大数据技术概述与战略意义
大数据价值与趋势
- 企业利润增长的新技术：数据挖掘的价值
- 业务+大数据=价值 vs 数据+大数据=价值的路径辨析
- 大数据平台化发展的趋势分析
- ChatGPT对未来智能技术发展的战略性意义
- 视觉、语音识别与平台模型驯化对大数据发展的意义
行业洞察与案例启发
- 比亚迪收购保险公司的战略企图解析
- 从广新集团工艺大数据发展看数字化工艺对设备价值的提升
大数据平台在制造业的建设与应用
本课程聚焦大数据技术在制造业的落地实践，从平台架构、技术选型到业务场景应用进行系统讲解。涵盖Hadoop生态、数据治理、AI智能分析及可视化等核心技术，结合汽车制造等行业案例，深入解析预测性维护、质量管控、供应链协同等关键场景，助力企业通过数据驱动实现降本增效与数字化转型
授课讲师：
张忠新 · 人工智能AI与数字化实战专家
适合对象
企业董事长、总经理及副总经理、负责数字化转型或智慧产业的高层管理人员、制造业IT部门负责人及大数据平台架构师、从事数据分析、工艺改进及质量管理的业务专家
课程定位与主要问题
缺乏清晰的业务战略规划，导致大数据建设盲目，难以转化为实际业务价值 数学算法与业务领域专家双重缺失，限制了大数据技术在制造业的深度应用 数据种类繁杂，数据库选型困难，缺乏统一的数据接入、清洗与治理标准 传统IT架构无法支撑海量数据处理需求，缺乏高效的大数据平台底层支撑 数据应用停留在报表层面，未能深入结合AI、数字孪生等技术解决核心痛点 设备故障预测、质量管控等关键场景缺乏有效的数据模型与智能分析手段
核心收益
- 对齐现场问题、质量波动和改善节点，先把训练目标落到真实工作场景
- 围绕大数据技术概述与战略意义明确判断口径和处理优先级
- 用大数据平台建设与技术架构安排练习，检查方法、工具和流程是否可用
- 带走大数据在制造业的场景应用与实践相关的复盘问题和跟进清单
课程背景与交付信息
人工智能与大数据技术在制造业的应用日益广泛，已成为提高生产效率、降低成本、优化产品质量的关键驱动力。常见应用场景包括预测性维护、智能制造、质量控制、供应链管理、工艺改进及智能售后服务等
然而，国内大数据应用在制造业仍面临数学和业务专家不足的限制，导致广泛应用受阻。业务战略规划是大数据发展的起点，企业需通过价值驱动选择试点项目，并通过科学的数据规划促进全面大数据能力的进步
本课程旨在探讨大数据技术在制造业的具体应用路径，通过解析平台建设与业务价值的连接，帮助企业管理者和技术人员理解如何利用数据挖掘、智能分析等手段实现利润增长与运营优化
课程时间
1天
授课方式
线下授课
课程内容重点
01大数据技术概述与战略意义
02大数据平台建设与技术架构
03大数据在制造业的场景应用与实践
04典型案例分享与实施策略
课程大纲
大数据平台建设与技术架构
架构设计与基础环境
- 业务需求分析与平台架构设计
- 大数据硬件基础要求
- 数据种类与数据库种类选型
- 操作系统选择与配置
核心组件与处理框架
- Hadoop集群搭建与大数据处理框架
- 分布式存储系统HDFS详解
- 数据接入、清洗与分析流程
- 大数据开发工具：数据库开发、任务协同、整合与治理
智能分析与数据应用
- 智能分析工具：数据科学、知识图谱、AI、边缘计算
- 深度学习与大模型在工业场景的应用
- 数据应用与可视化展示
- 数据标准管理与数据安全管理
大数据在制造业的场景应用与实践
营销与客户管理
- 大数据助力客户需求管理，打造爆品
- 大数据精准客户识别，辅助营销成功
- 大数据分层客户，实现产品精准推荐
- 大数据产品定制与客户体验提升
供应链与运营管理
- 大数据结合数字孪生在供应链协同设计上的应用
- 大数据结合数字孪生在供应链管理中的应用
- 大数据在数字采购周期中的智能辅助判断
- 大数据结合RPA在运营管理中的应用
生产质量与设备维护
- 大数据在总装质量管控中的应用
- 大数据在设备故障预测和维护中的应用
- 大数据组在消除质量过剩、提升利润中的应用
- 大数据在售后服务的智能应用
典型案例分享与实施策略
行业标杆案例解析
- 某制造业大数据平台建设案例分享
- 视觉大数据在涂装表面质量管控的应用
- 上汽集团：大数据智能减少70%的设备故障
- 上汽宁德：基于大数据的供应链数字孪生管理
实施路径与建议
- 国内大数据应用现状分析
- 突破数学和业务专家不足的限制策略
- 以业务战略规划为起点的大数据发展路径
- 价值驱动选择大数据试点项目的方法
- 通过数据规划促进全面大数据进步
讲师介绍
张忠新
人工智能AI与数字化实战专家
人工智能AI与数字化实战专家，曾任徐工汉云首席技术专家。擅长AI+工业互联网应用及数字化工厂规划，主持参与27个大型数字化工厂项目，致力于推动企业数字化转型与一线管理数字化赋能
查看讲师主页课程差异说明
本课程页面围绕《大数据平台在制造业的建设与应用》重点呈现课程定位、适合对象、核心收益和 4 个主要模块，便于快速判断培训匹配度
