《大数据的培训系列课程》

《大数据系列培训的课程目 录》——段方
段方——北京大学博士后
摘要
列出大数据系列课程目录，从不同角度详细介绍大 数据的各种相关内容。从实际案例出发，分享实际建 设、运营的经验和教训，分享个人的思考。
【讲师简介】30 余年计算机（IT）领域从业经 历 ，直至博士后的学历背景 ；16 年大数据系统 （含数据仓库）设计、建设、应用 、管理、运营 实际经验，累计投资 120 亿元买来的教训 ；200 余场、各个行业、各种层级大数据培训案例 ；先 后出版多本专著书籍目录
HYPERLINK \l "bookmark1" 1 概念层面培训 4 HYPERLINK \l "bookmark2" 1.1《大数据下企业的变革与创新》 4 HYPERLINK \l "bookmark3" 1.1.1【背景】 4 HYPERLINK \l "bookmark4" 1.1.2【定位】 5 HYPERLINK \l "bookmark5" 1.1.3【风格】 5 HYPERLINK \l "bookmark6" 1.1.4【学员要求】 5 HYPERLINK \l "bookmark7" 1.1.5【内容概述】 5 HYPERLINK \l "bookmark8" 1.1.6【收获】 5 HYPERLINK \l "bookmark9" 1.2《大数据的概念、影响及变革》 5 HYPERLINK \l "bookmark10" 1.2.1【背景】 5 HYPERLINK \l "bookmark11" 1.2.2【定位】 5 HYPERLINK \l "bookmark12" 1.2.3【风格】 6 HYPERLINK \l "bookmark13" 1.2.4【学员要求】 6 HYPERLINK \l "bookmark14" 1.2.5【内容概述】 6 HYPERLINK \l "bookmark15" 1.2.6【收获】 6 HYPERLINK \l "bookmark16" 1.3《从“互联网+”到“大数据*” 》 6 HYPERLINK \l "bookmark17" 1.3.1【背景】 6 HYPERLINK \l "bookmark18" 1.3.2【定位】 6 HYPERLINK \l "bookmark19" 1.3.3【风格】 6 HYPERLINK \l "bookmark20" 1.3.4【学员要求】 7 HYPERLINK \l "bookmark21" 1.3.5【内容概述】 7 HYPERLINK \l "bookmark22" 1.3.6【收获】 7 HYPERLINK \l "bookmark23" 1.4《大数据下各个行业的“涅槃”重生》 7 HYPERLINK \l "bookmark24" 1.4.1【背景】 7 HYPERLINK \l "bookmark25" 1.4.2【定位】 7 HYPERLINK \l "bookmark26" 1.4.3【风格】 7 HYPERLINK \l "bookmark27" 1.4.4【学员要求】 7 HYPERLINK \l "bookmark28" 1.4.5【内容概述】 8 HYPERLINK \l "bookmark29" 1.4.6【收获】 8 HYPERLINK \l "bookmark30" 1.5《美国大数据实际案例摘选》 8 HYPERLINK \l "bookmark31" 1.5.1【背景】 8 HYPERLINK \l "bookmark32" 1.5.2【定位】 8 HYPERLINK \l "bookmark33" 1.5.3【风格】 8 HYPERLINK \l "bookmark34" 1.5.4【学员要求】 8 HYPERLINK \l "bookmark35" 1.5.5【内容概述】 8 HYPERLINK \l "bookmark36" 1.5.6【收获】 9 HYPERLINK \l "bookmark37" 1.6《我该如何着手做大数据？》 9 HYPERLINK \l "bookmark38" 1.6.1【背景】 9 HYPERLINK \l "bookmark39" 1.6.2【定位】 9 HYPERLINK \l "bookmark40" 1.6.3【风格】 9 HYPERLINK \l "bookmark41" 1.6.4【学员要求】 9 HYPERLINK \l "bookmark42" 1.6.5【内容概述】 9 HYPERLINK \l "bookmark43" 1.6.6【收获】 9 HYPERLINK \l "bookmark44" 1.7《物联网下的大数据分析》 10 HYPERLINK \l "bookmark45" 1.7.1【背景】 10 HYPERLINK \l "bookmark46" 1.7.2【定位】 10 HYPERLINK \l "bookmark47" 1.7.3【风格】 10 HYPERLINK \l "bookmark48" 1.7.4【学员要求】 10 HYPERLINK \l "bookmark49" 1.7.5【内容概述】 10 HYPERLINK \l "bookmark50" 1.7.6【收获】 10 HYPERLINK \l "bookmark51" 1.8《大数据和大分析》 11 HYPERLINK \l "bookmark52" 1.8.1【背景】 11 HYPERLINK \l "bookmark53" 1.8.2【定位】 11 HYPERLINK \l "bookmark54" 1.8.3【风格】 11 HYPERLINK \l "bookmark55" 1.8.4【学员要求】 11 HYPERLINK \l "bookmark56" 1.8.5【内容概述】 11 HYPERLINK \l "bookmark57" 1.8.6【收获】 11 HYPERLINK \l "bookmark58" 1.9《大数据面临的问题汇总》——大数据会死吗？ 11 HYPERLINK \l "bookmark59" 1.9.1【背景】 11 HYPERLINK \l "bookmark60" 1.9.2【定位】 12 HYPERLINK \l "bookmark61" 1.9.3【风格】 12 HYPERLINK \l "bookmark62" 1.9.4【学员要求】 12 HYPERLINK \l "bookmark63" 1.9.5【内容概述】 12 HYPERLINK \l "bookmark64" 1.9.6【收获】 12 HYPERLINK \l "bookmark65" 2 技术层面培训 12 HYPERLINK \l "bookmark66" 2.1《大数据与数据仓库》 12 HYPERLINK \l "bookmark67" 2.1.1【背景】 12 HYPERLINK \l "bookmark68" 2.1.2【定位】 13 HYPERLINK \l "bookmark69" 2.1.3【风格】 13 HYPERLINK \l "bookmark70" 2.1.4【学员要求】 13 HYPERLINK \l "bookmark71" 2.1.5【内容概述】 13 HYPERLINK \l "bookmark72" 2.1.6【收获】 13 HYPERLINK \l "bookmark73" 2.2《数据仓库概念及案例实践》 13 HYPERLINK \l "bookmark74" 2.2.1【背景】 13 HYPERLINK \l "bookmark75" 2.2.2【定位】 14 HYPERLINK \l "bookmark76" 2.2.3【风格】 14 HYPERLINK \l "bookmark77" 2.2.4【学员要求】 14 HYPERLINK \l "bookmark78" 2.2.5【内容概述】 14 HYPERLINK \l "bookmark79" 2.2.6【收获】 14 HYPERLINK \l "bookmark80" 2.3《大数据的架构设计与实践》 14 HYPERLINK \l "bookmark81" 2.3.1【背景】 14 HYPERLINK \l "bookmark82" 2.3.2【定位】 14 HYPERLINK \l "bookmark83" 2.3.3【风格】 15 HYPERLINK \l "bookmark84" 2.3.4【学员要求】 15 HYPERLINK \l "bookmark85" 2.3.5【内容概述】 15 HYPERLINK \l "bookmark86" 2.3.6【收获】 15 HYPERLINK \l "bookmark87" 2.4《大数据中 HADOOP 生态技术概述》 15 HYPERLINK \l "bookmark88" 2.4.1【背景】 15 HYPERLINK \l "bookmark89" 2.4.2【定位】 15 HYPERLINK \l "bookmark90" 2.4.3【风格】 15 HYPERLINK \l "bookmark91" 2.4.4【学员要求】 16 HYPERLINK \l "bookmark92" 2.4.5【内容概述】 16 HYPERLINK \l "bookmark93" 2.4.6【收获】 16 HYPERLINK \l "bookmark94" 2.5《HADOOP 原理及应用案例》 16 HYPERLINK \l "bookmark95" 2.5.1【背景】 16 HYPERLINK \l "bookmark96" 2.5.2【定位】 16 HYPERLINK \l "bookmark97" 2.5.3【风格】 16 HYPERLINK \l "bookmark98" 2.5.4【学员要求】 16 HYPERLINK \l "bookmark99" 2.5.5【内容概述】 17 HYPERLINK \l "bookmark100" 2.5.6【收获】 17 HYPERLINK \l "bookmark101" 2.6《SPARK 原理及应用案例》 17 HYPERLINK \l "bookmark102" 2.7《HIVE/HBASE 技术及应用案例》 17 HYPERLINK \l "bookmark103" 2.8《R 语言的原理与应用》 17 HYPERLINK \l "bookmark104" 2.9《SCALA 原理及应用》 17 HYPERLINK \l "bookmark105" 2.10《HADOOP 生态运维经验汇编》 17 HYPERLINK \l "bookmark106" 2.11《数据挖掘的原理及应用案例》 17 HYPERLINK \l "bookmark107" 2.11.1【背景】 17 HYPERLINK \l "bookmark108" 2.11.2【定位】 17 HYPERLINK \l "bookmark109" 2.11.3【风格】 17 HYPERLINK \l "bookmark110" 2.11.4【学员要求】 18 HYPERLINK \l "bookmark111" 2.11.5【内容概述】 18 HYPERLINK \l "bookmark112" 2.11.6【收获】 18 HYPERLINK \l "bookmark113" 2.12《大数据的数据治理及实践》 18 HYPERLINK \l "bookmark114" 2.12.1【背景】 18 HYPERLINK \l "bookmark115" 2.12.2【定位】 18 HYPERLINK \l "bookmark116" 2.12.3【风格】 18 HYPERLINK \l "bookmark117" 2.12.4【学员要求】 18 HYPERLINK \l "bookmark118" 2.12.5【内容概述】 19 HYPERLINK \l "bookmark119" 2.12.6【收获】 19 HYPERLINK \l "bookmark120" 2.13《大数据下的人工智能及案例》 20 HYPERLINK \l "bookmark121" 3 应用层面培训 20 HYPERLINK \l "bookmark122" 3.1《财务大数据的分析及应用》 20 HYPERLINK \l "bookmark123" 3.2《呼叫中心中的数据掘金》 20 HYPERLINK \l "bookmark124" 3.3《人力资源的数据分析》 20 HYPERLINK \l "bookmark125" 3.4《数据安全的管控方法》 20 HYPERLINK \l "bookmark126" 3.5《大数据的互联网思维》 20 HYPERLINK \l "bookmark127" 3.6《大数据下的供应链管控》 20 HYPERLINK \l "bookmark128" 3.7《大数据下的客户欺诈识别》 20 HYPERLINK \l "bookmark129" 3.8《大数据下的位置类服务应用》 20 HYPERLINK \l "bookmark130" 3.9《大数据下的客户征信类服务应用》 20 HYPERLINK \l "bookmark131" 3.10《大数据下的产品分析》 20 HYPERLINK \l "bookmark132" 3.11《大数据下的精准营销变革》 20 HYPERLINK \l "bookmark133" 4 管理层面培训 20 HYPERLINK \l "bookmark134" 4.1《大数据的标准管理》 20 HYPERLINK \l "bookmark135" 4.2《大数据的数据质量管控管理经验》 20 HYPERLINK \l "bookmark136" 4.3《大数据的安全管控及经验》 21 HYPERLINK \l "bookmark137" 4.4《大数据的仪表盘》——各种 KPI 的可视化展现 21 HYPERLINK \l "bookmark138" 4.5《大数据的 APP STORE应用激励》——百花齐放的环境 ..................................... 21 HYPERLINK \l "bookmark139" 4.6《某中央企业大数据系统 16 年案例刨析》——避免哪些坑？ 21 HYPERLINK \l "bookmark140" 5 行业培训 21 HYPERLINK \l "bookmark141" 5.1《大数据助力工业 4.0》——从 alpha 狗开始的挑战 21 HYPERLINK \l "bookmark142" 5.2《制造业的大数据应用及案例》——个性化制造的开始 21 HYPERLINK \l "bookmark143" 5.3《电力行业的大数据建设与应用》——升级电力数据的价值 21 HYPERLINK \l "bookmark144" 5.4《金融行业的大数据应用》——大数据颠覆下的“生存 ” 21 HYPERLINK \l "bookmark145" 5.5《会展行业的大数据》——找到你的客户 21 HYPERLINK \l "bookmark146" 5.6《食品行业的大数据》——食品安全的保障 21 HYPERLINK \l "bookmark147" 5.7《电信行业的大数据》——大数据运营商的转型 21 HYPERLINK \l "bookmark148" 5.7.1【背景】 21 HYPERLINK \l "bookmark149" 5.7.2【定位】 22 HYPERLINK \l "bookmark150" 5.7.3【风格】 22 HYPERLINK \l "bookmark151" 5.7.4【学员要求】 22 HYPERLINK \l "bookmark152" 5.7.5【内容概述】 22 HYPERLINK \l "bookmark153" 5.7.6【收获】 22 HYPERLINK \l "bookmark154" 5.8《汽车行业的大数据》——让汽车成为你的助手 23 HYPERLINK \l "bookmark155" 5.9《培训行业的大数据》——真正的“ 因材施教 ” 23 HYPERLINK \l "bookmark156" 5.10《旅游行业的大数据》——洞察游客的行为和爱好 23 HYPERLINK \l "bookmark157" 5.11《政府行业的大数据》——用大数据提升效率和效果 23 HYPERLINK \l "bookmark158" 5.12《石油行业的大数据》——比石油更贵的“数据金子 ” 23 HYPERLINK \l "bookmark159" 5.13《手机行业的大数据》——切入大数据的入口 23 HYPERLINK \l "bookmark160" 5.14《互联网企业的大数据》——如何转型成为大数据平台？ 23 HYPERLINK \l "bookmark161" 6 特点及定位 231 概念层面培训
1.1《大数据下企业的变革与创新》
1.1.1【背景】
大数据对企业的传统管理模式带来很多挑战。本课程从宏观角度，阐述大数据如何企业在客 户分析、产品分析、营销分析、精准管理等方面的深刻影响。
1.1.2【定位】
站在企业角度，阐述大数据会带来的深刻影响。让管理者意识到新的变革及机遇已经来临。
1.1.3【风格】
风趣幽默，启发思考为主。
1.1.4【学员要求】
企业的管理层（中层及高层）为主，不需要 IT 知识、大数据知识背景，熟悉管理即可。
1.1.5【内容概述】
大数据的基本概念；大数据对各个行业的深刻影响；大数据对客户的“透视”分析；大数据对 产品的 360 度分析；大数据颠覆的营销模式；大数据下的精细化管理模式（“火眼金睛 ”）； 大数据改变的思维模式等。
1.1.6【收获】
借助大量理念和案例，能够从观念上理解大数据对企业带来的颠覆性变革，意识到未来每个 企业都无法离开大数据！为后续企业的大数据发展进行铺垫和思考。
1.2《大数据的概念、影响及变革》
1.2.1【背景】
阐述大数据的基本概念，解释相关特点，列出有关的技术挑战；解释大数据对社会的深刻影 响，改变了社会的规划、设计、治理、服务格局；对每个人，大数据如何影响我们的生活； 大数据带来的深刻变革和深远影响。本课程从宏观角度，阐述大数据如何改变了当今的社会 管理模式，对每个人的生活、工作和学习都带来了哪些影响，会为中国带来哪些变革等。
1.2.2【定位】
站在社会和学科角度，阐述大数据会给社会和周围带来的深刻影响。让学员意识到大数据浪 潮已经来临，没有人能够置身世外。让管理者意识到巨大的变革机遇。
1.2.3【风格】
风趣幽默，适当技术切入，启发思考为主。
1.2.4【学员要求】
政府官员、企业的管理层（中层及高层）、学生、各行各业人员为主，不需要 IT 知识、大数 据知识背景。
1.2.5【内容概述】
大数据的基本概念和特点；大数据的技术概述及对中国的战略机遇；大数据对社会的影响 （改变我们的思维、颠覆我们的想象）；大数据在国内外的发展及案例；大数据改变社会治 理（规划、监控、治安等）的模式；大数据改变我们的生活（衣食住行角度的颠覆）；大数 据的变革浪潮（无人可以置身世外），改变了我们的思维。
1.2.6【收获】
借助大量理念和案例，能够从观念上理解大数据对社会和个人带来的颠覆性变革，意识到未 来每个人、每个组织都无法离开大数据！引发学员的思考，“脑洞大开 ”。
1.3《从 “互联网+”到“大数据*”》
1.3.1【背景】
阐述互联网+的概念和特点，引导出“大数据*” 的概念和历程；从互联网角度，阐述会产生出 哪些大数据，数据有哪些维度特点；论述“互联网+”到“大数据*” 的历史必然；阐述 IT 架构的 差异和演变历程；论述大数据对各个行业和企业的乘法功效。
1.3.2【定位】
站在技术发展演进的角度，阐述从互联网发展到大数据的必然；列述了互联网+应用升级到 大数据*之后的价值变革。
1.3.3【风格】
风趣幽默，技术切入，引导思考为主。
1.3.4【学员要求】
政府官员、企业的管理层（中层及高层）、学生、各行各业为主，需要初级的 IT 知识、大数 据知识背景。
1.3.5【内容概述】
互联网的发展沿革和其对社会的巨大影响；互联网带来的丰富数据源及其巨大的价值；大数 据*的历史演进必然；进入大数据*的 IT 架构关键点及注意事项；大数据对各个行业及企业的 乘法效力。
1.3.6【收获】
借助互联网技术的发展沿革，阐述到“大数据*” 的历史发展必然；了解这种升级过程对于 IT 系统的变革和关键点；理解大数据对各个行业和企业的乘法倍增效益。
1.4《大数据下各个行业的 “涅槃 ”重生》
1.4.1【背景】
阐述大数据的历史由来和特点，分析大数据对社会中每个行业带来的的颠覆性影响；阐述大 数据改变每个行业的角度和方向；分享相关的案例，论述各个行业“涅槃”重生的机遇和可能 路线。
1.4.2【定位】
站在大数据对各个行业影响角度，阐述大数据带来的深刻变革；通过丰富的行业案例，论述 各个行业的大数据改革之必然；阐述大数据获取和积累的方法。
1.4.3【风格】
睿智幽默，部分技术切入，引导思考为主。
1.4.4【学员要求】
政府官员、各个行业的企业的管理层（中层及高层）、各行各业的管理者为主，需要初级的 IT 知识，无需大数据知识背景。
1.4.5【内容概述】
大数据的历史由来，大数据的概念和特点；大数据对每个行业的深刻影响；大数据改变了各 个行业的哪些本质特征？大数据如何获取和整理；大数据在各个行业的具体应用案例。
1.4.6【收获】
了解大数据的历史发展沿革，在每个行业的应用案例，对每个行业的颠覆性影响，意识到大 数据是“金子 ”，并开始搜集各种数据。
1.5《美国大数据实际案例摘选》
1.5.1【背景】
概述大数据的特点和技术内容；概述美国大数据应用的程度；实际刨析介绍几个美国企业的 大数据应用案例；开阔学员的国际视角。
1.5.2【定位】
站在技术角度，分析美国大数据发展的各种案例，了解美国大数据在企业中的一些应用案例， 扩展学员的思维和视角。
1.5.3【风格】
丰富的视角和知识，技术切入，开阔思路为主。
1.5.4【学员要求】
技术人员为主，学生、各行各业技术管理人员为主，需要较高的的 IT 知识、大数据知识背 景。
1.5.5【内容概述】
大数据在美国的演进发展历史；美国大数据的应用情况；谷歌、 facebook、亚马逊等企业的 大数据应用案例分享；对比、思考国内大数据发展的异同点。
1.5.6【收获】
了解大数据在美国的发展历程，分享部分大企业的大数据成功应用案例，思考国内外企业在 大数据应用的异同点。
1.6《我该如何着手做大数据？》
1.6.1【背景】
每个企业和个人都面临着这样的思考，我如何进行大数据的工作；如何将大数据应用到自己 的工作、生活甚至日常管理中？本课程将从大数据的应用案例开始，阐述一个工作者如何将 大数据引入到自己的工作中；如何将大数据引入到自己的生活中；如何改变自己的思维意识 形态等等。
1.6.2【定位】
站在从业者角度，阐述如何进行大数据思维的改造，如何设计大数据系统架构，如何应用大 数据到自己的日常工作中，在大数据设计、应用中有哪些经验教训等。
1.6.3【风格】
风趣幽默，技术切入，引导思考为主。
1.6.4【学员要求】
各行各业的管理者、技术专家为主，需要一定的 IT 知识、大数据知识背景。
1.6.5【内容概述】
HYPERLINK "1.6.5.1" 1.6.5.1 大数据是什么样的思维特征；大数据对个人的工作和生活带来哪些深刻影响；如何实 际应用大数据到自己的工作中；如何设计大数据系统和及应用架构；如何将大数据应用到个 人的日常 生活中；如何具备大数据思维；如何提升自己的大数据“数商 ”。
1.6.6【收获】
站在个人角度，阐述大数据如何切入到自己的工作和生活中，培养自己的数据思维，颠覆传 统的一些理念。
1.7《物联网下的大数据分析》
1.7.1【背景】
物联网为各个行业带来了深刻的影响，促进中国制造 2025 的升级，变革很多行业的产品设 计、生产、管理模式；物联网产生了海量的大数据，这些数据将促进物联网的深刻发展；如 何将这些大数据反过来初进物联网的良性发展，是摆在每个从业者面前的问题。
1.7.2【定位】
从物联网的发展开始，引出产生的丰富数据，并回头用这些大数据改进物联网的应用水平， 促进物联网和大数据间的良性发展。
1.7.3【风格】
睿智风趣，技术切入，引导思考为主。
1.7.4【学员要求】
各个行业的管理者，物联网、大数据的从业者，需要一定的 IT 知识、物联网知识和大数据 知识背景。
1.7.5【内容概述】
阐述物联网的概念和特点；论述物联网对社会和企业的深刻影响；阐述物联网如何带来丰富 的大数据；这些数据在结构和应用上有哪些特点；论述大数据能够辅助物联网的哪些应用； 物联网下大数据系统设计的关键点；提升物联网的应用生态环境；思考物联网的新飞跃。
1.7.6【收获】
了解物联网的基本内容和业务应用场景，获取大数据的在物联网中的应用场景，跨界感知两 者的融合发展。
1.8《大数据和大分析》
1.8.1【背景】
目前国内业界大多处于大数据的收集和整理阶段为主，这些数据收集和整理之后，如何进行 应用，如何带来价值，是所有大数据从业者必须思考的问题；从笔者书中提出的“大分析”概 念入手，阐述大分析能够带来的各种应用和价值。
1.8.2【定位】
站在技术和业务角度，参数大分析的概念和特点，警醒从业者要充分关注大数据的业务应用。
1.8.3【风格】
睿智风趣，技术切入，分享业务应用案例，引导思考为主，提升学员的业务思考角度。
1.8.4【学员要求】
政府官员、企业的管理层（中层及高层）、学生、各行各业大数据从业者为主，需要初级的 IT 知识、大数据知识背景。
1.8.5【内容概述】
从大数据引出大分析的概念和特点；大分析的应用领域和关键点；大分析的具体企业应用案 例；大分析的应用关键点；如何提升业务人员的参与积极性；如何让业务人员感受到大分析 的甜头；如何落地大分析的业务应用；如何评估大分析应用的价值等。
1.8.6【收获】
站在大分析角度，了解业务应用的设计角度；促进业务应用渗透到企业的每一个毛孔；感受 数据应用的魅力；预知大分析应用的各种痛点；增加大分析应用的经验值。
1.9《大数据面临的问题汇总》 ——大数据会死吗？
1.9.1【背景】
大数据在经过炒热阶段之后，在进入实际建设部署和应用阶段之后，必将面临一些困惑；如
何解决这些困惑，如何应对企业内外的各种质疑；如何让各级领导提前打预防针；让大数据 健康发展，及时规避风险。
1.9.2【定位】
站在技术、应用和管理角度，阐述大数据系统发展过程中必将面临的各种问题；通过一个实 际案例刨析，分享如何解决大数据发展面临的各种问题。
1.9.3【风格】
风趣幽默，技术切入，引导思考为主。
1.9.4【学员要求】
政府官员、企业的管理层（中层及高层）、学生、各行各业从业者为主，需要初级的 IT 知识、 大数据知识背景。
1.9.5【内容概述】
大数据建设发展的几个具体阶段；每个阶段将面临的问题汇总；如何解决这些问题；某个案 例样本的实际刨析；大数据会死的几种风险分析；如何从管理、技术、应用角度规避相关风 险；如何让领导层充分意识到每个阶段的困难与黎明；如何让大数据进行见效（变现）；哲 学层面的思考。
1.9.6【收获】
分析大数据实际建设、运营过程中会面临的各种风险，提前预知各种问题，降低手忙脚乱的 程度。从别人的血泪中，感知大数据项目的各种艰辛，坚定光明的未来！
2 技术层面培训
2.1《大数据与数据仓库》
2.1.1【背景】
从数据仓库的历史沿革开始，阐述数据仓库对企业数据集中的重要作用，论述发展到大数据 的历史必然；论证两者间的关系，阐述大数据的继承基础；阐述大数据要继承数据仓库中的 哪些内容；分析大数据有扩展了数据仓库的哪些内容；辩证地分析两者的沿革、关系和发展
关系。
2.1.2【定位】
站在技术发展演进的角度，阐述数据仓库发展到大数据的历史必然，但也要从数据仓库中吸 取哪些营养；大数据是站在巨人的肩上，就要吸取哪些经验和教训；未来大数据的技术路线 中要借鉴数据仓库的哪些理念。
2.1.3【风格】
风趣幽默，技术切入，引导思考为主。
2.1.4【学员要求】
企业的管理层（中层及高层）、学生、各行各业从业者为主，需要中级的数据仓库知识、大 数据知识背景。
2.1.5【内容概述】
数据仓库的概念和特点；数据仓库与大数据的关系；大数据对数据仓库的继承和扩展；大数 据要学习数据仓库的哪些内容；大数据为什么可以担当企业信息化的“ 主角 ” ；大数据中“ 去 IOE”的价值；大数据的开源意义；大数据的理念变革。
2.1.6【收获】
借助互联网技术的发展沿革，阐述到“大数据*” 的历史发展必然；了解这种升级过程对于 IT 系统的变革和关键点；理解大数据对各个行业和企业的乘法倍增效益。
2.2《数据仓库概念及案例实践》
2.2.1【背景】
虽然大数据如火如荼，但其发源的数据仓库却鲜有人思考；在数据仓库的实践中积累了哪些 经验和教训，这些经验对于大数据有哪些实际的借鉴意义；刨析数据仓库可以更好地扩展大 数据的思路，降低走弯路的风险。
2.2.2【定位】
站在技术发展演进的角度，阐述数据仓库建设过程中的经验和教训，以此供大数据借鉴和发 展。
2.2.3【风格】
睿智风趣，技术切入为主，引导思考。
2.2.4【学员要求】
政府官员、企业的管理层（中层及高层）、学生、各行各业从业者为主，需要一定的 IT 知识、 数据仓库知识和大数据知识背景。
2.2.5【内容概述】
大数据是从石头里蹦出来的吗？数据仓库的引出；数据仓库的概念和特点；数据仓库的关键 技术内容，数据仓库哪些点引出了大数据；数据仓库的经验和教训，一个实际案例的刨析； 数据仓库过时了吗？大数据的继承“IOE”到去“IOE” ；大数据的开源思维；数据仓库的数据质 量管控；从数据仓库到大数据转型的关键点；如何缩短“在路上 ”的时间。
2.2.6【收获】
首先分析数据仓库的经验教训，然后推及大数据目前的不足和风险点，拓展到大数据建设、 运营的关键点。记住：“忘记过去就是背叛 ” ！
2.3《大数据的架构设计与实践》
2.3.1【背景】
大数据系统的架构设计应该如何入手？大数据建设和运营应该从哪里入手？大数据的建设 如何避免弯路？大数据的价值如何尽快发挥出来？大数据架构设计的原则和要点是什么？ 能否给出一个具体的实际大型大数据系统的设计案例？
2.3.2【定位】
从技术和管理角度，借助大数据系统实际设计案例，给出大数据系统进行架构设计的经验和 教训。
2.3.3【风格】
睿智风趣，技术切入为主，引导思考。
2.3.4【学员要求】
企业的管理层（中层及高层）、各行各业从业者为主，需要较高的 IT 知识、数据仓库知识、 大数据知识背景。
2.3.5【内容概述】
什么是大数据架构设计？其关键点有哪些？大数据建设和运营的关键点；大数据架构设计的 原则和要点；大数据架构设计的实际案例；大数据架构设计的哲学思辨；大数据架构的教训。
2.3.6【收获】
了解大数据系统进行架构设计过程中的一些关键点，进行一定程度的取舍，获取别人的实战 经验、教训。
2.4《大数据中 HADOOP 生态技术概述》
2.4.1【背景】
大数据的概念十分流行，涉及十分广阔的生态圈。以 HADOOP 为基础，大数据的生态圈都 有哪些技术？这些不同的技术其设计的目的如何？组成了怎样的生态体系，服务不同的具体 功能目的？
2.4.2【定位】
从技术角度，结合实际应用场景，叙述 HADOOP 生态不同组件的内容和特点。
2.4.3【风格】
睿智风趣，技术切入为主，概述性介绍。
2.4.4【学员要求】
各行各业大数据从业者为主，需要一定的 IT 知识、数据仓库知识、大数据知识背景。
2.4.5【内容概述】
大数据的生态圈介绍，各个组件的概念和特点；开源社区的介绍及网址；HADOOP 原理介 绍，Map/reduce 算法原理，HDFS 原理；YARN 原理和特点；SPARK 原理和特点，实际应用 案例；HIVE/HBASE 原理及特点，实际案例；容器原理及特点，实际案例；STORM 原理及特 点，实际案例；Oozie 原理及特点，实际案例；Zookeeper 原理及特点，应用案例；flume 原 理及特点，应用案例；Sqoop 原理及特点，应用案例；Ambari 原理及特点，应用案例；Pig 原理及特点，应用案例；R 原理及特点，应用案例。
2.4.6【收获】
了解大数据生态圈基本内容，了解各个组件的具体原理和特点，知道各个组件如何应用在各 种实际应用场景。
2.5《HADOOP 原理及应用案例》
2.5.1【背景】
介绍大数据的基础 HADOOP 的原理，及其生态环境；阐述文件型存储的原理及特点；了解 其在实际案例中的应用等。
2.5.2【定位】
从技术角度，结合实际应用场景，叙述 HADOOP 生态及其自身的内容和特点。
2.5.3【风格】
睿智风趣，技术切入为主，技术原理性介绍和案例分享。
2.5.4【学员要求】
各行各业大数据从业者为主，需要较高的 IT 知识、数据仓库知识、大数据知识背景。
2.5.5【内容概述】
以 HADOOP 为基础，介绍其引出的来龙去脉；介绍 HADOOP 的主要技术原理；了解 HADOOP 的优缺点；介绍 HDFS 的原理及特点；介绍 NAMENODE、datanode 等概念；介绍zookeeper 的原理及方法；YARN 的原理及优点、缺点；与容器间的关系；AMBARI 运维管理的内容及 特点；上层组件的概述及关系；HADOOP 实际应用案例；版本演进的过程等。
2.5.6【收获】
了解大数据基础的 HADOOP 原理，知道其优缺点， 明确如何在实际中应用和落地。
2.6《SPARK 原理及应用案例》
2.7《HIVE/HBASE 技术及应用案例》
2.8《R 语言的原理与应用》
2.9《SCALA 原理及应用》
2.10《HADOOP 生态运维经验汇编》
2.11《数据挖掘的原理及应用案例》
2.11.1【背景】
有了大数据之后，如何充分发掘大数据的价值，就变得十分迫切；数据挖掘的内容和作用凸 显出来。通过实际案例，分享数据挖掘不同算法的应用场景，及应用的特点。
2.11.2【定位】
从技术角度，结合实际应用场景，叙述数据挖掘技术的内容和特点；介绍几种主要的算法。
2.11.3【风格】
睿智风趣，技术切入为主，技术原理性介绍和案例分享。
2.11.4【学员要求】
各行各业大数据从业者为主，需要较高的 IT 知识、数据仓库知识、大数据知识背景；有 一 定数学算法基础。
2.11.5【内容概述】
介绍数据挖掘的内容及历史沿革；数据挖掘的引出；数据挖掘的各种算法及特点；关联算法 及应用案例；分类算法及应用案例；聚类算法及应用案例；神经网络算法及应用案例；数据 质量整理过程；数据挖掘全过程；刨析一个数据挖掘的实际案例，解释最后一公里的重要性； 数据挖掘在实践中的关键点思考；数据挖掘的部分工具介绍；数据挖掘在数据仓库与 HADOOP 环境中的异同分析等。
2.11.6【收获】
了解数据挖掘的基本概念和过程，熟悉相关算法基本原理；对数据挖掘如何实际应用有基本 了解；掌握数据挖掘在实践中的基本关键点。
2.12《大数据的数据治理及实践》
2.12.1【背景】
大数据系统建设过程中，数据治理工作量占到 60%以，如何进行数据治理的工作变得十分重 要；数据治理的内容和关键点；实际应用中的具体案例如何等。
2.12.2【定位】
从技术角度、管理角度，结合实际应用场景，叙述数据治理技术的内容和特点；介绍一些基 本的技术内容，给出多年的实践思考。
2.12.3【风格】
睿智风趣，技术切入为主，从技术、管理角度介绍和案例分享。
2.12.4【学员要求】
各行各业大数据从业者为主，需要较高的 IT 知识、数据仓库知识、大数据知识背景；有 一 定数据管理基础。
2.12.5【内容概述】
数据治理的概念和特点；元数据的概念和特点，元数据如何应用；数据质量的问题鱼骨图， 数据质量如何应用；数据治理的管理机构设置，具体管理流程；数据标准的定义和具体方法； 数据接口的定义和方法；数据管理体系，DAMA 介绍；元数据的运维要求与经验；数据质量 实际运维要求与经验。数据治理的经验点滴，数据治理的哲学思辨等。
2.12.6【收获】
了解数据治理的基本概念和过程，熟悉元数据、数据质量管控的基本原理和方法，掌握实际 应用的场景和经验。
2.13《大数据下的人工智能及案例》
3 应用层面培训
3.1《财务大数据的分析及应用》
3.2《呼叫中心中的数据掘金》
3.3《人力资源的数据分析》
3.4《数据安全的管控方法》
3.5《大数据的互联网思维》
3.6《大数据下的供应链管控》
3.7《大数据下的客户欺诈识别》
3.8《大数据下的位置类服务应用》
3.9《大数据下的客户征信类服务应用》
3.10《大数据下的产品分析》
3.11《大数据下的精准营销变革》
4 管理层面培训
4.1《大数据的标准管理》
4.2《大数据的数据质量管控管理经验》
4.3《大数据的安全管控及经验》
4.4《大数据的仪表盘》 ——各种 KPI 的可视化展现
4.5《大数据的 APP STORE 应用激励》——百花齐放的环境
4.6《某中央企业大数据系统 16 年案例刨析》 ——避免哪些 坑？
5 行业培训
5.1《大数据助力工业 4.0》——从 alpha 狗开始的挑战
5.2《制造业的大数据应用及案例》——个性化制造的开始
5.3《电力行业的大数据建设与应用》——升级电力数据的价 值
5.4《金融行业的大数据应用》 ——大数据颠覆下的“ 生存”
5.5《会展行业的大数据》 ——找到你的客户
5.6《食品行业的大数据》 ——食品安全的保障
5.7《电信行业的大数据》 ——大数据运营商的转型
5.7.1【背景】
电信行业拥有海量的大数据，但如何收集、整理这些数据资源，如何让这些数据发挥价值， 需要持续的探索；电信行业大数据应用有哪些特点？如何促进从网络运营商到大数据运营商 的转型；电信行业大数据的应用案例等。
5.7.2【定位】
分别从管理、业务和技术角度，介绍电信行业大数据的特点及应用的领域，分享具体的实际 案例和经验。
5.7.3【风格】
风趣幽默，管理、业务和技术多角度切入，引导思考为主。
5.7.4【学员要求】
电信企业的管理层（中层及高层）、大数据技术从业者为主，需要一定的数据仓库知识、大 数据知识背景，熟悉电信行业。
5.7.5【内容概述】
电信行业大数据的引出历史，数据特点和应用特点；电信大数据的应用领域；电信客户分析 及案例；电信产品分析及案例；电信精准营销及案例；电信企业精细化管理及案例；电信大 数据系统构建及案例；电信大数据建设、运营经验分享。
5.7.6【收获】
了解电信行业大数据的特点及应用领域，进行客户分析、产品分析、精准营销、精细管理等 具体应用，掌握大数据系统设计的原理、案例和经验教训。
5.8《汽车行业的大数据》 ——让汽车成为你的助手
5.9《培训行业的大数据》 ——真正的“ 因材施教 ”
5.10《旅游行业的大数据》——洞察游客的行为和爱好
5.11《政府行业的大数据》——用大数据提升效率和效果
5.12《石油行业的大数据》——比石油更贵的“数据金子”
5.13《手机行业的大数据》——切入大数据的入口
5.14《互联网企业的大数据》——如何转型成为大数据平台？
6 特点及定位
1 、理论联系实践，分享各行业大数据的案例和前景
2 、从应用、管理角度切入，让大数据通俗易懂
3 、120 亿买来的经验分享，血和泪的真实教训
4 、深厚的理论、广泛的阅历、行业的掌控、多年的实践——“我最懂大数据！”

段方老师的其它课程