课程大纲：

互联网金融大数据挖掘课程

课程背景：
大数据是当今数字经济时代性的革命代表，是各行业获得新的认知，创造新的价值的基础。数据收集、分析、挖掘等大数据技术也相应的在越来越多的互联网金融中得到应用，互联网金融行业迫切需要依托大数据计算拓展针对海量数据的加工、存储、计算、分析等能力。
本课程重点着眼于在互联网金融的大数据挖掘与应用。主要内容包括在数字经济时代背景下，大数据技术的产生、以及带来的时代变革；然后通过引入数据挖掘技术和案例分析来理解和掌握互联网金融大数据挖掘的背后逻辑。大数据对于金融的促进不再局限于渠道等浅层次的方面，而是开启了真正的“金融+科技”的深层次融合。

课程收益：
了解大数据的概念，及大数据包含的技术框架
大数据挖掘的一般流程
大数据分析如何跟互联网金融业务相结合
大数据挖掘技术的应用案例，包括决策树分析、人工神经网络、聚类分析、关联规则、回归与时间序列分析

课程对象：总经理、副总、企业中高管理层、金融行业涉及大数据管理相关业务的从业人员

课程大纲
导入：大数据时代，悄然改变着我们的生活
现场讨论：大数据到底“大”在哪?
第一讲：大数据基础篇步骤
一、大数据的产生
1、大数据从何而来？
2、大数据应用的意义
3、大数据的挑战和目标
二、大数据的基础认知
1、大数据的概念与特征
2、技术支撑体系
现场讨论：你认为大数据会对互联网金融业务带来哪些影响？
三、大数据的技术体系
1、大数据技术架构
1）大数据架构的一般理论
2）典型大数据系统的技术架构
2、大数据关键技术
1）数据采集与生成
2）海量数据存储技术
3）大数据分布式计算框架
4）数据挖掘平台与工具
3、平台管理
1）大数据系统的监控
2）大数据运维
3）元数据管理
案例：互联网金融大数据技术体系

第二讲：互联网金融大数据的应用
一、互联网金融大数据的应用的现状
1、互联网金融大数据行业环境
2、互联网金融大数据应用场景
1）案例1：互联网金融客户画像实践案例
2）案例2：互联网金融客户的风险控制案例
3）案例3：互联网金融客户的精准营销案例
现场讨论：你还留意到哪些大数据的应用场景？
3、互联网金融大数据路径选择
二、互联网金融大数据平台建设
1、大数据平台建设战略安排
案例：互联网金融的大数据建设体系
2、大数据平台建设实施四个方略
三、大数据挖掘的一般流程
1、信息收集
2、数据预处理
3、数据挖掘
4、效果评估
5、知识表示
案例：互联网金融大数据挖掘流程

第三讲：互联网数据挖掘技术
一、主要挖掘技术
1、分类技术
1）模型：分类技术典型模型
2）分类技术关键实现技术逻辑
2、决策树分析
1）模型：决策树技术典型模型
2）决策树技术关键实现技术逻辑
3）技术实现关键注意事项
3、人工神经网络
1）模型：人工神经网络技术典型模型
2）人工神经网络技术关键实现技术逻辑
4、、聚类分析
1）模型：聚类技术典型模型
2）聚类技术关键实现技术逻辑
3）技术实现关键注意事项
5、关联规则
1）模型：关联技术典型模型
2）关联技术关键实现技术逻辑
3）技术实现关键注意事项
6、回归与时间序列分析
1）模型：回归技术典型模型及技术逻辑
2）模型：时间序列技术典型模型及技术逻辑
7、异常分析
二、互联网金融数据挖掘案例分析
案例1：决策树分析法在供应链融资中的应用
案例2：Logistic模型在互联网中的应用
案例3：聚类分析在客户细分中的应用
案例4：关联规则在互联网金融产品交叉营销中的应用
现场讨论：对于这些大数据应用，你有什么应用灵感？

第四讲：大数据战略管理
一、互联网金融的战略规划
1、大数据战略的基本目标和三个关键因素
2、互联网金融大数据建设目标
3、互联网金融大数据实施过程中应遵循的三大原则
4、建设规划
现场讨论：你觉得公司可以如何更好的落地大数据挖掘工作？
二、金融大数据组织管理
1、金融应用大数据的三个核心能力
2、金融大数据核心人才及其能力要求指标
3、金融大数据人才培养战略
三、金融大数据战略展望
总结与分享

互联网金融大数据挖掘课程