數字經濟時代產業轉型升級的利器 - 數據倉儲建設之道

【課程背景】

數字經濟，是一個新的經濟形態，也是一個新的產業。

作為經濟學概念的一員，數字經濟是人類通過大數據（數字化的知識與信息）的識別，選擇，過濾，存儲，使用，引導、到實現資源的快速優化配置與再生、實現經濟高質量發展的一種經濟形態。

用一種內涵比較寬泛的概念來說，凡是直接或間接利用數據來引導資源發揮作用，推動生產力發展的經濟形態都可以納入其范疇。在技術層面，包括大數據、云計算、物聯網、區塊鏈、人工智能、5G通信等新興技術。在應用層面，“新零售”“新制造”等都是其典型代表。

從系統到軟件，從軟件到互聯網，從互聯網到數據，從數據到大數據，這些年基于效率提升的產業互聯網業發展的如火如荼。但這些名詞似乎都還不能代表這一波科技和數據驅動的經濟大發展。最明顯的是，數據驅動的GDP產值在很多城市GDP中比重越來越高。所以數據不只是生產資料了，它已經逐漸成為經濟的重要驅動力，正在開始創造價值，所以數據是生產力。

大數據為企業創造了新的商機。挖掘數據價值是傳統企業轉型和互聯網企業創新的必由之路。然而，復雜的結構化和非結構化數據不能被傳統技術處理。大數據挖掘，面對電子郵件、照片、視頻、音頻、文本等海量信息，新數據可以迅速生成，不同類型的數據混合在一起。對海量數據進行準確、可靠的分析和處理，獲取高價值信息，將為企業帶來豐厚的利潤。

數據倉庫是數據倉庫開發中最核心的部分。然而完整的數據倉庫系統還會涉及其他一些組件的開發，其中最主要的是ETL工程，在線分析處理工具(OLAP)和商務智能(BI)應用等。

了解數字經濟，有利于我們在形成數字大局觀，在未來數字經濟時代不掉隊，不被淘汰。特別是在大數據時代，我們能具有先進的數字能力，與時俱進。再進一步，在數字世界里，能從中獲取數字經濟所帶來的紅利；甚至有機遇能夠制定規則，服務大眾。

課程將以數據運作的本質為核心，幫助學員認識數據倉儲的核心理念、了解數據倉儲是如何建構成的？數據倉儲對企業數字化變革有什么影響？數據本身為什么成為在數字經濟構成的核心要素？如何利用大數據工具與方法，全面提升企業在數字經濟時代的生產力？使學員能夠知其然，更能知其所以然。能夠使企業經營團隊，能夠具備展望未來的數字經濟新思維，協助企業提升創新能力與生產力，同時還能提升自身的數字化數據治理能力，快速占領行業制高點！

【課程收益】

?  了解“數據倉儲”的定義，與對企業經營的影響

?  了熟悉“數據資產”的定義，以及如何變現的發展趨勢

?  了解“數據倉儲”在數字平臺中的定位，及其與大數據之間的關聯

?  了解“實時”與“離線”數據倉儲的邏輯與實際運作差異

?  熟悉企業建構數據倉儲及其相關應用，所需具備的核心技術能力

?  了解如何識別與規避實，在企業云進行數據倉儲應用建設的可能風險

【課程特色】方法，知其然；科學，亦知其所以然；實戰，真實案例解析

【課程對象】企業領導人，CEO（首席執行官），CFO（首席財務官），CMO（首席市場官），CIO（首席信息官），CSO（首席安全官），COO（首席運營官），營銷業務主管，戰略規劃業務主管，信息科技部相關主管，信息科技部資深架構師

【課程時間】6小時

【課程大綱】

一、“數據倉儲”，“OLAP”與“數據挖掘”三者彼此之間的關系為何？

a)       “大數據平臺”的框架與內涵

b)      “數據倉儲”的定義與內涵

c)       “OLAP”的定義與內涵

d)      “數據挖掘”的定義與內涵

e)       案例分析/研討 – 通用電子 財務總賬決策分析

二、 “數據倉儲”的特性為何？

a)       反映歷史數據的變化

b)      數據相對穩定

c)       面向業務主線

d)      基于業務/事務來集成數據

e)       實時 vs. 離線

f)        案例分析/研討 – AWS 客服 客戶行為分析與狀況處理

三、數據倉儲的構建與實踐

a)       創建數據倉庫

b)      數據前置處理（ETL：Extract, Transform, Load）

c)       OLAP/BI 的應用理念與相關工具

d)      案例分析/研討 – 臺積電 （TOM：Total Ordering Management）

四、“OLAP”的分類基本架構為何？

a)       “OLAP”與“OLTP”的區別

b)      “OLAP”的分類基準

c)       “OLAP”的基本操作

d)      “OLAP”的選型考量

五、如何透過大數據平臺科技，使能數據資產變現？

a)       數據資產的定義與內涵

b)      操作數據存儲（ODS：Operation Data Store）

c)       數據集市（DM：Data Mart）

d)      數據湖（DL：Data Lake）

e)       數據中臺

f)        數據治理的重要性與必要性

g)      案例分析/研討 – 富士康 無燈工廠

六、如何識別與規避數據平臺建設與運維過程中的風險？

a)       缺乏可持續運作的數據治理機制

b)      缺乏全方位風險管控的體系

c)       缺乏數據類相關人才（治理，管理，運維）

d)      案例分析/研討 – 豐田 東京奧運“無人運輸”云轉型建設

七、課程總結 & 答客問