简介
无论是什么时代，数据建模和挖掘的核心都是决策支持，而大数据给企业带来的是更精准的量化和洞察，更全面的预测和更明智的决策，让企业在行动时目标更明确，效率更高，速度更快，占得先机。而这一切的基础都在于企业能否组织一支优秀的数据分析团队，有效地利用先进的建模工具武装起来，投入到大数据时代更加激烈的厮杀中。
大数据时代的到来，使得数据的量、源都发生了剧烈变化，这种变化引发了变革，而开源运动的进一步发展为这场变革提供了催化剂。本次课程的主旨在与讲授在大数据时代的商业模型技术架构应该如何应对这场变革。
本课程会结合大数据分析基本概念、方法、不同行业企业数据分析真实案例等深入浅出地介绍在大数据时代，企业如何组建一支大数据分析团队，结合自身的业务需求和数据，进行商业预测，以期利用大数据挖掘价值，实现企业的业务目标。
目标
通过一天的学习，学员可以充分了解企业如何利用自身数据、大数据分析技术解决企业面临的具体业务问题，基于数据洞察和数据分析实现商业预测。课程将具体介绍大数据分析的不同方法、工具、流程和需要注意的问题，并结合银行、保险、零售、制造业等不同行业的真实数据分析案例进行讲授。
课程时长
1天（6H）
受众人群
企业数据分析经理、数据运营经理、大数据分析师、商务智能分析师或对大数据分析建模感兴趣的技术人员
分享提纲
| 主题 | 内容 |
| 1. 走近大数据 | 1.1大数据的发展与兴起 1.1.1 大数据的产生 1.1.2 大数据发展历程 1.1.3 大数据发展条件 1.2大数据的概念和特点 1.2.1 大数据的常见定义 1.2.2 大数据的特点 1.2.3 大数据必备思维 1.3大数据与传统数据的区别和联系 1.3.1 大数据 vs传统数据 1.3.2 大数据与传统数据的关联 1.4大数据在不同行业的应用 1.4.1 大数据的价值 1.4.2 大数据的行业应用 1.5大数据的趋势 1.5.1 大数据的全球格局 1.5.2 大数据在中国的发展趋势 1.6大数据的潜在风险与误区 1.6.1 大数据的潜在风险 1.6.2 大数据的认识误区 |
| 2. 大数据时代的大数据分析 | 2.1大数据分析基础 2.1.1 分析工具介绍 2.1.2 分析语言简介 2.1.3 基础算法介绍(统计学、建模、机器学习) 2.2 大数据分析平台架构 2.2.1 技术架构 2.2.2 数据管理层 2.2.3 模型层 2.2.4 R接口层交互方式举例 2.3 大数据分析流程 2.3.1 量化业务问题 2.3.2 算法/工具选型 2.3.3 数据预处理 2.3.4 建模分析 2.3.5 结果展示与结论 |
| 3. 大数据时代的小数据分析 | 3.1 SMART数据分析 3.1.1 小数据研究方法 3.1.2 小数据处理方式与工具 3.2 大小数据融合 3.2.1 数据源的打通 3.2.2 分析融合 3.2.3 大小数据融合分析案例 3.3 SMART数据分析模型与商业预测 3.3.1 运营情况分析 3.3.2 客户生命周期研究 3.3.3 产品与品牌研究 3.3.4 营销要素研究 |
| 4. 行业大数据分析与商业预测案例 | 4.1 银行业：营销短名单的生成 4.2 保险业：销售预测与可视化展现 4.3 零售业：百货行业会员数据分析与发掘 4.4 制造业：大数据分析支持微博营销 4.5 工业：大数据驱动的PHM技术与应用 |
京ICP备2022035414号-1
