李勇：数据治理的应用与发展

李勇注册讲师 26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 : 37024

联系老师

适用对象

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；

课程介绍

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：

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	数据治理概述	1. 什么是数据治理 2. 数据治理治什么 3. 数据治理的六个价值 4. 数据治理的三个现状 5. 数据治理的五类问题 6. 数据治理的六个挑战
单元二	企业数据治理之道	1. 数据战略：数字化转型的指明灯 2. 组织机制：敏捷治理组织 3. 数据文化：数据思维融入团队
单元三	数据治理之法	1. 理现状，定目标 2. 数据治理能力成熟度评估 3. 数据治理线路规划 4. 数据治理保障体系建设 5. 数据治理技术体系建设 6. 数据治理长效运营
单元四	数据治理之术	1. 数据梳理与建模 2. 元数据管理 3. 主数据管理 4. 数据质量管理 5. 数据安全管理 6. 数据集成与共享
单元五	数据治理之器	1. 数据模型管理工具 2. 元数据和主数据管理工具 3. 数据质量管理工具
单元六	数据治理实践与总结	1. 企业数据治理实践案例 2. 企业数据治理总结与展望

李勇老师的其他课程

• 李勇：数据指标体系搭建: 培训对象：互联网时代，希望学习数据分析的人士；课程时间：1天 (6小时）课程背景：数据分析不是某个固定的职位，而是人工智能时代的通用能力。你会看到各行各业的招聘中都会要求应聘者具备数据分析能力。所以，具备数据分析能力可以极大地提升你在职场中的竞争力。通过本课程的学习，你会熟悉数据分析的方法，并将其灵活应用在自己所处的行业中。这样当你在工作中遇到新的问题时，也能够知道如何展开分析。课程收益：培训完结后，学员能够： ² 了解数据分析的基本思维； ² 了解数据分析给企业和个人带来的帮助； ² 了解数据分析的基本方式和方法；课程大纲：单元大纲内容单元一数据的业务指标 1. 如何理解业务指标 2. 常用的业务指标有哪些 1）用户数据指标 2）行为数据指标 3）产品数据指标 4）推广付费指标 5）客户服务指标 3. 如何选择指标 4. 指标体系和报表单元二分析方法 1、 5W2H分析方法 1）什么是5W2H分析方法 2） 5W2H分析法可以解决那些问题 2. 逻辑树分析方法 1）什么是逻辑树分析方法，适用于何种场景？ 2）如何使用逻辑树分析法 3.行业分析方法 1）什么是行业分析方法？适用于何种场景？ 2）如何使用行业分析方法 4. 多维拆解分析方法 1）什么是多维拆解分析方法？适用于何种场景？ 2）如何使用多维拆解分析方法 5. 对比分析方法 1）什么是对比分析方法？适用于何种场景？ 2）如何使用对比分析方法 6. 假设检验分析方法 1）什么是假设检验分析方法？适用于何种场景？ 2）如何使用假设检验分析方法 7. 相关分析方法 1）什么是相关分析方法？适用于何种场景？ 2）如何使用相关分析方法 8. RFM分析方法 1）什么是RFM分析方法？适用于何种场景？ 2）如何使用RFM分析方法 9. AARRR模型分析方法 1）什么是AARRR模型分析方法？ 2）如何使用AARRR模型分析方法 10. 漏斗分析方法 1）什么是漏斗分析方法？适用于何种场景？ 2）如何使用漏斗分析方法单元三用数据分析解决问题 1. 数据分析解决问题的过程 2. 数据分析如何明确问题？ 3. 数据分析如何分析原因？ 4. 数据分析如何提出建议？如何回归分析应用单元四数据分析实战解析 1. 国内某互联网行业 1）业务模式 2）业务指标 3）案例分析：销售额下滑 2. 国内某电商行业 1）业务模式 2）业务指标 3）案例分析：回购率下滑；如何做好活动复盘 3. 金融信贷行业 1）业务模式 2）业务指标 3）案例分析：逾期分析；如何制定风控策略

• 李勇：数据商业智能BI的应用与发展: 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：经过十余年信息化建设，很多企业都上线了各种业务系统，积累了大量业务数据，具备应用 BI （商业智能）进行数据分析和数据化管理的条件。而如何让BI项目在企业中落地并持续运转，成为很多企业尤其是传统企业头疼的问题。本课程聚焦 BI（商业智能）与 BI 项目，重点介绍 BI 项目的建设流程和运营技巧，并围绕 BI 项目中的场景和人员两大要素，分享了 BI 在零售、金融、制造、医疗和教育等行业中的应用案例，提出了搭建企业数据人才培养体系的方法。课程收益： Ø 学习商业BI的基本概念； Ø 掌握BI的价值； Ø 掌握Bi的典型场景应用与行业应用； Ø 掌握BI项目开发与建设项目机制；课程大纲：单元大纲内容单元一什么是BI 1. BI的定义和相关概念解析 2. BI的发展前景 3. BI的工具，平台，系统和项目 4. Bi的类型 5. BI的主要功能和框架单元二 BI的价值 1. BI对管理和业务的价值 2. BI对企业不同角色的价值 3. 企业应用BI前后的对比单元三典型的BI行业应用 1. 零售行业BI应用解析 2. 金融行业BI应用解析 3. 制造行业BI应用解析 4. 医疗行业BI应用解析 5. 教育行业BI应用解析 6. 轨道交通行业BI应用解析单元四典型BI业务应用 1. 数据大屏 1）数据大屏的应用场景 2）数据大屏的设计开发 3）数据大屏背后的业务逻辑 2. 移动应用 1）消息推送 2）手机扫码 3. 自助分析 1）自助分析模式 2）自助分析应用与推广单元五 BI项目开发与管理 1. 数据治理：从源头控制数据质量 2. 业务模型建设 3. PDCA闭环：持续优化BI系统 4. MVP与数据文化 5. 安全策略：保障BI安全运营单元六 BI项目建设流程 1. 收集和明确需求 2. 选择合适的BI工具 3. 做好项目规划与实施方案 4. 项目开发与管理

• 李勇：数据驱动业务：数据价值、数据模型与数据产品实战: 讲授专家：李勇培训对象：业务分析师、数据科学家、产品经理、IT决策人员、对数据驱动业务增长感兴趣的人士；课程时间：1天培训课程背景：本课程在数字化转型与大数据崛起的宏观趋势下，旨在解决学员如何有效运用数据模型和数据产品来驱动电信业务增长的问题。课程将深入探讨数据在运营商业务中的应用，以及如何通过数据产品化来实现数据价值的最大化，帮助学员全面提升对数据驱动业务增长的认知和实践能力。课程具备理论与实践结合、案例丰富、强调实战应用的特点。课程收益：培训完结后，学员能够：受益一：深入了解数据模型的基本概念、原理及其在运营商业务中的应用。受益二：掌握数据产品化的方法论，能够将数据、数据模型和分析决策逻辑融合成产品形态。受益三：学会如何在大数据场景下通过数据挖掘发挥数据的价值，辅助业务决策。受益四：具备构建和优化数据模型及数据产品的能力，以驱动运营商业务的增长。课程大纲：单元大纲内容单元一数据驱动业务的宏观趋势与挑战数据驱动业务增长的重要性 1.1 数字化转型背景下的数据价值 1.2 电信行业数据驱动业务增长的案例分析数据驱动业务面临的挑战 2.1 数据质量与数据治理问题 2.2 技术与人才储备的挑战 2.3 数据安全与隐私保护的考量单元二数据模型基础与电信业务应用数据模型的基本概念与原理 1.1 什么是数据模型 1.2 数据模型的类型与应用场景数据模型在电信业务中的应用 2.1 客户细分模型 2.2 业务预测模型 2.3 营销效果评估模型 2.4 个性化自动化服务模型 2.5 网络优化与管理模型 2.6 市场策略营销模型 2.7 智能运营决策模型单元三数据产品化的方法论与实践数据产品化的定义与价值 1.1 数据产品化的概念 1.2 数据产品化对电信业务的意义数据产品化的方法论 2.1 用户需求分析与产品定义 2.2 数据、模型与决策的整合 2.3 数据产品的迭代与优化单元四大数据场景下的数据挖掘技术大数据技术基础 1.1 大数据技术架构与组件 1.2 大数据在运营商业务中的应用场景数据挖掘技术与方法 2.1 数据挖掘的基本流程 2.2 常用数据挖掘算法介绍 2.3 数据挖掘在电信业务中的实践案例单元五数据可视化与智能决策支持数据可视化的重要性与方法 1.1 数据可视化的概念与价值 1.2 常用数据可视化工具与技巧智能决策支持系统的构建 2.1 决策支持系统的基本架构 2.2 数据模型在决策支持系统中的应用 2.3 智能决策支持系统的实践案例单元六数据驱动的业务增长策略与实践数据驱动的业务增长策略 1.1 数据洞察与业务机会识别 1.2 数据驱动的产品创新与优化数据驱动的业务增长实践案例 2.1 运营商业务增长的成功案例分享 2.2 数据驱动业务增长的挑战与解决方案单元七数据模型与数据产品的评估与优化数据模型与数据产品的评估方法 1.1 评估指标的选择与设计 1.2 数据模型与数据产品的效果评估数据模型与数据产品的优化策略 2.1 基于反馈的模型与产品迭代 2.2 数据模型与数据产品的持续优化实践讨论课题：如何结合电信业务特点，构建有效的数据模型来驱动业务增长？在数据产品化的过程中，如何平衡用户需求、技术实现与业务目标？面对大数据的挑战，如何优化数据挖掘过程以提升业务价值？如何通过数据可视化与智能决策支持系统，提升电信业务的决策效率与质量？

李勇：数据治理的应用与发展

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