讲授专家:李勇 培训对象:数据管理(总监、经理、主管)、业务管理人员、数字化转型部门、产品及运营中心管理人员、技术中心管理人员等; 课程时间:1天 (6小时) 课程背景: 当前,中台建设如火如荼,相关技术也在快速发展。本课程试图帮助学员拨开迷雾,旨在向学员提供一个“step by step”的中台建设实操指导。本课程从中台的规划、设计、实现、运维等多个方面入手,从组织架构、业务流程、技术选型角度,对基于微服务的“业务中台”、基于业务中的微服务和数据资产分别进行了阐述。 课程收益: Ø 学习数据湖的基本概念; Ø 掌握数据湖对企业的影响; Ø 掌握数据湖的典型应用; Ø 掌握数据湖的构建方法; 课程大纲: 单元 | | | | | 1. 基于数据积累,提供精准营销 2. 盘活数据资产,升级全新商业模式 3. 利用数据集成,创造资产升值 | | | 1. 多种方法梳理业务 2. 领域驱动DDD业务数据建模 3. 业务服务化带来的效益 4. 中台服务化设计 | | | 1. 利用机器进行数据挖掘 2. 机器学习通用步骤 3. 业务中台数据挖掘 4. 数据预处理 | | | 1. 为什么说业务数据是企业资产 2. 如何定义数据资产 3. 盘活数据资产的几种可能路径 4. 数据资产到底可以解决什么问题 | | | 1. 数据资产管理和数据管理的差异 2. 数据资产的管理到底包括哪些方面 3. 数据资产管理的三全主义 4. 数据血缘的分析 | | | 1. 降本增效提质保全 2. 数据驱动业务的再次增长 3. 数据资产变现的误区 4. 数据生态的建立 5. 数据预判未来 | | | 1. 数据架构设计 2. 数据建模和设计 3. 数据存储和操作 4. 数据集成与相互操作 5. 数据仓库和商务智能 6. 元数据管理 7. 数据质量控制 8. 数据全生命周期管理 | | | 1. 谁应该关心数据资产管理 2. 数据资产管理解决了什么问题 3. 数据管理的主要思路及内容 4. 为什么数据治理这么难 5. 怎么梳理数据资产 6. 如何记录和跟踪数据资产 | | | 1. 什么是数据治理 2. 数据治理治什么 3. 数据治理的六个价值 4. 数据治理的三个现状 5. 数据治理的五类问题 6. 数据资产为什么需要数据治理 | | | 1. 数据战略:数字化转型的指明灯 2. 组织机制:敏捷治理组织 3. 数据文化:数据思维融入团队 | | | 5. 理现状,定目标 6. 数据治理能力成熟度评估 7. 数据治理线路规划 8. 数据治理保障体系建设 9. 数据治理技术体系建设 10. 数据治理长效运营 | | | 1. 数据梳理与建模 2. 元数据管理 3. 主数据管理 4. 数据质量管理 5. 数据安全管理 6. 数据集成与共享 | | | 1. 数据模型管理工具 2. 元数据和主数据管理工具 3. 数据质量管理工具 | | | 1. 企业数据治理实践案例 2. 企业数据治理总结与展望 |
|