一、 大數據時代商業智能概述
本節介紹：了解大數據，分析傳統數據與現代數據之間的差異
討論：老師給出一個圖表，讓每個學員用自己的方法來制作，然后進行討論與分析！
1、什么是大數據
2、大數據三維理解
理論+技術+實戰
3、大數據的應用現狀（傳統數據分析與商業智能，和大數據時代新方法與技術區別）
4、 大數據時代企業運營數據過程中的痛點
5、 大數據4V特征
大規模，多樣性，高速度，價值性
6. 大數據的核心價值
7. 大數據在各行各業的解決方案
制造業，金融業，零售業，電信業
9． 大數據的實現技術
9. 企業的應該如何讓數據真正促進業務？
案例講解：一個銀行行長的煩惱，您來親身體驗一下數據分析的過程
二、如何構建企業一站式數據分析平臺
本節介紹如何在企業內部實施大數據，利用大數據驅動企業的運營
1.數據分析平臺安裝及配置
2.數據體系構建的方法論
3.數據報告制作原則
4.大數據分析平臺講解:
5大數據平臺用戶體驗：
a)簡單交付，極致運用：安裝程序可在幾分鐘內安裝完成；打破傳統軟件建二次表、Cube、復雜模型的漫長流程，直接基于細節數據，通過人性化拖拽快速生成分析報表
b)輕松上手的深度分析：無需技術背景，業務人員可自服務完成深度分析需求。通過聚類、分類、回歸、時序等算M法進行數據預測和數據關聯性洞察，實現對數據含義和價值的深度挖掘
案例分享：某電商企業面臨的數據分析問題
學員實踐練習：安裝，配置數據分析平臺，并制作一張簡單報表（一分鐘建模，三分鐘制作一份報表，一分鐘分析DOMO）
三、基于大數據關鍵指標的多維度，探索式分析方法
本節指標分析是一種快速的企業績效分析手段，是衡量企業健康狀況的健康指標， 本節介紹如何通過指標構建數據分析模型。
1、案例思考：從一張報表說起，證券公司的煩惱
2. 基本數據分析方法
對比分析、分組分析、結構分析、平均分析、交叉分析
3、數據治理的方法論
4、把KPI指標和管理理念相結合，搭建探索式分析模型分析營銷狀況
5、案例解析：
a)自服務數據準備
b)數據運營最佳實戰
c)探索式分析實踐(學習制作探索式分析高級圖表)
演練操作：制作報表進行交互式分析
制作一個專業的數據分析報告
四、數據挖掘與分析報告的撰寫
本章節主要掌握數據挖掘方法與預測模型
1.什么是數據挖掘
2.為什么要數據挖掘（數據挖掘的發展歷程）
3.數據挖掘之前要做哪些事
4.數據挖掘的幾種方法
A)一元線性回歸
B)LDA線性分類
C)K-means 聚類
D)時序分析
E) 聚類分析
5. 圖表呈現
A)圖表的類型和作用
B)常用圖型（柱狀型，條形圖，折線圖，餅圖，雷達型）
c)復雜圖型（平均線圖，雙坐標圖，瀑布圖，漏斗圖）
E)圖表美化
F)表格呈現
6.分析報告的撰寫
A)分析報告的種類與作用
B)報告的結構與命名
c)前言
E)正文
F)結構與建議
一,數據化管理重要性
1，什么是數據化管理
2，數據化管理的四個層次
戰略規劃管理
經營策略管理
運營分析管理
業務指導管理
3，數據化管理的意義有哪些？
模版舉例：店面管理的工具-追蹤預測表
二，大數據給企業帶來的革命性影響
1.數據化運營的必要性
a) 企業積累了海量數據，而信息分析能力嚴重不足
b) 僅憑信息技術系統不能構成差異化競爭優勢
c) 以數據為基礎的分析能力能幫助企業建立核心競爭力
2.海量的數據規模
3.快速動態的數據流轉
4.多樣的數據類型
5.企業行業的數據特點
6.大數據平臺與傳統數據系統的分工與定位
關于海外的案例分享：美國投資公司用大數據平臺
三,大數據運營中心的解決方案
1、業務架構
從業務層來看，企業大數據中心分為三層，包括支持結構化和非結構化數據的存儲層，對數據進行建模和挖掘計算，以及最終呈現出結果的可視化應用層。
2. 技術架構
從數據源到最終展現分成如下幾層：
ETL層：采用PC server作為ETL前置機，將數據清洗，轉換，裝載。
應用層：利用敏捷BI提供自服務分析工具，對離線和在線分析平臺中的數據進行自服務可視化展現。
3、系統組件詳述：
a) ETL：Kettle + Sqoop
b) 離線分析平臺：Hadoop分布式數據倉庫
c) HDFS分布式文件系統
d) HBase數據庫
e) 統一資源管理與調度框架
f) 分布式批處理引擎 – MapReduce
g) 一站式安全管理
四，數據可視分析工具
1. 用戶畫像
a) 場景驅動的用戶畫像
b) 消費者畫像方法
c) 用戶畫像構建過程
d) 用戶畫像標簽體系
e) 基于用戶畫像的場景應用
2. 價值管理平臺
a) 價值管理平臺的提出
b) 價值管理平臺的構建思路
c) 價值管理平臺系統組成
3. 經營分析
a) 應用分析
b) 應用方案
c) 軟件產品
d) 領導者桌面
e) 財務分析
f) 盈利分析
五，大數據的方案特點與典型案例介紹
1，方案特點
a) 高可用性
b) 高并發性
c) 多維分析
d) 至服務式和探索式分析
e) 終端支持IOS和Andriod
f) 減少IT人員的運營成本
g) 直連數據源的支持 |
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業