(微信同号)【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画像，才能够做到“大数据比产品本身更了解产品”，大数据的产品应用场景让数据重新理解产品，把产品自身、服务与应用形成强关系，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。
课程将以大数据分析切入点，还原制造环境中的实际案例，帮助学员理解大数据、工业大数据是什么？大数据和工业大数据有什么特点，区别在哪里？数据如何洞察产品需求？大数据下的产品应用场景该怎么构建？产品整个生命周期的数据管理该如何做？大数据如何驱动新一代的制造研发新体系？使学员学之解惑，学之能用，实现企业产品研发新突破点。
【课程收益】
Ø 了解大数据、工业大数据的应用现状与痛点
Ø 大数据、工业大数据的特点、差异性、技术图谱及大数据思维
Ø 大数据分析、建模、标签化管理、数据洞察产品需求
Ø 大数据下的产品场景，找回需求原点，构建产品需求场景
Ø 产品数据分析与挖掘、产品研发前置分析、研发过程及商业应用全周期
Ø 产品商业应用的数据触角，致力打造未来数字化的“智链企业”
Ø 数据共享过程的歧视与公平，大数据推动未来智能制造
【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
【课程时间】6小时
【课程大纲】
一、认识大数据与工业大数据
1、大数据、工业大数据应用现状与痛点
Ø 大数据应用现状
Ø 大数据应用误区
Ø 大数据应用困扰及痛点
2、什么是大数据、工业大数据？
Ø 大数据、工业大数据概念
Ø 大数据能做什么
Ø 大数据应用价值
Ø 大数据与工业大数据技术关系
3、工业大数据特征与特点
4、大数据与工业大数据的差异性
5、大数据技术图谱
Ø 大数据技术基础
Ø 大数据的数据源特点
Ø 大数据技术逻辑
Ø 大数据全域识别
Ø 大数据数据展现
6、大数据思维
Ø 全样
Ø 容错
Ø 相关
Ø 智能
案例：
二、大数据分析与建模
1、大数据分析与建模
Ø 建模
Ø 训练模型
Ø 应用模型
Ø 优化模型
2、大数据标签化管理
Ø 数据标签
Ø 标签
Ø 多样化标签与场景化应用
Ø 基于标签化的产品画像
3、数据洞察产品需求
4、大数据为工业互联网赋能
5、工业大数据的数据挖掘与建模
Ø 工业大数据挖掘流程与逻辑
Ø 工业大数据基本算法逻辑
Ø 工业大数据挖掘特性
Ø 工业大数据建模逻辑
Ø 数据＋模型＝能力
6、数据安全
Ø 数据全生命周期管理
Ø 安全策略
Ø 数据管理策略
Ø 防护措施
案例：
三、贯穿整个产品生命周期的数据挖掘
1、大数据分析与数据挖掘
Ø 业务场景
Ø 数据建模
Ø 挖掘算法
Ø 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
Ø 需求任务
Ø 研究目的
Ø 关键指标
6、产品生命周期 - 产品研发设计
Ø 策略研究
Ø 概念评估
Ø 产品研发
Ø 产品测试
7、产品生命周期 – 商业应用
Ø 导入
Ø 发展
Ø 成熟
Ø 衰退
8、产品商业应用的数据触角
案例：
四、大数据驱动新一代制造研发体系
1、数据驱动，场景进阶
2、工业大数据、云计算与数据算法关系
2、致力打造未来数字化的“智链企业”
Ø 与合作伙伴的“数字化共生”
Ø 提供卓越客户体验
Ø 充分融合协作模型
Ø 构建创新业务的能力平台
3、歧视与公平
Ø 人为歧视
Ø 数据歧视
Ø 模型歧视
Ø 间接歧视
4、数据共享，解锁全新价值
Ø 差分隐私
Ø 联合分析
Ø 同态加密
Ø 零知识证明
Ø 安全多方计算
5、大数据，推动智能制造
