产业人才大数据下的知识体系矩阵

今天我们一起来了解产业人才大数据下的知识体系矩阵。

01

关于产业人才大数据

中清研信息技术研究院基于资历架构方法论提出的产业人才大数据，指的是数据在人才产业上的形态沉淀，把某一行业内数据按照资历领域、教育领域与管理领域3 6大域16个应用类型进行标准化整合，通过数据矢量关联、数据挖掘等技术及云集树集结构对标准化数据进行管辖、隔离、融合、分析及应用创新。

02

关于知识体系矩阵

知识体系是跟碎片知识相对应的概念，指高度有序的知识集合。它由两部分组成：一是大量的知识点，二是有序的结构。如果说碎片知识是一张张街景的速写，那知识体系就是一副完整的地图。

那么，如何实现产业大数据知识的体系化呢？

我们从三个层次切入，分别是通识、应用和资讯。

通识

建立知识体系的第一步，就是足够的基础知识，例如产业大数据——被称为「通识」。产业人才大数据定义了大数据在人才产业中的形态，即以海量专业数据的互联和应用为核心，将数据资源融入产业创新和升级的各个环节，形成数据融合+信息分析+知识应用+产业智慧的新经济形态。所以好的通识，必须具备这三个特点：

l范式

范式，即一个领域的「话语体系」。它可以将你的思维方式，调整到这个领域的「公认模式」。好的通识教材，必须是具备专业范式的。

l广博

就是不断追求、寻求最新最广博的成果。

l客观

客观的知识就是不带立场和倾向的内容。

应用

应用就是让通识真正运用起来、建立有序结构的方式。利用产业人才大数据理念构建的产业人才大数据服务平台包含了标准化云集（行业标准知识）和个性化树集（组织自有知识），并形成密切关联关系和应用关联关系，沿着数据、信息、知识、智慧角度沉淀，解决企业、院校、政府、个体的不同需求，为人才产业内数据创新应用作支撑，这就是一种体系化「有序的结构」。从平台应用层面上来说，有3个层次：

1）使命：这个产业领域是为了什么而存在的？

2）大问题：大问题是就某个产业领域的发展和演化而言。在这个领域中，存在着哪些推动领域发展的「大问题」？以前人们是如何思考、回答的？

3）小问题：则是针对个人的学习而言。在具体的学习过程中，我对哪些领域有兴趣？我能提出什么样的问题？我能通过学习获得什么样的能力？

咨询

咨询就是对于前两者的更新。因为知识体系不是静止的，需要不断迭代和完善。

03

我们从哪里学知识

导师

导师可以是任何一个人或者一个网站，一个服务，他的作用就是提供一条有效的学习路径。最重要的一点，就是梯度：一条好的学习路径，必定是由易到难、由浅入深、由广至专的。学习有一个「舒适区」理论。待在自己熟悉的地方（舒适区），是学不到东西的；离舒适区太远（危险区），也很难学到东西。而产业人才大数据平台通过对个人能力进行分级，并一一对应同等难度的知识，从而让学习者明确知道自己的能力等级，明确接下来的学习方向。

学习者最好的状态，是找到舒适区的边缘，向前一步，我们叫做「成长区」——既给自己一个挑战，又不至于太难。

输出

如何确保100%掌握一个知识点？把它写成文章，发出来，让别人去挑刺。

渠道

渠道，在这里专指信息渠道，获取一切「碎片化信息」的来源。

04

我们怎么学

联系

联系就是包围式学习的核心：尽可能找到并建立起，这个新的知识点，和旧知识点之间的联系。只有不断去寻求联系，去建立接点和连线，才能将这个知识点，纳入自己的知识网络里面。

系统

系统的思维方式，则是拔高一个层次，从更高的维度，去看待眼前的整张网络，关注它本身的结构、所在的位置和接触点。

开放

用求证、探索和质疑面对每个知识。

结语

产业人才大数据平台通过利用大数据技术，实现人才资源的共享利用和优化配置，为人才的培养、选拔、使用与管理提供依据，为个人、学校、企业、人力资源部门乃至国家层面提供个性化、多样化、更具效率和针对性的人才服务。