第一章 數字化轉型

一、為什么數字化轉型
案例分析：阿里巴巴數據中臺逐步形成的過程
案例分析：新零售企業(yè)數字化轉型的過程
二、數字化轉型的驅動力：業(yè)務創(chuàng)新、生態(tài)運營、產業(yè)互聯(lián)、中臺技術
三、數字化轉型的本質：連接、數據、智能
四、數字化轉型的路線圖：
1）業(yè)務數據化
2）數據業(yè)務化

第二章 數據分析

一、數據分析：挖掘數據潛在的價值
二、數據分析角色：數據經理、業(yè)務專家、數據分析師
三、數據分析套路：
確定問題→數據采集→數據清洗→數據建?！鷶祿治觥Ｐ万炞C
案例分析：某省宏觀經濟數據分析過程
1）數據采集與清洗及其遇到的難題
2）逐步細分的數據分析過程及其驗證
3）數據分析結果應當具有指導與決策意義

第三章 數據治理

一、數據治理的意義
1）原始數據的質量極大影響分析結果的準確
2）原始數據需要不斷地采集與整合才能長期用于分析利用
3）原始數據的升級變更大大加劇了數據分析的維護成本
二、數據治理的過程
數據采集→ETL過程→數據倉庫→數據集市→數據應用
案例分析：增值稅發(fā)票分析系統(tǒng)的數據治理過程
1）增值稅發(fā)票數據的采集與ETL過程
2）增值稅發(fā)票的數據倉庫建設過程
2 多維數據模型：雪花模式 vs. 星形模型
2 數據倉庫的分層：原始數據層、明細數據層、輕度綜合層、數據集市層
2 面向主題的數據建模過程
3）數據倉庫的質量管理與血緣管理
4）數據中臺的概念與建設思路：自頂而下 vs. 自下而上

第四章 數據應用

一、數據中臺的核心是價值變現(xiàn)
數據中臺的核心：數據價值變現(xiàn)
二、數據應用
1. 數據可視化
案例：網絡運營商大數據監(jiān)控系統(tǒng)建設過程
2. 數據風控
案例：稅務系統(tǒng)虛開發(fā)票風險監(jiān)控系統(tǒng)建設過程
1）風控指標的設計過程
2）風控系統(tǒng)的架構設計
3. 數字化運營
案例：用戶行為分析與數字化運營的建設過程
1）采集用戶行為數據
2）分析與展示用戶行為數據
3）用戶行為數據指導系統(tǒng)運營與決策
4. 推薦系統(tǒng)
案例：某互聯(lián)網的推薦系統(tǒng)建設
1）數據推薦算法：基于用戶的推薦算法、基于商品的推薦算法
2）推薦系統(tǒng)建設思路與精準營銷

第五章 數據挖掘

一、數據挖掘的原理
二、數據挖掘過程
1）經驗模型 vs. 數據模型
2）邏輯回歸與數據預測
案例：企業(yè)成長性預測模型的數據挖掘過程
3）分類算法與深度神經網絡
案例：根據商品名稱進行分類的建模過程
三、企業(yè)畫像與數據標簽
案例：企業(yè)征信的企業(yè)畫像分析設計過程
1）數據標簽的分類：屬性標簽、統(tǒng)計標簽、算法標簽
2）數據標簽的設計：橫向與縱向的數據融合表
3）算法標簽的設計與數據挖掘過程

第六章 人工智能

一、人工智能的發(fā)展趨勢
1）人工智能的設計套路：形成人工智能算法閉環(huán)
2）人工智能的設計困境：需要有數據中臺支撐
3）人工智能的未來趨勢：與5G和物聯(lián)網相結合
二、人工智能的系統(tǒng)建設
案例分析：遠程智慧診療大數據平臺的人工智能建設
1）項目背景與系統(tǒng)規(guī)劃
2）經驗模式+數據模型的建設思路
3）形成人工智能算法閉環(huán)的系統(tǒng)規(guī)劃

第五章 數據挖掘

一、數據挖掘的原理
二、數據挖掘過程
1）經驗模型 vs. 數據模型
2）邏輯回歸與數據預測
案例：企業(yè)成長性預測模型的數據挖掘過程
3）分類算法與深度神經網絡
案例：根據商品名稱進行分類的建模過程
三、企業(yè)畫像與數據標簽
案例：企業(yè)征信的企業(yè)畫像分析設計過程
1）數據標簽的分類：屬性標簽、統(tǒng)計標簽、算法標簽
2）數據標簽的設計：橫向與縱向的數據融合表
3）算法標簽的設計與數據挖掘過程