辽宁经济职业技术学院数据分析与应用实训云服务竞价公告

辽宁经济职业技术学院根据采购的有关规定，现对 数据分析与应用实训云服务项目进行竞价采购。我院诚邀具有此项供货能力的供应商前来报价。

一、项目基本情况：

项目名称： 数据分析与应用实训云服务

预算金额： 20000元

履约期限： 合同签订之日起24个月

交货地点：辽宁经济职业技术学院

付款方式： 签订合同后全款支付

竞价方法：最低价成交

★二、项目需求：（报价供应商提供服务必须完全满足以下所有参数）

1 ***平台

对教务流程中各项资源和操作进行管理，包含用户管理、班级管理、课程管理、等模块。支持管理添加删除学生/教师帐号、添加维护课程教学资源、幻灯片课教学、视频教学、实验教学、实验报告等。

1.1 服务端必须运行在主流linux操作系统之下，包括CentOS、RedHat等。

1.2 客户端软件可以运行在windows操作系统之下，包括windows 7以上版本。

1.3 平台支持三类用户：管理员、教师和学生，分别有不同的权限。

1.4 管理员可以添加新课程，支持个性化设置课程封面图片、课程名称，描述，作者等，支持编辑课程的教学目录结构，设置章和节。

1.5 支持图文混排格式的电子教材。

1.6 支持不同类型的课件，包括教案PPT，PDF，视频课件。支持添加不同类型的实验资源，实验资源支持图文混排的实验指导书，实验建议时长（课时），实验数据，示例模型（程序代码/数据工作流）等。

1.7 支持docx格式的教材和实验指导书上传，以及线编辑。

1.8 支持通过课程编号、课程名称、课程描述、作者、联系方式等进行快速检索课程。

1.9 支持xlsx文件格式批量导入教师用户、学生用户，也可以单个添加教师/学生用户。

1.10 支持通过账号、姓名、性别、联系方式快速检索用户。支持帐号的院系和班级设置。支持班级和课程的关联。

1.11 支持每门课程实验所需数据的统一配置和管理。支持教师播放ppt教案，允许设置学生客户端是否同步播放。

1.12 支持实验过程中实验指导书的查看及隐藏以方便实验。

1.13 每个用户（教师/学生）分配有独立的数据湖存储空间，支持私有数据湖的数据下载、移动、重命名、删除等操作。

1.14 教师和管理员可以对学生实验环境管理，包含实验机列表的查看、刷新、搜索和关闭等，教师用户可以通过监控查看学生实验机实时内容。可显示角色、学号/工号、姓名、实验机名称、创建时间等。

1.15 学生在低代码实验作业答题模式下可以编写和提交实验报告。

1.16 学生登录系统，即可进行实验任务在线操作；包含实训课程在线学习、实验机在线操作、低代码作业实验报告在线提交等。

1.17 教师可以对自己班级的学生的实验报告进行审阅，评语和评分。

1.18 在实验过程中老师可以远程进入学生试验环境，可以远程指导学生实验。

1.19 平台可以对学生学习行为进行记录和统计分析，可以显示3张独立完整的统计报表：1、个人统计报表：统计开始时间、统计结束时间、登录次数、学习总时长、所学课程清单；2、班级：统计开始时间、统计结束时间、平均登录次数、平均学习时长、所学课程清单；全体：平均登录次数、平均学习时长、所学课程清单。上述三张统计报表要求每张报表包含规定的所有统计数据。

1.20 ***平台硬件，包括CPU利用率、内存占用、网络IO、磁盘IO等状态。***平台用户登录的时间信息。显示在线用户量，累积在线时长等信息。

1.21 教师用户可以驳回实验报告、批量导出实验报告、导出实验报告的评阅结果。

支持班级学生学情查看，能显示学情明细数据，包括班级、科目、任课教师、平均积分、已完成任务数、平均完成率、学号、姓名、积分、总任务数量、总习题数量、已完成习题数、排名等。支持各种进度查看，包括学习总进度、课件、实操实验、教材等学习进度。支持对历史学情的阶段性浏览

1.22 支持报名和参加各种在线活动，浏览活动介绍、活动准备以及参与针对活动的互动评论等。***平台直接进入线上直播间参加活动。

2 零代码AI***平台

对原始的业务数据进行大数据全链路的加工处理。提供易学易用，零代码，通过鼠标拖拽的方式开发大数据全流程的数据处理工作流。包括数据源功能模块、数据汇集功能模块、数据湖功能模块、数据加工功能模块、分析挖据功能模块。

2.1 平台客户端和服务端可以部署在不同的物理服务器之上。

2.2 ***平台支持图形化（鼠标拖拽）的方式进行教学/科研的大数据实验。

2.3 ***平台提供不少于4个类别的数据加工函数（方法）。可以通过鼠标拖拽使用这些函数。支持通过鼠标创建相匹配的函数之间的输入输出连线。需要提供常见的功能包括：项目编号（projectid）、项目名称（projectname）,工作流编号（flowid）,工作流名称（flowname）,作业编号（jobid）,分词（Tokenization）,训练（train）,预测（predict）,反向量化（InverseQuantify）,数值组装（NumAssemble）,关联规则查询（RulesQuery）,字符串组装（CsvAssemble）,逆标准化（InverseNormalizer）、 相似度（Similarity）,map添加元素（MapPut）,csn转字符串（ CsnToString）等。

2.4 ***平台的服务端模块支持采用hadoop/spark大数据计算框架，支持Cloudera和Apache 版本的Hadoop/spark。***平台的服务端模块支持CentOS，RedHat等主流linux系统。

2.5 支持以图形式操作把实验的中间结果和最终结果写入到关系型数据库包括DB2，Oracle，SQL Server， Hana，TeraData；也可以写入到非关系型数据库：Elastic Search (ES落地)、HDFS、Impala、Hive、Cassandra。

2.6 数据转换节点支持历史数据记录功能，打开了此功能的节点，自动生成4个系统列：开始日期（start_date）、结束日期（end_date）、有效标记（active_flag）、版本（version），取消后这4个系统列自动消失。

2.7 支持异常数据处理，可以在用来加工或转换的节点上通过右键菜单创建用来捕获异常数据的节点，当出现数据异常时，数据自动分流，以方便排错和差异化处理。要求异常数据处理节点自动创建映射所对应数据节点的所有直接上游数据节点的列，同时自动创建一个ERROR列，用于捕获具体的错误信息。

2.8 平台提供不少于5种数据集关联功能，需要包括内连接，左连接，右连接，全连接，去重合并，不去重合并、笛卡尔积。对于用户经常使用的数据组件，在客户端的主界面工具栏上支持显示快捷操作，可以在不进入组件面板的情况下直接拖拽使用。***平台支持图形式读取非关系数据库/数据源包括MongoDB、HDFS、FTP、文件夹（共享文件夹）、Hbase、Cassandra、流（Kafka）。

2.9 数据挖掘算法节点支持在创建时由系统自动化生成训练转换器，以方便训练数据导入。可以在数据挖掘节点内部把数值型数据通过组装器转换为CSN，并把CSN输入训练转化器。

2.10 在不需要编程序的基础上，用户可以支持鼠标拖拽设计开发Apache Spark大数据批式（非实时）处理作业（数据工作流）和大数据流式（实时）处理作业（流式数据工作流），可以支持大数据全链路的功能，包括数据源定义、数据汇集、数据加工、分析挖掘、数据可视化。

2.11 平台提供调试运行测试功能，支持包括设置断点、设置目的地、校验、设置查看器、设置永久保存的功能。启动调试任务后，可以推送相匹配的调试日志。调试日志以三类图标显示：错误信息红色图标、警告信息黄色图标、一般信息黑色图标。支持通过日志信息快速定位到关联的工作流节点的功能。流程执行到断点位置自动暂停，手工操作可以继续执行。按照目的地调试时，能够仅运行与目的地结果有关的节点。

2.12 平台需支持通过用户通过java语言自定义开发数据处理功能模块和数据挖掘模块。自定义模块可以集成到用户通过鼠标拖拽方式开发的数据工作流之中。

2.13 文档抽取数据节点支持对以下信息的配置：数据格式（包括：分隔符、固定长度、自由文本）、标题行号、起始数据行号、换行符、换行符位置、抽取之后、合并所有。支持对数据工作流调试，包括设置断点、数据查看器、运行目的地。支持工作流的启动、停止、暂停。

2.14 数据工作流设计器提供编辑功能，可以对画布上的数据工作流节点进行布局排版。满足一键式调整工作流节点布局。提供至少13种排版功能，包括：左对齐、右对齐、左右居中、上对齐、下对齐、上下居中、水平均布、垂直均布、水平增加间距、水平减少间距、垂直增加间距、垂直减少间距、树布局。提供全选、反选、复制、粘贴、删除工作流节点组件的功能。数据工作流的每个数据节点可以在内部显示其名字，即使超长的名字也可以保证名字文本的长度始终不超过节点图标的宽度。支持鼠标拖拽图标的四个角改变工作流节点尺寸。两个相匹配的数据节点可以通过鼠标右键创建连接线。

2.15 平台支持提供以可视化的操作方式设计数据分析工作流，支持大数据全链路的节点设置，包括数据源节点设置、数据汇集节点设置、数据湖节点设置、数据加工节点设置、分析挖掘节点设置。平台至少提供4类图形式工作流节点组件方便用户设计大数据工作流，包括：数据源类型节点、转换类型节点、算法类型节点和落地类型节点。要求每种类型的组件在工具栏上分组显示，可以通过鼠标拖拽到数据分析流程设计器，并通过线进行连接。

2.16 图形式工作流支持一键视图缩放，也可以手工调整视图缩放比例。

2.17 平台支持不少于10种数据源功能包括：关系数据库、MongoDB、HDFS、FTP、文件夹、Hbase、系统Hive、Cassandra、流、云文件、云数据库、课程文件、课程数据库。能把每一种数据源拖拽到工作流设计器上，并进行不同的属性和参数配置。

2.18 平台支持不少于5种数据转换功能：包括通用转换、流转换、自定义、分组标签、抽样、行转列。

2.19 支持图形化调用主流统计和数据挖掘算法，包括以下：回归、支持向量机、朴素贝叶斯、关联规则、主成份分析、PLS回归、聚类、随机森林、Lasso回归、***网络、决策树、标准差，峰度，百分位数、移动平均、相关系数、单因素方差分析 。能把每一种算法节点拖拽到工作流设计器上，并进行不同的属性和参数配置。

2.20 平台支持不少于5种数据落地功能，包括ES落地、HDFS落地、Impala落地、Hive落地、Cassandra落地、云文件落地。

2.21 可以对数据工作流设置调度任务。支持工作流调度的启动、暂停、停止、删除。调度规则支持cron表达式，可以设置邮箱发送调度信息，可以查看历史调度日志。可以对流式的数据工作流单独设置作业调度。

2.22 关系型数据节点支持对以下信息的配置：IP、端口号、用户名、密码、数据库类型，支持实时显示数据库表的元数据，包括：主键，名称，类型，长度，精度，小数位数，排序，可空，约束。

2.23 关系数据库抽取类的数据工作流节点可以设置是否增量抽取、是否数据落地、落地前是否先清空落地数据、处理模式可选增量或全量。这4个属性的设置状态可以直接在该节点的图标上有对应的标志位显示。用户可以手工设置分片控制列和分片数目，可以设置是否合表操作。文件夹类型数据节点支持对以下信息的配置：名字，描述，IP，用户名，密码，文件路径，编码，是否递归子目录，筛选条件。

2.24 支持以树形结构显示数据工作流设计的详情，包括项目、工作流、工作流节点、工作流节点元数据，支持元数据名字、类型和长度（若有）的显示。在树上双击一个工作流节点，可以在设计区自动选中对应的节点。

2.25 FTP类型数据节点支持对以下信息的配置：名字，描述，IP:Port，用户名，密码，文件路径，编码，是否递归子目录，筛选条件，协议，加密方式，是否允许匿名连接，最大连接数，传输模式。筛选条件支持表达式编辑器，用ANSI SQL脚本书写，支持智能输入提示，用户手工输入一个对象的前几个字符，则自动弹出下拉列表。

2.26 提供分组标签转换功能，能够根据设定的分组列、排序列和打标签列，对流入数据的每一行给一个标签。至少包含分组列（GroupColumn），排序列（SortingColumn），标签列（TaggingColumn），名称（Name）。

2.27 支持常见的数据聚合功能，包括平均值、最大值、最小值、求和（sum）、字符串拼接、计数等。

2.28 图形式支持xml，csv，word， excel， pdf，weblog等文件类型数据的模板化解析，xml处理节点能够设置定义文件和元数据路径并获取元数据，后处理类型支持：删除和什么都不做。

2.29 ***平台提供不少于80种图形化封装好的数据加工转换器组件，包括：匹配提取,array匹配提取,ASCII值,unicode值, ASCII码,检索首现位置,重复多次,数值转字符串,字符串转数值,替换,左截取,右截取,截取,获取长度,字符倒序,小写,大写,左去空,右去空,两边去空,拼接,转字符串,类型转换,国家,省份,城市,地区,街道,二进制转字符串,绝对值,随机数,反余弦,自然常数的n次幂,四舍五入,反正弦,舍尾,正负号,反正切,自然对数,正弦,常用对数,平方根,进一,π,平方,余弦,幂运算,正切,余切,弧度值,四则运算,取模,精度转换,常量,获取map元素,map移除元素,array添加元素,获取array元素,array移除元素,判断,null值替换,系统时间,字符串转时间,时间转字符串,日期转字符串,日期差,字符串时间格式化,日期格式化为字符串,提取时间某一部分,日期转时间戳,时间戳转日期,时间加减值。

3、课程及实验资源包

课程要求提供理论教学所需要的教学资源，包括电子教材，和实验案例。每一个实验要求提供实验指导书、说明详细的实验步骤、实验需要的数据、以及示例代码或模型。对于关键性实验提供实验高清视频。

3.1 《大数据理论基础与应用实战》

初级数据思维课，通过商业大数据案例的教学形式，从零开始由浅入深逐步介绍大数据的基本概念和核心流程，让学生对大数据各方面的知识和技术有个基本的掌握，帮助学生建立基本的数据思维和数据能力，为进一步学习大数据高级知识和技能打好基础。不需要学生具备专业的计算或数据知识，可以作为大数据通识教育的课程。在大一下学期或大二上学期开。包括：项目一：自行车销量随年份如何变化？，任务（一） 探索销售数据，实验（I） 探索销售数据，实验（II） 汇集销售数据到数据湖，任务（二） 销售数据加工，实验（I） 销售表数据去重、空值处理，实验（II）根据产品单价和订货量计算每单，任务（三） 统计每年销售收入，实验（I） 统计每年销售收入，任务（四） 各年份销售总额可视化展示----分布条形图和表视图，实验（I）全年订货总价分布条形图与表视图，项目二：购买自行车的顾客有哪些特征？，任务（一） 购买自行车的用户特征，实验（I） 购买自行车的用户特征，实验（II） 购买自行车顾客聚类，项目三：如何设计一个爆款自行车？，任务（一） 如何设计一个爆款自行车，实验（I） 如何设计一个爆款自行车，项目四：采购部门如何精确预测某配件的需求量，任务（一） 配件采购预测，实验（I） 用移动平均算法预测配件采购量，项目五：市场部如何合理选择销售实体店位置，任务（一） 实体店收入数据加工，实验（I） 实体店收入数据加工，实验（II）每个实体店的总收入可视化，实验（III）人口、实体店数据、商业数据，实验（IV）城市类型与实体店销售总收入可，实验（V）实体店销售收入数据训练Lass，实验（VI）预测候选实体店的销售收入，实验(VII) 预测销售收入可视化，项目六：市场部选择广告投放方案，任务（一）购买自行车的顾客有哪些特征？，实验（I） 用线性回归选择广告投放方案，项目七：如何进行自行车精准营销？任务（一） 性别、年收入、年龄是否影响购买，实验（I） 性别、年收入是否影响购买自行，实验（Ⅱ） 客户年龄离散化，实验（Ⅲ）年龄是否影响购买自行车，任务（二） ***网络发现潜在购买自行车客户，实验（I） ***网络发现潜在购买自行车，项目八：客服部对客服人员绩效评估量化，任务（一） 客服人员效绩评估量化，实验（I） 客服人员效绩评估量化，项目九：***网络公关？，任务（一） 自行车评论情感分析及可视化，实验（I） 自行车评论情感建模，实验（II）自行车评论词云图，项目十：财务部门如何监控财务状况，任务（一） 财务数据可视化，实验（I） 可视化准备-数据落地到个人库，实验（Ⅱ） 五大财务比率可视化-分布条形，实验（Ⅲ）公司利润表可视化-气泡图，实验（Ⅳ）现金流量表可视化-时间序列折线，项目十一：法务部门事故自行车理赔预测，任务（一） 用决策树审核交通事故是否理赔，实验（I） 计算交通事故理赔数据的相关，实验（II） 用决策树审核交通事故是否，项目十二：人事部门如何通过大数据进行离职预警，任务（一）企业员工离职预警，实验（I）企业员工离职预警。

3.2 《大数据基础与应用》

从零基础开始，通过案例驱动教学，系统性的覆盖大数据全链路的知识体系和操作技能，帮助学生建立系统化的数据思维素养。课程覆盖的主要商科领域包括：数据资产积累：数据存储与汇集、数据质量提升：数据清洗与加工、数据洞察行动：数据分析与挖掘、数据视觉叙事：数据可视化与报告撰写、数据实战解码：综合案例分析应用。课程的实验案例包括：数据源数据存储、数据湖数据存储、精准实施数据汇集、识别数据质量问题、筛选数据条件、实施数据关联、应用函数型数据加工、执行数据聚合、数据预处理：数据准备、相关性分析：揭示变量之间的关系、回归模型构建与评估：探索潜在因果联系、分类算法应用：数据驱动的分类决策、关联规则发现：揭示数据中的隐藏关系、设计数据可视化展示、综合案例训练阶段、综合案例预测阶段。

3.3 《数据思维与实训》

在学生修完大数据通识/基础课的基础上，对大数据思维和能力方面进一步拓展学习，分为四大模块深入展开，包括数据源与数据湖模块、数据加工模块、分析挖掘模块、可视化模块。课程覆盖大数据深入全面的知识结构和技术体系，包括大数据全链路的各个环节：企业常见的各种数据源和汇集的方法、数据湖存储方法、业务数据的数据加工方法、数据分析和挖掘的算法、以及各种可视化手段。【数据源与数据湖】模块包括：概述，关系型数据库，NoSQL，消息，网页数据，应用系统，文件，附录。实验清单：Ubuntu安装MySQL，MySQL写入带约束的学生信息，MYSQL导出导入学生数据，MySQL使用事务写入学生信息，MySQL查询学生信息，MySQL删除和修改学生表约束，MySQL更新与删除学生信息，MySQL中视图的使用，图形式引擎创建学生信息表，Ubuntu系统中安装MongoDB，图形式引擎读取MongoDB数据，MongoDB创建数据库和数据集，MongoDB写入数据，MongoDB创建索引，MongoDB聚合，MongoDB普通查询，MongoDB高级查询，MongoDB的修改与删除，图形式引擎写入数据到MongoDB，ActiveMQ安装及环境配置，ActiveMQ实现消息传输，ActiveMQ发布订阅模式消息传输，安装Kafka，kafka消息读写，某交通卡口每分钟车流量统计，数猎云产品功能界面实验指导书，Tomcat***网站，用TCPIP协议实现客户端与服务端通信，Java实现Http通信，***网络图片，通过API获取天气信息，标准类型文档抽取，其他文件抽取。【数据加工】模块包括：函数型数据加工，数据的条件选择，数据质量问题的识别与解决，数据关联，数据聚合，数据的窗口操作，数据的对比加工，复杂加工。实验清单：上海各区气象站天气数据加工，计算不同专业的就业率，数值函数，母婴店客户婴儿数据加工，集合函数的使用，通过用户身份证号判断用户性别，鸢尾花标签与特征数值组装，量化顾客上班距离，离散化顾客年龄，计算上市公司的净利润率，文本函数（python），离散化顾客年龄（python），计算上市公司的净利润率（python），通过用户身份证号判断用户性别（python），量化顾客上班距离（python），获取语文、数学成绩都至少100分的学生，鸢尾花抽样，筛选营业收入大于10亿元的上市公司，获取语文成绩至少100分的学生（python），鸢尾花抽样（python），删除用户信息表中的缺失值，删除用户信息表中的缺失值（python），学生成绩缺值替换，学生成绩缺值替换（python），单值个数统计，单值个数统计（python），计算空值百分比，计算非空值百分比（python），年龄中异常数据的检测，年龄中异常数据的检测（python），通过用户身份证号获取户口所在地，通过用户身份证号获取户口所在地-2，获取上市公司现金流量的完整信息，各班成绩聚合查询，各班成绩聚合查询（python），用户访问所有页面汇总，用户访问所有页面汇总（python），统计每种商品的销量，统计每个顾客购买的商品，获取历次考试语文成绩第一名，航班飞行数据打标签，计算字符串的相似度，计算字符串的相似度（python），鸢尾花种类去重，鸢尾花种类去重（python），对学生英语成绩进行分类，学生成绩表格行转列，房屋价格统计分析，搜狗用户查询词数据画像，用户年收入数据画像，鸢尾花特征线性回归，学生成绩表格行转列-2，对学生英语成绩进行分类-2，房价中位数的分位值-2，房价峰度计算-2，房屋价格标准差-2，用户年收入数据画像-2，鸢尾花特征线性回归-2。【分析与挖掘】模块包括：描述性统计分析，时间序列分析，单因素方差分析，数据标准化，线性回归，偏最小二乘回归，逻辑回归，聚类，朴素贝叶斯，支持向量机，***网络，关联规则，决策树，随机森林，主成分分析。实验清单：鸢尾花数据描述性统计分析，鸢尾花数据高级统计分析，鸢尾花的描述性统计分析-2，鸢尾花高级统计分析之中位数-2，鸢尾花高级统计分析之众数-2，鸢尾花高级统计分析之峰度与偏度-2，鸢尾花高级统计分析之百分位数-2，鸢尾花高级统计分析之相关系数-2，用移动平均法预测人均GDP，用移动平均法预测人均GDP-2，水稻不同品种亩产量的单因素方差分析，水稻不同品种亩产量的单因素方差分析-2，鸢尾花数据的数据正规化，鸢尾花数据的正规化-2，用线性回归预测发电站电力输出，用岭回归预测公共自行车使用量，用Lasso回归预测房价，用Lasso回归预测房价-2，用岭回归预测公共自行车使用量-2，用线性回归预测发电站电力输出-2，****楼房的能源效率，****楼房的能源效率-2，用逻辑回归对鸢尾花进行分类，用逻辑回归对鸢尾花进行分类-2，对电信用户进行聚类分析，用K-Means细分青少年兴趣，对电信用户进行聚类分析-2，用K-Means细分青少年兴趣-2，用朴素贝叶斯判断是否接受贷款申请，用朴素贝叶斯判断是否接受贷款申请-2，用支持向量机判别声呐探测结果是否，用支持向量机判别是否是矿石-2，***网络判别人体活动，***网络判别人体活动-2，***网日志关联分析，挖掘购买商品的相关性，***网日志关联分析-2，用决策树发现银行即将流失的客户，用决策树预测员工满意度，用决策树发现银行即将流失的客户，用随机森林判别红酒品质，随机森林回归预测鲍鱼环的数量，用随机森林判别红酒品质-2，用随机森林预测鲍鱼环的数量-2，青蛙叫声数据的主成分分析，鸢尾花特征主成分分析，青蛙叫声数据的主成分分析-2，鸢尾花特征主成分分析-2。【数据可视化】模块包括：数据可视化简介，数据可视化基础，DEEP可视化，可视化中的交互，可视化评测。实验清单：可视化数据准备，文本图，气泡图，地图，热力点图，漏斗图，矩形块图，雷达图，仪表盘，明细表，分组表，交叉表，柱形图，饼图，线形图，面积图，点图，智能体开发应用、工作流输入、输出、发布工作流、文档提取器、大模型、对话Chatflow、知识库、智能体、Agent、常用的插件工具、其他节点。

3.4 《跨境电商大数据基础》

针对大数据零基础的跨境电商专业学生，结合企业在跨境电商领域里的简单大数据应用场景，通过商业案例的方式对学生进行基础的跨境电商专业和大数据的融合教学。让学生了解企业在跨境电商领域是如何利用大数据驱动业务，提升绩效，增强管理的质量和效率。建议第一或第二学期开设。

3.5 《商务数据分析高级实验》

该模块需提供真实的大数据商业项目案例，且要满足30个课时以上的复杂的综合实训教学需求。内容框架需要涵盖包括项目背景，分析业务问题，什么是业务问题，分析业务问题的操作步骤，分析空气净化器业务问题任务实践，框定业务数据，业务数据框定步骤，空气净化器项目数据映射表制作，探索业务问题，怎么探索数据质量问题，怎么探索业务数据画像，空气净化器业务数据画像质量问题探索，确定业务问题转化为什么样的数据问题，确定数据处理流程的设计思路，空气净化器项目数据问题转化任务实践，开发数据流程，开发数据流程相关步骤，空气净化器项目数据准备流程，空气净化器项目相关性分析流程，训练阶段任务介绍，空气净化器项目训练阶段，预测阶段任务介绍，空气净化器项目预测阶段，编写分析报告，空气净化器项目结果展示，空气净化器项目结果技术性解读，空气净化器项目业务性解读，解决业务问题，编写项目报告，运营方案推荐，项目训练任务，项目训练任务。满足学生通过真实项目实战，把学习的大数据全链路各个模块的内容和知识点进行全部串联，对接企业真实大数据项目需求，提升学生利用大数据全链路知识解决相关业务场景复杂应用问题。

3.6 《跨境电商大数据》

在学生完成数据思维课和数据工具课的学习后，针对跨境电商专业核心专业的教学内容，结合企业在跨境电商领域里的常见大数据应用场景，通过商业案例的方式对学生进行全面的跨境电商专业和大数据的深度融合教学。让学生全面深入掌握企业在跨境电商领域是如何利用大数据驱动业务，提升绩效，增强管理的。课程覆盖的主要跨境电商领域包括：跨境电商市场分析，跨境电商运营诊断与复盘，跨境消费者分析，跨境电商产品分析，跨境营销分析，跨境店铺流量分析，跨境供应链分析，跨境物流分析。课程的实验案例包括：市场趋势预测模型，基于人群的市场细分，基于产品的市场细分，基于渠道的市场细分，搜索环境分析，计算品牌集中度，热销商品选品分析，市场价格带分析，市场热销属性分析，店铺诊断，店铺复盘模型，电商店铺客户画像，客户行为习惯分析，RFM用户聚类分析，用户流失预测模型，消费者舆情分析-模型训练，复购间隔分析，复购产品归因分析，用线性回归预测产品销量，购物篮分析，产品结构分析，产品关键词流量分析，跨境营销分析-模型训练，产品生产分配最优规则求解，活动效果分析，流量渠道结构分析，流量商品结构分析，计算退款率，退款率分析，补货模型，物流异常分析。

三、供应商的资格要求：

1.具有独立承担民事责任的能力；

2.具有良好的商业信誉和健全的财务会计制度;

3.具有履行合同所必需的设备和专业技术能力;

4.有依法缴纳税收和社会保障资金的良好记录;

5.参加政府采购活动前三年内，在经营活动中没有重大违法记录;

6.法律、行政法规规定的其他条件；

7.国内工商登记注册，具有本次服务的经营范围；

8.不接受联合体报价。

四、报名方式：供应商于报名截止时间前将报名表（附件7）发至邮箱33****@****.com，逾期不予受理。

五、报名截止时间：2026年9月21日 16：00（北京时间）

六、报价文件提交时间： 2026年9月23日 8:30～10：00（北京时间）

七、报价地点：辽宁****大厦（报价供应商入校需报备，报备方法见附件8“辽宁经济职业技术学院访客系统操作指南”）

八、报价文件组成：

注：1、供应商递交报价文件，即默认为能完全满足我院采购需求，如后续发现服务不满足我院采购需求，我院有权利随时终止采购，对受影响的报价人不承担任何责任；

2、逾期送达的或未送达到指定地点的报价文件，我方不予受理；

3、报价文件，要求一本正本和两本副本，盖章密封；

4、1～8项有一项不符合要求，不能进入竞价阶段。

联系方式：

单位名称：辽宁经济职业技术学院 联系部门：资产管理处

单位地址：****路****号 邮政编码：110122

联系电话：024-****9363 蒋老师

辽宁经济职业技术学院 资产管理处

2026年9月18日