日程

培训模块

培训内容

第一天

上午

数据科学与数据应用规划

数据科学概念

数据科学是从数据中提取知识，辅助决策的方法论。

数据应用规划

企业数字化转型离不开对数据应用能力的建立与能力复用，数据应用规划是满足企业未来若干年业务智能化的发展需求，运用精益价值树的方法，协助企业构建起满足自身发展需求的数据应用产品集。

第一天

下午

数据产品开发域与算法知识讲解

数据产品开发

讲解三大类数据应用场景（运营优化、风险识别、违规识别）的指标体系、标签体系、算法模型的体系架构。并且以客户运营的标签体系的数据产品开发为例，讲解产品定位、用户画像和用户需求调研。详细讲解数据产品全周期开发过程、工具、方法，分享最佳实践案例

数据科学的武器库

讲解有监督、无监督、时间序列、关联规则的常用算法。

企业算法架构

讲解企业算法建模的三大分析范式和九大分析模板。便于算法建模人员快速定位算法模型开发的核心问题，构建高质量模型。

第二天

上午

数据治理

数据治理概述

讲解价值导向数据治理的核心原理，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、数据标准等具体数据管理模块之间的关系。

数据管理能力成熟度评估

介绍DCMM数据管理能力成熟度评估模型，确立评估收益、评估方法、评估过程，分享真实高评分数据标准最佳案例，根据企业不同情况辅助答疑

数据资产盘点

介绍数据资产管理概述，通过四种专业的数据资产梳理方法，识别企业核心的数据资产，建立数据资产目录，结合元数据为数据资产管理提供管理依据

数据标准化

介绍数据标准历程和经验借鉴，了解数据标准总体要求与属性分类要求，详细介绍数据标准制定与落地方法

数据质量工程实践

介绍数据质量概念与管理数据质量的活动，分解数据质量工程实践十步法的方法论和实践要点

第二天

下午

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，新协作模式的引⼊成为了⼀项重点⼯作。尤其是在⾯对⼀些创新型产品（服务）的设计⽅⾯，需要引⼊新的协同模式。本部分讲解业界设计思维（Design Thinking）的实践和成功度量的⽅法。该方法分为两次发散和收敛过程。第一次用于寻找业务创新点，第二次用于寻找解决方案。

机会点激发

第一次发散：深入业务洞察，梳理业务痛点和新机会；

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，明确需要用到的数据资源，算法工具和人员安排

分组展示