做企业培训,当然要找对好讲师!合作联系

刘晖:大数据商业应用与决策

刘晖老师刘晖 注册讲师 19查看

课程概要

培训时长 : 1天

课程价格 : 扫码添加微信咨询

课程分类 : 经营管理

课程编号 : 17761

面议联系老师

适用对象

董事长、总裁、总经理、常务副总经理、总裁助理、企业管理人员

课程介绍

【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,大数据就是这个高科技时代的产物,未来的时代将不是IT时代,而是DT的时代,DT就是Data Technology数据科技,大数据并不在“大”,而在于“有用”。价值含量、挖掘比数量更为重要。对于很多行业而言,如何利用这些大规模数据是赢得竞争的关键,企业面对这些痛点则是“有数据不会用,无法产生实际价值”

    课程将以大数据应用与管理为切入点,还原商业环境中的实际案例,帮助学员认知大数据是什么?主要价值体现在哪些方面?企业如何根据所学来做大数据应用,释放数据资产与价值?如何提升企业数字化创新能力?使学员学之解惑,学之能用,实现企业新的经营增长突破点。

【课程收益】

  • 大数据概念、技术图谱、逻辑等
  • 大数据商业应用、资产化
  • 如何让数据引导企业业务、驱动企业决策
  • 大数据应用场景及案例剖析
  • 如何数字化经营管理,成本变收益方法

【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】董事长、总裁、总经理、常务副总经理、总裁助理、企业管理人员

【课程时间】6小时

【课程大纲】

一、认识大数据

1、大数据应用困扰、现状及问题

  • 大数据误区
  • 企业数据应用困扰
  • 数据该如何变现

2、什么是大数据?

3、大数据能做什么?

4、大数据特征与特点

5、大数据技术图谱

  • 大数据技术基础
  • 大数据的数据源特点
  • 大数据技术逻辑
  • 大数据全域识别
  • 大数据数据展现

   案例:阿里数据

二、大数据分析与决策支持系统

1、定位

2、决策模式

3、大数据对企业价值体现

  • 商业模型
  • 业务逻辑
  • 大数据降本增效分析

4、大数据的用户分析

  • 用户画像
  • 用数据了解你的用户

5、数据引导业务

6、让数据驱动企业决策

   案例:汽车营销、桑德环卫

三、大数据商业应用场景及案例分析

1、什么是应用场景?

2、大数据应用场景

  • 大数据场景
  • 场景模型分析

3、大数据场景及变现能力

4、大数据商业案例分析

  • 小城青年
  • 汽车
  • 智慧交通
  • 有色金属
  • 智能交通

  案例:拼多多、阿里ET城市大脑、滴滴智能交通

四、大数据安全管理

1、数据安全防护思路与体系

2、数据安全管理组织结构

3、数据安全管理策略

4、数据生命周期与防护措施

5、数据基础架构的安全性

 

五、大数据数据资产与智能商业价值

1、什么是数据资产?

  • 什么是数据资产
  • 数据资产属性

2、大数据资产管理概述

3、大数据资产管理定位

4、数据资产管理

  • 数据资产管理架构
  • 数据资产管理方法

5、大数据对智能商业意义

六、大数据助力当地特色产业

1、玻璃钢产业与大数据技术结合后将产生什么?

2、皮毛产业与大数据技术结合后将产生什么?

3、相关案例解析

刘晖老师的其他课程

• 刘晖:大数据课程-太原
【课程特色】1.   课上采用案例式教学,通俗易懂,课下一对一辅导强化训练,学与练交叉进行强化记忆,你所要做的就是认真听,勤于问,乐于练。2.   清晰的知识结构,根据应用经验采用最优化授课模式。3.   内容充沛、详略得当,前后呼应。4.   讲师资历丰富,具有丰富的实践经验。5.   知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪【课程时间】3天【课程大纲】第一部分:数据处理架构介绍1大数据的初步认知1.1何谓大数据1.2大数据的发展现状1.3大数据的发展趋势2大数据的架构分析2.1大数据架构概述2.2大数据架构设计2.3大数据架构的参考模型3大数据的数据获取3.1数据分类与数据获取组件3.2探针在数据获取中的原理作用3.3 网页采集与日志收集3.4 数据分发中间件的作用分析4机器学习和数据挖掘技术4.1 机器学习与数据挖掘的关系4.2机器学习的方式与类型4.3机器学习与数据挖掘的应用4.4深度学习的实践与发展5大数据的安全与隐私5.1大数据时代面临的安全挑战5.2安全问题解决的框架、技术与体系5.3大数据隐私保护的政策法规与技术介绍6大数据架构的实现与应用实例6.1大数据架构的实现途径6.2 大数据在电网中的应用案例解析第二部分:HDFS原理及应用1分布式文件系统HDFS1.1 计算机集群结构1.2 分布式文件系统的结构1.3 分布式文件系统的设计需求2 HDFS简介3 HDFS的相关概念3.1 块3.2 名称节点和数据节点3.3 第二名称节点4 HDFS体系结构4.1 概述4.2 HDFS命名空间管理4.3 通信协议4.4 客户端4.5 HDFS体系结构的局限性5 HDFS的存储原理5.1 数据的冗余存储5.2 数据存取策略5.3 数据错误与恢复6 HDFS的数据读写过程6.1 读数据的过程6.2 写数据的过程7 HDFS编程实践7.1 HDFS常用命令7.2 HDFS的Web页面7.3 HDFS常用Java API及应用实例实验:熟悉常用的HDFS操作第三部分:HBase原理及应用1 概述1.1 从BigTable说起1.2 HBase简介1.3 HBase与传统关系数据库的对比分析2 HBase访问接口3 HBase数据模型3.1 数据模型概述3.2 数据模型的相关概念3.3 数据坐标3.4 概念视图3.5 物理视图3.6 面向列的存储4 HBase的实现原理4.1 HBase的功能组件4.2 表和Region4.3 Region的定位5 HBase运行机制5.1 HBase系统架构5.2 Region服务器的工作原理5.3 Store的工作原理5.4 HLog的工作原理6 HBase编程实践6.1 HBase常用的Shell命令6.2 HBase常用的Java API及应用实例实验:熟悉常用的HBase操作第四部分:ETL工具介绍1开启ETL之旅1.1了解ETL1.2选择ETL工具2配置Kettle运行环境2.1安装JDK2.2安装MySQL数据库2.3配置Kettle3熟悉Kettle基本操作3.1认识Kettle界面3.2新建转换与任务3.3运行与查看结果面板4数据获取4.1创建数据库连接4.2表输入4.3 CSV文件输入4.4 Excel输入4.5生成记录5记录处理5.1 排序记录5.2 去除重复记录5.3 过滤记录 5.4值映射5.5字符串替换5.6字符串操作5.7分组6字段处理6.1字段选择6.2增加常量6.3将字段值设置为常量6.4剪切字符串6.5拆分字段7高级转换7.1记录集连接7.2多路数据合并连接7.3公式8迁移和装载8.1表输出8.2插入/更新8.3 Excel输出8.4文本文件输出8.5 SQL文件输出9项目实战9.1分析任务数据需求9.2熟悉任务流程9.3实现项目第五部分:MapReduce原理应用开发1概述1.1 分布式并行编程1.2 MapReduce模型简介1.3 Map和Reduce函数2 MapReduce的工作流程2.1 工作流程概述2.2 MapReduce的各个执行阶段2.3 Shuffle过程详解3 实例分析:WordCount 3.1 WordCount的程序任务3.2 WordCount的设计思路3.3 WordCount的具体执行过程3.4 一个WordCount执行过程的实例4 MapReduce的具体应用4.1 MapReduce在关系代数运算中的应用4.2 分组与聚合运算4.3 矩阵-向量乘法4.4 矩阵乘法5 MapReduce编程实践5.1 任务要求5.2 编写Map处理逻辑5.3 编写Reduce处理逻辑5.4 编写main方法5.5 编译打包代码以及运行程序实验MapReduce初级编程实践实操内容:1 在Windows中使用VirtualBox安装Ubuntu虚拟机2 Hadoop3.1.3安装教程 单机版2.1 Hadoop简介2.2 安装Hadoop前的准备工作2.2.1 创建hadoop用户2.2.2 更新APT 2.2.3 安装SSH 2.2.4 安装Java环境2.3 安装Hadoop 2.3.1 下载安装文件2.3.2 单机模式配置3 HDFS编程实践(Hadoop3.1.3)3.1 HDFS操作常用的Shell命令3.1.1 查看命令的用法3.1.2 HDFS操作3.2 利用HDFS的Web管理界面3.3 HDFS编程实践3.3.1 在Eclipse中创建项目3.3.2 为项目添加需要用到的JAR包3.3.3 编写Java应用程序3.3.4 编译运行程序3.3.5 应用程序的部署4 MapReduce编程实践(Hadoop3.1.3)4.1词频统计任务要求4.2 MapReduce程序编写方法4.2.1 编写Map处理逻辑4.2.2 编写Reduce处理逻辑4.2.3 编写main方法4.2.4 完整的词频统计程序4.3 编译打包程序4.3.1 使用命令行编译打包词频统计程序4.3.2 使用Eclipse编译打包词频统计程序4.4 运行程序
• 刘晖:大数据解决方案在保险行业的应用实践
【课程特色】1.   课上采用案例式教学,通俗易懂,课下一对一辅导强化训练,学与练交叉进行强化记忆,你所要做的就是认真听,勤于问,乐于练。2.   清晰的知识结构,根据应用经验采用最优化授课模式。3.   内容充沛、详略得当,前后呼应。4.   讲师资历丰富,具有丰富的实践经验。5.   知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪【课程时长】 1天(6小时/天)【课程大纲】大数据在保险行业的机遇与挑战以用户为中心建设互联网+保险。保险行业发展大数据的难点分析。大数据管理平台的建设。针对保险行业的大数据解决方案海量多源异构数据的整合跨渠道用户ID归一用户画像基于企业业务需求、场景构建标签,划分主题、颗粒度等商业建模模型一:客户细分模型模型二:客户的价值模型模型三:客户的忠诚度模型模型四:受众群体的扩散模型模型五:社会网络模型洞察用户特征,精准触达高净值用户反复迭代、持续性的优化保险行业大数据应用分析客户细分和精细化营销客户细分和差异化服务潜在客户挖掘及流失用户预测客户关联销售客户精准营销欺诈行为分析医疗保险欺诈与滥用分析车险欺诈分析精细化运营产品优化,保单个性化运营分析代理人(保险销售人员)甄选保险及金融行业的成功案例介绍案例1:互联网用户行为采集和网站数据统计分析项目用户行为数据采集用户数据拉通模块用户行为分析模块网站数据统计分析案例2:高价值潜在客户挖掘保险行业实施大数据的建议路径及案例解析
• 刘晖:大数据技术应用
课程1:大数据技术基础与应用-1天【匹配关键知识点】大数据概述,大数据行业应用解析(PI)等内容。【课程时间】1天(8小时/天)【课程简介】本课程通过对大数据技术的时代背景和业务应用场景实践案例介绍大数据技术涉及的基础技术和典型应用场景,为学员学习大数据技术明确学习方向和目标。【课程收益】1、了解大数据技术的时代背景2、了解大数据技术的商业价值3、掌握大数据涉及的基本技术及应用【课程特点】深入浅出介绍大数据分析及应用的系统知识;紧紧抓住大数据技术的发展动态及行业发展趋势,行业联系紧密;充分利用已有的研究成果,技术前瞻性较高;课程资料丰富,学习者可以重现课程环境案例充实,充分了解应用前景;清晰的知识结构,根据应用经验采用最优化授课模式课上采用案例式教学,通俗易懂,课下一对一辅导强化训练,学与练交叉进行强化记忆,你所要做的就是认真听,勤于问,乐于练。清晰的知识结构,根据应用经验采用最优化授课模式。内容充沛、详略得当,前后呼应。讲师资历丰富,具有丰富的实践经验。知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪【课程大纲】(1天*8小时)时间内容案例实践与练习Day1上午第一篇大数据概述一、大数据时代背景二、大数据业务应用场景三、大数据在各行业最佳实践案例案例讨论:大数据行业应用价值Day1下午第二篇  大数据行业应用解析一、大数据处理技术发展趋势二、大数据主要存储技术介绍三、大数据主要计算技术介绍案例分析: 大数据与传统存储计算技术的关系 

添加企业微信

1V1服务,高效匹配老师
欢迎各种培训合作扫码联系,我们将竭诚为您服务