一、 大数据时代商业智能概述
本节介绍：了解大数据，分析传统数据与现代数据之间的差异
讨论：老师给出一个图表，让每个学员用自己的方法来制作，然后进行讨论与分析！
1、什么是大数据
2、大数据三维理解
理论+技术+实战
3、大数据的应用现状（传统数据分析与商业智能，和大数据时代新方法与技术区别）
4、 大数据时代企业运营数据过程中的痛点
5、 大数据4V特征
大规模，多样性，高速度，价值性
6. 大数据的核心价值
7. 大数据在各行各业的解决方案
制造业，金融业，零售业，电信业
9． 大数据的实现技术
9. 企业的应该如何让数据真正促进业务？
案例讲解：一个银行行长的烦恼，您来亲身体验一下数据分析的过程
二、如何构建企业一站式数据分析平台
本节介绍如何在企业内部实施大数据，利用大数据驱动企业的运营
1.数据分析平台安装及配置
2.数据体系构建的方法论
3.数据报告制作原则
4.大数据分析平台讲解:
5大数据平台用户体验：
a)简单交付，极致运用：安装程序可在几分钟内安装完成；打破传统软件建二次表、Cube、复杂模型的漫长流程，直接基于细节数据，通过人性化拖拽快速生成分析报表
b)轻松上手的深度分析：无需技术背景，业务人员可自服务完成深度分析需求。通过聚类、分类、回归、时序等算M法进行数据预测和数据关联性洞察，实现对数据含义和价值的深度挖掘
案例分享：某电商企业面临的数据分析问题
学员实践练习：安装，配置数据分析平台，并制作一张简单报表（一分钟建模，三分钟制作一份报表，一分钟分析DOMO）
三、基于大数据关键指标的多维度，探索式分析方法
本节指标分析是一种快速的企业绩效分析手段，是衡量企业健康状况的健康指标， 本节介绍如何通过指标构建数据分析模型。
1、案例思考：从一张报表说起，证券公司的烦恼
2. 基本数据分析方法
对比分析、分组分析、结构分析、平均分析、交叉分析
3、数据治理的方法论
4、把KPI指标和管理理念相结合，搭建探索式分析模型分析营销状况
5、案例解析：
a)自服务数据准备
b)数据运营最佳实战
c)探索式分析实践(学习制作探索式分析高级图表)
演练操作：制作报表进行交互式分析
制作一个专业的数据分析报告
四、数据挖掘与分析报告的撰写
本章节主要掌握数据挖掘方法与预测模型
1.什么是数据挖掘
2.为什么要数据挖掘（数据挖掘的发展历程）
3.数据挖掘之前要做哪些事
4.数据挖掘的几种方法
A)一元线性回归
B)LDA线性分类
C)K-means 聚类
D)时序分析
E) 聚类分析
5. 图表呈现
A)图表的类型和作用
B)常用图型（柱状型，条形图，折线图，饼图，雷达型）
c)复杂图型（平均线图，双坐标图，瀑布图，漏斗图）
E)图表美化
F)表格呈现
6.分析报告的撰写
A)分析报告的种类与作用
B)报告的结构与命名
c)前言
E)正文
F)结构与建议
一,数据化管理重要性
1，什么是数据化管理
2，数据化管理的四个层次
战略规划管理
经营策略管理
运营分析管理
业务指导管理
3，数据化管理的意义有哪些？
模版举例：店面管理的工具-追踪预测表
二，大数据给企业带来的革命性影响
1.数据化运营的必要性
a) 企业积累了海量数据，而信息分析能力严重不足
b) 仅凭信息技术系统不能构成差异化竞争优势
c) 以数据为基础的分析能力能帮助企业建立核心竞争力
2.海量的数据规模
3.快速动态的数据流转
4.多样的数据类型
5.企业行业的数据特点
6.大数据平台与传统数据系统的分工与定位
关于海外的案例分享：美国投资公司用大数据平台
三,大数据运营中心的解决方案
1、业务架构
从业务层来看，企业大数据中心分为三层，包括支持结构化和非结构化数据的存储层，对数据进行建模和挖掘计算，以及最终呈现出结果的可视化应用层。
2. 技术架构
从数据源到最终展现分成如下几层：
ETL层：采用PC server作为ETL前置机，将数据清洗，转换，装载。
应用层：利用敏捷BI提供自服务分析工具，对离线和在线分析平台中的数据进行自服务可视化展现。
3、系统组件详述：
a) ETL：Kettle + Sqoop
b) 离线分析平台：Hadoop分布式数据仓库
c) HDFS分布式文件系统
d) HBase数据库
e) 统一资源管理与调度框架
f) 分布式批处理引擎 – MapReduce
g) 一站式安全管理
四，数据可视分析工具
1. 用户画像
a) 场景驱动的用户画像
b) 消费者画像方法
c) 用户画像构建过程
d) 用户画像标签体系
e) 基于用户画像的场景应用
2. 价值管理平台
a) 价值管理平台的提出
b) 价值管理平台的构建思路
c) 价值管理平台系统组成
3. 经营分析
a) 应用分析
b) 应用方案
c) 软件产品
d) 领导者桌面
e) 财务分析
f) 盈利分析
五，大数据的方案特点与典型案例介绍
1，方案特点
a) 高可用性
b) 高并发性
c) 多维分析
d) 至服务式和探索式分析
e) 终端支持IOS和Andriod
f) 减少IT人员的运营成本
g) 直连数据源的支持 |
首页 课程表 在线聊 报名 讲师 品牌 QQ聊 活动 就业