金融大數據專業本科

⑴ 數學專業的本科，女生，想去澳洲讀研。問問，金融數學，精算專業，統計專業，大數據專業，哪個好謝謝！

你好，本人是加拿大統計學碩士。我個人認為，興趣應該作為首要的因素考慮。如果你有很好的物理基礎，並且對金融感興趣，那就可以選金融數學。
如果你希望職業規劃上相對穩定，並且不怕畢業後十年都不停准備考證的枯燥的話，那可以走精算路線。代價是，對口的行業很狹窄。
統計學專業和大數據專業可以看做是包含關系，大數據這個方向粗略地分為兩大方向：大數據架構師和大數據分析師。根據你數學本科的背景，我建議走大數據分析師的方向較為穩妥，也就是選統計學。不過選擇統計學也有相對應的代價，那就是未來就業不像精算那樣路線穩定，會比精算多一些不安全感，沒有多少現成的成熟路線可以沿用借鑒，很可能走彎路犯錯。但是好處是，這個行業處於混沌的發展初期，發展空間大，如果你真有本事的話，比較容易闖出自己的天地。
總的來說，如果你興趣很寬泛，並且數學很好，那就選統計學吧。如果你想要穩妥穩定，那就選精算吧。如果你對金融方面有執念，並且有較好的物理基礎，那可以選金融。

⑵ 金融大數據是什麼樣的專業

金融大數據是近幾年才又火爆的概念。之所以說是又火爆是因為金融大數據的概念不是從今天開始的，從十年前就已經開始，從所有銀行的核心系統升級改造時就已經開始注重了大數據的積累。那時候的系統改進和升級就要求新的系統要滿足大數據積累的需要。

⑶ 目前為止哪些學校開設有互聯網金融，大數據

目前國內高校開設互聯網金融專業的並不算多，因為該專業屬於新興的「互聯網+」前沿專業，是伴隨著金融行業互聯網化應運而生的。據我所知，對外經濟貿易大學、武漢大學國際軟體學院率先聯合慧科集團開設了這個專業，隨後河北軟體職業技術學院、山東女子學院等重視學生就業質量的高校也相繼開設了該專業。由於互聯網金融行業的快速發展，市場上對專業的互聯網金融人才的需求急劇增加。因此，可以預見未來會有越來越多的學校開設這個專業。

⑷ 將來想從事金融，本科該選什麼專業

將來想從事金融，最對口的當然還是金融類專業，包括金融學、金融工程、投資專學、信用管理等屬，以及相關的其它經濟管理類專業包括會計學、審計學、財務管理、工商管理、經濟學、國際經濟與貿易、統計學等。此外，部分高校還開設有金融數學、數理金融等方向的招生，點明了這些專業方向是為金融服務而開設的。
除了經濟管理類專業，金融行業同樣也需要一些其它技術類人才，包括工科的計算機科技、軟體工程、電子科技、機械、人工智慧，還有外語類、大數據開發與管理等專業人才。這方面，對應的崗位如電子金融、ATM機的設計製造、銀行數據中心、國際金融結算與管理等。
如果打算將來從事金融，建議你還是首先考慮財經類專業。想學有一定技術含量的專業，可以考慮金融工程、精算學、會計學、金融數學、數理金融等。

⑸ 北京大學 計算機技術(金融大數據)屬於哪個學科門類

早在1980年，未來學家阿爾文•托夫勒在 《第三次浪潮》一書中，就將大數據譽為「第三次浪潮的華彩樂章」。現在的大數據更是站在互聯網的風口浪尖上，是公眾津津樂道的熱門詞彙。同時這股熱潮也催熱了大學里的大數據專業。

到底什麼是大數據？本科專業中哪個專業是和它相對應的？一般開設在哪些院系？陽光高考特別采訪了對外經濟貿易大學信息學院副院長華迎教授，來談一談這個大家關注的熱門專業。

一、專業解析

什麼是大數據？

進入互聯網時代，中國的網民人數已超7億，大數據的應用涉及到生活的方方面面。例如，你在網站上買書，商家就會根據你的喜好和其他購書者的評價給你推薦另外的書籍；手機定位數據和交通數據可以幫助城市規劃；甚至用戶的搜索習慣和股市都有很大關系。

在談到大數據的時候，人們往往知道的就是數據很大，但大數據≠大的數據。對外經濟貿易大學信息學院副院長華迎教授介紹：「現在的大數據包括來自於多種渠道的多類數據，其中主要來源網路數據。數據分析不是新的，一直都有，但是為什麼叫大數據呢？主要是因為網路數據的格式、體量、價值，都超出了傳統數據的規模。對這些海量信息的採集、存儲、分析、整合、控制而得到的數據就是大數據。大數據技術的意義不在於掌握龐大的數據信息，而在於對這些數據進行專業化處理，通過『加工』實現數據的『增值』，更好地輔助決策。」

數據科學與大數據技術專業

本科專業中和大數據相對應的是「數據科學與大數據技術」專業，它是2015年教育部公布的新增專業。2016年3月公布的《高校本科專業備案和審批結果》中，北京大學、對外經濟貿易大學和中南大學3所高校首批獲批開設「數據科學與大數據技術」專業。隨後第二年又有32所高校獲批「數據科學與大數據技術」專業。兩次獲批的名單中顯示，該專業學制為四年，大部分為工學。

「數據科學與大數據技術是個交叉性很強的專業，很難說完全歸屬於哪個獨立的學科。所以，不同的學校有的是信息學院申報，有的是計算機學院牽頭申報，有的設在統計學院，還有的在經管學院。像北京大學這個專業是放在理學下，授予理學學位。大多數是設在工學計算機門類下，授予的是工學學位。」華迎教授說：「數據科學很早就存在，是個比較經典的學科，現在和大數據技術結合形成了這個專業。目前教育部設定的本科專業名稱為『數據科學與大數據技術』，專科名稱是『大數據技術與應用』。」

數據科學與大數據技術學什麼？

以對外經濟貿易大學該專業為例，專業知識結構包括數學、統計、計算機和大數據分析四大模塊，具體課程設置如下：

數學：數學分析一、數學分析二、高等代數、離散數學。統計學：概率論與數理統計、多元統計分析、隨機過程。計算機：數據結構、計算機組成原理、操作系統、資料庫系統原理、C++程序設計、Java程序設計、Python與大數據分析、科學計算與Matlab應用、R語言等。大數據分析：數據科學導論、機器學習與數據挖掘、信息檢索與數據處理、自然語言處理、智能計算、推薦系統原理、大數據分析技術基礎、數據可視化、大數據存儲與管理、大數據分析實踐等課程。

華迎教授介紹：「數據科學與大數據技術是一門實踐性很強的新興交叉復合型學科，無論是開設在哪個學院下，數學、統計學、計算機三大塊課程是必須得有。各高校在這幾門背景學科的基礎上，交叉融合其他的專業知識技能。如我校在數學、統計學、計算機知識體系模塊中又增加了體現學校特色的財經類行業應用和外語模塊，以提升學生的行業應用能力和國際化水平。根據各校偏重的專業方向，課程設置有所差異，感興趣的同學可以具體查看各校的專業和課程設置情況。」

二、專業與就業

行業增速快 人才缺口180萬

隨著移動互聯網和智能終端的普及，信息技術與經濟社會的交匯融合，引發了數據迅猛增長。新摩爾定律認為，人類有史以來的數據總量，每過18個月就會翻一番。而海量的數據蘊含著巨大生產力和商機。

2011年至2014年四年間，我國大數據處於起步階段，每年均增長在20%以上。2015年，大數據市場規模已達到98.9億元。2016年增速達到45%，超過160億元。預計2020年，我國大數據市場規模將超過8000億元，有望成世界第一數據資源大國。但數據開放度低、技術薄弱、人才缺失、行業應用不深入等都是產業發展中亟待解決的問題。

根據領英發布《2016年中國最熱職位人才報告》顯示，有六類熱門職位的人才當前都處於供不應求狀態，稀缺程度各有不同，其中，數據分析人才的供給指數最低，僅為0.05，屬於高度稀缺。

中國商業聯合會數據分析專業委員會資料顯示，未來3至5年，中國需要180萬數據人才，但截至目前，中國大數據從業人員只有約30萬人。同時，大數據行業選才的標准也在不斷變化。初期，大數據人才的需求主要集中在ETL研發、系統架構開發、數據倉庫研究等偏硬體領域，以IT、計算機背景的人才居多。隨著大數據往各垂直領域延伸發展，對統計學、數學專業的人才，數據分析、數據挖掘、人工智慧等偏軟體領域的需求加大。

⑹ 金融科技專業是學什麼的

金融科技專業是一門本科類專業。
本專業開設的主要專業課程有：微觀經濟學、宏觀經濟學、Python程序設計、C++程序設計、數據結構與演算法、計量經濟學、金融學、現代密碼學、金融科技學、金融工程概論、公司金融、大數據與金融、金融風險管理、軟體工程、區塊鏈技術及應用、人工智慧原理及應用等。[1]
培養目標
本專業旨在培養具有全球視野，系統掌握經濟金融學和現代信息科技理論知識，熟悉金融實務操作，熟練掌握信息科技、數據科學、演算法和智能技術，具有較強的實踐能力和創新精神，能夠適應銀行科技、智能投顧與程序化交易、保險科技、監管科技等領域需要的金融精英人才
金融科技課程是以金融科技領域產品設計與管理為內容主線的，融合金融業務、前沿技

術等多方面的知識和技能，培養出更適合金融科技產品方向的高級復合型人才。

通過學習《宏觀經濟學》、《微觀經濟學》和《金融科技概論》三門課程，了解在新經濟形

式下，認識、理解金融科技產業的發展；通過學習《監管科技與智能風控》和《金融科技產

品頂層設計》兩門課程，獲取金融科技產品設計的能力；通過學習《應用統計學》、

《Python金融數據分析》和《機器學習與金融應用》三門課程課程，獲取大數據在

金融科技產品中融合應用的能力；通過《高級管理學》、《企業戰略管理》和《新資本模式與

投融資管理》三門課程課程，獲取金融科技類公司戰略分析與決策的能力。

以《宏觀經濟學》、《微觀經濟學》、《應用統計學》等作為基礎課程，理解整體和個體的經濟運行規律，同時培養良好的數學或數學與經濟學素養，掌握統計學的基本理論和方法等。

以《金融科技概論》、《金融科技產品頂層設計》、《監管科技與智能風控》等為專業課程，系統了解在「互聯網+」背景下金融領域所採用的互聯網和IT技術，學習互聯網消費金融信貸業務模式及產品設計知識，並結合人民銀行提出的「強化監管科技應用實踐」這一新形

勢下的外部監管要求，理解反洗錢、交易監控等重要內容。

⑺ 大數據金融專業就業前景怎麼樣

結論就是：金融行業的大數據有很好的前景
大數據指無法在一定時間內用常規軟體工具對其內容進行抓取、管理和處理的數據集合。大數據有五大特點，即大量（Volume）、高速（Velocity）、多樣（Variety）、低價值密度（Value）、真實性（Veracity）。
大數據的用法傾向於預測分析、用戶行為分析或某些其他高級數據分析方法的使用。
大數據技術的出現，給我們的生活帶來了全新的改變，在海量信息時代，我們獲取信息的方式、以及能獲取的信息越來越多，但是集合很多的人力物力都沒有辦法有效整理的數據，大數據技術可以解決，大家都說一句話，掌握了數據，就是掌握了未來，那麼學大數據自學好還是參加培訓好呢?
要學習大數據你至少應該知道什麼是大數據，大數據一般運用在什麼領域。對大數據有一個大概的了解，你才能清楚自己對大數據究竟是否有興趣，如果對大數據一無所知就開始學習，有可能學著學著發現自己其實不喜歡，這樣浪費了時間精力，可能還浪費了金錢。所以如果想要學習大數據，需要先對大數據有一個大概的了解。
一：大數據技術，行業發展好么？
1. 國家大力支持
首先國家在2015年發布了《促進大數據發展行動綱要》，其上升為國家戰略，提出到2020年，大數據產業突破1萬億，加快建設數據強國
2. 產業進入爆發階段
根據信息網近幾年的統計，大數據行業發展爆發趨勢，大量企業湧入，大數據行業規模在2020年以後突破萬億。
3. 應用場景廣闊
大數據應用已深入物聯網、人工智慧、互聯網、5G、電商、金融、游戲、交通、傳媒、醫療、房地產、政務等各行各業。
4. 人才缺口大
自2015年以來，隨著大數據產業迅速發展，大數據企業猛增，對大數據人才的需求也不斷翻倍，截止到2020年，人才缺口達230萬。
5. 就業薪資高
大數據工程師崗位薪資，根據信息網統計，平均月薪高達23K，明顯高於互聯網其他技術崗位，其中1年工作經驗的，月薪平均為12K，三年以下工作經驗，月薪平均為18K，三年以上工作經驗，薪資平均為25K。
二：大數據崗位，職業生涯是怎麼樣的？
1. 大數據開發工程師，工作1-3年，年薪18萬以上。
2. 高級大數據開發工程師，工作3-5年，年薪28萬以上。
3. 大數據架構師，工作5-8年，年薪40萬以上。
4. 大數據技術總監，工作8-10年，年薪55萬以上。
5. 大數據首席數據官（CDO），工作10年以上，年薪85萬+。
三：大數據崗位，需要學習哪些技術技能，具體分為哪幾個階段？
1. 基礎核心：JAVA基礎，JAVA面向對象，JAVA高級特性等。
2. Hadoop：可視化，Apache Hive，linux/ELK技術棧等。
3. Spark：Scala編程，Flume數據採集，Apache kafka等。
4. Python：常用庫，數據採集，Python編程等。
5. 構建數據平台：Hive ETL處理，Oozle任務調度，Kafka與Flume應用等。
6. 流處理平台：Flink基礎，Flink Sql，Confluent等。
7. 機器學習：機器學習數據挖掘原理，ALS演算法，邏輯回歸等。
8. 大數據優化：認證，授權，數據保護等。
9. 阿里雲大數據：實驗環境搭建，阿里雲認證等。
四：學大數據自學好，還是參加培訓好呢？
（1）自學大數據優勢：省錢，成本低，學習時間自由安排。
（2）自學大數據缺點：首先基礎起點要求較高，如果自學的話，最少也需要有JAVA開發經驗，否則是沒辦法學會理解大數據技術點的。其次費時，自學大數據全部需要自己摸索，因此需要大量時間進行學習。最後，因為沒有項目經驗，因此就業薪資會偏低，短期內無法達到理想就業期望。
（3）培訓大數據的優勢：首先，門檻低，即便是沒有任何IT行業經驗的外行人，也是可以很容易的入門，可以零基礎學習。其次，學習時間較短，學習能力強的人，無基礎4-6個月左右就可以完全學會，學習能力弱的人，6-8個月左右也完全能夠學會。第三，大量的實訓項目銜接，能夠快速提升技能熟練度，加快理解。最後，因為有項目經驗，並且是系統學習，就業薪資以及行業競爭力會有很大優勢，就業薪資也會偏高。
（4）培訓大數據的缺點：首先，價格相對來說，有些高，大約需要2W左右，對於一些收入較低的人群來說，是一筆不小的開銷。其次，就是時間問題，有的人可能從事銷售行業打算轉行，或者是一些其他行業，作息時間比較特殊，因此會加大自身的疲憊程度，導致學習專注力降低。
最後，就是選擇培訓機構，擔心自己的權益沒有辦法保證，可能會出現一系列的售後問題，麻煩纏身。
五：如果選擇培訓，如何選擇培訓機構呢？
（1）授課方式：因為是IT行業，那麼伴隨著課程就是有一定的難度，並且肯定會存在著有一些問題沒辦法當時理解，需要第一時間找老師解答，那麼必然要首選面授班，但是因為肯定要復習知識，否則會有遺忘，那麼也一定要有網路錄播等輔助學習的模式，因此，選擇培訓機構，要選擇線下+線上的授課模式。
（2）是否能學會：能不能學會，雖然跟學員自己有一定的關系，但是最主要的問題還是授課老師，老話說的好「沒有笨的學生，只有不會教的老師「，老師的教學經驗是否豐富，既然是教技術的，那麼自身的技術達到了什麼樣的水平，畢竟「名師出高徒「。
（3）權益是否有保障：「大品牌值得信賴「不是空話，雖然說，大品牌不一定全部的人都能100%的保障，但是99%的保障是沒問題的，畢竟品牌越大，對口碑，市場的評價越看中，成立越久遠，規模越大的企業，一定是有它能屹立不倒的原因，可能是因為服務，可能是因為教學。
（2）學完以後能不能就業：目前大部分企業，都會與一些業內靠前的培訓機構進行生源招聘，直接從機構內部進行直招，小的培訓機構，學員以後都是自己去人才市場進行企業招聘，咱們選擇機構的時候，可以調查一下該機構的合作企業都有哪些，然後通過一些網路渠道進行查詢，是否是一些大規模的公司，也是咱們評判的一個標准。
大數據行業，不論是針對行業內在職提升，還是行業外打算轉行的小夥伴來說，都是一個好的選擇

⑻ 金融財經類專業好還是大數據，人工智慧專業好總感覺現在金融行業不好乾，失業的很多～

如果數學成績不錯，人工智慧專業肯定更好，畢竟智能化時代來臨了。

⑼ 2020保定金融學院數據科學與大數據專業是本一還是本二

v這個的話本地的學生才可以弄本二的學生的話，他首先沒有這個資格，其次的話還沒有這個能力，所以的話要本地的人才可以弄得到百二的人的話，他壓根就不可以。

⑽ 想要成為大數據分析師，本科最好學什麼專業

硬實力：數據分析師需要學生有一定的數學、計算機背景，從這個出發點專來說，數學、統計、屬計算機科學等專業可以從事數據分析工作。這三個專業的同學可以雖然可以處理大量數據，並且擁有很強的數據分析能力，但是這類同學對於Business 和 Marketing缺乏了解。

軟實力：軟實力要求學生懂業務、懂管理，從這個出發點來說，信息管理、市場營銷、電子商務、社會學、金融學等專業畢業後也可以從事數據分析相關工作。不過，這幾個專業在業務方面可能專業度非常高，但是缺點也是非常明顯的：缺乏很強的數學和計算機背景，在實際操作中缺乏相關的專業技能。

更本質的看，數據分析是一種技能，人人可以學，學了都有用。這是個要用數據說話的年代，懂點數據相關知識可以更好的服務工作與學習。