|
《大数据分析的产品需求洞察》 主讲：韩迎娣 【课程背景】 现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，同时也会释放出庞大的数据能量，大数据就是这个高科技时代的产物，大数据并不在“大”，而在于“有用”。价值含量、挖掘、应用比数量更为重要。对于需求的动态变化，需建立一个多维度的产品应用画像，才能够做到“大数据比产品本身更了解产品”，大数据的产品应用场景让数据重新理解产品，把产品自身、服务与应用形成强关系，在产品使用过程中建立数据触角，随时可清晰了解产品应用状态。 课程将以大数据分析切入点，还原制造环境中的实际案例，帮助学员理解大数据、工业大数据是什么？大数据和工业大数据有什么特点，区别在哪里？数据如何洞察产品需求？大数据下的产品应用场景该怎么构建？产品整个生命周期的数据管理该如何做？大数据如何驱动新一代的制造研发新体系？使学员学之解惑，学之能用，实现企业产品研发新突破点。 【课程收益】 Ø 了解大数据、工业大数据的应用现状与痛点 Ø 大数据、工业大数据的特点、差异性、技术图谱及大数据思维 Ø 大数据分析、建模、标签化管理、数据洞察产品需求 Ø 大数据下的产品场景，找回需求原点，构建产品需求场景 Ø 产品数据分析与挖掘、产品研发前置分析、研发过程及商业应用全周期 Ø 产品商业应用的数据触角，致力打造未来数字化的“智链企业” Ø 数据共享过程的歧视与公平，大数据推动未来智能制造 【课程特色】干货，没有废话；科学，逻辑清晰；实战，学之能用；投入，案例精彩 【课程对象】产品研发团队、产品经理、产品需求调研团队 【课程时间】6小时 【课程大纲】
一、认识大数据与工业大数据 1、大数据、工业大数据应用现状与痛点 Ø 大数据应用现状 Ø 大数据应用误区 Ø 大数据应用困扰及痛点 2、什么是大数据、工业大数据？ Ø 大数据、工业大数据概念 Ø 大数据能做什么 Ø 大数据应用价值 Ø 大数据与工业大数据技术关系 3、工业大数据特征与特点 4、大数据与工业大数据的差异性 5、大数据技术图谱 Ø 大数据技术基础 Ø 大数据的数据源特点 Ø 大数据技术逻辑 Ø 大数据全域识别 Ø 大数据数据展现 6、大数据思维 Ø 全样 Ø 容错 Ø 相关 Ø 智能 案例： 二、大数据分析与建模 1、大数据分析与建模 Ø 建模 Ø 训练模型 Ø 应用模型 Ø 优化模型 2、大数据标签化管理 Ø 数据标签 Ø 标签 Ø 多样化标签与场景化应用 Ø 基于标签化的产品画像 3、数据洞察产品需求 4、大数据为工业互联网赋能 5、工业大数据的数据挖掘与建模 Ø 工业大数据挖掘流程与逻辑 Ø 工业大数据基本算法逻辑 Ø 工业大数据挖掘特性 Ø 工业大数据建模逻辑 Ø 数据＋模型＝能力 6、数据安全 Ø 数据全生命周期管理 Ø 安全策略 Ø 数据管理策略 Ø 防护措施 案例： 三、贯穿整个产品生命周期的数据挖掘 1、大数据分析与数据挖掘 Ø 业务场景 Ø 数据建模 Ø 挖掘算法 Ø 相关分析 2、大数据应用场景及场景解析 3、找回需求原点，构建产品需求场景 4、产品数据分析与挖掘的样本条件 5、产品研发前置分析 Ø 需求任务 Ø 研究目的 Ø 关键指标 6、产品生命周期- 产品研发设计 Ø 策略研究 Ø 概念评估 Ø 产品研发 Ø 产品测试 7、产品生命周期– 商业应用 Ø 导入 Ø 发展 Ø 成熟 Ø 衰退 8、产品商业应用的数据触角 案例： 四、大数据驱动新一代制造研发体系 1、数据驱动，场景进阶 2、工业大数据、云计算与数据算法关系 2、致力打造未来数字化的“智链企业” Ø 与合作伙伴的“数字化共生” Ø 提供卓越客户体验 Ø 充分融合协作模型 Ø 构建创新业务的能力平台 3、歧视与公平 Ø 人为歧视 Ø 数据歧视 Ø 模型歧视 Ø 间接歧视 4、数据共享，解锁全新价值 Ø 差分隐私 Ø 联合分析 Ø 同态加密 Ø 零知识证明 Ø 安全多方计算 5、大数据，推动智能制造
| 
