做企业培训,当然要找对好讲师!合作联系

枫影:数字中国、数据二十条

枫影老师枫影 注册讲师 142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 : 16327

面议联系老师

适用对象

全员

课程介绍

【课程背景】

《数字中国建设整体布局规划》的出台,明确了中长期我国数字中国建设的方向和重要工作,尤其对数字基础设施和数字资产,数字技术与其他领域的深度融合等多方位做出了深度的阐述。可以说本次的《规划》对未来长期的数字中国建设有着强有力的指导意义,是每一家企业都应该要明确的。

【课程收获】

  1. 了解数字中国的概念、内涵和布局
  2. 了解数据二十条的相关政策举措

【课程对象】全员

【课程时长】6小时

【课程大纲】

数字中国的内涵与布局

  1. 《数字中国建设整体布局规划》诞生的背景
  2. 《规划》内容解读
  3. 中长期规划:2035年,数字中国建设取得重大成就
  4. “2522”整体框架解读
  • 一是夯实数字基础设施和数据资源体系“两大基础”
  • 二是推进数字技术与经济、政治、文化、社会、生态文明建设“五位一体”深度融合
  • 三是强化数字技术创新体系和数字安全屏障“两大能力”
  • 四是优化数字化发展国内和国际“两个环境”
  1. 规划整体体系的要求:整体布局、系统推进、全面赋能
  2. 《规划》落地实施的要求
  3. 坚持改革创新,主动适应数字化发展规律
  4. 破除制约数字生产力释放的体制机制障碍
  5. 坚持系统推进,强化数字中国建设的整体性、系统性、协同性、持续性
  6. 坚持安全发展、统筹发展和安全,做到发展和安全协调一致,齐头并进
  7. 坚持开放合作,着眼高水平对外开放开展数字领域国际交流合作

解读数据二十条

  1. 从经济学角度发展看数据成为经济发展的核心驱动要素
  2. 数据基础制度对发挥数据要素方面的价值
  3. 《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》的背景
  4. “数据二十条”发布会给市场带来什么样的影响
  5. 国家数据局的职责
  6. “数据二十条”数据基础制度包括了哪些?
  7. 数据产权
  8. 数据流通
  9. 数据交易
  10. 数据使用
  11. 数据分配
  12. 数据治理
  13. 数据安全
  14. 数据基础制度建设的目标及路径
  15. 建设的三个前提:维护国家数据安全、保护个人信息和商业秘密
  16. 工作原则:促进形成与数据生产力相适应的新型生产关系
  17. 创新的标准:是否解放生产力
  18. 目标:
  • 增强数据的可用、可信、可流通、可追溯
  • 实现数据流通全过程动态管理
  1. 数据产权、数据交易与啥数据要素收益分配

枫影老师的其他课程

• 枫影:数据要素商业化运作
【课程背景】数据是我国经济发展的第五类要素,数字资产化、价值化已得到高度重视。目前市场存在有数据,但不知道如何价值化、资产化、商品化的问题。本节课将基于数据要素的商业化之路做一些相关分享。【课程培训收获】理解数据作为经济发展的核心要素的意义掌握数据要素发挥价值的途径掌握核心落地方法【课程人群】产品部门人群【课程时长】1天【课程大纲】解读数据要素的价值什么是数据要素?数据要素价值化的具体表现:数据产品和数据资产数据产品:对系统内部的的功能性产品数据资产:对外的可用于交易的资产化国家数据局对数据要素流通交易的相关规定【案例】南方电网用电数据资产参与外部市场交易数据产品化与数据资产化数据的价值,在于被需要需求挖掘,从企业内部、产业链上下游和跨组织中挖掘需求内部,数据产品-调研省公司的数据需求外部,数据资产-调研外部市场对用电数据的需求构建数据资产的交易机制【案例】1.中国移动客户中心把客户画像数据和诉求数据对接到中移在线,实现精准营销。2.美的客服中心把数据对接给市场策划部门,实现围绕客户画像、诉求的精准开发3.百度、高德地图对接各个品牌网约车数据,实现聚合打车落地要领对内实现数据产品化数据价值的形成:数据获取:互联网、物联网与手工录入数据标注:用户基础数据、标签画像、用电数据等数据治理:主数据、元数据、数据仓、数据安全调研需求:从终端用户、客户(省公司、市州公司)等调研数据需求明确目标用户、核心用户通过走访、外部数据搜集获取用户需求整理出需求文档创建demo产品,快速获取用户的反馈验证用户的需求产品开发:生成BI智能数据看板数据中台的构建AI技术中台的搭建组织中台的搭建技术实现:开放API接口,对接内部业务需求完成产品的交付验证,明展开产品的迭代型优化场景功能优化用户交互界面体验的优化常见的应用客服内部:知识图谱数据在客服知识卡片、个性化推荐和客户关怀中的应用集团内部:为供电公司提供科学布网、新能源布点、精准营销等方面的应用用电用户:能效分析、用电的精细化分析、电费管理等对外实现数据资产化数据价值的实现:准确性与真实性,以区块链技术解决数据的可追溯和不可逆交易方的信任:借助区块链联盟链和国家数据局发放数据资产凭证或数据交易平台基于区块链联盟链的数据资产交易基于国家数据交易平台的数据资产交易基于数据资产交易所的数据资产交易第三方数据交易平台透明度:公开、透明展示数据的来源、使用方式和价格明确数据的有效期保障数据的安全性【案例】北京国际大数据交易所(以下简称“北数所”)与国网北京市电力公司(以下简称“国网北京”)、北京实创环保发展有限公司(以下简称“北京实创”)在2022全球数字经济大会数据要素峰会上签订电力大数据合作与交易框架协议上海数据交易所整体数据资产交易流程解析
• 枫影:区块链及在大数据领域的应用
【课题背景】未来 10 年,区块链技术可能将释放巨大威力,区块链网络将成为像今天的电信网和互联网一样的社会基础架构。 但非前沿技术领域的群体则对区块链的起源、发展、技术趋势及落地应用场景尚不清楚。本课程将会从区块链技术、区块链技术原理、商业模式创新以及在大数据领域的应用等维度系统分享。帮助学员打开思路,了解外界对区块链的认知,正确帮助学员了解区块链价值及具体应用。【参与人员】本课程适宜于:数字技术、产业数字化、企业数字化转型等领域【学员收获】了解区块链技术的起源、发展、技术原理、发展历程及现状了解区块链技术在大数据领域的应用【课程纲要】区块链技术区块链的起源和发展比特币的故事区块链的发展历程:从比特币、以太坊、智能合约到资产数字化,区块链快速融入实体区块链发展阶段、现状及特点:区块链1代:比特币区块链2代:以太坊区块链3代:价值互联网(4)整体特点:价值属性、存证属性、信任属性、智能属性、溯源属性3.区块链技术原理:(1)区块链的整体架构(2)区块链的关键技术——密码学、共识算法、智能合约、P2P网络4.区块链的主要应用领域(1)商业模式创新:联盟链的共识算法与智能合约(2)价值互联网:资产数字化溯源与P2P交易【案例】区块链在金融、农业、养老、文化领域中的应用区块链技术在大数据领域的应用区块链+大数据之间的关系区块链定义为技术大数据定义为内容区块大数据借由区块链实现数据价值增值大数据作为内容的价值要求内部数据治理:数据来源可靠、数据不可篡改、数据隐私外部数据资产:能够面向业务、面向外部自由调用和交易区块链在大数据的应用借由区块链的特性实现内部数据治理把数据作为生产要素,进行内-外的数据资产交易区块链+数据资产管理数据资产化:数据资产所有权属与未来价值数据资产化面临的困境:数据资产权属管理与数据资产交易数据资产:实体物理资产的数字化映射、虚拟权益类数字资产权属管理:TTP与去中心化的ODIN标识号数据资产交易:数字产权保护、区块链间的跨链交易与智能合约区块链+所有权:可溯源+加密技术,破解数据所有权区块链+交易:实现P2P点对点的数据资产交易区块链数字资产管理平台设计应用服务层:场景应用应用接口层:API、SDK底层平台:用户系统、分布式账本系统、合约系统区块链+数字资产管理的实现路径(1)1.0 区块链数字资产平台大量的建立(2)2.0 数字身份、数字公正、资产数字化,实现实体资产上链(3)3.0 智能资产、数字自律组织、形成P2P价值交换互联网区块链+数字资产管理的落地案例布萌数字资产平台小蚁智能资产平台南网电网用电数据资产交易
• 枫影:数据思维、数据分析应用及方法
【课题背景】数据分析是可以给到日常业务人员和管理人员实现业务提效和科学决策以支撑。伴随数字化转型的深入,越来越多的业务环节有了可以更多数据可供工作使用,但如何对如此诸多的数据做好数据分析,能够支撑业务和管理,就要研究数据分析的思维和方法,从底层原理和工具的应用等方面掌握数据分析的方法。【参与人员】本课程适宜于:全体成员【学员收获】了解数据分析的价值了解数据分析在全价值链的应用掌握数据分析的方法理解数据部门与业务部门的协同的重要性【课程时长】1天【课程大纲】数据分析的价值与意义优秀的企业都在在每一个关键节点做出了科学判断科学判断的本质是对复杂事物(数据)的一种分析做什么?——方向怎么做?——策略怎么做才能做得更好?——方法技巧相比于传统经验决策,数据决策的特点经验本质也是数据,但却是主观的、片面的、历史的数据大数据,具有客观性、即时性、全面性相比传统经验的决策,更加科学数据分析赋能科学决策的基本原理(1)定义问题——提出一个好问题(2)数据模型——对一个问题的多维度思考(3)数据采集——从各个渠道获取相关的数据(4)数据分析——使用一定的数据分析方法得出结论(5)形成判断——对初始的问题作出接下来的行动决策【案例】上海清美C2M数据分析数据分析在全价值链的应用业务与数据的关系业务是数据的来源数据反映业务运行状况,并反过来指导业务实体产业常见的业务场景数据分析的应用C2M,借助需求数据,敏捷性创新产品【案例】元气森林的产品创新IMS,依托ERP、MES、PLM等系统数据展开智能化精细化排产【案例】上海清美面包的定制化生产ILS,依托智能物联数据和AI建模,实现智慧物流体系【案例】上海洋山港码头智慧物流品牌与市场,基于目标用户数据展开品牌细分与精准市场营销【案例】瑞幸咖啡的精准市场投放消费者体验,依托消费者数据展开个性化场景设计【案例】成都大悦城基于用户数据展开个性化场景搭建渠道数字化,依托渠道数据分析,展开对渠道的精细化管理赋能【案例】美的D2C的渠道数字化与数据分析用户运营,基于SCRM数据,展开对用户的精细化运营【案例】中国移动的客户数据分析在用户运营方面的应用构建数据共享中心,实现整个业务场景的协同运营效率提升一体化大数据平台、数据中台的建设基于用户需求为中心的数据调用数据分析的流程、方法定义问题  定义业务模型与业务专家深度沟通,构建初步数据分析模型把业务模型融入算法数据获取外部数据:网站或爬虫内部数据:原始录入、互联网、物联网数据使用分类:建模数据、训练数据和分析数据数据处理(1)数据处理的内容数据清洗数据补充定义主数据和元数据(2)完成数据的清晰和补充去重复查补缺检查数据准确性(3)基础数据处理常用函数(加总求和、计数、平均、最值、排序、乘积、除余、取整)逻辑运算(if、iferror、and、or)文本编辑(文本提取、文本查找、文本替换、文本转换及合并)引用与查找(vlookup、hlookup、lookup、indirect、index、match)做好数据分析数据分析内容描述性分析推断性分析预测性分析借助工具实现以上分析对比分析:柱形图结构分析:饼状图趋势预测分析:折线图+柱形图借助BI生成相应的数据看板做出决策背景介绍和问题描述定义问题,并进行相关性分析数据分析报告的呈现提出下一步行动计划数据分析落地要领与一些误区数据分析整体定位用来支撑业务发展系统需要获取哪些数据与业务运营模型有关业务做数据分析,需要真实有效的数据支撑业务部门需要做主导、数据部门要保障数据的价值性落地流程与要领明确要先数字化的业务场景(比如营销、原料、生产等)创建数据中台基座数据部门与业务部门明确相关的子系统(比如ILS、IMS、ERP、SCRM等)数据部门与业务部门根据业务模型创建主数据管理创建数据采集系统(物联网+互联网+手工输入)形成商业BI数据看板业务部门借助相关BI数据看板分析业务数据分析指导业务运营的基本认知数据产品的建设是一个长期动态的过程数据产品的构建与业务的变革休戚相关业务人员能否发挥数据价值在于是否能够具备业务模型构建的能力

添加企业微信

1V1服务,高效匹配老师
欢迎各种培训合作扫码联系,我们将竭诚为您服务