《大数据和数据治理》-3天版本

大数据和数据治理
课程目标：
通过鲜活案例让相关大数据业务人员和技术人员了解大数据和数据治理的行业知识，掌握大数据、数据治理的常用工具和能力，能够应用最前沿的数字化技术（包含大数据和物联网），从而实现价值重塑。其次，课程力图让学员理解大数据的本质逻辑，培养数字化转型思维、意识和数字化经营能力，掌握数字化转型的常用经营工具和技能。同时，介绍行业相关的案例。最后，课程将通过案例和研讨的模式，让学员实质提升数字化转型的意识和能力，为今后实施各种类型的数字化转型项目打下基础。
学习安排（0.5天）：
技能学习
前瞻性学习
思维改变
咨询方法论
大数据实操方法论
第一部分：切入（0.5天）：
通过某企业的实战案例需求，对数据治理需求进行理解
案例描述：刚刚开始引入概念和体系，大家对数据治理的理解还不到位，是什么都不知道，更不知道治理什么，观念上还是认为数字化、系统搭建、信息化的工作就是it部门负责的。
问题：
数据治理概念和意义不明确。
缺乏组织和体系，如数据质量和标准化。
业务部门职责和角色不清。
数据治理流程未明确。
数据质量问题，包括不准确和不完整。
业务需求和IT实施难以匹配。
需要规范业务流程。
需求：
培训内容要有可落地、可实施性。
以实践来对理论进行展开。
不仅是技术问题，还涉及到人性和组织博弈。
数据资产、数据价值挖掘、数据的能力成熟度、数据治理体系及最佳实践。
集体讨论：
如何在多个业务部门之间实现数据标准的统一？
在数据治理流程中，如何明确各部门和个体的角色和责任？
数据质量问题如何影响整个组织的业务决策？
除了技术手段，有哪些组织和管理策略可以用于改善数据治理？
如何量化数据治理优化带来的ROI（投资回报率）？
第二部分：入门（1天）：
数据管理、数据架构、数据治理与数字化转型的关系，以及数据管理的基础背景
课程大纲：
一、Why: 背景、目标和要求
1.1时代的要求 ：大数据和人工的发展趋势
1.1.1全球时代背景：数字经济来临
1.1.2全球数字经济发展趋势
1.1.3全球数字经济对价值创造者的影响
1.1.4全球最大的两个数字经济体：中国和美国
1.1.5数字经济对企业的影响
1.1.6数字经济对岗位的影响
1.1.7数字进化论
1.1.8数字化转型的成本和代价
1.1.9数字化的收益和价值
1.1.10数字化带来新的业务维度，而不仅仅是解决传统痛点
1.1.11案例：法拉利换车的对比
1.1.12案例：特斯拉撞车实验（大数据如何创造价值）
1.1.13案例：地平线数据仿真造火箭（大数据如何创造价值）
1.1.14案例：Nike通过nike+大数据提供的全新业务维度
What: 大数据应用与实战
2.1大数据概述
2.1.1大数据时代已经来临
2.1.2大数据趋势分析
2.1.3关键要素：数据
2.1.4数字化转型过程中数据层面面临的挑战
2.1.5数字化转型数据应用总体建设思路
2.1.6数据应用服务于企业战略
2.1.7数据是业务的投影
2.1.8从业务角度描述数据
2.1.9如何支撑这些业务
2.1.10数据中台在什么位置
2.2大数据平台落地实践
2.2.1中台落地路线图
2.2.2政企客户为什么建设自己的数据中台
2.2.3京东数据中台建设方法论
2.2.4京东数据中台咨询项目管理
2.2.5京东数据中台产品架构
2.2.6京东数据中台产品架构
2.2.7数据整理接入
2.2.8数据开发加工
2.2.9数据服务应用
2.2.10数据推送分发
2.2.11数据应用
2.2.12数据运营能力
2.2.13数据平台组件
2.2.14案例：宁波会展中心大数据平台系统后台演示和案例讲解
2.3数据驱动的业务构成以及数字化业务生态
2.3.1认识数据驱动结构
2.3.2数字化业务生态
2.3.3企业自身需要引入云架构及平台化思想
2.3.4案例：设备产业互联网平台
2.3.5案例：平安金融产业互联网平台
2.3.6案例：贝壳ACN模式
2.3.7案例：大族激光纽扣的故事
第三部分：专题（1.5天）：
本部分执行课程要求的数据治理的细节问题，逐一讲解和解答。
1.导入课程快速回顾
2.数据管理专题基础
2.1 数据管理的概念
2.2 数据管理的框架
2.3 数据治理与数据管理
3.数据架构与设计
3.1 数据架构基本概念
3.2 数据架构的整体工作
3.3 企业数据模型
4.数据与业务融合
4.1 TOGAF 4A 融合架构
4.2 数据架构与业务架构的关系
4.3 信息价值链分析
5.数据资产管理
5.1 数据资产目录的概念及作用
5.2 数据资产目录 L1-L3 梳理方法
5.3 数据资产目录 L4-L5 梳理方法
5.4 数据资产盘点方法
6.数据生命周期与分布
6.1 数据生命周期
6.2 数据分布
6.3 业务需求与数据需求
7.数据标准与质量
7.1 数据标准的概念
7.2 数据标准定义方法
7.3 数据标准制定模板
7.4 数据质量七大维度
7.5 数据质量度量方法
8.数据治理体系规划
8.1 数据治理管理框架
8.2 数据治理规划体系框架
8.3 数据治理各领域组织框架
9.实践与案例研究
9.1 数据资产目录梳理实践
9.2 数据标准制定实践
9.3 答疑与总结

李家贵老师的其它课程