|  | 
 
        |  | 
  
   
    | 
         
          |  |  |  | 
              
| 全部课程 >大数据 |  |  |   
                  | 
                        
                           
                            | 企业数字化转型(数据治理、分析&应用) |   
                            | 
                                
                                   
                                    | 4763 次浏览  63 次 |  |   
                            |  |   
                            | 地点时间:北京、上海、深圳根据报名开班 |   
                            | 课程费用:5000元/人 |  
                            |  |  
                            |  |  
                            |  |   
                            | 企业内训:可以根据企业需求,定制内训,详见 
                              内训学习手册 |  
                            | 
 |   
                            | 
                                 
                                  |  | 认证方式:
 培训前了解能力模型。
 培训后进行能力评测:
 在线考试
                                    能力分析,给出学习建议
                                    合格者颁发证书,作为职业技能资格证明
 
 
 |  |  |   
                            | 
 |   
                            | 近些年,随着数据中台、大数据、机器学习、人工智能等高科技技术的不断发展,越来越多的企业开始着眼于整理自己的数据资产、挖掘自身的数据业务、开拓自己的数据产品,着手企业数字化转型。但是,什么是数字化转型,数字化转型应该怎么做,会给企业带来什么样的赋能呢?是困扰大家很久的难题。同时,由于各个企业自身的起点不同,有的是从开展简单的数据分析任务开始,有的从如何建设自己的数据中台开始。同时,在这个过程中也会遇到了诸多的难题与困惑,不知道如何更加有效地开展工作,未来的发展方向又在哪里。 本课程从案例开始,讲解了企业数字化转型在当今激烈竞争环境下,给企业带来的突破与创新。数字化转型的驱动力,转型的本质,与转型的路线图。 接着,从实战的角度,讲解了企业在不同阶段数字化转型的建设思路,帮助规划其未来发展的路线图。最初,如何开展简单的数据分析任务,确定问题→数据清洗→数据建模→数据验证的设计套路,以及由粗到细挖掘有价值的数据的分析思路。然后,为了长期持久地分析应用数据,如何建设数据中台,开展数据资产治理的工作,包括数据采集、ETL过程、建立数据仓库、形成数据集市、建设应用系统。并且,在这个过程中如何开展数据质量管理、数据血缘管理,等等。接着,在这样的基础上如何数据驱动、价值变现、形成数据产品,如数据风控、数字化运营、推荐系统、精准营销,这些系统的建设思路。更进一步,如何运用数据挖掘算法,开展数据预测、用户画像、机器学习等任务。最后,运用实际案例讲解,人工智能的系统建设,建设套路以及关键点与难点。 |   
                            | 培训特色 : |   
                            | 本课程注重实战,老师在企业数字化方面具有丰富的经验,在数据分析与建设相关领域从业多年,收集了大量的真实案例,会针对项目过程中常见的问题进行汇总、研讨,并最终形成培训教程。通过大量的真实案例,详细地介绍了数据分析与建设过程中需要注意的要点以及难点,这些知识都是讲师十几年经验的总结。 |   
                            | 培训目标: |   
                            | 了解企业数字化转型都需要关注哪些方面
                              从数据用户角度挖掘数字化应用需求
                              学习如何对数据进行整理,构建数字化基础
                              学习数据分析和应用方法
                              学习如何结合人工智能挖掘数字化功能,提升企业竞争力。 |   
                            | 培训对象: 1、系统架构师、系统分析师、高级程序员、资深开发人员。
 2、牵涉数字化转型的运营、规划、设计负责人
 |   
                            | 学员基础:具有数据分析或者数据管理的工作经验 |   
                            | 授课方式:讲师讲授+案例解析+互动交流+现场答疑 |   
                            | 培训内容:2天 |   
                            | 
                                 
                                  | 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
  多维数据模型:雪花模式 vs. 星形模型
  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
  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
 |  |   
                            |  |  |   
                  | 
    
                            |  |   
    |  |  |  |  |   
    | 4763 次浏览  63 次 |   
    | 其他人还看了课程 |   
    |  |    |  |  |  | 
         
          | 
 
 
 
  
     
     
        | 
			
				| 咨询目标 | 对客户的数据库进行性能评价,设计优化,管理优化 |  
				| 咨询范围 | 数据库性能评价,数据库结构优化,数据访问SQL优化。 |  
				| 咨询方式 | 现有数据库调查,问题诊断,性能评价。 对数据库进行逻辑结构优化,对数据库进行访问SQL优化。
 建立数据库运行监控平台。运行监控与优化方法指导。
 |  
				| 成功案例 | 建设银行,中国农业银行,中国工商银行,中航信 |  | 详情咨询:010-62670969, zhgx@uml.net.cn | 
 |  
 |  |  | 
    |  |