课程简介
互联网的下半场，各类业务线上化的进程加速发展，毋庸置疑数据智能是必不可少的加速器。
但是，诸多因素又阻碍了企业的数据创新。诸如“数据人才实在很难获得和培养”、“一个个小的PoC未形成更大更广的影响力”、“太多数据项目是技术驱动而非业务成果驱动，数据价值长期不可见”、“企业内部并不是所有人都理解数据驱动，也不是所有人都接受数据驱动”、“数据科学家独立工作，无法与技术人员和业务人员拉通”等等。造成这些现象的根本原因是企业内部数字化工作中数据价值链没有打通，业务、数据和技术团队没有以业务价值为目标而通力合作。
本次工作坊，使用精益数据创新（Lean Data Discovery)的方法论，为那些希望盘活企业数据，利用智能技术为业务提供价值的人，去发现有业务价值且可行的创新数据产品列表，用于制定数据应用规划、数据治理规划和数据平台规划。
目标收益
1、了解数据应用规划的制定流程
2、了解数据产品开发的流程和主流工具
3、了解常用的算法模型和使用场景
4、了解数据治理的主要作用和核心模块
5、构建满足企业自身业务需求的数据产品开发计划
培训对象
1、企业数字化创新团队
2、数据产品经理
3、企业业务、数据、技术部门中数据创新人员
课前准备
1、每个组分配白板和马克笔
2、四色四方的百事贴
3、企业内部IT系统数据字典或设计文档
课程大纲
| 数据应用与数据产品 |
数据应用规划 企业数字化转型离不开对数据应用能力的建立与能力复用，数据应用规划是满足企业未来若干年业务智能化的发展需求，运用精益价值树的方法，协助企业构建起满足自身发展需求的数据应用产品集。 数据产品开发 讲解三大类数据应用场景（运营优化、风险识别、违规识别）的指标体系、标签体系、算法模型的体系架构。并且以客户运营的标签体系的数据产品开发为例，讲解产品定位、用户画像和用户需求调研。详细讲解数据产品全周期开发过程、工具、方法，分享最佳实践案例 |
| 算法知识讲解 |
分类算法及案例 讲解常见的逻辑回归、决策树、随机森林、GBDT和复杂网络等分类算法的基本原理和在评估客户流失意愿、识别违规操作的用例。 模式识别算法及案例 讲解聚类、关联规则、异常识别等三个主流的模式识别算法。并介绍这些算法在渠道类型划分、故障模式识别、财务异常识别中的用例。 预测和优化算法及案例 讲解时序预测和运筹优化算法的基本原理和其在物流优化方面的用例。 |
| 数据治理 |
数据治理概述 讲解价值导向数据治理的核心原理，厘清规划域、保障域、执行域之间的关系。同时讲解数据确权、元数据、数据标准等具体数据管理模块之间的关系。 数据管理能力成熟度评估 介绍DCMM数据管理能力成熟度评估模型，确立评估收益、评估方法、评估过程，分享真实高评分数据标准最佳案例，根据企业不同情况辅助答疑 数据资产盘点 介绍数据资产管理概述，通过四种专业的数据资产梳理方法，识别企业核心的数据资产，建立数据资产目录，结合元数据为数据资产管理提供管理依据 数据标准化 介绍数据标准历程和经验借鉴，了解数据标准总体要求与属性分类要求，详细介绍数据标准制定与落地方法 数据质量提升 介绍数据质量概念与管理数据质量的活动，分解数据质量工程实践十步法的方法论和实践要点 |
| 精益数据探查工作坊 |
背景介绍 随着数字化转型的逐步深⼊，新协作模式的引⼊成为了⼀项重点⼯作。尤其是在⾯对⼀些创新型产品（服务）的设计⽅⾯，需要引⼊新的协同模式。本部分讲解业界设计思维（Design Thinking）的实践和成功度量的⽅法。该方法分为两次发散和收敛过程。第一次用于寻找业务创新点，第二次用于寻找解决方案。 机会点激发 第一次发散：深入业务洞察，梳理业务痛点和新机会； 第一次收敛：根据价值/难度进行机会点优先级排序，同时寻找北极星指标且进行指标分解 举措激发 第二次发散：针对高优先级的机会点进行详细设计，使用头脑风暴的方法激发举措； 第二次收敛：进行举措优先级排序，明确需要用到的数据资源，算法工具和人员安排 分组展示 |
|
数据应用与数据产品 数据应用规划 企业数字化转型离不开对数据应用能力的建立与能力复用，数据应用规划是满足企业未来若干年业务智能化的发展需求，运用精益价值树的方法，协助企业构建起满足自身发展需求的数据应用产品集。 数据产品开发 讲解三大类数据应用场景（运营优化、风险识别、违规识别）的指标体系、标签体系、算法模型的体系架构。并且以客户运营的标签体系的数据产品开发为例，讲解产品定位、用户画像和用户需求调研。详细讲解数据产品全周期开发过程、工具、方法，分享最佳实践案例 |
|
算法知识讲解 分类算法及案例 讲解常见的逻辑回归、决策树、随机森林、GBDT和复杂网络等分类算法的基本原理和在评估客户流失意愿、识别违规操作的用例。 模式识别算法及案例 讲解聚类、关联规则、异常识别等三个主流的模式识别算法。并介绍这些算法在渠道类型划分、故障模式识别、财务异常识别中的用例。 预测和优化算法及案例 讲解时序预测和运筹优化算法的基本原理和其在物流优化方面的用例。 |
|
数据治理 数据治理概述 讲解价值导向数据治理的核心原理，厘清规划域、保障域、执行域之间的关系。同时讲解数据确权、元数据、数据标准等具体数据管理模块之间的关系。 数据管理能力成熟度评估 介绍DCMM数据管理能力成熟度评估模型，确立评估收益、评估方法、评估过程，分享真实高评分数据标准最佳案例，根据企业不同情况辅助答疑 数据资产盘点 介绍数据资产管理概述，通过四种专业的数据资产梳理方法，识别企业核心的数据资产，建立数据资产目录，结合元数据为数据资产管理提供管理依据 数据标准化 介绍数据标准历程和经验借鉴，了解数据标准总体要求与属性分类要求，详细介绍数据标准制定与落地方法 数据质量提升 介绍数据质量概念与管理数据质量的活动，分解数据质量工程实践十步法的方法论和实践要点 |
|
精益数据探查工作坊 背景介绍 随着数字化转型的逐步深⼊，新协作模式的引⼊成为了⼀项重点⼯作。尤其是在⾯对⼀些创新型产品（服务）的设计⽅⾯，需要引⼊新的协同模式。本部分讲解业界设计思维（Design Thinking）的实践和成功度量的⽅法。该方法分为两次发散和收敛过程。第一次用于寻找业务创新点，第二次用于寻找解决方案。 机会点激发 第一次发散：深入业务洞察，梳理业务痛点和新机会； 第一次收敛：根据价值/难度进行机会点优先级排序，同时寻找北极星指标且进行指标分解 举措激发 第二次发散：针对高优先级的机会点进行详细设计，使用头脑风暴的方法激发举措； 第二次收敛：进行举措优先级排序，明确需要用到的数据资源，算法工具和人员安排 分组展示 |
近期公开课推荐
