苏忠彦：精准驾驭数字化时代的数据资产 – 分布式数据库

苏忠彦注册讲师 334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 : 数据分析

课程编号 : 5297

联系老师

行业不限

适用对象

信息科技首席/资深架构师，CIO（首席信息官），CTO（首席技术官），信息科技部门运维人员，信息科技部门数据库架构师，数

课程介绍

【课程对象】信息科技首席/资深架构师，CIO（首席信息官），CTO（首席技术官），信息科技部门运维人员，信息科技部门数据库架构师，数字化工程师

【课程时间】6小时

【课程背景】

随着传统的数据库技术日趋成熟、计算机网络技术的飞速发展和应用范围的扩充，数据库应用已经普遍建立于计算机网络之上。这时集中式数据库系统表现出它的不足：数据按实际需要已在网络上分布存储，再采用集中式处理，势必造成通信开销大；应用程序集中在一台计算机上运行，一旦该计算机发生故障，则整个系统受到影响，可靠性不高；集中式处理引起系统的规模和配置都不够灵活，系统的可扩充性差。在这种形势下，集中式DB的“集中计算”概念向“分布计算”概念发展。

分布式数据库是数据库技术与网络技术相结合的产物，在数据库领域已形成一个分支。分布式数据库的研究始于20世纪70年代中期。世界上第一个分布式数据库系统SDD-1是由美国计算机公司（CCA）于1979年在DEC计算机上实现。20世纪90年代以来，分布式数据库系统进入商品化应用阶段，传统的关系数据库产品均发展成以计算机网络及多任务操作系统为核心的分布式数据库产品，同时分布式数据库逐步向客户机/服务器模式发展。

虽然分布式数据库系统是在集中式数据库系统成熟技术的基础上发展起来的，但不是简单地把集中式数据库分散地实现，它具有自己的性质和特征。集中式数据库系统的许多概念和技术，如数据独立性、数据共享和减少冗余度、并发控制、完整性、安全性和恢复等在分布式数据库系统中都有了不同的、更加丰富的内容。

尽管在过去的时间里，分布式数据库已经取得了很显著的研究成果，但是，成功地进入商品化运行的软件却仍为数不多。

大多数的数据库管理系统也许走一条从集中到分布的道路。首先是跨越数个节点定义数据库，避免不同节点数据的更新同步问题，许可局部和远程查询，回避了复杂的查询处理问题。进一步的工作是增加有限的重复，如果最新的数据并不是最重要的情况下，这样提高了检索的性能。最后，就是完全的分布式数据库管理。系统的功能能够处理复杂的查询，有较好的并发控制机制和保证数据的更新同步。

数据库研发专家们充分考虑了企业运营的不同场景，提出低成本、高安全性、高可靠性的分布式数据管理解决方案，实现了真正意义的网络办公及无纸化办公，协同运作、统一管理。

课程将以分布式数据库为核心，帮助学员认识分布式数据库的核心架构、了解分布式数据库在企业数字化变革的过程中，所扮演的角色？信息科技团队在数据库管理工具变革过程中，应该具备什么能力？如何利用分布式数据库在互联网环境中的优势，全面提升信息科技团队对数据资产的专业管理能力？使学员能够知其然，更能知其所以然。能够使信息科技团队的成员们，能够驾驭先进的分布式数据库管理系统，协助企业提升数据变现能力，同时还能提升自身的数据管理能力！

【课程收益】

了解“分布式数据库基本概念
熟悉数据库的种类，理论与其主要特性
了解数字化时代的数据库应用思维
熟悉分布式数据库的架构设计
熟悉分布式数据库的主要应用场景
认识分布式数据库的未来展望
了解数据库专家认证体系
熟悉分布式数据库的风险识别与规避
最佳实践与案例分享

【课程特色】分析理论，知其所以然；实战解析，能趋吉避凶

【课程时间】6小时

【课程大纲】

“分布式数据库”是个什么概念？
1. 分布式数据库的定义是什么？
2. 分布式数据库与关联式数据库有什么不同？
3. 实际案例分享
“分布式数据库”主要的技术特性为何？
1. 无限扩容
2. 弹性扩展

简单易用
快速部署
相对与传统数据库管理，数字化数据库管理有什么新思维？
1. 总体思维
2. 容错思维
3. 相关思维
4. 智能思维
数字化时代进程中，分布式数据库的定位以及重要性是什么？
1. 使能精准分析
2. 守护数据资产
3. 数据运营平台的基石
4. 如果缺乏完善的数据库管理机制，企业可能面临什么挑战？
“分布式数据库”的架构设计特性为何？
1. 独立透明性
2. 节点集中整合
3. 数据复制透明性
4. 易于扩展
5. 共享存储

“分布式数据库”的主要应用场景为何？
1. 电商 - 海量数据多并发处理
2. 物联网 – 传感设备多，采样率高
3. 搜索平台 - 海量文件索引
4. 大数据应用 - 大量数据读、写、分析
5. 数据中心 - 按需分配
“分布式数据库”的未来展望与认证体系为何？
1. 原生云应用的融合
2. 业务与科技的整合
3. 企业数据资源大一统
4. 数据保护自动化
5. 数据库认证体系概述
如何规避数据库管理模式变革所带来的风险？
1. 数据存取结构复杂
2. 数据的安全性与保密性
3. 强依赖与网路稳定性
4. 应用开发复杂性
课程总结

苏忠彦老师的其他课程

• 苏忠彦：数字经济时代产业转型升级的利器 - 大数据平台建设法门: 【课程对象】企业领导人，CEO（首席执行官），CFO（首席财务官），CMO（首席市场官），CIO（首席信息官），CSO（首席安全官），COO（首席运营官），营销业务主管，战略规划业务主管，信息科技部相关主管，信息科技部资深架构师【课程时间】6小时【课程背景】数字经济，是一个新的经济形态，也是一个新的产业。作为经济学概念的一员，数字经济是人类通过大数据（数字化的知识与信息）的识别，选择，过滤，存储，使用，引导、到实现资源的快速优化配置与再生、实现经济高质量发展的一种经济形态。用一种内涵比较宽泛的概念来说，凡是直接或间接利用数据来引导资源发挥作用，推动生产力发展的经济形态都可以纳入其范畴。在技术层面，包括大数据、云计算、物联网、区块链、人工智能、5G通信等新兴技术。在应用层面，“新零售”“新制造”等都是其典型代表。从系统到软件，从软件到互联网，从互联网到数据，从数据到大数据，这些年基于效率提升的产业互联网业发展的如火如荼。但这些名词似乎都还不能代表这一波科技和数据驱动的经济大发展。最明显的是，数据驱动的GDP产值在很多城市GDP中比重越来越高。所以数据不只是生产资料了，它已经逐渐成为经济的重要驱动力，正在开始创造价值，所以数据是生产力。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。云计算是大数据的基础，它将计算、存储和网络融为一体，为企业提供了方便的企业应用服务。通过大数据，可以统一规划、协调，促进内部管理和外部扩展。因此，如果想使用大数据，就必须建立在云上。没有云计算的这个基础，就无法建立大数据的建设。了解数字经济，有利于我们在形成数字大局观，在未来数字经济时代不掉队，不被淘汰。特别是在大数据时代，我们能具有先进的数字能力，与时俱进。再进一步，在数字世界里，能从中获取数字经济所带来的红利；甚至有机遇能够制定规则，服务大众。课程将以大数据的本质为核心，帮助学员认识数字经济的核心理念、了解数字经济是如何建构成的？数字经济对企业数字化变革有什么影响？数据本身为什么成为在数字经济构成的核心要素？如何利用大数据工具与方法，全面提升企业在数字经济时代的生产力？使学员能够知其然，更能知其所以然。能够使企业经营团队，能够具备展望未来的数字经济新思维，协助企业提升创新能力与生产力，同时还能提升自身的数字化数据治理能力，快速占领行业制高点！【课程收益】了解“数字经济”的定义，与对企业的影响了熟悉“数据资产”的定义，以及如何变现解“大数据”的定义，与其发展趋势了解“云转型”在数字化进程中的定位，及其与大数据之间的关联熟悉企业上云以及建构大数据平台所需具备的核心技术能力了解大数据平台建构的方向、策略以及关键举措了解如何识别与规避实，企业云化以及大数据应用建设的可能风险最佳实践以及案例解析【课程特色】方法，知其然；科学，亦知其所以然；实战，真实案例解析【课程对象】企业领导人，CEO（首席执行官），CFO（首席财务官），CMO（首席市场官），CIO（首席信息官），CSO（首席安全官），COO（首席运营官），营销业务主管，战略规划业务主管，信息科技部相关主管，信息科技部资深架构师【课程时间】6小时【课程大纲】 “数字经济”的定义，与对企业的影响为何？“数据资产”的定义为何？“大数据”的定义，与其发展趋势为何？“云转型”与大数据之间的关系为何？建构大数据平台的五大法门及其目标设定如何透过大数据平台，使能数据资产变现？如何识别与规避大数据平台建设过程中的风险？最佳实践及案例分析富士康“无灯工厂”数字化转型的内化历程（加工/代工）丰田“无人”汽车制造的云转型建设过程（制造）课程总结 & 答客问

• 苏忠彦：夯实大数据 – 企业数据挖掘与分析精进之道: 【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【课程时间】6小时【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(big data)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【课程特色】方法，知其然；科学，亦知其所以然；实战，真实案例解析【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【课程时间】6小时【课程大纲】 “大数据”的定义与内涵为何？什么是“大数据”?“大数据”的构成元素为何？“大数据”具备什么特性？落实“大数据”应用的关键技术为何？“高质量”数据的标准为何？有效性准确性完整性一致性可追溯性及时性数据挖掘的基本步骤定义问题建立数据挖掘库分析数据准备数据建立模型评价模型实施挖掘制定数据战略的常用方法与模型波士顿矩阵、MECESWOTSTARRFMPDCASCP数据清洗的最佳实践全面考虑数据的用途提升数据输入的控制力度限制样本规模全程抽查建立预警机制数据分析的实践与方法逻辑树分析PEST行业分析多维度拆解分析对比分析归因分析（假设检验）AARRR分析RFM分析杜邦分析周期性分析数据挖掘与分析的发展方向与趋势为何？定向算力（案例分享 – 特斯拉无人驾驶）机器学习（案例分享 – 富士康精密制造）系统自愈（案例分享 – 富士康无灯工厂）预警机制（案例分享 – AWS 数据中心运维）课程总结学员心得分享重点摘要答客问

• 苏忠彦：大数据应用精进之道 – 企业数据分析与建模: 【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【课程时间】6小时【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(big data)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。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。课程将以大数据模型与分析为核心要点，帮助学员认识大数据建设的基础、了解数据建模与分析，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，提升数据建模、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，以及可预期的成效熟悉6大高质量数据的标准了解“数据建模”在企业大数据应用过程中的定位与重要性了解数据建模的方法论与实践案例了解业界常用的数据分析工具与方法【课程特色】方法，知其然；科学，亦知其所以然；实战，真实案例解析【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【课程时间】6小时【课程大纲】 “大数据”的内涵为何？“大数据”的构成元素为何？“大数据”具备什么特性？“高质量”数据的标准为何？有效性准确性完整性一致性可追溯性及时性 “数据建模”的内涵为何？为什么需要建立模型？建立模型的原则为何？探索 – 排序思维概念 – 步骤导向常用的建模工具介绍思维导图概念图系统导图心智模型概念模型业务数据建模实践业务数据建模的定义与内涵如何进行业务数据建模？信息流定义信息输入信息输出信息处理规范信息参与角色数据建模完成后的接续动作为何？建立系统框架构建应用架构数据架构技术架构数据模型实践数据建模的定义与内涵为何？常见数据场景介绍与案例分享数据建模的步骤为何？制定目标数据理解与准备建立模型模型评估结果呈现模型部署数据建模常用的方法与工具MLSmartBi如何规避常见的数据建模误区？与现有数据治理冲突？数据安全过度考量？数据分析的最佳实践与方法逻辑树分析PEST行业分析多维度拆解分析对比分析归因分析（假设检验）AARRR分析RFM分析杜邦分析周期性分析业务场景实践业务场景的定义与内涵何谓“业务场景”？组成“业务场景”的关键要素为何？案例分享“业务场景”应具备哪些要素？谁在里面？在什么环境下？在做什么？遇到什么问题？如何互动？会产生什么价值？如何创建“业务场景”？识别主题判断角色与场景入口延伸场景，梳理“角色”的步伐针对需求思考解决方案业务场景开发指南分析业务场景的6步法UML用例图/行为图解析价值流分析案例分享与讨论数据挖掘与分析的发展方向与趋势为何？定向算力（案例分享 – 特斯拉无人驾驶）机器学习（案例分享 – 富士康精密制造）系统自愈（案例分享 – 富士康无灯工厂）预警机制（案例分享 – AWS 数据中心运维）课程总结学员心得分享重点摘要答客问

苏忠彦：精准驾驭数字化时代的数据资产 – 分布式数据库

课程概要

适用对象

课程介绍

苏忠彦老师的其他课程

相关课程

添加企业微信