項目1 大數(shù)據(jù)分析基礎
任務1．1 熟悉大數(shù)據(jù)的概念
導讀案例 葡萄酒的品質分析
任務描述
知識準備
1．1．1 信息爆炸的社會
1．1．2 大數(shù)據(jù)的發(fā)展
1．1．3 大數(shù)據(jù)的定義
1．1．4 大數(shù)據(jù)的結構類型
1．1．5 大數(shù)據(jù)應用改變生活
【實訓與思考】案例企業(yè)ETI的背景信息
【作業(yè)】
任務1．2 掌握大數(shù)據(jù)分析基礎知識
導讀案例 數(shù)據(jù)工作者的數(shù)據(jù)之路：從洞察到行動
任務描述
知識準備
1．2．1 大數(shù)據(jù)對分析的影響
1．2．2 數(shù)據(jù)具有內在預測性
1．2．3 大數(shù)據(jù)分析的定義
1．2．4 四種數(shù)據(jù)分析方法
1．2．5 大數(shù)據(jù)分析的行業(yè)作用
1．2．6 分析團隊的文化與建設
【實訓與思考】企業(yè)大數(shù)據(jù)準備度自我評價
【作業(yè)】
任務1．3 熟悉大數(shù)據(jù)分析基本原則
導讀案例 得數(shù)據(jù)者得天下
任務描述
知識準備
1．3．1 大數(shù)據(jù)的現(xiàn)代分析原則
1．3．2 原則1：實現(xiàn)商業(yè)價值和影響
1．3．3 原則2：專注于最后一公里
1．3．4 原則3：持續(xù)改善
1．3．5 原則4：加速學習能力和執(zhí)行力
1．3．6 原則5：差異化分析
1．3．7 原則6：嵌入分析
1．3．8 原則7：建立現(xiàn)代分析架構
1．3．9 原則8：構建人力因素
1．3．10 原則9：利用消費化趨勢
【實訓與思考】熟悉大數(shù)據(jù)規(guī)劃方法
【作業(yè)】

項目2 分析應用與用例分析
任務2．1 構建大數(shù)據(jù)分析路線
導讀案例 大數(shù)據(jù)時代，別用“假數(shù)據(jù)”自嗨
任務描述
知識準備
2．1．1 什么是分析路線
2．1．2 第1步：確定關鍵業(yè)務目標
2．1．3 第2步：定義價值鏈
2．1．4 第3步：頭腦風暴分析解決方案機會
2．1．5 第4步：描述分析解決方案機會
2．1．6 第5步：創(chuàng)建決策模型
2．1．7 第6步：評估分析解決方案機會
2．1．8 第7步：建立分析路線圖
2．1．9 第8步：不斷演進分析路線圖
【實訓與思考】確定數(shù)據(jù)特征與類型
【作業(yè)】
任務2．2 運用大數(shù)據(jù)分析方法
導讀案例 數(shù)據(jù)驅動≠大數(shù)據(jù)
任務描述
知識準備
2．2．1 企業(yè)分析的分類
2．2．2 戰(zhàn)略分析
2．2．3 管理分析
2．2．4 運營分析
2．2．5 科學分析
2．2．6 面向客戶的分析
2．2．7 案例：大數(shù)據(jù)促進商業(yè)決策
【實訓與思考】IT團隊采用的大數(shù)據(jù)分析技術
【作業(yè)】
任務2．3 建立大數(shù)據(jù)分析用例
導讀案例 疫情之后的變化
任務描述
知識準備
2．3．1 什么是用例
2．3．2 預測用例
2．3．3 解釋用例
2．3．4 預報用例
2．3．5 發(fā)現(xiàn)用例
2．3．6 模擬用例
2．3．7 優(yōu)化用例
【實訓與思考】ETI大數(shù)據(jù)分析采用的技術平臺
【作業(yè)】

項目3 預測分析技術
任務3．1 運用預測分析方法
導讀案例 用手機信令大數(shù)據(jù)科學控制疫情
任務描述
知識準備
3．1．1 預測分析方法論
3．1．2 定義業(yè)務需求
3．1．3 建立分析數(shù)據(jù)集
3．1．4 建立預測模型
3．1．5 部署預測模型
3．1．6 預測分析軟件系統(tǒng)
【實訓與思考】預測分析項目的方案設計
【作業(yè)】
任務3．2 熟悉預測分析技術
導讀案例 日本中小企業(yè)的“深層競爭力”
任務描述
知識準備
3．2．1 統(tǒng)計分析
3．2．2 生存分析
3．2．3 有監(jiān)督和無監(jiān)督學習
3．2．4 機器學習
3．2．5 神經(jīng)網(wǎng)絡
3．2．6 深度學習
3．2．7 語義分析
3．2．8 視覺分析
【實訓與思考】智能學習的熟悉度評估
【作業(yè)】

項目4 大數(shù)據(jù)分析與處理
任務4．1 執(zhí)行數(shù)據(jù)清洗與處理
導讀案例 公共數(shù)據(jù)開放的探索
任務描述
知識準備
4．1．1 數(shù)據(jù)標識
4．1．2 數(shù)據(jù)抽樣
4．1．3 數(shù)據(jù)過濾
4．1．4 數(shù)據(jù)標準化
4．1．5 數(shù)據(jù)提取
4．1．6 數(shù)據(jù)清洗
4．1．7 數(shù)據(jù)聚合與表示
4．1．8 降維與特征工程
4．1．9 成分分析
【實訓與思考】大數(shù)據(jù)分析的數(shù)據(jù)預處理
【作業(yè)】
任務4．2 建立大數(shù)據(jù)分析模型
導讀案例 行業(yè)人士必知的十大數(shù)據(jù)思維原理
任務描述
知識準備
4．2．1 關聯(lián)分析模型
4．2．2 分類分析模型
4．2．3 聚類分析模型
4．2．4 結構分析模型
4．2．5 文本分析模型
【實訓與思考】建立大數(shù)據(jù)分析模型
【作業(yè)】
任務4．3 了解分析工具與分析平臺
導讀案例 包羅一切的數(shù)字圖書館
任務描述
知識準備
4．3．1 數(shù)據(jù)工作者
4．3．2 分析的成功因素
4．3．3 分析編程語言
4．3．4 業(yè)務用戶工具
4．3．5 分布式分析
4．3．6 預測分析架構
4．3．7 現(xiàn)代SQL平臺
【實訓與思考】ETI企業(yè)的大數(shù)據(jù)之旅（總結）
【作業(yè)】

附錄
附錄A 部分作業(yè)參考答案
附錄B 課程學習與實訓總結
參考友獻