大数据实训室方案建议书.docx
- 文档编号:11138558
- 上传时间:2023-02-25
- 格式:DOCX
- 页数:18
- 大小:341.01KB
大数据实训室方案建议书.docx
《大数据实训室方案建议书.docx》由会员分享,可在线阅读,更多相关《大数据实训室方案建议书.docx(18页珍藏版)》请在冰豆网上搜索。
大数据实训室方案建议书
1.大数据实训室建设背景2
1.1中国大数据产业空间高速增长2
1.2教学中存在的问题2
1.3大数据人才紧缺3
1.4大数据人才就业方向4
2.大数据解决方案简介6
3.大数据实训室建设目标8
4.大数据实训室总体设计9
4.1实训室方案设计9
4.2培养方向及目标10
4.3实验平台建设原则11
4.4大数据实训室建设思路12
4.5实训室课程目标13
4.6实验平台教材大纲13
4.7学员能力要求14
5.实训室的相关服务14
5.1培训中心介绍14
5.2师资培训15
5.3新技术、新应用定期交流16
1.大数据实训室建设背景
1.1中国大数据产业空间高速增长
2015年9月5日,国务院印发《促进大数据发展行动纲要》。
《纲要》首次从国家层面认定数据是国家基础性战略资源,将大数据行业定位到国家战略层面,大数据成为推动经济转型发展的新动力,成为重塑国家竞争优势的新机遇,成为提升政府治理能力的新途径。
大数据发展,打破信息孤岛是关键。
《纲要》指出,要加强顶层设计和统筹规划,形成公共数据资源合理适度开放共享的法规制度和政策体系。
2018年底前,建成国家政府数据统一开放平台。
2020年底前,逐步实现信用、交通、医疗等领域的政府数据集向社会开放。
目前,信息孤岛问题依然是阻碍大数据前行的关键要素。
目前,60%的主管部门认为数据分布和共享存在难题,这源于不同部门间数据开放标准的不统一,以及在早期建设中各自独立进行和外包导致数据格式标准等的不同。
因而建立数据统一平台的前提就是打破信息孤岛,实现数据共享,这对于行业发展至关重要。
大数据行业空间将逐步释放。
《纲要》提出,到2020年,我国将形成一批具有国际竞争力的大数据处理、分析、可视化软件和硬件支撑平台等产品;并且培育10家国际领先的大数据核心龙头企业,500家大数据应用、服务和产品制造企业。
相关内容以及时间节点表明大数据产业行业空间将逐步加速释放。
2014年全球大数据产业对GDP贡献约270亿美元,行业尚处于幼稚阶段。
我国2014年大数据产业市场约80亿RMB,这一数据正以接近年30%的速度增长。
1.2教学中存在的问题
“知己知彼,百战百胜“,培养社会需求的人才,首要是了解目前的教学中存在的问题,从这些问题着手进行分析,得出结论,并有针对性的进行教学改革,当前,教学中大体有如下5个问题急需解决:
1.院校教学目标界定不清,无法满足“零距离”上岗的要求,很多学生在院校学习了IT相关的基础课程,但进入工作岗位后仍需要到专门的培训机构进行培训后方可上岗。
2.教材内容严重与所学专业脱节,教材中的知识已经满足不了当前行业的需求。
如果更换教材,那么院校需要重新进行课程建设,而且还牵扯到课程体系建设,课程研发的问题,此类方式受各方面原因的影响无法实施。
3.师资力量薄弱,当前院校进行教学规划时,被一个硬指标制约着——师资水平。
但是,网络技术行业发展十分迅速,院校教师又无法及时的了解到当前最前沿的网络技术。
4.实践环节重视不够,学生动手能力明显不足,网络技术专业是典型的理论与实践结合的专业,学生光学不练,无法满足用人单位的需求。
5.校企合作力度不足,院校培养的毕业生最终要实现就业,接口单位就是用人公司。
那么用人公司是最有权威提供其就业条件的机构,校企合作是提升人才培养效果的最佳实践。
新型实训室的建立,将会涉及相关课程教学方法与模式的改革,以及虚拟化、云计算和大数据等前沿技术的研究与开发,有力推进教学研究和教学改革工作的开展,促进校企合作、教学研究论文的发表与专利的申请。
先进的实验环境也为学生提供了良好的科技创新和学科竞赛的环境与氛围。
1.3大数据人才紧缺
当下,大数据的趋势已逐步从概念走向落地,而在IT人跟随大数据浪潮的转型中,各大企业对大数据高端人才的需求也越来越紧迫。
这一趋势,也给想要从事大数据方面工作的人员提供了难得的职业机遇。
伴随移动互联网、智能终端、云计算、物联网技术的发展,数据呈现爆炸式增长,大数据时代正向我们逐步展开一场意义深远的数据革命,对全球整合经济时代的业务和服务产生深远的影响。
大数据已经不再局限于技术领域,而是已经成为组织机构一项优先考虑的技术创新,因为它除了能够应对长期存在的业务挑战之外,大数据还为流程、组织、整个行业、甚至社会本身的转型激发了许多新的方式。
国内各行业也都在积极投身到大数据应用的浪潮中,迎接“互联网+”带给我们的机遇和挑战。
在大数据时代,企业之间正在为了吸引并留住大数据专业人才而展开竞争,不论是拓展大数据业务的XX、阿里、奇虎360等互联网公司,还是专业提供数据服务的大数据服务商,以及拥有大量数据的传统行业,对专业大数据人才都有着迫切的需求。
据专业机构的调查预测,中国未来3-5年内的大数据人才需求总量将达到180万人,目前的人才缺口现状至少有150万人。
在《国家中长期教育改革和发展规划纲要》中,教育信息化首次被纳入国家信息化发展整体战略,它的重要意义被提升到前所未有的高度。
教育信息化已经开始为支撑学校的整体发展战略提供保障,并成为提升高校核心竞争力的重要手段。
1.4大数据人才就业方向
在“互联网+”战略之下,互联网行业高速发展,XX、新浪、阿里、腾讯等大型互联网公司以及大众创业,万众创新的创业型公司都在部署各自的大数据战略,大数据相关人才十分亟需,同时互联网、政府、金融、电力等各企事业单位信息化部署都在向大数据全面转型,大数据行业毕业生作为服务区域经济IT行业和企事业单位发展的重要力量
大数据需要以下六类人才:
1.大数据系统研发工程师。
这一专业人才负责大数据系统研发,包括大规模非结构化数据业务模型构建、大数据存储、数据库构设、优化数据库构架、解决数据库中心设计等,同时,还要负责数据集群的日常运作和系统的监测等,这一类人才是任何构设大数据系统的机构都必须的。
2.大数据应用开发工程师。
此类人才负责搭建大数据应用平台以及开发分析应用程序,他们必须熟悉工具或算法、编程、优化以及部署不同的MapReduce,他们研发各种基于大数据技术的应用程序及行业解决方案。
其中,ETL开发者是很抢手的人才,他们所做的是从不同的源头抽取数据,转换并导入数据仓库以满足企业的需要,将分散的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成,最后加载到数据仓库,成为联机分析处理、数据挖掘的基础,为提取各类型的需要数据创造条件。
3.大数据分析师。
此类人才主要从事数据挖掘工作,运用算法来解决和分析问题,让数据显露出真相,同时,他们还推动数据解决方案的不断更新。
随着数据集规模不断增大,企业对Hadoop及相关的廉价数据处理技术如Hive、HBase、MapReduce、Pig等的需求将持续增长,具备Hadoop框架经验的技术人员是最抢手的大数据人才,他们所从事的是热门的分析师工作。
4.数据可视化工程师。
此类人才负责在收集到的高质量数据中,利用图形化的工具及手段的应用,清楚地揭示数据中的复杂信息,帮助用户更好地进行大数据应用开发,如果能使用新型数据可视化工具如Spotifre,Qlikview和Tableau,那么,就成为很受欢迎的人才。
5.数据安全研发人才。
此类人才主要负责企业内部大型服务器、存储、数据安全管理工作,并对网络、信息安全项目进行规划、设计和实施,而对于数据安全方面的具体技术的人才就更需要了,如果数据安全技术,同时又具有较强的管理经验,能有效地保证大数据构设和应用单位的数据安全,那就是抢手的人才。
6.数据科学研究人才。
数据科学研究是一个全新的工作,够将单位、企业的数据和技术转化为有用的商业价值,随着大数据时代的到来,越来越多的工作、事务直接涉及或针对数据,这就需要有数据科学方面的研究专家来进行研究,通过研究,他们能将数据分析结果解释给IT部门和业务部门管理者听,数据科学专家是联通海量数据和管理者之间的桥梁,需要有数据专业、分析师能力和管理者的知识,这也是抢手的人才。
专业服务的职业岗位及典型工作任务如下表。
岗位
典型工作任务
运维
大数据初级工程师
1、了解storm/cassandra/hbase/spark/hadoop等大数据相关技术,至少精通一种处理和一种存储技术。
2、熟悉ApacheHadoop的部署、性能调优;
3、Linux系统管理工作经验,精通一种或多种LinuxShell语言;
大数据运维工程师
1、负责大数据(Hadoop)的运维和优化工作;
2、熟悉RDBMS(比如MySQL)的开发,熟悉SQL语言;
3、精通java/c++/python之一
开发
大数据架构师
1、对Hadoop框架有较深的源代码研究
2、大数据分析与数据仓库设计及开发经验
3、有良好的数据分析及数据挖掘能力,可根据需求定制数据处理策略
分布式存储系统软件开发工程师
1、精通Java,对数据结构和算法设计有较为深刻的理解,具有良好的分析问题和解决问题的能力
2、对Hadoop框架有较深的源代码研究,对于HDFS相关组件有深入了解
3、在开源社群活跃并有积极贡献者优先。
分析
大数据产品经理
1、具有数据挖掘分析功底
2、通过海量数据,挖掘用户行为,推动技术团队,提供数据解决方案;
3、了解底层数据的架构技术以及应用层数据分析和算法的基本概念,能够运用数据作为产品解决业务方运营及决策问题;
大数据分析师
1、掌握SAS、SPSS等相关统计分析软件
2、精通统计及数据挖掘理论
3、掌握基本的市场分析方法和模型,有较强的数据分析能力
2.大数据解决方案简介
深信服基于超融合的大数据平台采用Hadoop、MPP分布式数据库、深度学习算法混搭的计算框架为用户提供一套完整的大数据平台解决方案,包括数据采集转换、计算存储、分析挖掘、共享交换、BI展示以及运维管理等全系列功能,帮助用户构建海量数据处理系统,发现数据的内在价值,获取新的市场机会。
Ø先进的混合计算架构
采用Hadoop和MPP融合技术架构,对半结构化和非结构化数据支持并行计算和低成本存储,提供低时延、高并发的查询和分析功能;对结构化数据采用MPP分布式列存储,支持分布式计算、智能索引等功能,实现高性能结构化数据分析处理。
集成MapReduce、Spark、Storm、Tez等多种计算框架,利用YARN资源管理做统一管理,可在同一份数据集上运行多种计算。
离线计算、内存计算和流式计算并存,能满足高吞吐、大数据量和低时延实时处理等多方面的数据计算要求。
Ø高性价比的分布式集群
基于x86服务器本地的计算与存储资源,计算集群可以动态调整,从数台到数千台之间弹性扩展,按需构建应用,减少总体成本;同时,在设计时充分考虑了硬件设备的不可靠因素,在软件层面提供计算和存储的高可靠保证,具备较强的容错性。
Ø云化ETL
将不同业务系统中分散、零乱、标准不统一的各种源数据中的数据进行汇聚。
支持从DBMS、互联网、物联网、企业生产系统等各种数据源中提取数据。
各类数据经过抽取、清洗和转化后,实现多对多地加载到包含但不限于大数据集群和各类关系型数据库中。
该过程由一个统一的操作接口封装,经过无代码的可视化配置后,可实现自动化地、分布式地执行整个ETL作业流程。
Ø数据分层和分级存储
把数据按照不同阶段分为ODS(OperationalDataStore)数据、轻度汇总数据、信息子层数据和应用数据,分别存储在Hadoop平台、MPP分布式数据库和数据仓库,满足不同阶段的计算需求;按照在线数据、历史数据等来管理数据生命周期,满足在线数据的高性能存储的需求;将核心模型数据通过改造融入到数据仓库的核心模型中,减少数据冗余,提升数据质量;将数据仓库中的历史数据迁移到低成本分布式数据库,减轻数据仓库的计算与存储压力并支撑深度数据分析。
Ø数据分析挖掘
支持R语言,集成机器学习算法库Mahout和SparkMLlib,包含聚类分析、分类算法、频度关联分析和推荐系统在内的常用机器学习算法。
满足批处理统计分析、在线数据检索、R语言数据挖掘、实时流处理、全文搜索等全方位需求。
可帮助企业建立高速可扩展的数据仓库和数据集市,结合多种报表工具提供交互式数据分析、即时报表和BI可视化展示能力。
Ø数据服务接口
提供交互式SQL和可编程API,提取数据存储计算平台的数据处理结果,屏蔽底层细节,为上层应用提供数据服务。
主要包括SQL接口、MapReduce/Spark/Storm计算接口等多种可编程API、全文实时搜索接口、业务定向接口、关联查询接口,满足数据查询、可视化BI展示、数据交换、数据分析、目录服务、综合查询等业务应用的需要。
Ø可视化运维管理
提供Web图形化界面实现运集群的管理和监控,集群的节点、主机和服务的运行状态都能在界面上显示,操作友好,功能丰富。
提供集群快速安装部署、机架展示、用户权限管理、主机与服务管理、监控及告警通知等多方面支持,在可管理性方面优势显著。
3.大数据实训室建设目标
Ø提供先进的教学内容及先进的教学方法,提高教学质量;
Ø提升专业教师的技术水平;
Ø打造大数据相关精品专业;
Ø共同完善课程系统,联合开发更为实用的大数据范畴技术教材;
Ø完善院校实践条件,提高学生动手实践能力;
4.大数据实训室总体设计
4.1实训室方案设计
实训室依据业务属性,共分为3个功能区:
1)实验操作区:
学生学习大数据实训室课程内容和实际操作实验课程的区域,根据每组学生数量配置桌面云系统,可以在电子教室、图书馆、宿舍等任意地点登录;
2)虚拟实验设备区:
在超融合集群中创建大数据实训室的虚拟实验设备,包括虚拟机、存储、网络拓扑和虚拟安全设备,所有的实验内容均运行在该实验设备区内;
3)教学管理区:
老师管理区和演示区,负责演示实验课程内容并对所有实验组的实验设备做监控和管理;管理区亦可作为校内大数据分析的实验过渡平台,将学校数据导入该区域大数据集群,根据业务需求进行海量数据存储处理、分析挖掘,为校园大数据建设贡献力量
学生可分为不同实验小组进行实战练习,每个小组内不超过10人,集群可将计算、存储资源隔离,使实验小组件底层隔离,互不影响;教师区实验设备性能较高,除带领学生实验外,还可承接校内大数据集中、应用开发等项目。
实验平台所需软硬件如下:
Ø超融合节点:
轻量级的实验课每60人可选用一组6台超融合一体机
Ø网络设备:
连通整个实验环境与校园网络,可选二层、三层交换机
Ø桌面云系统:
包含运行桌面云的服务器、存储和终端,每60人可选用2-3台桌面云一体机。
Ø超融合软件:
为学生提供灵活的实验环境
Ø大数据平台软件:
为学生提供大数据实验集群。
Ø教学管理软件:
教师管理教学环境、发布课程内容等。
4.2培养方向及目标
大数据人才培养方案是下一代人才培养计划。
将响应国家号召,全力配合各类院校开展大数据人才培养工作,大数据实训室方案已就绪,将支持校方植入完整的课程体系,辅助高校全力培养“零距离”上岗,综合素质达到企业要求的优秀毕业生。
大数据实训室为学生制定了循序渐进的能力提升计划,理论与实验紧密结合,培养学生思考、动手能力,助力各个学校进行全流程、全方位、可持续的创新型大数据人才培养。
人才培养计划如下:
4.3实验平台建设原则
从在方案设计思路上,针对大数据实验平台,我们从以下几个方面进行深思熟虑的设计:
1.技术标准开放
当前阶段大数据整个产业化还不够成熟,相关标准还在不断完善中。
目前选用业界使用最为广泛的Hadoop作为平台当中一部分,能够与生态内各类常用组件无缝对接。
此外,为保证方案的前瞻性,设备的选型应充分考虑计算、存储、网络节点的能力,保证良好的先进性,以适应未来的技术发展。
2.开放接口
为保证服务器、存储、网络等资源能够被大数据平台良好的调度与管理,要求系统提供开放的API接口。
同时大数据平台也提供开放的API接口,未来可以在这些接口的基础上进行二次定制开放。
3.丰富、清晰的培训教材
对于实验室承担的培训工作,比如基础课程的培训、行业应用培训,应该具有丰富、清晰的教材,包括教师指导书、学员课本和实验手册。
这样可以充分提高教学培训的效率。
但是不是所有标准化教材都能满足所有实验室,很多学校在承担特殊化的培训工作时,往往需要定制开发教材,这就需要实验设备提供商和学校联合开发相应的课程。
4.师资培训新技术交流
虽然多数科研人员和授课教师都有很深的学术功底,但是不见得对实验设备了解非常深入,这就对科研进度和培训工作带来影响。
供应商在提供实验设备的同时应该对科研人员和授课教师进行详细的设备使用培训,使他们能够更好的开展后续工作。
为了使研究、培训内容跟上最新技术的发展,应当有业界技术领先的企业定期和科研人员、授课教师充分交流前沿技术的发展,已达到开拓科研视野、增加企业产品方案竞争力的双赢目的。
5.权威认证培训
来到实验室接受培训和参加技术进修的学员,实际上对实验教学内容和实验设施比较挑剔的。
这是非常现实的,因为每个人都不希望来到实验室还是学习很多过时的技术,也不希望学习一些非主流设备。
除了自身技术技能的提升,另外一个学员关心的问题是能够拿到一个非常权威的、被广泛认可的能力证明,这对学员个人今后的发展会有较大促进作用。
6.技术服务保障
虽然实验室对设备的可靠性不及电信、金融系统对设备可靠性要求高,但是如果科研课题进度非常紧,或者学员是付费使用实验室,那么实验平台对可靠性以及厂家对故障的服务响应就非常重要了。
另一个维度来讲,实验平台涉及多种高、精、尖技术,厂家服务人员对技术掌握的深度和范围也显得非常必要。
4.4大数据实训室建设思路
为实现建设目标要求,大数据实训室设计构建中坚持以下设计原则:
第一,高可靠性。
大数据实验平台的稳定可靠是实验正常运行的关键保证,在大数据实验设备设计中选用高可靠性产品,合理设计大数据实验平台架构,制订可靠的备份策略,保证大数据实验平台具有故障自愈的能力,最大限度地支持系统的正常运行。
第二,标准开放性。
选用业界主流大数据处理系统,保证与生态内各组件之间的平滑集成与连接互通,以及将来的扩展;对外提供标准统一API接口。
第三,灵活性及可扩展性。
根据未来业务的增长和变化,实验平台可以平滑地扩充和升级,最大程度地减少对现有实验平台的调整。
现有设备可以在扩容过程中得到充分利用,从而保护用户现有投资。
第四,可管理性。
对实验平台实行集中监测、分权管理,并统一分配资源管理。
选用先进的大数据平台,具有对实验平台内的虚机资源创建、监控、迁移等管理能力。
第五,统一标准、统一平台。
大数据平台的建设要从长远角度出发,考虑平台的扩展能力,采用开放的技术和国际标准。
4.5实训室课程目标
Ø掌握大数据的基本概念与解决方案。
Ø掌握大数据的基础平台部署
Ø掌握大数据常见计算框架原理及操作
Ø掌握数据采集工具使用
Ø掌握常用数据分析挖掘算法及使用
Ø掌握数据仓库与商业智能理论及使用
Ø掌握大数据产品维护
4.6实验平台教材大纲
课程体系架构如下:
课程大纲如下:
第一篇大数据概述
Ø大数据技术的起源、发展历程
Ø大数据技术流派、体系结构
Ø大数据典型应用、商用案例
Ø大数据发展业前景
第二篇大数据关键技术
ØHadoop概术
Ø分布式计算概述
Ø数据分析挖掘算法
Ø数据仓库与商业智能
第三篇大数据应用设计
ØMapreduce/Spark等编程实践
ØHDFS/HBase等编程实践
Ø综合实训
4.7学员能力要求
Ø熟悉windows、Linux业务服务器的配置,维护,监控,调优,故障排除等
Ø具备数据库基础知识,熟悉数据库相关操作
Ø具备数学及统计学相关基础知识
Ø具备计算机编程能力
Ø具备数据结构、算法相关知识
5.实训室的相关服务
5.1培训中心介绍
培训中心是公司为客户、渠道合作伙伴、内部员工和社会IT从业人员提供全系列的网络产品培训和网络技术认证的专业培训机构,致力于向高校师生提供高品质、全方位的认证培训服务。
另外培训中心还拥有一支专门负责课程开发的专家队伍。
他们深谙职业教育的特点,精于系统化的课程设计和开发,确保所有的培训项目优质高效,满足客户需求。
培训中心将产品开发理念贯穿到课程开发中,历经市场调研、设计、开发以及教学效果评估等四个阶段。
课程设计特别注重学员实际工作能力的提高,课程中高度强调是实际的上机维护操作、网上案例讲解、故障模拟演练,紧密联系当前的网上情况,能极大地提高学员的实际操作维护能力。
根据用户需要和产品特点,培训课程采用模块化的设计思想,每个课程都有可衡量的培训目标、具体的培训内容及合理的时长。
并且在各种课程的设置中强调案例教学,强调技术应用能力培养,在认证考试中也有相当的实际配置考察。
培训课程的各模块也以恰当的时序进行组合,以保证最佳的培训效果。
优良的培训和实验环境
培训中心拥有良好的培训环境,培训设备选型以主流设备为主,并及时更新软件以提供最新特性。
学员上机操作占1/3以上课时,实验过程要求1:
1的人机比例,赋以各种解决方案的组网案例,突出实际动手能力和应用技能的培养。
5.2师资培训
专业的师资队伍是培训和教学质量的最佳保证。
公司极其重视师资队伍的建设,当院校建立了大数据计算实训室后,公司将会为学校培训老师,以充分保证学校大数据实训室的效果和质量。
师资培训的内容分为三类:
一是实验课程内容的培训,公司对学校的老师进行大数据实训室相关课程的培训,以使老师熟悉课程内容,彻底掌握产品的配置、维护等必要知识,成为一个专家,通过这些培训,一方面提高了学校实验室老师的技术能力和动手能力,另一方面又能最大限度地发挥大数据实训室的功能,更好地为学校教学和科研服务;
二是关于实验室管理方面的培训,公司根据多年来在院校建立实训室的经验,已总结出一套行之有效的实验室管理方法和流程,比如实验室的设备管理流程,实验室上机管理方法和实验室值班员、管理员守则等一系列规章制度等,这些经验可以和学校进行共享,使学校根据这些内容迅速地制订出适合本校实际情况的实验室管理办法来,而不用从头去摸索和掌握,从而促进了大数据实训室的成功运行;
三是关于行业解决方案的培训,大数据实训室可以对社会其它行业进行开放,培训其它行业的技术人员,比如大数据实训室可以招收政府行业的学员,开展关于政府内部数据大集中、海量数据分析挖掘的培训,另外,对学校内部学生的培训,也有需要模拟其它行业数据处理实际环境,这就需要学校的老师对各行各业的网络解决方案非常熟悉,才能顺利地开展这些培训。
公司积累了各个行业的客户群体,对各行各业的网络有着深刻的认识和独到的见解,可以根据学校的要求进行行业解决方案的培训,以使学校老师掌握迅速掌握各行业的网络特点,更好地为教学、社会培训服务。
5.3新技术、新应用定期交流
IT行业是不断变化和发展的,不断地有新技术、新应用、新产品出现,公司作为业界领先的IT厂商,可通过定期、不定期资料发放,与学校进行交流,在学校召开技术研讨会,以及邀请学校参加业务技术大会等方式,使学校的老师的知识不断得到更新和升华,使学校大数据实训室甚至校园网的建设水平紧跟业界领先产品和技术的发展步伐。
因此,通过大数据实训室的建设,学校不仅仅只是建立了一个实验室,而是搭建了一个很好的平台,通过这个平台,通过与公司的合作,来与业界最新产品技术保持同步。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 大数 据实 方案 建议书