精益数据探查与数据治理(lǐ)工作坊

前沿技术 / 2023-11-17 17:48:40
精益数据探查与数据治理(lǐ)工作坊
    马上咨询

    讲师介绍

    常國(guó)珍--前ThoughtWorks首席金融数据科(kē)學(xué)家，北京大學(xué)管理(lǐ)學(xué)博士，中國(guó)大数据产业生态联盟专家委员会委员，腾讯云最有(yǒu)价值专家（TVP），建设银行数据资产管理(lǐ)资深专家。著作《Python数据科(kē)學(xué)：技术详解与商(shāng)业实践》、《用(yòng)商(shāng)业案例學(xué)R语言数据挖掘》、《胸有(yǒu)成竹：数据分(fēn)析的SASEG进阶》等多(duō)本著作。拥有(yǒu)15年金融、電(diàn)信和互联网行业经验。在加入ThoughtWorks之前，曾在毕马威咨询大数据部担任总监、在中银消费金融数据部担任高级经理(lǐ)、在百度大数据部担任算法工程师。现专注于金融行业的数据战略、数据应用(yòng)、数据治理(lǐ)和数字化人才培养，同时提供数智化客户运营和风险管控的解决方案。

    课程简介

    互联网的下半场，各类业務(wù)線(xiàn)上化的进程加速发展，毋庸置疑数据智能(néng)是必不可(kě)少的加速器。
     但是，诸多(duō)因素又(yòu)阻碍了企业的数据创新(xīn)。诸如“数据人才实在很(hěn)难获得和培养”、“一个个小(xiǎo)的PoC未形成更大更广的影响力”、“太多(duō)数据项目是技术驱动而非业務(wù)成果驱动，数据价值長(cháng)期不可(kě)见”、“企业内部并不是所有(yǒu)人都理(lǐ)解数据驱动，也不是所有(yǒu)人都接受数据驱动”、“数据科(kē)學(xué)家独立工作，无法与技术人员和业務(wù)人员拉通”等等。造成这些现象的根本原因是企业内部数字化工作中数据价值链没有(yǒu)打通，业務(wù)、数据和技术团队没有(yǒu)以业務(wù)价值為(wèi)目标而通力合作。
     本次工作坊，使用(yòng)精益数据创新(xīn)（Lean Data Discovery)的方法论，為(wèi)那些希望盘活企业数据，利用(yòng)智能(néng)技术為(wèi)业務(wù)提供价值的人，去发现有(yǒu)业務(wù)价值且可(kě)行的创新(xīn)数据产品列表，用(yòng)于制定数据应用(yòng)规划、数据治理(lǐ)规划和数据平台规划。

    目标收益

    1、了解数据应用(yòng)规划的制定流程
     2、了解数据产品开发的流程和主流工具
     3、了解常用(yòng)的算法模型和使用(yòng)场景
     4、了解数据治理(lǐ)的主要作用(yòng)和核心模块
     5、构建满足企业自身业務(wù)需求的数据产品开发计划

    培训对象

    1、企业数字化创新(xīn)团队
     2、数据产品经理(lǐ)
     3、企业业務(wù)、数据、技术部门中数据创新(xīn)人员

    课前准备

    1、每个组分(fēn)配白板和马克筆(bǐ)
     2、四色四方的百事贴
     3、企业内部IT系统数据字典或设计文(wén)档

    课程大纲

    数据应用(yòng)与数据产品

    数据应用(yòng)规划
     企业数字化转型离不开对数据应用(yòng)能(néng)力的建立与能(néng)力复用(yòng)，数据应用(yòng)规划是满足企业未来若干年业務(wù)智能(néng)化的发展需求，运用(yòng)精益价值树的方法，协助企业构建起满足自身发展需求的数据应用(yòng)产品集。
     
     数据产品开发
     讲解三大类数据应用(yòng)场景（运营优化、风险识别、违规识别）的指标體(tǐ)系、标签體(tǐ)系、算法模型的體(tǐ)系架构。并且以客户运营的标签體(tǐ)系的数据产品开发為(wèi)例，讲解产品定位、用(yòng)户画像和用(yòng)户需求调研。详细讲解数据产品全周期开发过程、工具、方法，分(fēn)享最佳实践案例

    算法知识讲解

    分(fēn)类算法及案例
     讲解常见的逻辑回归、决策树、随机森林、GBDT和复杂网络等分(fēn)类算法的基本原理(lǐ)和在评估客户流失意愿、识别违规操作的用(yòng)例。
     
     模式识别算法及案例
     讲解聚类、关联规则、异常识别等三个主流的模式识别算法。并介绍这些算法在渠道类型划分(fēn)、故障模式识别、财務(wù)异常识别中的用(yòng)例。
     
     预测和优化算法及案例
     讲解时序预测和运筹优化算法的基本原理(lǐ)和其在物(wù)流优化方面的用(yòng)例。

    数据治理(lǐ)

    数据治理(lǐ)概述
     讲解价值导向数据治理(lǐ)的核心原理(lǐ)，厘清规划域、保障域、执行域之间的关系。同时讲解数据确权、元数据、数据标准等具體(tǐ)数据管理(lǐ)模块之间的关系。
     
     数据管理(lǐ)能(néng)力成熟度评估
     介绍DCMM数据管理(lǐ)能(néng)力成熟度评估模型，确立评估收益、评估方法、评估过程，分(fēn)享真实高评分(fēn)数据标准最佳案例，根据企业不同情况辅助答(dá)疑
     
     数据资产盘点
     介绍数据资产管理(lǐ)概述，通过四种专业的数据资产梳理(lǐ)方法，识别企业核心的数据资产，建立数据资产目录，结合元数据為(wèi)数据资产管理(lǐ)提供管理(lǐ)依据
     
     数据标准化
     介绍数据标准历程和经验借鉴，了解数据标准总體(tǐ)要求与属性分(fēn)类要求，详细介绍数据标准制定与落地方法
     
     数据质量提升
     介绍数据质量概念与管理(lǐ)数据质量的活动，分(fēn)解数据质量工程实践十步法的方法论和实践要点

    精益数据探查工作坊

    背景介绍
     随着数字化转型的逐步深⼊，新(xīn)协作模式的引⼊成為(wèi)了⼀项重点⼯作。尤其是在⾯对⼀些创新(xīn)型产品（服務(wù)）的设计⽅⾯，需要引⼊新(xīn)的协同模式。本部分(fēn)讲解业界设计思维（Design Thinking）的实践和成功度量的⽅法。该方法分(fēn)為(wèi)两次发散和收敛过程。第一次用(yòng)于寻找业務(wù)创新(xīn)点，第二次用(yòng)于寻找解决方案。
     
     机会点激发
     第一次发散：深入业務(wù)洞察，梳理(lǐ)业務(wù)痛点和新(xīn)机会；
     第一次收敛：根据价值/难度进行机会点优先级排序，同时寻找北极星指标且进行指标分(fēn)解
     
     举措激发
     第二次发散：针对高优先级的机会点进行详细设计，使用(yòng)头脑风暴的方法激发举措；
     第二次收敛：进行举措优先级排序，明确需要用(yòng)到的数据资源，算法工具和人员安排
     
     分(fēn)组展示

    返回顶部