【課程背景】

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

大數據為企業創造了新的商機。挖掘數據價值是傳統企業轉型和互聯網企業創新的必由之路。然而，復雜的結構化和非結構化數據不能被傳統技術處理。大數據挖掘，面對電子郵件、照片、視頻、音頻、文本等海量信息，新數據可以迅速生成，不同類型的數據混合在一起。對海量數據進行準確、可靠的分析和處理，獲取高價值信息，將為企業帶來豐厚的利潤。

數據產品，承載著大數據中蘊含的邏輯，是一個大數據產業鏈價值的最終體現。對于一條完整的大數據產業鏈來說，其本質就是對數據不斷挖掘，發現其中的規律，并封裝成數據產品，最后用數據產品變現的過程。

課程將以大數據模型與分析為核心要點，幫助學員認識大數據建設的基礎、了解數據建模與分析，在企業數字化變革的重要性是什么？信息科技部門在大數據平臺建設過程中，應該扮演什么角色？如何利用現代化信息科技，提升數據建模、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。能夠具備引領企業實現成功的數字轉型，同時協助企業提升商業模式創新能力，快速占領行業制高點！

【課程收益】

?  了解企業實施大數據平臺的原由，影響，以及可預期的成效

?  熟悉6大高質量數據的標準

?  了解“數據建模”在企業大數據應用過程中的定位與重要性

?  了解數據建模的方法論與實踐案例

?  了解業界常用的數據分析工具與方法

【課程特色】方法，知其然；科學，亦知其所以然；實戰，真實案例解析

【課程對象】信息科技運維部門主管，信息科技研發部門主管，信息科技部首席/資深系統架構師，CIO（首席信息官）、CTO（首席技術官）、企業安全架構師，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、“大數據”的內涵為何？

a)       “大數據”的構成元素為何？

b)      “大數據”具備什么特性？

c)       “高質量”數據的標準為何？

                   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、 “數據建模”的內涵為何？

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.           系統導圖

                 iv.           心智模型

                  v.           概念模型

三、業務數據建模實踐

a)       業務數據建模的定義與內涵

b)      如何進行業務數據建模？

                   i.           信息流定義

                  ii.           信息輸入

                 iii.           信息輸出

                 iv.           信息處理規范

                  v.           信息參與角色

c)       數據建模完成后的接續動作為何？

                   i.           建立系統框架

                  ii.           構建應用架構

1.       數據架構

2.       技術架構

四、數據模型實踐

a)       數據建模的定義與內涵為何？

b)      常見數據場景介紹與案例分享

c)       數據建模的步驟為何？

                   i.           制定目標

                  ii.           數據理解與準備

                 iii.           建立模型

                 iv.           模型評估

                  v.           結果呈現

                 vi.           模型部署

d)      數據建模常用的方法與工具

                   i.           ML

                  ii.           SmartBi

e)       如何規避常見的數據建模誤區？

                   i.           與現有數據治理沖突？

                  ii.           數據安全過度考量？

五、數據分析的最佳實踐與方法

a)       邏輯樹分析

b)      PEST行業分析

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、業務場景實踐

a)       業務場景的定義與內涵

                   i.           何謂“業務場景”？

                  ii.           組成“業務場景”的關鍵要素為何？

                 iii.           案例分享

b)      “業務場景”應具備哪些要素？

                   i.           誰在里面？

                  ii.           在什么環境下？

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

                 iv.           如何互動？

                  v.           會產生什么價值？

c)       如何創建“業務場景”？

                   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)      業務場景開發指南

                   i.           分析業務場景的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、數據挖掘與分析的發展方向與趨勢為何？

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)       系統自愈 （案例分享 – 富士康 無燈工廠）

d)      預警機制 （案例分享 – AWS 數據中心運維）

八、課程總結

a)       學員心得分享

b)      重點摘要

c)       答客問