李勇：数据建模、数据可视化与大数据及数据挖掘

李勇注册讲师 20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 : 37019

联系老师

适用对象

数据分析师、数据管理、业务分析师、及相关技术管理人员；

课程介绍

讲授专家：李勇

培训对象：数据分析师、数据管理、业务分析师、及相关技术管理人员；

课程时间：1天（6小时）

课程背景：

本课程主要在当前数据驱动决策的宏观趋势下，旨在解决学员如何运用数据建模、数据可视化和大数据挖掘技术，提升数据处理、分析和应用能力。课程将系统介绍相关理论和方法，并结合实际案例，帮助学员全面提升数据科学领域的认知和实践能力。

课程收益：

Ø 掌握数据建模的基本方法和理论，能够构建有效的数据分析模型。

Ø 了解数据可视化的原则和技巧，能够利用可视化工具直观展现数据。

Ø 熟悉大数据技术和数据挖掘的基本原理，能够运用大数据进行深度分析。

Ø 提升在数据科学领域的综合素质，为企业的数据驱动决策提供支持。

课程大纲：

单元	大纲	内容
单元一	什么是数据建模，为什么要对业务进行数据建模	1. 数据建模概述 2. 数据建模说明 3. 数据建模对企业的好处 1）交流性 2）准确性 3）效率及可拓展的资产
单元二	数据建模的要素	1. 实体 2. 属性 3. 关系 4. 键 5. 概念模型 6. 物理模型 7. 逻辑模型
单元三	数据建模对企业的应用	1. 数据建模如何帮助企业做好产品 2. 数据建模如何帮助企业做好生产 3. 数据建模如何帮助企业做好管理 4. 数据建模如何帮助企业做好运营 5. 数据建模如何帮助企业做好客户管理 6. 数据建模如何帮助企业做好客户服务
单元四	数据可视化基础	1. 数值型数据 2. 分类型数据 3. 时间序列数据 4. 图表类型及适用场景 5. 柱状图、折线图、饼图等常见图表 6. 散点图、热力图、雷达图等高级图表
单元五	数据可视化技巧	1. 选择合适的图表类型 2. 根据数据类型和表达需求选择图表 3. 避免误导性的图表选择 4. 设计原则与美学考虑 5. 清晰、简洁、直观的设计原则 6. 颜色、字体、布局等美学要素的运用 7. 交互式可视化的实现 8. 缩放、平移、旋转等交互功能的设计 9. 数据筛选、高亮、动画等高级交互技巧
单元六		10.

李勇老师的其他课程

• 李勇：数据架构治理的规划与策略: 讲授专家：李勇培训对象：数据管理（总监、经理、主管）、业务管理人员、数字化转型部门、产品及运营中心管理人员、技术中心管理人员等；课程时间：0.5天（3小时）课程背景：在大数据时代，“数据治理”对所有拥有大量数据的公司来说都是一个挑战。业内还流传着“数字转型，治理先行”的说法。越来越多的企业将数据治理作为数字化战略的一项必要举措，并将其列入企业的战略行动计划。“数据治理”的重点在于“治理”，它是一个涉及企业战略、组织架构、数据标准、管理规范、数据文化、技术工具的综合体。那么到底该怎么样做好数据治理，数据治理的整个流程和管理中存在什么问题，本课程将为您详细解析课程收益： Ø 学习数据治理的基本概念以及数据治理对企业的好处； Ø 掌握数据治理的六个价值，三个现状，五类问题和六个挑战； Ø 掌握数据治理的道，法，术，器的具体做法 Ø 掌握数据治理在实践中遇到的各种问题；课程大纲：单元大纲内容单元一数据治理的意义 1. 政策性导向： 1）国家金融监督管理总局就《银行保险机构数据安全管理办法中关于数据基础建设，数据治理的要求。 2）中国银行保险监督委员会关于《银行金融机构数据治理指引》的要求 3）金融数据监管迎新规：《银行保险机构数据安全管理办法（征求意见稿）中关于数据治理的要求。 4）国际啊《网络数据安全管理条例》中关于数据治理和数据安全的要求。 2. 数据治理和数字化转型以及新质生产力的关系是什么？ 3. 什么是数据治理和数据架构 4. 数据治理治什么 5. 数据架构和治理的六个价值 6. 做数据治理可以保障数据质量和安全 7. 做好数据治理是数字化转型的基础 8. 做好数据治理才能促进业务效率和决策质量单元二如何进行数据治理之战略组织和架构 1. 设定数据治理组织架构： 1）数据治理委员会 2）做好职责划分 3）跨部门写作 2. 人员配置与培训：敏捷治理组织 3. 设定数据文化：数据思维融入团队单元三数据架构和治理之流程 1. 统筹规划 1）制定数据治理战略规划 2）明确数据治理目标和范围 3）盘点数据资产，制定数据标准规范 2. 管理实施 1）数据采集、存储、处理、分析和共享流程 2）数据质量监控与提升措施 3. 稽核检查 1）对数据治理活动进行定期稽核 2）确保数据治理活动的合规性和有效性 4. 资产运营 1）数据资产的增值与变现策略 2）数据服务与产品开发单元四数据治理之规范 1. 数据质量管理规范 1）数据质量评估标准与方法 2）数据清洗与纠正流程 2. 数据安全管理规范 1）数据加密、脱敏与访问控制标准 2）数据安全事件应急响应计划 3. 数据流程管理规范 1）数据流转与交换标准 2）数据归档与销毁流程单元五数据治理之长期治理的策略 1. 持续优化与改进 a) 定期评估数据治理效果 b) 根据业务需求调整治理策略 2. 技术与工具更新 a) 跟踪数据治理技术发展趋势 b) 引入先进的数据治理工具与平台 3. 法规与政策适应 a) 关注数据相关法规变化 b) 调整数据治理策略以适应新法规要求 4. 人才培养与知识传承 a) 建立数据治理人才培养计划 b) 促进知识共享与传承机制单元六数据治理案例与成果 1. 某证券行业如何通过数据治理实践案例 2. 某银行如何通过数据治理驱动业务 3. 某金融行业如何通过数据治理形成数据资产单元七数据资产和数据治理的关系 1. 什么是数据资产？数据资产如何变现？ 2. 为什么说数据资产非常有价值？ 3. 数据治理和数据资产的关系 a) 通过数据治理确保数据资产的质量、安全性和合规性 b) 数据治理推动数据资产的标准化和规范化 4. 数据资产对数据治理的促进作用 a) 丰富的数据资产为数据治理提供更多实践场景和挑战 b) 数据资产的价值挖掘推动数据治理技术的创新与发展

• 李勇：数据建模、数据可视化与大数据及数据挖掘: 讲授专家：李勇培训对象：数据管理（总监、经理、主管）、业务管理人员、数字化转型部门、产品及运营中心管理人员、技术中心管理人员等；课程时间：1天（6小时）课程背景：本课程主要在当前数据驱动决策的宏观趋势下，旨在解决学员如何运用数据建模、数据可视化和大数据挖掘技术，提升数据处理、分析和应用能力。课程将系统介绍相关理论和方法，并结合实际案例，帮助学员全面提升数据科学领域的认知和实践能力。课程收益： Ø 学习数据建模的基本概念； Ø 掌握数据建模的要素； Ø 理解数据建模对企业的价值； Ø 掌握数据建模的具体实施方法；课程大纲：单元大纲内容单元一什么是数据建模，为什么要对业务进行数据建模 1. 数据建模概述 2. 数据建模说明 3. 数据建模对企业的好处 1）交流性 2）准确性 3）效率及可拓展的资产单元二数据建模的要素 1. 实体 2. 属性 3. 关系 4. 键 5. 概念模型 6. 物理模型 7. 逻辑模型单元三数据建模对企业的应用 1. 数据建模如何帮助企业做好产品 2. 数据建模如何帮助企业做好生产 3. 数据建模如何帮助企业做好管理 4. 数据建模如何帮助企业做好运营 5. 数据建模如何帮助企业做好客户管理 6. 数据建模如何帮助企业做好客户服务单元四数据建模的具体实施 1. 哪些模板有助于精确获取应用需求 2. 数据模型积分卡 3. 如何高效的实施建模项目单元五数据建模的进阶 1. 非结构化数据与结构化数据 2. UML模型 3. 数据建模的5个常见问题单元六数据可视化基础 1. 数值型数据 2. 分类型数据 3. 时间序列数据 4. 图表类型及适用场景 5. 柱状图、折线图、饼图等常见图表 6. 散点图、热力图、雷达图等高级图表单元七数据可视化技巧 1. 选择合适的图表类型 2. 根据数据类型和表达需求选择图表 3. 避免误导性的图表选择 4. 设计原则与美学考虑 5. 清晰、简洁、直观的设计原则 6. 颜色、字体、布局等美学要素的运用 7. 交互式可视化的实现 8. 缩放、平移、旋转等交互功能的设计 9. 数据筛选、高亮、动画等高级交互技巧单元八大数据基础 1. 企业为什么要重视数据？ 2. 大数据真正的定义难道就是大吗？ 3. 大数据的定义与特征：包括数据采集、存储、处理和分析等方面的基本概念。单元九数据挖掘基础 1.数据挖掘的定义与过程：阐述数据挖掘的基本概念、任务及主要过程。 2.数据预处理：包括数据清洗、数据转换、数据集成等步骤，为数据挖掘做准备。 3.数据挖掘算法：详细介绍分类、聚类、关联规则挖掘等常用算法及其原理。单元十数据挖掘实践应用 1.商业智能与市场分析：通过数据挖掘技术发现市场趋势、消费者行为等有价值的信息。 2.社交网络分析：运用数据挖掘技术分析社交网络中的用户行为、社区发现等。 3.推荐系统：介绍推荐系统的基本原理和实现方法，包括协同过滤、内容推荐等算法。讲授老师介绍：

• 李勇：数据湖及数据仓库应用与发展: 讲授专家：李勇培训对象：数据管理（总监、经理、主管）、业务管理人员、数字化转型部门、产品及运营中心管理人员、技术中心管理人员等；课程时间：1天（6小时）课程背景：对许多企业来说，数据变得越来越重要，数据的重要性在多个方面得到了凸显。事实上，企业正在用核心数据来改善自己的运营。本课程将首先介绍什么是数据，它与企业的相关性，以及企业如何利用这些数据以数字化的方式改变自己。为了利用数据，企业需要能存储海量数据的“仓库”，在当今时代，这些仓库不再被称为“数据仓库”，相反，它们被称为“数据湖”。本课程将会对数据湖的发展和应用做详细解析。课程收益： Ø 学习数据湖的基本概念； Ø 掌握数据湖对企业的影响； Ø 掌握数据湖的典型应用； Ø 掌握数据湖的构建方法；课程大纲：单元大纲内容单元一什么是数据湖 1. 解码数据湖 2. 数据湖必清的两个概念 3. 什么样的数据可以进数据湖 4. 数据湖和数据中台，数据仓库，数据集市，数据治理等之间的关联关系和差异单元二数据湖对企业的影响 1. 为什么企业要做数据湖 2. 数据湖对管理和业务的价值 3. 数据湖对企业不同角色的价值 4. 企业应用数据湖前后的对比单元三典型的数据湖应用解析 1. 零售行业数据湖应用解析 2. 金融行业数据湖应用解析 3. 制造行业数据湖应用解析 4. 医疗行业数据湖应用解析 5. 教育行业数据湖应用解析 6. 轨道交通行业数据湖应用解析单元四数据湖是如何工作的 1. 数据采集，汇聚 2. 数据处理 3. 数据分析 4. 数据存储 5. 数据价值统计单元五数据湖的构建方法 1. 原始数据进入对象存储 2. 优化原始数据文件 3. 添加元数据工具 4. 下游数据集成数据资产单元六避免数据沼泽 1. 什么是数据沼泽 2. 如何避免数据沼泽 3. 数据湖合理运营的机制单元七数据仓库概述 1. 什么是数据仓库 2. 企业为什么需要数据仓库 3. 数据仓库的特点 4. 数据仓库与数据湖，数据中台，数据血缘以及数据治理，数据安全之间的关系单元八数据仓库的架构 1. 数据仓库的体系架构 2. 数据仓库的功能模块 3. 数据提取 4. 数据转换 5. 数据加载 6. 数据运算 7. 数据呈现单元九数据仓库在企业中的应用 6. 数据仓库如何帮助企业做好产品 7. 数据仓库如何帮助企业做好生产 8. 数据仓库如何帮助企业做好管理 9. 数据仓库如何帮助企业做好运营 10. 数据仓库如何帮助企业做好客户管理 11. 数据仓库如何帮助企业做好客户服务单元十数据仓库的具体实施 1. OLAP与OLTP的区别 2. 企业数据化业务标签该如何进行数字转换 3. 多维业务数据库的建设 4. 数据仓库中的建模单元十一数据仓库的项目管理 1. 项目流程与项目生成和导入 2. ODS层创建 3. DWD层创建 4. ADS层创建 5. ETL工具，同步以及项目控制

李勇：数据建模、数据可视化与大数据及数据挖掘

课程概要

适用对象

课程介绍

李勇老师的其他课程

相关课程

添加企业微信