一、高校大數據的背景與困難
人才缺口高達150萬，實用型大數據人才搶手
1) 在未來5-10年，我國大數據市場規模年均增速將超過30%
2) 大數據人才平均月薪達1.5萬， 5年內國內大數據人才缺口將突破150萬
3) 在BAT發布的招聘職位中，大數據人才需求超過60%
高校啟動大數據人才培養計劃，專業建設困難重重
1、課程體系待完善，大數據教學科研入門難
1) 各大高校的大數據專業處于起步階段，人才培養課程體系缺乏系統性
2) 大數據教學科研資源匱乏，可配置和指導實驗環境的專業師資不足
2、基礎實驗環境薄弱，大數據實訓難開展
1) 面向大數據的分布式系統，高校無法為每個學生提供多機實驗環境
2) 大數據分布式軟件系統安裝、配置難度大，實驗環境容易被破壞
3) 實驗數據、實驗教案、實驗手冊不足，實驗開展束手束腳
3、項目實訓缺失，教學效果與就業率打折扣
1) 缺少大數據項目實訓，難以培養實用型人才所需的專業項目能力
2) 高校大數據專業學習與實際應用脫軌，教學效果與就業率打折扣
二、搭建一站式的大數據教學科研平臺
針對大數據專業建設的三大難題，我司為各大高校量身定制了大數據軟硬件一體化的教學科研平臺。大數據實驗平臺通過應用容器技術，以少量機器虛擬大量實驗集群，可供大量學生同時擁有多套集群進行試驗，而每個學生的實驗環境不僅相互隔離，方便高效地完成實驗，而且實驗彼此不干擾，即使某個實驗環境被破壞，對其他人也沒有影響，一鍵重啟就可以擁有一套新集群，大幅度節省了硬件和人員管理的投入成本。
此外，作為一個可供大量學生完成大數據與云計算實驗的集成環境，該平臺同步提供了配套的培訓服務，對于教學組件的安裝、配置，教材、實驗手冊等具體應用提供一站式服務，有助于高校更好地滿足課程設計、課程上機實驗、實習實訓、科研訓練等多方面需求，并在一定程度上緩解大數據師資不足的問題。對于各大高校而言，即使沒有任何大數據實驗基礎，該平臺也能助其輕松開展大數據與云計算的教學、實驗與科研。
具體而言，大數據實驗平臺從以下三個方面解決了高校大數據的教學科研難題：
1.完善的大數據課程體系及配套資源，一步解決入門難
內容充實的課程體系
在《實戰Hadoop2.0——從云計算到大數據》和實驗手冊的指導之下，大數據實驗平臺解決方案涵蓋大數據算法、接口、工具、平臺等多方面內容，從大數據監測與收集、大數據存儲與處理、大數據分析與挖掘直至大數據創新，幫助高校構建完善的大數據課程體系。
多元化的大數據資源包
1.國內早期的Hadoop編程書籍的升級版——《實戰Hadoop2.0》及其配套PPT
2.綜合42個大數據實驗的實驗手冊及配套高清視頻課程
1)涵蓋原理驗證、綜合應用、自主設計及創新的多層次實驗內容
2)每個實驗呈現詳細的實驗目的、實驗內容、實驗原理和實驗流程指導
3)配套相應的實驗數據和高清視頻課程，參照手冊即可輕松完成每個實驗
2. 真實可靠的實驗環境，大幅度提升大數據技能
1) 基于Docker容器技術，大數據實驗平臺可瞬間創建隨時運行的實驗環境
2) 使用幾臺機器即可虛擬出大量實驗集群，方便上百學生同時使用
3) 采用Mesos+ZooKeeper+Mrathon架構管理集群，實驗集群完全隔離
4) 實驗環境互不干擾，如果實驗環境破壞，一鍵重啟即可建立新集群
5) 內置數據挖掘等教學實驗數據，可導入高校各學科數據進行教學、科研，校外培訓機構同樣適用
3. 熱門實戰項目貫穿始終，進一步提高教學效果與就業率
大數據實驗平臺解決方案采用理論與實踐相結合的人才培養模式，幫助教師提高教學水平，促使學生完善大數據知識體系。
1) 基于真實的企業基地實訓經驗，提供豐富的項目實訓案例
2) 結合高校各專業實際情況進行行業數據研究，培養實用型人才的專業項目能力
4. 更多潛在效益，同步增強高校的硬實力和影響力
1) 大數據上升為國家戰略，大數據實驗平臺有助于高校大數據實驗室建設以及高層次大數據人才的深度培育
2) 大數據實驗平臺解決方案將理論與實踐雙管齊下，幫助提升了高校信息化管理水平和實驗項目研究水平
3) 大數據產業迎來發展黃金期，以大數據實驗平臺提高大數據專業就業率，可進一步增強高校的硬實力和影響力
2016年末至今，多次舉辦的大數據師資培訓班，基于大數據實驗平臺提供的實驗環境以及《大數據》教材、《大數據實驗手冊》指導，幫助老師們一步步跑通了Hadoop、Spark等多個大數據實驗，使他們跨過了“從理論到實踐，從知道到用過”的門檻，廣受學員好評。
目前，鄭州大學、西京學院、鄭州升達經貿管理學院、鎮江高等職業技術學校等院校已經成功應用大數據實驗平臺及相應的平臺服務，完成了大數據教學科研實驗室的建設工作。
三、詳細的規格參數，助力高校選配個性化的私人定制方案
目前，大數據實驗平臺具有經濟型、標準型與增強型三種規格，通過發揮實驗設備、理論教材、實驗手冊等資源的合力，可滿足數據存儲、挖掘、管理、計算等多樣化的教學科研需求。
軟件配置方面，各大高?？筛鶕唧w應用，選擇Hadoop、HBase、Ambari、HDFS、YARN、MapReduce、 ZooKeeper、Spark、Storm、Hive、Pig、Oozie、Mahout、R語言等不同的大數據應用組件。
