大数据思维演变和商业模式创新 林海老师(2天) 课程背景 时移而势变,互联网带来了“大数据(BigData)”的爆发,企业和个人被卷入了新的数字化洪流,大数据不再是稀奇的概念、模棱两可的理论、炫耀的案例,而是已经存在、正在发生、在不断的改变我们自己的一场社会革命。你的客户、你的员工已经被悄无声息的改变,工业时代的致胜秘籍和战略空间已经不再继续有效,大数据给我们带来了新的价值创造方式、更爆发的增长速度、更刁钻的战略布局,企业的管理者更需要刷新自己的认识,洞察大数据带来的创造性思维,分析大数据的算法革命,了解大数据催生的新业务模式,进而保持更高的战略预判。 目前,市面上流行的大数据培训一部分侧重于实现算法和公式推导,适合编程人士学习,但过于晦涩,需要较高的学历基础,另外一部分侧重于创新理念和案例介绍,适合普及概念,但这些知识触手可及,缺乏新鲜性和实战性。为了弥补这些不足,融业务和技术创新于一体,林海老师根据长时间的理论和实践经验,开发了本门课程。 本课程即包括未来趋势研判,也包括工具实操的落地,更包括业务创新的畅想,三位一体才是课程的目的。围绕数字化时代这个核心,重点介绍“大数据思维+算法革命+业务模式再造”三大主题,将会带给学员全新的知识体验,启发自己的大数据思维,获得大数据算法的框架和使用指引,可以在工作中灵活运用,帮助企业洞察问题、发现规律和改进方向,并能够运用所学知识,结合公司实际情况,再造自己的数字化业务。 课程收益 1.全面认识大数据,开启大数据思维 2.在工作中灵活运营大数据帮助企业洞察问题及改善策略 3.结合公司实际情况,运用所学知识推动业务创新 课程对象 1.公司董事长、总经理、CFO、CTO等高层领导 2.贵公司业务总监、技术总监、各业务部门负责人 3.业务骨干、业务主管、各类基层管理人员、技术人员、业务负责人等 课程大纲 第一单元 已经到来的数字化社会——大数据价值展望 一、大数据已经在改变社会 1、生活在一个被算法垄断的社会 2、更加智能化的硬件和物联网 3、日益出格的数字化商业模式 4、社会文化、消费习惯的跃迁 5、工业化时代的终结 第二单元 大数据十大思维 一、大数据三大核心思维 1、分类:真与假;好与坏;高、中、低。不会分类,就不会思考 2、预测:输入变量,求得结果。代表了掌握规律的能力,生活是确定的 3、相关性:模糊、近似、有关,是一种简便的、粗略的全盘操控能力 提问思考: 关于“概率”的故事,给了我们怎么样的思考;数字和数据的区别在哪里 二、大数据七大创新性思维 1、主动找数据变为被动推荐 2、抽样数据变为全集数据 3、要求精确变为欢迎复杂 4、事后分析变为实时监控 5、人为分析变为机器学习 6、由流程为核心变为以数据为核心 7、由分类型产品变为个性化服务 8、由人与人连接变为人与机器连接 分组讨论:以组为单位,根据林海老师所讲的内容,结合自己日常工作、学习和生活中了解的内容,举一个案例,向大家分享大数据创新思维的应用场景 三、成为大数据领域人才的关键转型 1、拥抱变化和开放性的心态 2、培养系统性思维、建立架构意识 3、观察、收集、分析、推理的基本功 4、成年人的挖洞式学习模式 5、要感谢那个逼迫你学习的人 提问思考:你对大数据感兴趣的是什么?希望学习大数据达到什么样的目标 第三单元 大数据分析常用算法 一、大数据的内容和企业的关注点 1、大数据分析:价值创造工具,企业的重心 2、大数据存储:支撑平台 3、大数据计算:支撑工具 4、大数据产业:数据交易市场、API服务商 二、大数据分析五大初级算法 1、相关性分析:最入门、最常用、最刚需的分析方法 2、散点图分析:最被忽略的探索性分析方法 3、概览性分析:教科书上都不重视的全局总览的分析方法 4、回归分析:最容易理解的由x推导出y的方程式分析法 5、聚类分析:最粗暴的物以类聚人以群分的分析方法 实例演示:如何用大家都会用的Excel,运用这些初级算法,进行入门级别的数据分析 三、大数据分析六大中级算法 1、降维分析:数据太多,抓住主要数据的方法 2、决策树分析:最容易理解的决策分析 3、关联规则分析:貌似没有规模,却可以寻找一个规律 4、相似性分析:当前最热门的分析方法,如:人脸识别、指纹识别 5、可视化分析:河流图、风向图、热力图等各种别具一格的数据呈现方式 6、文本分析:从大量的文字中快速提取关键信息 实例演示:林海老师介绍用泰坦尼克号幸存者的数据,分析幸存者的特征,在白板上逐步推导,进行演示,找出这一事件中幸存者的生存概率 四、两大大数据高级算法 1、神经网络算法:最牛逼的模拟大脑的算法,如埃尔法狗围棋 2、支持向量机算法:实用性和准确性较强的一个机器学习算法 提问思考:机器学习和统计分析的区别,以及优势、未来发展的趋势 第四单元 大数据分析的工具与操作方法 一、大数据分析的主要工具 1、R语言。下载、安装、打开、helloworld示例 2、Python。下载、安装、打开、Hellowworld示例 二、大数据分析方法和步骤 1、数据获取(导入数据、爬取数据) 2、数据探索分析、概览分析 3、明确分析目的 4、选择x和y 5、对格式进行转换 6、选择模型(模型选择准则) 7、使用交叉验证规则,切分数据 8、用模型进行训练 9、分析模型预测结果 10、确定最优模型 11、使用和预测 12、报告和呈现 实例演示:以一份国际白银价格数据为例,林海老师详细演示分析过程,对白银的未来价格进行预测 三、数据分析中的常见问题 1、数据量 2、数据质量 3、归一化 4、过拟合 案例介绍:常见的数据分析陷阱和逻辑谬误 四、不同分析模型的比较 1、适用性,不同模型有不同的适用场景 2、经验性,根据项目经验,各个模型有差别 3、结果性,用结果来评价优劣 4、开放性,能看清内核,能修改完善最好 5、可控性,运行结果文档,可以预期输出 案例分析:药品的研发过程和双盲测试法 第五单元 大数据创新的经典案例 一、互联网公司的经典案例 1、推荐算法:当当网评论的排序优化,激发了购买 2、个性化页面:淘宝的千人千面、个性化的产品介绍和价格、服务 3、自动撮合:基于位置的、基于价格、基于时间、基于供需 4、自动化流程:减少人工录入和操作 5、客户画像:更加洞察需求 6、活动预测:流量引导、资源规划 7、用户行为分析:分析现状,查找问题和改进 8、异常检测:文字、图片的异常侦测、识别 9、灰度策略:小部分用户进行试错 10、黑科技:无处不在的骚扰和隐私泄露 案例分析:大数据对竞技体育行业的影响 二、传统行业公司的大数据项目应用 1、中国电信运营商(中国移动、中国联通)的大数据实战 2、中国电力企业(国家电网、南方电网)的大数据实战 3、中国金融行业(银行、保险)的大数据实战 4、中国制造行业(美的)的大数据实战 讨论:如何看待大数据泡沫现象 第六单元 设计大数据解决方案 一、企业开展大数据工作的策略和建议 1、开始养数据,做好积累 2、业务闭环(付款闭环、绩效闭环)处理,提高数据质量 3、以客户、产品、项目、订单为中心进行数据编织 4、先统计,再挖掘 5、应用场景以业务的“事前规划、事中监控、事后总结”为主线 6、用数据说话,用数据决策,培养数据文化 7、培养业务研究型专家,对业务进行持续分析和改善 二、如何设计数据分析解决方案(模型:W-J-P-M-V-D) 1、What:问题是什么 2、Judgement:能用数据分析解决吗 3、Prerequisite:具备数据基础吗 4、ModelSelect:选择哪个模型 5、Visualization:怎么呈现结果 6、Design:设计流程,形成文档 三、林海老师带领学员,设计一个数据分析解决方案(题目:基于大数据的客户画像,需要被培训公司提供些背景材料,可以在第一天培训时提供) 四、头脑风暴:以小组为单位,结合公司和所处行业的特点,基于目前的需求或存在的痛点,运用大数据分析技术,设计创新性解决方案,并对方案进行展示
|