《构筑强大、优质的数据资产矩阵赋能业务崛起：大型企业的高效数字治理实践模式与数字资产体系优化之道》


构筑强大、优质的数据资产矩阵赋能业务崛起：
大型企业的高效数字治理实践模式与数字资产体系优化之道

主讲：黄辰 教授

【课程背景】
数据不仅是企业的核心资产和重要战略资源，也是重要的生产要素。数据资产已日益
成为企业抢占未来发展主动权的前提和保障，而数据治理就是发掘这些数据资产的重要
手段和工具。国务院国资委在颁布的《关于加快推进国有企业数字化转型工作的通知》中
强调，要构建数据治理体系，加强数据标准化、元数据和主数据管理工作，定期评估数
据治理能力成熟度。要强化业务场景数据建模，深入挖掘数据价值，提升数据洞察能力
。管好数据、用好数据，不仅能够帮助企业洞察市场变化和趋势，降低风险，还能提高
决策效率，进一步提升企业核心竞争力。
本课程立足大型行业龙头企业的应用实践，针对数据治理在大型数字化企业的实施、
高价值数据资产体系构建等核心应用内容展开系统化的阐述，深入浅出地从统一数据标
准、梳理数据逻辑，提升数据质量，打通企业内部数据壁垒，提高数据意识站位等多方
面，详细介绍数据治理的方式、方法及数据治理策略，提出大数据治理的具体操作解决
方案。进一步，通过典型的实践案例，分析当今主流的数据治理技术与平台，为企业和
员工提供相关的技术实践指南，加强数据应用和价值体现，明确数据应用的各阶段任务
和重心，提升数据价值，有效提高大型企业的数据治理水平。


【课程收益】
➢ 可以有效指导大型企业全方位开展高质量的数据治理
➢
对数据治理的数据关联、分析处理模式等核心内容，展开全面、系统地阐述，见解独
到，对数字化工作者具有重要的启示意义
➢ 数据治理在战略层面的顶层设计，以及数据治理在执行层面的实施方法
➢ 既是企业数据治理的纲领性指南，也是数据治理的实操指导
➢ 深度解析业界主流的数据治理理论框架，包含多年的数据项目实战经验总结
➢
详细阐述了数据治理的理论、方法、技术和工具，为企业打好数智商业创新的数据基
础提供启示和帮助
➢ 由表及里地分析了系统性提升企业数据管理能力的方法，具有很强的实用性

【课程特色】
➢ 从道、法、术、器4个维度全面展开，视野宽广、立足前沿、内容翔实、深入浅出
➢ 视野开阔、高屋建瓴、洞察未来
➢ 管理咨询背景深厚，视角客观扎实，避免空谈，实操性强
➢ 既符合“模块化管理”趋势，又强调灵活性
➢
既有顶层设计思路，帮助企业规划数字治理的蓝图，又有清晰的实施路线图和实用的
工具，让企业转型有路径可循、有方法可用
➢
丰富的一线管理经验，多年对于大量企业组织的研究，将复杂的话题变得简单、有逻
辑且可行

【课程对象】
➢ 企业高层管理者：董事长、总裁、总经理、分管副总等
➢ 战略高层、战略规划、顶层设计负责人（CEO、CTO、CIO、CMO等）
➢ 各个条线的业务负责人和技术专家
➢ 产品开发与创新人员、服务方案制定者
➢ 市场营销策划、客户经理、产品经理等
➢ 创新业务的负责人，创新创业导师及实践者

【课程时间】6-12小时

【课程大纲】

第一部分 数据资产的核心价值提升及高质量数据体系构筑实践方法
本部分关注的问题：
（1）统一数据标准：提升数据质量，打通企业内部的数据壁垒，提高数据意识站位；
（2）提升数据BI系统的业务支撑能力：梳理数据架构，强化对角色的支撑能力；
（3）加强数据应用和价值体现：明确数据应用的各阶段任务和重心，提升数据价值

一、大型企业数据资产的核心价值：企业数字化经营的基石
1、未来企业的发展趋势：数字治理和数据资产成为数字化转型的标配
➢ 趋势1：数字化企业的数据中心向大数据服务转型
➢ 趋势2：大数据平台由功能化平台向服务化平台转型
➢ 趋势3：首席数据官和数据专员成为数字化企业的标准岗位
2、高质量数据体系是企业大数据平台化服务的关键
➢ 传统数据难以支撑大数据平台化服务
➢ 大数据治理连接业务创新与大数据资产
3、大型企业数字化经营的难点
➢ 价值视角：需求各异，众口难调
➢ 数据视角：纷繁复杂，负重前行
➢ 企业数据团队的关键价值：搭建数据和价值之间的桥梁

二、大型企业数字资产的价值创造和提升实战
1、大型企业资产优化和管理的主要内容
2、数据价值的创造方法
➢ 场景出发点：如何通过深挖数据改善经营
3、数据价值提升的典型操作
➢ 提升信息收集的效率体验
➢ 加强业务过程的精细化管理
➢ 用价值衡量驱动执行的不断改进
4、数据价值的场景连接方法
➢ 决策层
➢ 业务层
➢ IT层
案例：
某医疗机构的自动化报表体系
中建钢构
5、数据价值的提升方法
➢ 当前企业数据质量存在的问题
➢ 提升数据质量的成功经验1：加强底层数据处理，建立数据标准
➢ 提升数据质量的成功经验2：加强中间模型的建立，提升数据深度
案例：
某证券公司的数据质量提升实战案例
5、如何缩短数据应用和价值实现的距离：数据团队引领企业打赢数字化经营之战
➢ 定战术：IT部门的定位
➢ 建能力：培养链路上最重要的人（数据运营官的平台）
➢ 给武器：FineBI+FineReport（行业方案和企业管理平台）
➢ 多实战：思想碰撞+实际经验互换
➢ “人术器”的完整服务体系
案例：
某大型药企的数据人才蜕变

三、梳理数据逻辑的方法论和应用实践：像数据分析师看齐，透过数据看本质
1、方法论：深度数据挖掘，得出有价值的观点
➢ 支撑项目管理，数据价值挖掘的核心问题
➢ 透过现象看本质1-方法论和应用技巧
➢ 透过现象看本质2-在整个公司层面看数据
2、梳理数据逻辑的应用实践步骤
➢ 第一步：确定数据分解的框架
➢ 第二步：基于该框架对目标进行分析
➢ 第三步：与历史数据、与同期相关数据进行对比
➢ 第四步：对重点领域进行细化分析
➢ 第五步：定性分析，分析背后的原因
➢ 第六步：汇总报表，并给出建议
3、深度数据价值挖掘中的常见问题
实例：
如何拆解分析上市公司的财务指标

四、数据BI信息的可视化呈现及智能分析实操
1、数据BI信息的智能分析—如何有条理地整理数据信息
➢ 信息分析的目的和对象
➢ 咨询公司的信息分析流程
2、数据信息分析—常用数据分析应用
3、定性信息分析—如何呈现更直观易读
实例：
进口品牌SUV销量数据分析

五、综合实战案例
1、电力业数据化经营（BI）实践解决方案
2、建筑业数据化经营（BI）实践解决方案
3、零售业数据化经营（BI）实践解决方案
4、物流业数据化经营（BI）实践解决方案
5、医疗行业数据化经营（BI）实践解决方案
6、医药行业数据化经营（BI）实践解决方案
7、银行数据化经营（BI）实践解决方案

第二部分 企业大数据资源的高效业务赋能及最佳应用实操模式
本部分关注的问题：
（1）数据应用好的企业的应用实践案例
（2）企业大数据资源和行业大数据生态圈的建立
（3）外部最佳实践，相关数据模型的引进

一、企业大数据资源潜力的充分挖掘：数字化改革的必然
1、数字化改革对于企业大数据资源的需求
➢ 供给侧改革的数据化助力
➢ 企业大数据资源形态被消费市场重新定义
➢ 当前大数据平台难以满足数字化时代要求
➢ 大数据服务能力的智能化
➢ 大数据管理能力的服务化
2、大型企业的大数据资源：新型大数据生态圈的建立
➢ 大数据生态圈的能力建设
➢ 大数据生态圈的规划
3、大数据资源的全生命周期管理及相关核心概念
➢ 大数据全生命周期管理
➢ 大数据全生命周期中的四种角色
4、大数据资源的数据质量
➢ 林林总总的数据质量问题和示例
➢ 数据质量需求的定义与首要管理工作
➢ 全生命周期的数据管控体系与数据质量保障
➢ 可视化监管企业数据资产：从需求开始控制数据质量
实例：
中国电子的大数据生态圈
中科曙光的大数据生态圈

二、基于企业大数据资源的商业数据深度分析理论和实战
1、商业数据分析的概念
➢ 商业数据的深度分析
➢ 商业数据分析需要具备的能力
2、商业数据分析的特点和价值
3、商业数据分析的业务流程
➢ 商业数据分析的三个阶段和六个操作步骤
➢ 阶段一操作：构建问题
➢ 阶段二操作：分析问题、解决问题
➢ 阶段三操作：传达结果并行动
4、商业数据分析的核心技能培养
➢ 数据分析能力
➢ 逻辑思维能力
➢ 赢得结果能力
5、商业数据分析场景
实例：
华为公司商业数据分析及应用
海尔集团的商业数据分析及应用
中国电科（海康威视）的商业数据分析及应用

三、数据资源的应用赋能实践1：解决企业内部管理问题（联想集团数据应用实践案例）

1、对新产品定价的数据应用模型
➢ 基准定价模型
➢ 定价调整模型
2、基准定价策略的操作方法
➢ 基于成本的定价方法
➢ 基于竞争/需求的定价方法
3、如何解决盈利率下降的问题
➢ 方法论和实操：四部曲解决盈利率下降
➢ 第一步：定量寻找原因
➢ 第二步：明确分析重点
➢ 第三步：定性刨根问底
➢ 第四步：提出改善建议
4、企业内部管理问题总结和相关数据模型的引进方式

四、数据资源的应用赋能实践2：获得真正有利于推进产品的消费者数据洞察（小米公司
数据应用实践案例）
1、快速锁定能挖掘出数据信息的消费者
➢ 消费者数据洞察兼具分析思维与设计思维
➢ 实例：一个完整的用户画像数据应该是什么样子？
2、如何制作一个数据化的用户画像
➢ 第一步、结合核心业务确定用户关键行为数据
➢ 第二步、分析数据，引入匹配模型
➢ 第三步、跟进调研，丰富用户画像的人物数据形象
➢ 第四步、与团队分享数据并在工作中协同使用
3、消费者数据洞察的必备方法
➢ 消费者信息数据采集的要点
➢ 第三方报告获取消费者数据
➢ 媒体舆情的监听数据
4、消费者数据洞察问题总结和相关数据模型的引进方式

五、数据资源的应用赋能实践3：支持决策层的战略分析模型（大型家电集团的数据应用
实践案例）
1、决策层的数据价值衡量
➢ 基于“人”的视角
➢ 基于“事”的视角
2、支撑战略决策分析的数据模型工具应用方法
➢ BCG矩阵模型的应用方法
➢ PESTLE分析模型的应用方法
➢ SWOT分析模型的应用方法
➢ 价值链模型的应用方法
➢ 生命周期模型的应用方法
➢ 行业集中度模型的应用方法
3、决策层战略分析问题总结和相关数据模型的引进方式

第三部分 数据治理的核心理念及实际问题解决方案
本部分关注的问题：
（1）数据治理涉及方法论和核心理念，以及相关支撑案例；
（2）结合企业的实际情况，分析数据治理面临的问题；
（3）其他大型企业数据治理的情景

一、数字时代对于大型企业的数据治理要求
1、数字治理的行业现状和需求
➢ 数据治理的背景（不良数据治理导致的损失）
➢ 大型企业的数据发展现状和趋势
➢ 行业的数据治理需求
➢ 数据治理的价值与基本法则
2、大数据治理体系与数据治理体系的联系与区别
➢ 数据治理和数据管理的区别（数据治理概念和范畴）
➢ 大数据时代下的数据治理压力
➢ 大数据时代的数据治理（典型案例）
3、大数据治理的管理体系
➢ 大数据治理的组织架构
➢ 数据管理专员制度
➢ 大数据治理的管理组织（管理团队的角色分工）
4、数据治理成效的保障方式
➢ 数据治理工作的长效与速赢
➢ 数据治理体系的落地
➢ 制度管理要求的执行
➢ 数据治理的合规性
5、数据治理的意义
➢ 数据治理人员的发展进阶路线
➢ 为什么要学数据治理？（员工层面）
➢ 为什么要做数据治理？（企业层面）

二、数据治理的分析处理解决方案
1、数据治理的分析处理范围
2、数据治理的分析处理框架
3、数据治理的总体解决思路
➢ 数据资产盘点：暗数据发现和分类
➢ 让数据变得更干净，少歧义
➢ 重新组织数据
➢ 数据治理持久化
➢ 数据治理的延伸：数据管理
4、数据治理的体系架构
5、数据治理的方案价值
6、数据治理产品体系
➢ Part1：暗数据发现和分类
➢ Part2：数据实时采集：数据支撑平台
➢ Part3：数据管控平台
➢ Part4：流动数据安全：大数据脱敏
综合实战案例：
数据治理应用案例常见的问题（数据统计分析）
系统级数据治理（国企电信运营商）
企业级数据治理（国企能源企业）
物流运输相关数据治理实践案例
市场监管相关数据治理实践案例

三、行业大数据的深度治理平台及解决方案
1、企业的大数据服务转型
➢ 大数据治理的十二个技术原则
➢ 数字化企业的数据中心转型
➢ 大数据治理与创新能力提升（管理/业务/技术）
2、管理/业务/技术的大数据治理全面提升创新能力
➢ 重新定位数据管理部门
➢ 提供全面的业务创新能力
➢ 提供智能化自动化的技术平台
3、新一代的大数据治理框架
➢ 大数据治理框架
➢ 大数据治理要点（技术原则）
4、大数据中心建设方案
➢ 新一代大数据中心
➢ 大数据基础平台
➢ 大数据治理平台
➢ 大数据智能分析平台
➢ 大数据可视化平台
5、大数据治理的产品体系
➢ 大数据治理产品与数据服务的关系
➢ 大数据治理产品价值
➢ 大数据治理产品体系

四、综合实战案例：以大数据治理为驱动的企业数字化转型实践案例
1、重点案例——东风汽车集团：数据治理提升企业运营效率
2、红领集团：业务创新实现由客户需求直接驱动工厂的运作模式
3、苏州工业园区：信息共享：“三库、三通、九枢纽”建设
4、浙江电力：数据自劣化分析平台
5、东方航空：业务数据地图加速业务创新过程
6、关于大数据治理的非技术话题
➢ 数据治理优化项目的扎实推动
➢ 数据治理优化的心得

黄辰老师的其它课程