| 时间 | | |
| 一、大数据时代概述 1.大数据的应用历史 2.大数据的全景视图 3.最热门的大数据工具有哪些 4.技术部门的员工应该具备哪些大数据的技能? 5. CRISP方法论 案例演练：一个案例学会数据分析方法论 | 本模块收益： 1） 重点了解大数据的发展背景及趋势，具备大数据的视野 2） 开展形式：案例分析及演练 |
| 二、制造行业未来发展定位及趋势分析 1.大数据在制造行业的运用 2.大数据时代对传统制造模式的颠覆 3.转型探索时期客户对产品的新期望 4.竞争力提升思考 | 本模块收益： 掌握大数据对制造业的影响及引发对未来的思考 |
| 三、 工业产品指标分析 1.为什么相同的指标会出现不同的解读? 2. 使用模型来解读指标 1) 案例：透过模型分析业务场景 3. 关于指标的几种常见算法 1) 均值/中位数 2) 四分位和箱线图 3) 标准差 4) 时间序列分析分析法 4. 质量定义与监测 四、 数据监测和异常值分析 1. 异常值的业务定义 2. 异常值的统计学定义 3. 基于规则异常值分析 1) 定义规则 2) 规则匹配 4. 基于数据挖掘算法的异常值发现 | 本模块收益： 1、学会如可进行数据解读，建模的主要方法及计算方法 2、如何发现数据的异常，以及进行数据监控 |
| 五、构建质量的分析体系 本节介绍如何在企业内部实施大数据，利用大数据驱动企业的营销动作 1. 大数据如何与企业的营销结合 a) 营销动作和大数据的结合 b) 岗位的设置和技能要求 2. 分析模型的设计、实施工具 a) SPSS Clementine简介 b) SAS简介 c) SQL Analysis简介 d) Excel控件简介 3. 数据的收集和准备 a) 数据的来源 b) 原始数据转换为业务数据 六、基于关键指标的分析方法 指标分析是一种快速的产品质量分析手段，是衡量批次产品的指标， 本节介绍如何通过指标构建数据分析模型。 1. 案例思考：从一张报表说起 2. 传统的基于指标分析的缺陷 3. 把KPI指标和管理理念相结合，搭建分析模型分析营销状况 4. 案例解析： a) 竞争力分析模型 b) 利润分析模型 | 本模块收益： 1、 从市场营销角度分析数据，找到客户行为规则，并与营销相结合，为后续的营销方案提供依据 2、 掌握关键的数据分析运用工具，以及数据分析方法，通过关键指标进行案例分析 3、开展形式：案例分析、工具演练、现场实操、现场辅导 |
| 七、 常用的挖掘算法简介 1.描述类分析算法 1) 关联规则 2) 聚类分析 3) 异常值分析 2. 分类和预测算法 1) 类神经网络 2) 决策树 3) 逻辑斯蒂回归 4) 贝叶斯网络 5) 时间序列 八、管理理念下的实用数据工具 1.统计和计算过程是机器的事 案例分析：数据挖掘工具使用 2.矩阵分析的应用 3.敏感性分析寻找管理方向 案例分析：多维度规划 | 本模块收益： 1、掌握常用的数据挖掘与分析的方法及工具 2、现场制作数据分析模型，图表，工具应用，讲师现场辅导点评 制定行动学习计划 |
