|
|
|
|
|
|
|
|
全部课程 >大数据 |
|
企业数据资产管理体系建设 |
117 次浏览  1 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
|
 |
|
|
| 信息化时代，企业积累大量的数据资产，这些数据资产如果合理的运用，将是企业的巨大财富来源。本课程关注如何构建企业数据资产管理体系，课程将结合企业的实际应用案例，讲解数据资产管理体系的构建、数据资产收集整理、数据资产编目与存储、数据资产的运营、数据资产的应用与创新。 |
| 培训目标： |
- 基于数据治理框架，学习数据资产管理理论体系及建设方法。
- 学习数据资产管理平台的设计方法。
- 学习数据资产的管理制度建设方法。
- 学习数据资产在不同行业运营实践经验，指导本单位数据资产管理运营工作。
- 学习数据资产价值挖掘方法，利用数据创造新的价值。
- 了解数据安全框架体系以及构建方法。
|
| 培训对象：企业市场部门、数据部门、财务部门、战略决策部门和各种管理岗位的工作人员。 |
| 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
|
| 主题 |
课程安排 |
| 企业数据治理导论 |
企业数据治理的目标
企业数据治理的顶层架构
企业数据治理的核心内容
数据治理目前面临的挑战
数据治理的发展趋势
DAMA 数据治理工程体系参考
DCMM 数据管理能力成熟度评估模型 |
| 数据资产运营体系框架 |
为什么进行企业数据资产运营
企业数据资产运营体系框架有什么
数据资产管理与企业数据治理的关系。
企业数据资产的积累过程
数据资产管理生命周期： 数据收集、处理、存储、共享、应用等各环节的管理要点。
指标数据资产管理体系与方法：
• 数据指标标准框架体系、数据指标运营体系
• 数据指标管理工具及应用场景
• 数据指标体系四步法（找指标、理指标、管指标、用指标）和难点分析
• 标杆企业数据指标管理项目案例
时序数据资产管理体系与方法：
• 时序数据数据理解
• 时序数据治理与运营思路
• 时序数据治理典型案例分享
非结构化数据资产管理体系与方法，包括：
• 结构化数据管理与挑战（特点、主要挑战）
• 非结构化数据治理应用场景（企业科技创新、企业制度应用、企业合规管理、企业数字标准、知识产权等场景）
• 非结构化数据资产治理工具及发展趋势
标杆能源企业典型数据资产管理案例分享。
|
| 数据管理生命周期 |
数据管理生命周期都有哪些阶段
数据管理生命周期各个阶段管理方法指南：
• 数据采集: 数据源识别、数据获取、数据标准化；
• 数据处理: 数据清洗、数据整合、数据建模；
• 数据存储: 数据仓库、数据湖、大数据平台；
• 数据分析: 商业智能、数据挖掘、AI/ML应用；
• 数据应用: 决策支持、业务创新、数据产品；
• 构建数据链路、数据血缘、数据地图的内容讲解。 |
| 数据资产运营最佳实践 |
标杆集团企业数据运营框架体系，包括:
• 数据确权、价值评估
• 数据服务、数据流通
不同行业数据资产管理的成功案例分享。
• 电信、金融、制造等行业的数据资产管理实践分享。
• 能源行业的数据资产管理实践分享。
数据生命周期各阶段的最佳实践方法。
标杆集团企业数据应用案例分享，包括:
• 数据应用典型场景
• 数据应用场景分析
• 数据应用场景设计
• 数据应用场景验证 |
| 数据资产价值挖掘 |
1) 国家数据资产化发展背景与相关政策解读。
2) 数据资产化相关术语概念与发展路径。
3) 数据要素的三个阶段，包括：
• 数据资源化
• 数据资产化
• 数据资本化
4) 企业数据价值实现。
5) 数据资产入表目标、方法、工具及步骤：
• 数据资产登记
• 数据资产质量评估
• 数据资产价值评估等）
6) 数据资产入表面对的挑战。
7) 数据交易的现状分享和方法。
8) 依托数据产品的数据资产价值挖掘。
9) 数据资产入表和市场建设案例的分享。 |
| 数据分析与商业洞察 |
1. 数据分析的目标与工作
2. 数据分析技术和工具
3. 数据挖掘和模型构建
4. 商业智能和预测分析
|
| 数据资产估值和盈利模式 |
5. 数据资产的成本、市场和收益分析。
6. 数据资产估值方法和模型。
7. 基于数据的新兴商业模式。 |
| 数据资产的创新应用 |
1. 数据资产的应用创新案例回顾
2. 数据资产的应用创新原则和方法
3. 数据资产的应用创新示例：
• 跨行业数据融合创新。
• 个性化服务和精准营销。
• 数据驱动的产品/服务创新。 |
| 数据隐私和安全合规要求 |
数据分类和敏感数据管控，包括数据分类的原则与方法；
数据分级的标准与流程；
敏感数据识别与保护策略；
工业数据分类分级、工业业数据安全法规和标准—石油化工行业关于数据安全、个人信息保护的相关要求、指导指南、标准等；
不同行业数据分类案例分享，不同行业数据分类分级指南的解读（石油化工行业）。
数据全生命周期的安全防护措施。
数据隐私和安全风险评估与应对。
数据分类分级管理工具介绍。
|
| 基于大数据架构数据安全框架体系 |
1) 数据安全的现状与挑战。
2) 数据安全体系框架的目标与工作范围
3) 面向大数据的数据安全框架与体系：
• 数据安全及个人信息保护的管理体系；
• 数据保护官的角色定位与职责；
• 数据安全治理的主要实施前提和重要成功因素；
• 基本的数据管理能力；
• 数据标准安全、数据分类分级、技术架构、技术支持等。
3）数据保护及个人信息保护的实践：
• 个人信息保护的基本原则
• 嵌入业务的数据安全设计
• 个人数据影响评估
• 数据主体权益保障的主要方式。 |
|
数据安全相关技术介绍及数据安全管理要求 |
1) 传统信息安全的工具与技术手段网络安全、存储安全、数据脱敏、数据灾备、权限控制、等传统信息安全手段。
2) 数据可用不可见的几种主要技术从数据的可见性、可得性等不同场景介绍当前的几种隐私计算技术，在发挥数据价值的同时，满足安全要求，包括：
√ 数据分类分级
√ 数据标签管理
√ 可信执行环境
√ 多方安全计算
√ 联邦学习
√ 隐私计算等技术的简要介绍。
1) 数据安全管理框架构建。
2) 数据访问控制、加密保护、备份恢复等关键措施。
3) 第三方数据安全管理。
4) 合规性审核与持续改进机制。
|
|
| |
|
|
| |
|
|
|
|
117 次浏览 1 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
|
|
|
|
|
|
