韩迎娣：数据安全

韩迎娣注册讲师 472查看

课程概要

培训时长 : 2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 : 5668

联系老师

行业不限

适用对象

董事长、总裁、总经理、常务副总经理、总裁助理、企业管理人员

课程介绍

【课程对象】董事长、总裁、总经理、常务副总经理、总裁助理、企业管理人员

【课程时间】18小时

【课程背景】

全球大数据产业正值活跃发展期，技术演进和应用创新加速推进，数据挖掘分析在电信、互联网、金融、汽车交通、医疗、教育、生产制造、房产、智慧城市等行业创造商业价值和应用价值的同时，数据安全问题逐渐暴露。大数据因其蕴藏的巨大价值和集中化的存储管理模式成为网络攻击的重点目标，针对大数据的勒索攻击和数据泄露问题日趋严重，全球大数据安全事件呈频发态势。

课程将以大数据带来的商业变革为切入点，探讨了大数据安全区别于传统安全的特殊内涵，聚焦技术与应用两个层面，分别从平台安全、数据安全和个人隐私安全三个方面梳理数据环境下面临的安全威胁及相应的数据安全解构体系。还原商业环境中的实际案例，帮助学员认知大数据与数据安全是什么？数据安全在多商业应用场景中有哪些挑战？平台安全、数据安全及隐私安全的相互关系与策略？大数据安全的技术体系和方向有哪些？如何提升企业数字化安全应用能力，做到攻防有术？使学员学之解惑，学之能用，满足企业数字化发展需求的同时，解决大数据安全实际应用问题。

【课程收益】

识别大数据、数据安全、数据安全范围及数据生命周期
整个数据生命周期的数据安全管理体系、组织及总体视图
从平台安全、数据安全及隐私安全三个角度的数据安全管理策略
大数据安全问题、挑战、解决办法及现状
商业应用场景的数据构成，分析数据关键问题、风险及安全策略
数据安全技术未来发展、数据资产管理
智能商业环境对大数据安全挑战及发展趋势

【课程宗旨】

【课程特色】干货，没有废话；科学，逻辑清晰；实战，学之能用；投入，案例精彩

【课程对象】董事长、总裁、总经理、常务副总经理、总裁助理、企业管理人员

【课程时间】18小时

【课程大纲】

一、识别大数据与数据安全

1、什么是大数据？

2、大数据能做什么？

3、大数据特征与特点

4、大数据技术图谱

大数据技术基础
大数据的数据源特点
大数据技术逻辑
大数据全域识别
大数据数据展现

5、数据生命周期

6、数据安全认识

7、数据安全涉及范围

技术
法律
监管
社会治理

8、数据安全思考

从“大安全”视角审视数据安全
数据安全成为与实体经济融合重要影响因素
数据应用过程中，数据流动是常态
数据共享是刚需
便利化服务与个人信息权利的两难抉择

案例：

二、大数据安全管理

1、数据安全防护思路与体系

2、数据安全管理组织结构

3、数据安全管理策略

4、数据生命周期与防护措施

5、大数据安全技术总体视图

平台安全
数据安全
隐私安全

案例：

三、大数据安全问题与挑战

1、大数据平台安全问题与挑战

整体安全规划与安全机制
场景多样性带来的挑战
存储与计算模式使安全配置难度成倍增长

2、数据安全问题与挑战

数据价值与存储模式成为风险重点
数据采集环节成为影响决策分析的新风险点
数据处理过程中的机密性保障问题
数据流动路径的复杂化

3、个人隐私安全挑战

大数据超强分析为个人隐私技术带来严峻挑战
隐私保护技术难以适应大数据的非结构化数据库

四、大数据安全技术思路

1、大数据安全技术现状

2、数据平台安全技术

Hadoop开源社区增加了基本安全机制
商业化大数据平台安全机制
商业化通用安全组件

3、数据安全的数据行为审计与追踪溯源

4、敏感数据识别能力与技术体现

5、数据防泄漏技术

6、结构化数据库安全防护技术

7、密文计算技术成为研究热点

8、数字水印技术

9、数据血缘追踪技术

10、个人隐私保护技术

数据脱敏技术
匿名化算法将成为未来解决隐私保护的有效途径

案例：

五、商业应用场景中数据安全策略

1、什么是应用场景？

2、大数据应用场景

大数据场景
场景模型分析

3、大数据商业场景解析及数据安全风险

金融服务
医疗健康
汽车服务
智慧交通
房产服务
智慧城市

4、商业场景数据安全策略

金融服务
医疗健康
汽车服务
智慧交通
房产服务
智慧城市

案例

六、大数据安全技术未来发展

1、大数据安全综合防御体系

构建贯穿大数据应用云管端的综合防御
提升大数据平台的安全防御能力
从被动“防”到主动“测”

2、攻防结合，强化大数据平台安全保护

运行安全
理念创新
推演攻击形态

3、加强关键环节和关键技术，完善安全体系

数据流动与共享
数据应用生态环境
数据采集和溯源
跨组织数据合作

4、兼顾数据利用与隐私保护双重需求

5、构建三方安全检测评估体系

案例

七、大数据数据资产管理策略

1、什么是数据资产？

什么是数据资产
数据资产属性

2、大数据资产管理概述

3、大数据资产管理定位

4、数据资产管理

数据资产管理架构
数据资产管理方法

案例

八、智能商业环境下大数据安全发展趋势

1、无数据不AI

2、数据为基础的智能商业环境

3、云是智能商业的基础设施

4、数字化和智能化是商业发展的主要推动力

5、智能商业服务用户的三大特征

6、企业在经营各个环节实现智能决策

7、个性化、多场景生态应用对数据安全的挑战

8、大数据安全发展趋势及策略

韩迎娣老师的其他课程

• 韩迎娣：市场调研与数据分析: 【课程对象】产品研发团队、产品经理、产品需求调研团队、营销、营销分析、运营【课程时间】6小时【课程背景】现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，同时也会释放出庞大的数据能量，大数据就是这个高科技时代的产物，大数据并不在“大”，而在于“有用”。价值含量、挖掘、应用比数量更为重要。对于需求的动态变化，需建立一个多维度的产品应用、客群画像，才能够做到“大数据比产品本身更了解产品，比客户自己更了解自己需求”，大数据的产品应用场景让数据重新理解产品，把产品自身、服务与客户形成强关系，在产品使用过程中建立数据触角，随时可清晰了解产品应用状态，客户的体验与场景需求。课程将以大数据分析切入点，还原金融环境中的实际案例，帮助学员理解大数据是什么？大数据有什么特点，区别在哪里？数据如何洞察产品需求？产品整个生命周期的数据管理该如何做？大数据洞察的客群特点是什么？如何构建金融应用场景与客群关系？使学员学之解惑，学之能用。【课程收益】金融大数据的应用现状与痛点，大数据特点，技术图谱及大数据思维大数据分析、建模、标签化管理、数据洞察产品需求大数据下的产品场景，找回需求原点，构建金融产品需求场景金融产品数据分析与挖掘、金融产品研发前置分析及商业应用全周期大数据洞察的客户关系，洞察维度，客群分析，客群在线的四大场景金融应用场景与客群关系，基于用户洞察体验需求升级【课程特色】干货，没有废话；科学，逻辑清晰；实战，学之能用；投入，案例精彩【课程对象】产品研发团队、产品经理、产品需求调研团队、营销、营销分析、运营【课程时间】6小时【课程大纲】一、市场调研维度与用户认知1、思维创新技术路径2、市场调研的目的调研目的调研对象需要收集的数据需要达成的效果网点周边商业3、调研的五大维度网点周边社区网点周边用户竞争对手合作单位3、调研的三种方法实地调研文案调研特殊调研4、市场调研的3个目的5、市场调研的数据陷阱6、用户存在无意识的感知偏误7、用户观念跟不上企业创新二、市场调研方法与失效因素1、市场调研中容易混淆的3种误差固有误差随机误差主观误差13、市场调研 - 行业成熟度14、市场调研 - 市场发展空间15、市场调研 - 未来市场规模16、市场调研 - 行业发展趋势17、致使市场调研失效的7个因素某些消费者有“隐形需求”调研的时间太远，不具备结论霍桑效应偏见与歧视沉迷市场机会和体量导致市研失效消费者是自我的导致市研失效消费者难以场景化导致市研失效8、从众心理导致虚假信息9、维护形象导致虚假信息10、思维锚定导致低效信息11、广告干扰导致低效信息 18、如何整理市场调研数据19、市场调研分析报告整个大市场分析整体市场下的细分市场分析典型产品分析新机会风险大数据技术图谱大数据技术基础大数据的数据源特点大数据技术逻辑大数据全域识别大数据数据展现5、大数据思维全样容错相关智能案例：二、数据分析1、数据分析意识对比关系看趋势重点数据2、数据分析方法对比分析法结构分析法交叉分析法分组分析法漏斗分析法杜邦分析法矩阵关联分析法2、数据分析报告对产品研发的影响3、数据预处理4、特征分析5、算法建模线性回归聚类分类6、数据表达分布数据可视化分类数据可视化线性关系数据可视化7、数据挖掘8、统计分析方法集中趋势离散程度相关程度参数估计假设检验9、大数据分析与建模建模训练模型应用模型优化模型2、大数据标签化管理数据标签标签多样化标签与场景化应用基于标签化的产品画像3、数据洞察金融产品需求4、大数据为金融产品赋能5、金融大数据的数据挖掘与建模大数据挖掘流程与逻辑大数据基本算法逻辑大数据挖掘特性大数据建模逻辑数据＋模型＝产品能力？案例：三、贯穿整个金融产品生命周期的数据挖掘1、金融大数据分析与数据挖掘业务场景数据建模挖掘算法相关分析2、大数据应用场景及场景解析3、找回需求原点，构建产品需求场景4、产品数据分析与挖掘的样本条件5、产品研发前置分析需求任务研究目的关键指标6、产品生命周期 - 产品研发设计策略研究概念评估产品研发产品测试7、产品生命周期 – 商业应用导入发展成熟衰退8、产品商业应用的数据触角案例：四、大数据洞察的客群分析1、与客户关系的核心传统价值高阶价值2、大数据驱动的客群洞察-数据维度真实性立体性即时性3、大数据驱动的客群洞察 – 营销维度目标客群旅程营销活动评估社交表现追踪行为趋势洞察4、客群洞察与分析基础属性需求解构客群分层客户心智内容偏好产品能力场景故事金融价值逻辑解析5、客户在线的四大场景输入场景浏览场景搜索场景交易场景6、金融应用场景与客群关系可运营人群数 – 活跃用户人群转化率 – 关系加深率高价值人群总量高价值人群活跃度7、创新实践，端到端的整合场景场景总览预设GMV目标，反推各阶层用户体量8、内容传播渠道内容矩阵数字媒介矩阵融合匹配KOL选择9、基于内容营销闭环的布局基础内容投放头部内容资源人群关系触达10、基于用户洞察体验升级需求

• 韩迎娣：市场调研与数据分析: 【课程对象】产品研发团队、产品经理、产品需求调研团队、营销、营销分析、运营【课程时间】6小时【课程背景】现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，同时也会释放出庞大的数据能量，市场营销则是在这样的数据环境中，要先分析市场环境，就是分析宏微观环境，决定是否进入市场，再进行市场调研，随后对用户的行为分析，在进行市场细分，选择目标市场。在这样的过程中，既有依据数据来产生的分析结果，也容易进入数据陷阱，而数据分析、建模与数据洞察来帮助我们随时可清晰了解产品应用状态，用户的体验与场景需求。课程将以市场调研与数据分析切入点，还原金融环境中的实际案例，帮助学员理解市场调研的目的是什么？如何避免进入调研的数据陷阱？市场调研的五大维度、三种方法分别是什么？数据分析方法、预处理和建模是怎样？如何通过数据洞察来分析银行渠道转型的特点及趋势？使学员学之解惑，学之能用。【课程收益】思维创新的技术路径、市场调研目的、市场调研的数据陷阱调研的用户无意识感知偏误、市场调研存在的虚假与低效信息市场调研的五大维度、三种方法和容易混淆三种误差市场调研分析报告、市场调研失效的7个因素数据分析意识、数据分析方法、数据预处理、特征分析、算法建模数据表达、统计分析方法、数据分析洞察银行渠道转型特征【课程特色】干货，没有废话；科学，逻辑清晰；实战，学之能用；投入，案例精彩【课程对象】产品研发团队、产品经理、产品需求调研团队、营销、营销分析、运营【课程时间】6小时【课程大纲】一、市场调研目的与用户认知1、思维创新技术路径2、市场调研的目的调研目的调研对象需要收集的数据需要达成的效果网点周边商业3、市场调研的数据陷阱4、用户存在无意识的感知偏误5、用户观念跟不上创新6、从众心理导致虚假信息7、维护形象导致虚假信息8、思维锚定导致低效信息9、广告干扰导致低效信息案例：二、市场调研方法与失效因素1、调研的五大维度网点周边社区网点周边用户竞争对手合作单位2、调研的三种方法实地调研文案调研特殊调研3、市场调研中容易混淆的3种误差固有误差随机误差主观误差4、如何整理市场调研数据5、市场调研分析报告整个大市场分析整体市场下的细分市场分析典型产品分析新机会风险6、致使市场调研失效的7个因素某些消费者有“隐形需求”调研的时间太远，不具备结论霍桑效应偏见与歧视沉迷市场机会和体量导致市研失效消费者是自我的导致市研失效消费者难以场景化导致市研失效案例：三、数据分析与数据洞察银行1、数据分析意识对比关系看趋势重点数据2、数据分析方法对比分析法结构分析法交叉分析法分组分析法漏斗分析法杜邦分析法矩阵关联分析法3、数据分析报告对产品研发的影响4、数据预处理5、特征分析6、算法建模线性回归聚类分类7、数据表达分布数据可视化分类数据可视化线性关系数据可视化8、数据挖掘9、统计分析方法集中趋势离散程度相关程度参数估计假设检验10、数据分析洞察金融产品需求11、数据分析洞察银行渠道转型特征生态圈客户经营新型渠道不断涌现产品服务场景化与体验化12、数据分析洞察银行渠道数字化转型趋势智慧协同的渠道服务泛金融化的渠道场景原子化的渠道功能浸入式的渠道体验

• 韩迎娣：市场调研与数据分析: 【课程对象】产品研发团队、产品经理、产品需求调研团队、营销、营销分析、运营【课程时间】6小时【课程背景】现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，同时也会释放出庞大的数据能量，市场营销则是在这样的数据环境中，要先分析市场环境，就是分析宏微观环境，决定是否进入市场，再进行市场调研，随后对用户的行为分析，在进行市场细分，选择目标市场。在这样的过程中，既有依据数据来产生的分析结果，也容易进入数据陷阱，而数据分析、建模与数据洞察来帮助我们随时可清晰了解产品应用状态，用户的体验与场景需求。课程将以市场调研与数据分析切入点，还原金融环境中的实际案例，帮助学员理解市场调研的目的是什么？如何避免进入调研的数据陷阱？市场调研的五大维度、三种方法分别是什么？数据分析方法、预处理和建模是怎样？如何通过数据洞察来分析银行渠道转型的特点及趋势？使学员学之解惑，学之能用。【课程收益】思维创新的技术路径、市场调研目的、市场调研的数据陷阱调研的用户无意识感知偏误、市场调研存在的虚假与低效信息市场调研的五大维度、三种方法和容易混淆三种误差市场调研分析报告、市场调研失效的7个因素数据分析意识、数据分析方法、数据预处理、特征分析、算法建模数据表达、统计分析方法、数据分析洞察银行渠道转型特征【课程特色】干货，没有废话；科学，逻辑清晰；实战，学之能用；投入，案例精彩【课程对象】产品研发团队、产品经理、产品需求调研团队、营销、营销分析、运营【课程时间】6小时【课程大纲】一、市场调研目的与用户认知1、思维创新技术路径2、市场调研的目的调研目的调研对象需要收集的数据需要达成的效果网点周边商业3、市场调研的数据陷阱4、用户存在无意识的感知偏误5、用户观念跟不上创新6、从众心理导致虚假信息7、维护形象导致虚假信息8、思维锚定导致低效信息9、广告干扰导致低效信息案例：二、市场调研方法与失效因素1、调研的五大维度网点周边社区网点周边用户竞争对手合作单位2、调研的三种方法实地调研文案调研特殊调研3、市场调研中容易混淆的3种误差固有误差随机误差主观误差4、如何整理市场调研数据5、市场调研分析报告整个大市场分析整体市场下的细分市场分析典型产品分析新机会风险6、致使市场调研失效的7个因素某些消费者有“隐形需求”调研的时间太远，不具备结论霍桑效应偏见与歧视沉迷市场机会和体量导致市研失效消费者是自我的导致市研失效消费者难以场景化导致市研失效案例：三、数据分析与数据洞察银行1、数据分析意识对比关系看趋势重点数据2、数据分析方法对比分析法结构分析法交叉分析法分组分析法漏斗分析法杜邦分析法矩阵关联分析法3、数据分析报告对产品研发的影响4、数据预处理5、特征分析6、算法建模线性回归聚类分类7、数据表达分布数据可视化分类数据可视化线性关系数据可视化8、数据挖掘9、统计分析方法集中趋势离散程度相关程度参数估计假设检验10、数据分析洞察金融产品需求11、数据分析洞察银行渠道转型特征生态圈客户经营新型渠道不断涌现产品服务场景化与体验化12、数据分析洞察银行渠道数字化转型趋势智慧协同的渠道服务泛金融化的渠道场景原子化的渠道功能浸入式的渠道体验

韩迎娣：数据安全

课程概要

适用对象

课程介绍

韩迎娣老师的其他课程

相关课程

添加企业微信