|
讲授专家：李勇 培训对象：上市公司中高层管理者、业务部门负责人、数据分析团队、日常岗位业务人员等； 课程时间：1天 (6小时） 课程背景： 本课程聚焦AI大模型时代数据分析的范式变革，通过"认知升级+工具实战+业务融合"三维教学体系，解决企业"数据沉睡""分析低效""业务脱节"等痛点，结合最新AI数据分析工具实战演示，帮助企业构建智能分析能力。 课程收益： 培训完结后，学员能够： 1. 建立数据资产化认知与管理体系 2. 掌握AI数据分析工具的核心能力 3. 设计AI驱动的智能分析工作流 4. 实现数据分析与业务决策的深度耦合 5. 构建安全可靠的AI分析体系 6. 培养AI时代数据分析团队新型能力 课程大纲： | 单元 | | | | | 1. 数据价值重估 1.1）从"副产品"到"生产要素"的认知跃迁 1.2）数据资产估值模型：成本法vs收益法 案例：某零售企业数据资产估值超10亿元 2. 数据资产管理 2.1）数据资产目录建设 2.2）数据质量治理框架 案例：平安集团数据资产管理体系 讨论课题：绘制你企业业务部门的数据资产地图 | | | 1. 传统分析困境 1.1）耗时耗力的数据清洗 1.2）复杂建模的技术门槛 2. AI分析新范式 2.1）自然语言交互分析 2.2）智能特征工程 案例：某银行用AI将信贷分析效率提升5倍 讨论课题：识别传统分析中的AI替代点 | | | 1. 工具矩阵解析 1.1）小浣熊：智能数据清洗 1.2）DXXI：可视化分析 1.3）Cursor：代码生成 2. 工具实战演示 2.1）用AFAI预测销售趋势 2.2）用DEEPSEEK生成分析报告 2.3) 用CURSOR生成WEB数据大屏 2.4）用DEEPSEEK控制Pandas做更深层的数分 案例：某车企用工具矩阵实现日报自动生成 讨论课题：设计你的AI工具组合方案
| | | 1.传统业务数据分析的问题： 1.1）层次聚类，线性回归，决策树等等还是要理解其内核 1.2）更加考验我们数据分析人员对业务的理解。 2.AI大模型时代的数据分析： 1. 分析流程重构 1.1）需求理解：将传统的业务理解和方法论在AI大模型上重构和增速 1.2）结果验证：AI交叉校验 2. 人机协作模式 2.1）分析师提示词工程 2.2）模型微调策略 案例：某电商用DEEPSEEK实现实时舆情分析 讨论课题：设计智能分析工作流 | | | 1. 需求翻译公式 1.1）业务问题→分析任务→AI指令 1.2）案例：库存优化需求转化 2. 领域知识注入 2.1）业务术语表构建 2.2）行业知识库训练 案例：某医院用AI分析提升床位周转率 讨论课题：将业务需求转化为AI分析任务 | | | 1. 数据有风险的方式：云端数据分析大模型的直接上传 2. 数据无风险的方式： 2.1）零成本更灵活的本地CURSOR生成数据分析 2.2）零成本更灵活的本地DB的数据分析 2.3）成本高的大模型本地部署做数据分析 | | | 1. 能力模型升级 1.1）技术理解力：读懂模型输出，prompt提示词的能力，微调的能力 1.2）业务洞察力：发现分析价值 2. 培养路径 2.1）AI协作能力训练 2.2）领域知识积累 案例：某互联网公司数据分析师培养体系 讨论课题：制定团队能力升级计划 |
| 
