大数据挖掘在制造业的应用

|时间 |内容 |目的 |
|2课时 |一、大数据时代概述 |本模块收益： |
| |1.大数据的应用历史 |重点了解大数据的 |
| |2.大数据的全景视图 |发展背景及趋势， |
| |3.最热门的大数据工具有哪些 |具备大数据的视野 |
| |4.技术部门的员工应该具备哪些大数据的技能? |开展形式：案例分 |
| |5. CRISP方法论 |析及演练 |
| |案例演练：一个案例学会数据分析方法论 | |
|1课时 |二、制造行业未来发展定位及趋势分析 |本模块收益： |
| |1.大数据在制造行业的运用 |掌握大数据对制造 |
| |2.大数据时代对传统制造模式的颠覆 |业的影响及引发对 |
| |3.转型探索时期客户对产品的新期望 |未来的思考 |
| |4.竞争力提升思考 | |
|2课时 |三、 工业产品指标分析 |本模块收益： |
| |1.为什么相同的指标会出现不同的解读? |1、学会如可进行数|
| |2. 使用模型来解读指标 |据解读，建模的主 |
| |案例：透过模型分析业务场景 |要方法及计算方法 |
| |3. 关于指标的几种常见算法 |2、如何发现数据的|
| |均值/中位数 |异常，以及进行数 |
| |四分位和箱线图 |据监控 |
| |标准差 | |
| |时间序列分析分析法 | |
| |4. 质量定义与监测 | |
| | | |
| |四、 数据监测和异常值分析 | |
| |1. 异常值的业务定义 | |
| |2. 异常值的统计学定义 | |
| |3. 基于规则异常值分析 | |
| |定义规则 | |
| |规则匹配 | |
| |4. 基于数据挖掘算法的异常值发现 | |
|3课时 |五、构建质量的分析体系 |本模块收益： |
| |本节介绍如何在企业内部实施大数据，利用大数据|从市场营销角度分 |
| |驱动企业的营销动作 |析数据，找到客户 |
| |1. 大数据如何与企业的营销结合 |行为规则，并与营 |
| |a) 营销动作和大数据的结合 |销相结合，为后续 |
| |b) 岗位的设置和技能要求 |的营销方案提供依 |
| |2. 分析模型的设计、实施工具 |据 |
| |a) SPSS Clementine简介 |掌握关键的数据分 |
| |b) SAS简介 |析运用工具，以及 |
| |c) SQL Analysis简介 |数据分析方法，通 |
| |d) Excel控件简介 |过关键指标进行案 |
| |3. 数据的收集和准备 |例分析 |
| |a) 数据的来源 |3、开展形式：案例|
| |b) 原始数据转换为业务数据 |分析、工具演练、 |
| | |现场实操、现场辅 |
| |六、基于关键指标的分析方法 |导 |
| |指标分析是一种快速的产品质量分析手段，是衡量| |
| |批次产品的指标， 本节介绍如何通过指标构建数 | |
| |据分析模型。 | |
| |1. 案例思考：从一张报表说起 | |
| |2. 传统的基于指标分析的缺陷 | |
| |3. | |
| |把KPI指标和管理理念相结合，搭建分析模型分析 | |
| |营销状况 | |
| |4. 案例解析： | |
| |a) 竞争力分析模型 | |
| |b) 利润分析模型 | |
| | | |
|3课时 |七、 常用的挖掘算法简介 |本模块收益： |
| |1.描述类分析算法 |1、掌握常用的数据|
| |关联规则 |挖掘与分析的方法 |
| |聚类分析 |及工具 |
| |异常值分析 |2、现场制作数据分|
| |2. 分类和预测算法 |析模型，图表，工 |
| |类神经网络 |具应用，讲师现场 |
| |决策树 |辅导点评 |
| |逻辑斯蒂回归 |制定行动学习计划 |
| |贝叶斯网络 | |
| |时间序列 | |
| | | |
| |八、管理理念下的实用数据工具 | |
| |1.统计和计算过程是机器的事 | |
| |案例分析：数据挖掘工具使用 | |
| |2.矩阵分析的应用 | |
| |3.敏感性分析寻找管理方向 | |
| |案例分析：多维度规划 | |

骆飞老师的其它课程