第一章 數(shù)字化轉型

一、為什么數(shù)字化轉型
案例分析：阿里巴巴數(shù)據(jù)中臺逐步形成的過程
案例分析：新零售企業(yè)數(shù)字化轉型的過程
二、數(shù)字化轉型的驅(qū)動力：業(yè)務創(chuàng)新、生態(tài)運營、產(chǎn)業(yè)互聯(lián)、中臺技術
三、數(shù)字化轉型的本質(zhì)：連接、數(shù)據(jù)、智能
四、數(shù)字化轉型的路線圖：
1）業(yè)務數(shù)據(jù)化
2）數(shù)據(jù)業(yè)務化

第二章 數(shù)據(jù)分析

一、數(shù)據(jù)分析：挖掘數(shù)據(jù)潛在的價值
二、數(shù)據(jù)分析角色：數(shù)據(jù)經(jīng)理、業(yè)務專家、數(shù)據(jù)分析師
三、數(shù)據(jù)分析套路：
確定問題→數(shù)據(jù)采集→數(shù)據(jù)清洗→數(shù)據(jù)建?！鷶?shù)據(jù)分析→模型驗證
案例分析：某省宏觀經(jīng)濟數(shù)據(jù)分析過程
1）數(shù)據(jù)采集與清洗及其遇到的難題
2）逐步細分的數(shù)據(jù)分析過程及其驗證
3）數(shù)據(jù)分析結果應當具有指導與決策意義

第三章 數(shù)據(jù)治理

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

第四章 數(shù)據(jù)應用

一、數(shù)據(jù)中臺的核心是價值變現(xiàn)
數(shù)據(jù)中臺的核心：數(shù)據(jù)價值變現(xiàn)
二、數(shù)據(jù)應用
1. 數(shù)據(jù)可視化
案例：網(wǎng)絡運營商大數(shù)據(jù)監(jiān)控系統(tǒng)建設過程
2. 數(shù)據(jù)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(shù)字化運營
案例：用戶行為分析與數(shù)字化運營的建設過程
1）采集用戶行為數(shù)據(jù)
2）分析與展示用戶行為數(shù)據(jù)
3）用戶行為數(shù)據(jù)指導系統(tǒng)運營與決策
4. 推薦系統(tǒng)
案例：某互聯(lián)網(wǎng)的推薦系統(tǒng)建設
1）數(shù)據(jù)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(shù)據(jù)挖掘

一、數(shù)據(jù)挖掘的原理
二、數(shù)據(jù)挖掘過程
1）經(jīng)驗模型 vs. 數(shù)據(jù)模型
2）邏輯回歸與數(shù)據(jù)預測
案例：企業(yè)成長性預測模型的數(shù)據(jù)挖掘過程
3）分類算法與深度神經(jīng)網(wǎng)絡
案例：根據(jù)商品名稱進行分類的建模過程
三、企業(yè)畫像與數(shù)據(jù)標簽
案例：企業(yè)征信的企業(yè)畫像分析設計過程
1）數(shù)據(jù)標簽的分類：屬性標簽、統(tǒng)計標簽、算法標簽
2）數(shù)據(jù)標簽的設計：橫向與縱向的數(shù)據(jù)融合表
3）算法標簽的設計與數(shù)據(jù)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(shù)據(jù)中臺支撐
3）人工智能的未來趨勢：與5G和物聯(lián)網(wǎng)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(shù)據(jù)平臺的人工智能建設
1）項目背景與系統(tǒng)規(guī)劃
2）經(jīng)驗模式+數(shù)據(jù)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(shù)據(jù)挖掘

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