请码；

8、支持学生查看当前参与的学习中、未开始、已结束的课程，支持查看课程的封面、名称、学习进度、课程学时、开课时间、主讲老师、课程版本等信息；

9、支持查看课程的课程简介、训练计划、能力词云、思维导图、知识图谱、公告等信息；支持根据“理论项目”、“实战项目”筛选项目；

10、支持查看课程知识图谱，支持查看全部节点与关系，支持画布的拖拽、缩放；支持小窗口展示全部知识图谱地图；

11、知识图谱中支持选中单个节点且高亮与该节点相关的其他节点与关系；支持搜索节点并快速定位到节点所在位置；支持****中学习的先后顺序串联高亮整个知识图谱中的节点；支持通过选择项目高亮多个节点；支持通过选择关系类型高亮多个节点与关系；

12、支持查看项目中每个任务的名称、类型、学习次数、平均学习时长、任务状态；支持通过点击任务上的“进入任务”按钮进入任务进行学习；

13、支持学生查看、下载项目中的相关知识；

14、支持学生上传和提交个人项目报告，团队组长可以上传和提交团队项目报告；已提交的报告可由教师进行退回，学生重新提交；支持查看报告完成情况。

15、支持学生按照教师设置的学习内容进行项目学习，支持基于理论项目和实战项目进行学习。支持按照教师设置的学习模式进行学习，包含闯关模式与自由模式；

16、支持学生上传和提交个人总结，依据教师要求，组长还可上传和提交团队总结，提交后支持查看教师评分情况。

17、支持学生切换教学班分别查看自己所在教学班的学情数据，包括老师人数、学生人数、班级进度、考勤率、习题正确率、教师评分、成绩；可查看能力成长数据。

（三）数据分析系统

1、系统概述：数据分析系统提供从数据抽取、数据加工处理、数据存储、自助数据分析到数据可视化于一体的BI工具应用。支持连接多种类型数据源，跨数据源取数；支持自带ETL流功能，能够完成针对多源异构系统的数据进行抽取、清洗、加工处理、装载到工具自带的多维数据仓库中；支持直接连接已有的大数据平台；支持基于BI的多维数据仓库或所连接的数据源进行OLAP多维度自由分析；支持用户自主拖拽设计满足个性化需要的业务分析界面或管理驾驶舱；支持通过PC、移动端、大屏查看报表及分析数据。

2、系统环境：支持本地化部署私有云认证服务器。客户端兼容IE8以及IE8以上、Chrome、Edge、火狐等主流浏览器；服务器端支持Tomcat, WebLogic、WebSphere、JBoss、Resin等主流WEB应用中间件。

3、数据上传。可以通过上传数据来采集分析数据，设计者用户可以在数据准备节点上传本地的数据文件（如Excel、CSV）到系统中，进一步支持分析。上传数据可以追加数据、替换数据。同时满足数据填报，支持根据业务自定义表单和流程，把线下数据纳入系统统一管理，进一步支持分析。

4、数据集成。支持不同数据表之间的数据关联和数据追加。用户可以预览数据、查询表和数据集的关联情况，被哪些数据集、可视化使用等信息。****中心功能，消息中心能够查看平台所有消息的记录，默认按时间倒序排列。消息分为我的警报、产品更新、系统消息三类。

5、数据连接。支持用户连接各种数据源，拖拽方式搭建表关系，设置筛选条件，建立数据模型。支持常见的关系型数据库MySQL、Oracle、SQL Server、JDBC数据库驱动、ODBC数据库驱动，通过配置实现数据的连接和表的导入，与权限结合，满足数据权限管理的需求。

6、数据整理。支持用户通过拖拽的方式，所见即所得的进行数据的整合和清洗，同时支持用户通过sql生成复杂的数据集；创建的数据集可以是实时从数据库获取数据，同时支持设置不同的物化规则，把分析数据按照业务规则抽取到执行库中，保证分析数据的执行效率。

7、数据关联：支持对多个数据源，包含企业数据库、填报数据、本地数据（Excel、CSV）的不同表之间设置关联；支持拖拽方式搭建表间关联（内关联、左关联、右关联、全关联）关系；支持拖拽方式追加多张表，构建union数据集；支持多表关联时自动和手动对同名字段进行匹配。同时满足数据合并，支持拖拽方式 多张表，构建union数据集。

8、数据转换加工。支持用户对数据集进行自定义操作，包含数据的类型指定和转换，数据筛选，字段的自定义分组和自定义添加计算字段。同时支持用户查看表和数据集的关联关系及更新记录，实现数据的溯源。

9、数据物化。支持用户选择实时连接或者物化，若选择物化，则系统定时从各个业务数据库把数据抽取到系统，并按照一定频率进行更新。基于物化创建的嵌套数据集自动更新，若底层数据集更新，则与之相关的上层数据集都依次更新，进而可视化和故事板的数据更新。数据物化支持用户设置物化频率到天、时、分、秒，设置物化开始时间和截止时间。同时显示刷新时间，用户可以自动或者手动去刷新数据。

10、数据可视化：平台内置不少于35种可视化图表，包括主流数据可视化分析图像和玫瑰图、和弦图、词云图、桑基图等高级图表；支持引入echarts第三方图表并自定义配置；支持自定义扩展图形控件支持设置排序（升序、降序、自定义排序）、同比、环比、累计求和等快速计算；支持指标设置格式化，设置前导符、后导符、缩放比例、千分位；支持筛选和图内筛选；支持设置辅助线和预警线，帮助用户快速识别出图表中的异常情况；支持用户自定义多层钻取路径，拖拽层级字段到维度后选择图形进而实现对数据的下钻和上卷，点击图形可以逐层查看数据；同时支持用户设置每一层的图形样式和字段数量，满足复杂的业务钻取需求。

11、数据可视化看板：通过构建可视化看板，把独立的可视化结果整合成更具可读性的报告形式，达到快速通过可视化结果理解数据呈现的业务问题。用户通过拖拽方式可以自定义对可视化看板进行布局，对业务逻辑进行串联，表达业务场景。支持用户选择可视化、创建综合分析界面，设置联动、链接；选择多个可视化创建可视化看板，把可视化对象在可视化看板页面中拖拽布局，支持可视化看板页面分页；支持页面灵活布局，拖拽位置和可视化对象大小；支持设置展示属性，添加全局筛选、文本、图片；设置图表、联动，支持多个数据集设置字段关联；支持设置链接，可链接打开可视化看板和第三方对象，并传递参数；

12、满足计算字段功能。可**数值、日期和字符三种计算字段，支持自定义表达式输入。内置函数与变量。在计算字段中可使用字符串函数10种、日期函数7种、数学函数11种、上下文函数2种、判断函数2种。通过函数与变量可进行诸多复杂数据清洗、数据集成。

（四）代码编辑器

1、国内自主研发软件，内置180个以上常用库，上课时可直接调用，免去繁琐安装环节；内置常用库包括：pandas， matplotlib， pandas-datareader， scipy， PyMySQL， snownlp， gensim， pytest， mlxtend， pyfolio，turtle等。

2、支持“代码模式”，可自定义编写Python代码并运行，包括但不限于数据清洗、数据集成、数据可视化、数据转换、数值模拟、统计建模、机器学习等功能；代码模式分为4块区域，引导说明区、目录文件操作区、文件操作区、运行结果展示区；支持文件下载功能；文件操作区包含运行脚本、终止运行脚本、重置并恢复预置脚本、清空当前脚本、保存脚本、提交脚本功能。

3、支持“积木模式”，积木模式包含显示字符串内容、数字变量、字符变量、列表类型变量、元祖类型变量、字典类型变量、集合类型变量、数学运算、数字格式、数字类型转换、字符串与字符串拼接、变量与变量拼接、输出列表变量、输出元祖变量、输出字典变量、数据变量、代码注释积木等应用；

4、支持白天模式和黑夜模式两种主题风格之间的切换；

5、支持**Python脚本与**文件夹及其子文件夹；支持上传文件，格式满足于：

csv,xlsx,xls.png">下载下载

6、支持原创代码校验机制，代码提交时可自动校验是否正确。

7、内置支持预览CSV文件、图片（PNG、JPG、GIF等）与在线预览HTML文件。编辑区可根据对应文件类型自动代码提示、代码高亮。可对全部文件搜索。支持任务描述、Markdown操作步骤、操作视频、参考答案的功能展示，并可以自由切换及关闭；支持多页签显示脚本；持响应式交互，运行input函数等；支持运行SQL数据库；支持左右屏展示操作步骤及代码编辑区域，并可拖拽调节左右区域位置大小。

（五）数据清洗教学系统

1、采用数据流式处理设计。默认流程为选择数据源-配置全局清洗规则-配置按字段清洗规则-开始清洗，采用流式非闭环模式，执行清洗时将严格按照此流程顺序执行。

2、数据源选择。支持预置数据源及自行上传数据源，满足.xls, .xlsx格式要求。

3、全局清洗规则。支持两种字符清理以及四种字符替换全局规则，具体包括：非法字符清洗、空格清理、-（仅有） 替换为 Null、-（仅有） 替换为 0、空格（仅有） 替换为 Null、空格（仅有） 替换为 0，这些清洗规则将应用于全部表记录中；

4、清洗规则-字符替换。支持添加多个目标数据列（字段），将原内容进行批量替换成目标内容。

5、清洗规则-字段切分。用户可以一次性对最多5个字段进行按分隔符进行切分的规则设定，每个被切分的字段可以按照内容中含有的第一个分隔符切分成前后两列数据；用户可自定义按照字段值里的某些字符进行切分，每个字段都可以重命名切分后的两个字段名称。

6、清洗规则-字段合并。用户可自定义最多5个字段合并为一个字段，并可设定合并后的内容连接符。规则-缺失值填补。支持均值填补法、中位数填补法和0值填补法，也可以选择遗弃含有缺失值的数据行。

7、清洗结果预览。支持在当前页面查看清洗结果数据预览，预览数据条数用户可自行调整。8、清洗结果数据下载。支持用户在当前页面自行下载清洗完成的数据到本地客户端。

9、任务重置。支持通过重置清空流程内的所有配置信息。

（六）数据挖掘教学系统

1、采用任务流式处理设计：支持流式非闭环选择操作，遵循选择数据源-配置模型-开始建模-选择预测数据-开始预测流程，能预览数据、查看模型训练结果，重点模型适用性评判指标实时可见。

2、数据源选择：支持预置数据源及自行上传数据源，满足.xls, .xlsx, .txt, .csv等格式要求。支持在当前页面查看数据源数据预览，预览数据条数用户可自行调整。

3、机器学习算**：支持机器学习算**算法选择，包括回归分析多元线性回归算法、逻辑回归算法、分类分析朴素贝叶斯分类算法、决策树算法、文本分析、聚类分析K-Means、模糊C均值聚类、降维分析PCA算法、文本分析、时间序列ARIMA算法等。

4、算法调参，支持算法模型参数配置和调整。支持添加多个自变量，并可设置按比例随机抽选训练集与测试集。

5、模型质量评估：通过测试集模型验证结果的对比，可对模型质量进行评估指标和拟合情况评估。

6、预测结果预览：支持在当前页面查看预测结果数据预览，预览数据条数用户可自行调整。

7、结果数据下载：支持用户自行下载模型质量数据报告以及预测完成的数据到本地客户端。

8、任务重置：支持通过重置清空流程内的所有配置信息。

（七）教学仿真网站及数据

1、****交易所XBRL财报仿真网站：仿真网站支持按交易代码、企业简称、企业简称首字母、财报类型方式查询或筛选财报，仿真教学网****公司1850家以上，可采集数据年份为2013年至2021年，便于数据采集教学时使用，避免使用真实网站带来责任事故。

2、人才仿真网站：模拟人才招聘与求职网站的主要功能页面，支持个人服务、企业服务等招聘网站核心模块运行。个人服务支持按照月薪范围等不少于6****公司招聘信息，每条招聘信息可查看详情，包括但不少于岗位职责和任职要求等7个维度的信息。企业服务支持按照职位等不少于6种方式查询求职者信息及详情，每位求职者可查看简历详情，包括但不少于姓名、工作经历等不少于8个维度的信息。支持学生按照网站数据运行Python代码完成数据爬取，有效规避由真实网站教学带来的数据隐私、数据安全等风险。

3、****中心：包含北交所、上交所、****公司数据；内置过去30年，80个以上行业，4900以上上市企业的数据；可以根据行业、地区筛选上市企业数据；数据范围包含：公司基本资料、资产负债表、利润表、现金流量表、杜邦分析模型、报表附注（主营构成明细、前五名客户收入、销售费用、管理费用、财务费用、非经常性损益、资产减值损失、政府补助补贴、应收账款明细、应收账款前五名、预付账款前五名、存货项目明细、固定资产明细、无形资产明细、商誉前五名供应商、应交税金、资本公积、未分配利润、关联交易、研发费用等内容）；含搜索功能，可以通过上市企业中文全称、股票简称、股票代码、关键字查询股票信息；数据可以通过选择一级行业和二级行业分类，以及企业简称或代码等简单的查询操作，可以快速从复杂数据库中检索出数据信息，并可预览数据。可以隐藏左侧目录窗口，全屏展示数据。

（八）平台教学内容及案例

人力大数据分析与应用课程面向工商管理、人力**管理相关专业教师、学生进行人力**大数据分析课程的实践教学和学习，包括但不限于人力**数据采集、数据清洗、数据集成、数据可视化等实践教学模块。学习任务覆盖招聘、培训、薪酬、绩效、员工关系等人力**典型场景应用；人力大数据分析与应用课程平台内置不少于300个学习任务，300个授课文档（含PPT/PDF/富文本文档），7个教学视频等教学**。

1、人力**大数据概述： 本项目包括大数据时代、大数据认知等核心理论内容，支持学生对于大数据本质、大数据分类、大数据算法等理论知识的正确理解。在此基础上进一步了解并掌握大数据起源、大数据发展之路等内容知识。

2、人力**大数据分析方法论：支持人力**业务需求分析、数据采集、数据可视化在人力**大数据分析与应用的认知。引导学生理解大数据分析方法论的相关理论知识，培养学生的大数据分析思维。支持学生完成随堂测验，系统自动评分；支持教师获取学生随堂测验的完成情况，开展学情分析。

3、人力**大数据工具应用：支持学生掌握人力**数据采集、使用Python进行数据查询、爬取数据等应用体验，数据清洗工具提供全局清洗等不少于4个清洗规则应用。引导学生利用可视化分析工具进行性别、学历、婚姻等多维度数据的可视化分析，并构建数据挖掘算法模型进行预测。该模块提供不少于20个任务的实践操作引导。

4、招聘数据分析概述：本项目包括招聘数据分析知识核心内容，旨在引导学生学习和掌握招聘数据Excel处理、招聘数据指标等不少于3个维度的招聘理论知识，为后续招聘数据分析实践项目打下坚实理论基础。

5、招聘数据可视化分析：本项目重点内容包括招聘数据Excel处理和招聘Excel数据可视化，旨在培养学生准确处理和分析招聘数据的能力，并掌握利用可视化展示招聘情况的技巧。其中招聘数据Excel处理包括使用Excel工具进行数据验证、快速填充、重复项处理、合并计算招聘成本等不少于8个核心维度的数据分析，通过交互式课件的方式引导学生进行相应操作；招聘数据Excel可视化包括招聘员工数据和招聘渠道数据等不少于3个维度可视化，通过交互式课件的方式帮助学生实现Excel数据的可视化。

6、招聘大数据分析与应用：本项目探讨了利用大数据分析人才需求的方法。重点内容包括人才需求画像数据采集、可视化分析等不少于4个维度分析。其中人才需求画像数据采集包括招聘外部数据查询等不限于2种数据收集方法的操作引导，外部数据查询不限于地点、职位等4个要素，外部数据爬取包括工作年限、学历等不限于5个方面要素；人才需求可视化分析通过大数据分析工具揭示大数据人才需求的区域、城市分布、学历要求等不限于15个维度情况，所用数据不限于薪酬分段、职能类别等10个指标；人才需求画像数据挖掘包括大数据职位需求企业画像模型构建及优化等不限于6个任务实践操作，利用Python可视化工具等实现大数据人才岗位职责与任职资格词云分析等数据的可视化呈现。

7、培训数据分析概述：本项目包括培训数据分析知识核心内容，旨在引导学生学习和掌握培训数据Excel处理、培训数据指标等不少于3个维度培训理论知识，为后续培训数据分析实践项目打下坚实理论基础。

8、培训数据可视化分析：本项目旨在培养学生在培训数据管理和分析方面的能力，重点内容包括培训数据Excel处理和培训数据Excel可视化。培训数据Excel处理包括数据验证、快速填充、缺失值填补、数据截取或分列等，并运用Excel函数进行数据处理等不少于8个任务的操作；通过Excel可视化工具，学生可以呈现培训对象分布、满意度和通过率等数据图表，该部分提供不少于3个互动式课件的操作引导。

9、培训大数据分析与应用：本项目重点内容包括培训业务需求分析等不少于2个方面的实操。通过学习数据清洗、集成和Python可视化分析等技术，****公司的培训数据，包括培训场次、参训人次、培训类型等，并进行部门间的比较。数据清洗包括课时，实际培训人数等不限于10种数据的清洗，包括空格清理等不限于5种全局清洗规则；同时包括探索培训费用结构、差旅费与总费用占比等方面的数据及构建和优化培训效果评估影响因素模型，使学生掌握大数据分析技术，胜任培训数据的解析与应用，实现数据驱动的培训决策和优化效果，该部分提供不少于18个任务分析操作引导。

10、员工关系数据分析概述：本项目包括员工关系数据分析知识核心内容，旨在引导学生学习和掌握员工敬业度数据收集、员工关系数据指标等不少于5个方面员工关系理论知识，为后续员工关系数据分析实践项目打下坚实理论基础。

11、员工关系数据可视化分析：本项目旨在培养学生在员工关系数据管理和分析方面的能力，重点内容包括与员工关系数据Excel处理和员工关系数据Excel可视化。员工关系数据Excel处理包括员工基本信息数据验证、快速填充、删除重复项、输入设定等，并运用Excel函数进行数据处理等不少于8个任务的操作引导；通过Excel可视化工具，学生可以呈现员工基本信息学历人数、部门人数等数据图表，该部分内置不少于3个互动式课件操作引导。

12、员工关系大数据分析与应用：本项目旨在引导学生学习和掌握员工关系业务需求分析、敬业度调研问卷设计和Python可视化分析等技术，该部分不少于4个任务操作实践；通过分析员工关系数据，探索员工数量、员工性别和员工年龄等方面的信息，****公司员工专业技能等级分析和敬业度与年龄区间分析等不限于16个任务分析操作实践。在此基础上，重点涵盖数据模型构建和预测模块，包括数据挖掘等不少于2个任务操作实践。

13、薪酬数据分析概述：本项目包括培训薪酬数据分析知识核心内容，旨在引导学生学习和掌握薪酬数据Excel处理、薪酬数据指标以及薪酬满意度调研等不少于12个维度薪酬理论知识，为后续薪酬数据分析实践项目打下坚实理论基础。

14、薪酬数据可视化分析：本项目旨在引导学生学习和掌握Excel工具的运用，重点内容包括薪酬数据Excel处理和薪酬数据Excel可视化。薪酬数据Excel处理包括数据验证、快速填充等操作，以及缺失值填补和透视表的应用，该部分设置不少于8个任务实践操作引导。薪酬数据Excel可视化通过数据分析和可视化技术，引导学生将岗位平均薪资、部门薪资分布等数据进行可视化，该部分内置不少于4个任务的实践操作引导。

15、薪酬大数据分析与应用：本项目旨在引导学生学习和掌握薪酬数据采集、使用Python进行数据查询、爬取薪酬数据等，数据查询包括地点、职位等不限于4个搜索要素，薪酬爬取包括城市、职位等不少于6个爬取要素，数据清洗包括缺失值填补等不少于3个清洗规则。利用可视化分析工具，进行公司财务、人力**等多方面数据的可视化分析，帮助学生深入研究薪酬体系结构、支付结构等，了解薪酬满意度情况，并构建优化薪酬偏离度模型，该部分包括人工成本分析、薪酬结构分析等不少于4个知识维度的分析研究，****公司营业收入与利润情况分析等22个任务实践操作引导。

16、绩效数据分析概述：本项目包括绩效数据分析知识核心内容，旨在引导学生学习和掌握绩效数据Excel处理、绩效数据指标、团队绩效及其驱动因素等不少于10个维度的绩效理论知识，为后续绩效数据分析实践项目打下坚实理论基础。

17、绩效数据可视化分析：本项目旨在引导学生学习和掌握Excel工具的运用，重点内容包括绩效数据Excel处理和绩效数据Excel可视化。绩效数据Excel处理包括数据验证、快速填充、删除重复项等不少于5个任务的分析操作。通过绩效数据Excel可视化，展示KPI考核、员工信息、薪酬和销售业绩等数据，该部分包括销售业绩分布可视化、销售人员任务完成率可视化等不少于3个任务实践操作。

18、绩效大数据分析与应用：本项目旨在引导学生学习和掌握调查问卷设计、数据集成和Python可视化分析等技术，该部分不限于4个任务的操作实践，数据集成引导学生实现年度薪酬等不少于6个数据集的关联；通过分析绩效数据，探索城市经理销售团队、区域KPI指标完成情况和团队特征等方面的信息，该部分包括绩效考核等级分布分析和区域KPI考核成绩分析等不少于17个任务的分析操作实践。在此基础上，重点涵盖数据模型构建和预测模块，包括绩效数据挖掘与预测等不少于3个任务操作实践。

19、人才盘点数据分析概述：本项目包括人才盘点数据分析知识核心内容，旨在引导学生学习和掌握人才盘点数据Excel处理、人才盘点数据指标等不少于7个维度的人才盘点理论知识，为后续人才盘点数据分析实践项目打下坚实理论基础。

20、人才盘点数据可视化分析：本项目旨在引导学生学习和掌握Excel工具的运用，重点内容包括人才盘点数据Excel处理和人才盘点数据Excel可视化。人才盘点数据Excel处理包括数据验证、快速填充、删除重复项等不少于5个任务分析操作。通过绩效数据Excel可视化，展示人才盘点考核等级比例可视化、部门人才盘点结果可视化等不少于3个任务实践操作。

21、人才盘点大数据分析与应用：本项目旨在引导学生学习和掌握人才盘点数据采集、数据预处理、可视化分析等技术，探索人才盘点基本信息、人才盘点数据等方面的信息，****公司员工数量分析、公司部门分析、公司绩效考核结果分布、公司离职率分析等不少于20个任务的分析操作实践。在此基础上，重点涵盖数据模型构建和预测模块，包括人才盘点数据挖掘、绩效聚类结果分析等不少于6个任务的操作实践。最后，进行人员潜力评估以及接替计划，涵盖公司绩效潜力九宫格分析等不少于3个任务分析操作实践。

1

套