求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Modeler   Code  
会员   
 
 
 
开班计划 | 技术学院 | 管理学院 | 嵌入式学院 | 机械 | 军工学院 | 定向培养 | 专家指导  
 电话 English
成功案例   品质保证
 
   
成功案例
某交通信 Oracle数据库
某通信设 Python数据分
某通信设 Python数据分
某综合性 人工智能与机器学习
某工程研 数据库设计与优化
知名财险 Oracle数据库
某金融公 Mysql集群与性

相关课程  
并发、大容量、高性能数据库
高级数据库架构设计师
Hadoop原理与实践
HBase原理与高级应用
Oracle 数据仓库
数据仓库和数据挖掘
Oracle数据库开发与管理
 
全部课程 >大数据  
企业数字化转型(数据治理、分析&应用)
86  3
范老师
航天信息前首席架构师
 
地点时间:北京5月21-22日(同步直播)、 上海、深圳根据报名开班
课程费用:4500元/人
报公开课  
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,范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
    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
       
    86 次浏览  3 次
    其他人还看了课程
    Flume & Kafka原理与实践  870 次浏览
    Spark内存计算框架原理与实践应用  1063 次浏览
    基于Flink搭建流计算平台  1233 次浏览
    Kafka 原理剖析及实战演练  426 次浏览
    Storm与大数据分析  1155 次浏览
    大数据平台架构与应用实战  2012 次浏览
    定制内训



    咨询服务:数据库设计与性能优化
    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
    最新活动计划
    基于Kubernetes的DevOps实践 4-22[北京]
    需求分析与管理 4-23[北京]
    大数据平台搭建与高性能计算 4-27[北京]
    基于UML和EA进行系统分析设计 4-28[北京]
    人工智能、机器学习&TensorFlow 4-16[上海]
    大数据分析、AI算法与可视化技术实战 4-22[上海]