企业数字化转型(数据治理、分析&应用)培训课程-中心

第一章 数字化转型

一、为什么数字化转型
案例分析：阿里巴巴数据中台逐步形成的过程
案例分析：新零售企业数字化转型的过程
二、数字化转型的驱动力：业务创新、生态运营、产业互联、中台技术
三、数字化转型的本质：连接、数据、智能
四、数字化转型的路线图：
1）业务数据化
2）数据业务化

第二章 数据分析

一、数据分析：挖掘数据潜在的价值
二、数据分析角色：数据经理、业务专家、数据分析师
三、数据分析套路：
确定问题→数据采集→数据清洗→数据建模→数据分析→模型验证
案例分析：某省宏观经济数据分析过程
1）数据采集与清洗及其遇到的难题
2）逐步细分的数据分析过程及其验证
3）数据分析结果应当具有指导与决策意义

第三章 数据治理

一、数据治理的意义
1）原始数据的质量极大影响分析结果的准确
2）原始数据需要不断地采集与整合才能长期用于分析利用
3）原始数据的升级变更大大加剧了数据分析的维护成本
二、数据治理的过程
数据采集→ETL过程→数据仓库→数据集市→数据应用
案例分析：增值税发票分析系统的数据治理过程
1）增值税发票数据的采集与ETL过程
2）增值税发票的数据仓库建设过程
² 多维数据模型：雪花模式 vs. 星形模型
² 数据仓库的分层：原始数据层、明细数据层、轻度综合层、数据集市层
² 面向主题的数据建模过程
3）数据仓库的质量管理与血缘管理
4）数据中台的概念与建设思路：自顶而下 vs. 自下而上

第四章 数据应用

一、数据中台的核心是价值变现
数据中台的核心：数据价值变现
二、数据应用
1. 数据可视化
案例：网络运营商大数据监控系统建设过程
2. 数据风控
案例：税务系统虚开发票风险监控系统建设过程
1）风控指标的设计过程
2）风控系统的架构设计
3. 数字化运营
案例：用户行为分析与数字化运营的建设过程
1）采集用户行为数据
2）分析与展示用户行为数据
3）用户行为数据指导系统运营与决策
4. 推荐系统
案例：某互联网的推荐系统建设
1）数据推荐算法：基于用户的推荐算法、基于商品的推荐算法
2）推荐系统建设思路与精准营销

第五章 数据挖掘

一、数据挖掘的原理
二、数据挖掘过程
1）经验模型 vs. 数据模型
2）逻辑回归与数据预测
案例：企业成长性预测模型的数据挖掘过程
3）分类算法与深度神经网络
案例：根据商品名称进行分类的建模过程
三、企业画像与数据标签
案例：企业征信的企业画像分析设计过程
1）数据标签的分类：属性标签、统计标签、算法标签
2）数据标签的设计：横向与纵向的数据融合表
3）算法标签的设计与数据挖掘过程

第六章 人工智能

一、人工智能的发展趋势
1）人工智能的设计套路：形成人工智能算法闭环
2）人工智能的设计困境：需要有数据中台支撑
3）人工智能的未来趋势：与5G和物联网相结合
二、人工智能的系统建设
案例分析：远程智慧诊疗大数据平台的人工智能建设
1）项目背景与系统规划
2）经验模式+数据模型的建设思路
3）形成人工智能算法闭环的系统规划

第五章 数据挖掘

一、数据挖掘的原理
二、数据挖掘过程
1）经验模型 vs. 数据模型
2）逻辑回归与数据预测
案例：企业成长性预测模型的数据挖掘过程
3）分类算法与深度神经网络
案例：根据商品名称进行分类的建模过程
三、企业画像与数据标签
案例：企业征信的企业画像分析设计过程
1）数据标签的分类：属性标签、统计标签、算法标签
2）数据标签的设计：横向与纵向的数据融合表
3）算法标签的设计与数据挖掘过程