263人学习
学习目标
通过课程学习企业级大数据体系整体规划和建设内容，以及数据治理组织与管控措施。
适用人群
1.企业大数据部门相关从业人员；2.有志入行大数据的学员。
课程特色
1.课程老师是信息化领域资深专家，且有多年研究生教学经验；
2.该课程通过理论和实践相结合，实战性强；
3.课程适用行业范围广；
魏老师简介
海归博士，信息化领域资深顾问专家，现任职某银行总行智慧银行中心副总经理兼架构师，负责互联网银行业务规划及产品设计；
曾在德国留学及工作八年之久，20年来一直专注在金融机构、电商平台、高等院校、政府机构等行业和第一线领域从事系统规划、软件架构设计、研发管理和研究生教学工作，曾任职德国及国内多家高校与大型软件企业；
多年来承接省部级重点科技与产业融合项目10多个，主持开发与参与国内外大中型软件项目40多项，发表或撰写各类学术论文、咨询报告、技术方案书200余篇，参与过多个政府部门软件和现代信息服务领域规划报告编制和政策咨询工作；
在互联网金融、云计算、大数据分析、IT架构、移动互联网、O2O电商、电子政务、知识管理、中间件技术等新兴领域拥有深刻、独到的见解；
作为交易结算融资等金融电子化系统的技术研发总负责，对互联网金融、供应链金融、大数据、区块链等技术平台有较丰富经验，主导了内外部一系列创新技术与软件系统的自主研发工作，包括集团及各子平台所有信息化项目的调研、规划、设计、组织、实施、运维、保障和推广；
作为区块链金融应用领域专家，受邀在多个高峰论坛和研讨会做区块链领域报告，主题涉及区块链技术在银行、证券、保险等金融行业的实践与展望、基于区块链的数据交易及运营平台、区块链与大数据技术的结合、大数据行业标准化等。
课程设置
| 前言 |
| 演讲者简介 |
| 企业级大数据体系建设整体规划 |
| 企业级大数据体系建设工作内容 |
| 1.对“互联网+”的理解——ABCD-IT |
| 互联网成为重要的全球信息基础设施 |
| 我们对“互联网+”的理解 |
| 以互联网为代表的信息技术成为重要的变革力量 |
| “互联网+”Part 1 = 移动互联网（M） |
| “互联网+”Part 2 = 大数据（D） |
| “互联网+”Part 3 = 物联网（T） |
| “互联网+”Part 4 = 区块链（B） |
| “互联网+”Part 5 = 人工智能（A） |
| “互联网+”Part 6 = 云计算（C） |
| “ABCD-IT”将诞生难以想象的创新商业模式及应用 |
| 2.大数据架构及相关技术堆栈介绍 |
| 2.1 真正的大数据是什么：具备4V特征 |
| 2.2 大数据架构实现什么：我研究与实现的重点 |
| 大数据架构实现什么：大数据技术选型及应用场景 |
| 大数据架构参考模式、现状与趋势等因素 |
| 2.3 使用数据仓库的好处 |
| 操作型系统（OLTP）和分析型系统（OLAP）对比 |
| 数据仓库应用系统构成 |
| 2.4 海量数据怎么办 |
| 不同数据处理技术，满足各种数据分析场景需求 |
| 为什么要实现大数据混搭技术和架构分工 |
| 基于Hadoop的大数据技术 |
| 基于Hadoop的大数据技术堆栈图 |
| 基于Hadoop的大数据核心技术介绍 |
| 2.5 技术发展趋势：Hadoop已不再只是Hadoop |
| 技术发展趋势：数据平台技术创新活跃，解决方案百花齐放 |
| 技术发展趋势：分布式计算已逐渐成为主流计算方式 |
| 技术发展趋势：实时流处理技术推动数据分析能力 |
| 技术发展趋势：大数据分析技术向智能化方向演变 |
| 技术发展趋势：数学分析算法逐渐丰富，工具普及化 |
| CCF大数据专委会：近年大数据发展趋势预测 |
| 3.数据资源开发建设与价值挖掘 |
| 如何运用大数据：指点江山 运筹帷幄 |
| 数字说话：大数据行业服务及行业应用的渗透分析 |
| 融资数据：大数据金融火爆，人工智能（智能投顾）蓄势待发 |
| 顶层设计：实施国家大数据发展战略 |
| 政务大数据：驱动政府及行业资源的开放、共享与整合 |
| 国内外政府开放数据平台建设比较研究 |
| 金融大数据：*有可为的领域之一 |
| 劣势：传统金融业务模式的局限性 |
| 机会：大数据全面渗透进入银行迎接挑战，迈向未来 |
| 金融大数据的应用领域 |
| 全方位变革：推动金融服务从向精细化管理转型 |
| 大数据引领业务创新与经济社会变革 |
| 大数据应用价值：金融产品合理化与精细化 |
| 大数据应用价值：金融服务定制化与个性化 |
| 大数据应用价值：金融业务场景化与跨界化 |
| 企业大数据资源现状 |
| 工业大数据 |
| 农业大数据 |
| 医疗健康大数据 |
| 城市规划大数据 |
| 交通大数据 |
| 公安大数据 |
| 投资热度：大数据生态和产业地图 |
| 4.企业大数据战略定位及落地步骤 |
| 回顾：企业大数据分类与范围 |
| 主题：如何构建企业大数据平台 |
| 宏观：企业大数据战略定位 |
| 微观：企业大数据应用体系应解决的问题 |
| 顶层：建立数据驱动的企业文化 |
| 步骤：搭建企业大数据应用体系应做的事项 |
| 落地：建立支持大数据应用的企业数据架构 |
| 挑战：企业数据标准化方面存在的问题 |
| 抓手：建立数据标准体系与管理架构 |
| 难点：企业数据建模方面存在的问题 |
| 举例：数据仓库建模——客户数据整合 |
| 支撑：搭建统一和可扩展的企业级数据管理平台 |
| 5.企业大数据组织架构体系 |
| 支持企业大数据应用的数据管理组织 |
| 常见的大数据相关岗位划分方法 |
| 常见的大数据部门职能及职责 |
| 大数据管理办公室 |
| 大数据项目组织实施工作开展方式 |
| 大数据相关的制度和流程规范 |
| 6.数据治理组织与管控措施 |
| 企业突出的数据质量问题有哪些 |
| 大数据质量管理 |
| 什么是数据治理，为什么要做数据治理 |
| 银保监会出台《银行业金融机构数据治理指引的通知》 |
| 辨析：数据管理、数据质量与数据治理 |
| 数据治理从何开始 |
| 数据治理的关键环节和工作方向 |
| 数据治理主要价值与核心内容 |
| 数据治理工作步骤及重点输出 |
| 数据治理战略 |
| 数据治理组织架构 |
| 数据标准管理制度与流程 |
| 数据治理管控平台 |
| 数据管理范围包含哪些 |
| 元数据管理的目标定位 |
| 元数据地图、数据目录、数据指标…… |
| 建立一致性维度，一致性事实贯穿全局 |
| 数据血统分析和影响分析 |
| 趋势一：数据治理需求总体演进趋势 |
| 趋势二：企业要有数据标准体系化的建设 |
| 趋势三：数据标准到元数据到底层业务数据纵向穿透 |
| 趋势四：数据标准管理的复杂流程落地 |
| 趋势五：数据质量问题的闭环修正 |
| 趋势六：维度丰富的质量检查规则知识库正在形成 |
| 趋势七：数据管控平台由信息管理系统向核心生产系统转变 |
| 数据治理的未来方向 |
| 数据资源资产化的可行性与实施路径 |
| 数据管理知识体系（DAMA） |
| 大数据安全和隐私的十大技术挑战 |
| 大数据安全防护对策及关键技术 |
| 大数据隐私保护对策与关键技术 |
| 大数据合规管理 |
| 强化数据安全管控意识（业务应用层面） |
| 健全数据治理问责机制（业务应用层面） |
