课程大纲：

数据挖掘的课程

【课程背景】
大数据技术是指从各种各样类型的巨量数据中，快速获得有价值信息的技术。解决大数据问题的核心是大数据技术。大数据(bigdata)或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据分析相比于传统的数据仓库应用，具有数据量大、查询分析复杂等特点。
大数据为企业创造了新的商机。挖掘数据价值是传统企业转型和互联网企业创新的必由之路。然而，复杂的结构化和非结构化数据不能被传统技术处理。大数据挖掘，面对电子邮件、照片、视频、音频、文本等海量信息，新数据可以迅速生成，不同类型的数据混合在一起。对海量数据进行准确、可靠的分析和处理，获取高价值信息，将为企业带来丰厚的利润。
云计算超越了传统的IT模型，为数据处理提供了几乎完美的解决方案。
数据产品，承载着大数据中蕴含的逻辑，是一个大数据产业链价值的最终体现。对于一条完整的大数据产业链来说，其本质就是对数据不断挖掘，发现其中的规律，并封装成数据产品，最后用数据产品变现的过程。
课程将以大数据挖掘与分析为核心要点，帮助学员认识大数据建设的基础、了解数据挖掘与分析，在企业数字化变革的重要性是什么？信息科技部门在大数据平台建设过程中，应该扮演什么角色？如何利用现代化信息科技，提升数据挖掘与分析成功的机会？使学员能够知其然，更能知其所以然。能够具备引领企业实现成功的数字转型，同时协助企业提升商业模式创新能力，快速占领行业制高点！

【课程收益】
了解企业实施大数据平台的原由，影响，以及可预期的成效
6大高质量数据的标准
7大数据挖掘的步骤
5大常用数据挖掘方法
了解“数据清洗”在企业大数据应用过程中的定位与重要性
9大数据分析的实践与方法
了解数据挖掘与分析的发展方向与趋势，以及业界先进案例

【课程对象】
信息科技运维部门主管，信息科技研发部门主管，信息科技部首席/资深系统架构师，CIO（首席信息官）、CTO（首席技术官）、企业安全架构师，信息科技部资深软件设计师，信息科技部资深软件设计师

【课程大纲】
一、“大数据”的定义与内涵为何？
a)什么是“大数据”
b)“大数据”的构成元素为何？
c)“大数据”具备什么特性？
d)落实“大数据”应用的关键技术为何？

二、“高质量”数据的标准为何？
a)有效性
b)准确性
c)完整性
d)一致性
e)可追溯性
f)及时性

三、数据挖掘的基本步骤
a)定义问题
b)建立数据挖掘库
c)分析数据
d)准备数据
e)建立模型
f)评价模型
g)实施挖掘

四、制定数据战略的常用方法与模型
a)波士顿矩阵
b)MECE
c)SWOT
d)STAR
e)RFM
f)PDCA
g)SCP

五、数据清洗的*实践
a)全面考虑数据的用途
b)提升数据输入的控制力度
c)限制样本规模
d)全程抽查
e)建立预警机制

六、数据分析的实践与方法
a)逻辑树分析
b)PEST行业分析
c)多维度拆解分析
d)对比分析
e)归因分析（假设检验）
f)AARRR分析
g)RFM分析
h)*分析
i)周期性分析

七、数据挖掘与分析的发展方向与趋势为何？
a)定向算力（案例分享–特斯拉无人驾驶）
b)机器学习（案例分享–富士康精密制造）
c)系统自愈（案例分享–富士康无灯工厂）
d)预警机制（案例分享–AWS数据中心运维）

八、课程总结
a)学员心得分享
b)重点摘要
c)答客问

数据挖掘的课程