【課程背景】

大數(shù)據(jù)技術是指從各種各樣類型的巨量數(shù)據(jù)中，快速獲得有價值信息的技術。解決大數(shù)據(jù)問題的核心是大數(shù)據(jù)技術。大數(shù)據(jù)(big data)或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具，在合理時間內(nèi)達到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營決策更積極目的的資訊。大數(shù)據(jù)分析相比于傳統(tǒng)的數(shù)據(jù)倉庫應用，具有數(shù)據(jù)量大、查詢分析復雜等特點。

大數(shù)據(jù)為企業(yè)創(chuàng)造了新的商機。挖掘數(shù)據(jù)價值是傳統(tǒng)企業(yè)轉型和互聯(lián)網(wǎng)企業(yè)創(chuàng)新的必由之路。然而，復雜的結構化和非結構化數(shù)據(jù)不能被傳統(tǒng)技術處理。大數(shù)據(jù)挖掘，面對電子郵件、照片、視頻、音頻、文本等海量信息，新數(shù)據(jù)可以迅速生成，不同類型的數(shù)據(jù)混合在一起。對海量數(shù)據(jù)進行準確、可靠的分析和處理，獲取高價值信息，將為企業(yè)帶來豐厚的利潤。

數(shù)據(jù)產(chǎn)品，承載著大數(shù)據(jù)中蘊含的邏輯，是一個大數(shù)據(jù)產(chǎn)業(yè)鏈價值的最終體現(xiàn)。對于一條完整的大數(shù)據(jù)產(chǎn)業(yè)鏈來說，其本質(zhì)就是對數(shù)據(jù)不斷挖掘，發(fā)現(xiàn)其中的規(guī)律，并封裝成數(shù)據(jù)產(chǎn)品，最后用數(shù)據(jù)產(chǎn)品變現(xiàn)的過程。

課程將以大數(shù)據(jù)模型與分析為核心要點，幫助學員認識大數(shù)據(jù)建設的基礎、了解數(shù)據(jù)建模與分析，在企業(yè)數(shù)字化變革的重要性是什么？信息科技部門在大數(shù)據(jù)平臺建設過程中，應該扮演什么角色？如何利用現(xiàn)代化信息科技，提升數(shù)據(jù)建模、挖掘與分析成功的機會？使學員能夠知其然，更能知其所以然。能夠具備引領企業(yè)實現(xiàn)成功的數(shù)字轉型，同時協(xié)助企業(yè)提升商業(yè)模式創(chuàng)新能力，快速占領行業(yè)制高點！

【課程收益】

?  了解企業(yè)實施大數(shù)據(jù)平臺的原由，影響，以及可預期的成效

?  熟悉6大高質(zhì)量數(shù)據(jù)的標準

?  了解“數(shù)據(jù)建模”在企業(yè)大數(shù)據(jù)應用過程中的定位與重要性

?  了解數(shù)據(jù)建模的方法論與實踐案例

?  了解業(yè)界常用的數(shù)據(jù)分析工具與方法

【課程特色】方法，知其然；科學，亦知其所以然；實戰(zhàn)，真實案例解析

【課程對象】信息科技運維部門主管，信息科技研發(fā)部門主管，信息科技部首席/資深系統(tǒng)架構師，CIO（首席信息官）、CTO（首席技術官）、企業(yè)安全架構師，信息科技部資深軟件設計師，信息科技部資深軟件設計師

【課程時間】6小時

【課程大綱】

一、“大數(shù)據(jù)”的內(nèi)涵為何？

a)       “大數(shù)據(jù)”的構成元素為何？

b)      “大數(shù)據(jù)”具備什么特性？

c)       “高質(zhì)量”數(shù)據(jù)的標準為何？

                   i.           有效性

                  ii.           準確性

                 iii.           完整性

                 iv.           一致性

                  v.           可追溯性

                 vi.           及時性

二、 “數(shù)據(jù)建模”的內(nèi)涵為何？

a)       為什么需要建立模型？

b)      建立模型的原則為何？

                   i.           探索 – 排序思維

                  ii.           概念 – 步驟導向

c)       常用的建模工具介紹

                   i.           思維導圖

                  ii.           概念圖

                 iii.           系統(tǒng)導圖

                 iv.           心智模型

                  v.           概念模型

三、業(yè)務數(shù)據(jù)建模實踐

a)       業(yè)務數(shù)據(jù)建模的定義與內(nèi)涵

b)      如何進行業(yè)務數(shù)據(jù)建模？

                   i.           信息流定義

                  ii.           信息輸入

                 iii.           信息輸出

                 iv.           信息處理規(guī)范

                  v.           信息參與角色

c)       數(shù)據(jù)建模完成后的接續(xù)動作為何？

                   i.           建立系統(tǒng)框架

                  ii.           構建應用架構

1.       數(shù)據(jù)架構

2.       技術架構

四、數(shù)據(jù)模型實踐

a)       數(shù)據(jù)建模的定義與內(nèi)涵為何？

b)      常見數(shù)據(jù)場景介紹與案例分享

c)       數(shù)據(jù)建模的步驟為何？

                   i.           制定目標

                  ii.           數(shù)據(jù)理解與準備

                 iii.           建立模型

                 iv.           模型評估

                  v.           結果呈現(xiàn)

                 vi.           模型部署

d)      數(shù)據(jù)建模常用的方法與工具

                   i.           ML

                  ii.           SmartBi

e)       如何規(guī)避常見的數(shù)據(jù)建模誤區(qū)？

                   i.           與現(xiàn)有數(shù)據(jù)治理沖突？

                  ii.           數(shù)據(jù)安全過度考量？

五、數(shù)據(jù)分析的最佳實踐與方法

a)       邏輯樹分析

b)      PEST行業(yè)分析

c)       多維度拆解分析

d)      對比分析

e)       歸因分析（假設檢驗）

f)        AARRR分析

g)      RFM分析

h)       杜邦分析

i)        周期性分析

六、業(yè)務場景實踐

a)       業(yè)務場景的定義與內(nèi)涵

                   i.           何謂“業(yè)務場景”？

                  ii.           組成“業(yè)務場景”的關鍵要素為何？

                 iii.           案例分享

b)      “業(yè)務場景”應具備哪些要素？

                   i.           誰在里面？

                  ii.           在什么環(huán)境下？

                 iii.           在做什么？遇到什么問題？

                 iv.           如何互動？

                  v.           會產(chǎn)生什么價值？

c)       如何創(chuàng)建“業(yè)務場景”？

                   i.           識別主題

                  ii.           判斷角色與場景入口

                 iii.           延伸場景，梳理“角色”的步伐

                 iv.           針對需求思考解決方案

d)      業(yè)務場景開發(fā)指南

                   i.           分析業(yè)務場景的6步法

                  ii.           UML用例圖/行為圖解析

                 iii.           價值流分析

e)       案例分享與討論

七、數(shù)據(jù)挖掘與分析的發(fā)展方向與趨勢為何？

a)       定向算力（案例分享 – 特斯拉 無人駕駛）

b)      機器學習 （案例分享 – 富士康 精密制造）

c)       系統(tǒng)自愈 （案例分享 – 富士康 無燈工廠）

d)      預警機制 （案例分享 – AWS 數(shù)據(jù)中心運維）

八、課程總結

a)       學員心得分享

b)      重點摘要

c)       答客問