【课程背景】

数字经济，是一个新的经济形态，也是一个新的产业。

作为经济学概念的一员，数字经济是人类**大数据（数字化的知识与信息）的识别，选择，过滤，存储，使用，引导、到实现资源的快速优化配置与再生、实现经济高质量发展的一种经济形态。

用一种内涵比较宽泛的概念来说，凡是直接或间接利用数据来引导资源发挥作用，推动生产力发展的经济形态都可以纳入其范畴。在技术层面，包括大数据、云计算、物联网、区块链、人工智能、5G通信等新兴技术。在应用层面，“新零售”“新制造”等都是其典型代表。

从系统到软件，从软件到互联网，从互联网到数据，从数据到大数据，这些年基于效率提升的产业互联网业发展的如火如荼。但这些名词似乎都还不能代表这一波科技和数据驱动的经济大发展。**明显的是，数据驱动的GDP产值在很多城市GDP中比重越来越高。所以数据不只是生产资料了，它已经逐渐成为经济的重要驱动力，正在开始创造价值，所以数据是生产力。

大数据为企业创造了新的商机。挖掘数据价值是传统企业转型和互联网企业创新的必由之路。然而，复杂的结构化和非结构化数据不能被传统技术处理。大数据挖掘，面对电子邮件、照片、视频、音频、文本等海量信息，新数据可以迅速生成，不同类型的数据混合在一起。对海量数据进行准确、可靠的分析和处理，获取高价值信息，将为企业带来丰厚的利润。

数据仓库是数据仓库开发中**核心的部分。然而完整的数据仓库系统还会涉及其他一些组件的开发，其中**主要的是ETL工程，在线分析处理工具(OLAP)和商务智能(BI)应用等。

了解数字经济，有利于我们在形成数字大局观，在未来数字经济时代不掉队，不被淘汰。特别是在大数据时代，我们能具有先进的数字能力，与时俱进。再进一步，在数字世界里，能从中获取数字经济所带来的红利；甚至有机遇能够制定规则，服务大众。

课程将以数据运作的本质为核心，帮助学员认识数据仓储的核心理念、了解数据仓储是如何建构成的？数据仓储对企业数字化变革有什么影响？数据本身为什么成为在数字经济构成的核心要素？如何利用大数据工具与方法，全面提升企业在数字经济时代的生产力？使学员能够知其然，更能知其所以然。能够使企业经营团队，能够具备展望未来的数字经济新思维，协助企业提升创新能力与生产力，同时还能提升自身的数字化数据治理能力，快速占领行业制高点！

【课程收益】

Ø 了解“数据仓储”的定义，与对企业经营的影响

Ø 了熟悉“数据资产”的定义，以及如何变现的发展趋势

Ø 了解“数据仓储”在数字平台中的定位，及其与大数据之间的关联

Ø 了解“实时”与“离线”数据仓储的逻辑与实际运作差异

Ø 熟悉企业建构数据仓储及其相关应用，所需具备的核心技术能力

Ø 了解如何识别与规避实，在企业云进行数据仓储应用建设的可能风险

【课程特色】方法，知其然；科学，亦知其所以然；实战，真实案例解析

【课程对象】企业领导人，CEO（首席执行官），CFO（首席财务官），CMO（首席市场官），CIO（首席信息官），CSO（首席安全官），COO（首席运营官），营销业务主管，战略规划业务主管，信息科技部相关主管，信息科技部资深架构师

【课程时间】6小时

【课程大纲】

一、 “数据仓储”，“OLAP”与“数据挖掘”三者彼此之间的关系为何？

a) “大数据平台”的框架与内涵

b) “数据仓储”的定义与内涵

c) “OLAP”的定义与内涵

d) “数据挖掘”的定义与内涵

e) 案例分析/研讨 – 通用电子 财务总账决策分析

二、  “数据仓储”的特性为何？

a) 反映历史数据的变化

b) 数据相对稳定

c) 面向业务主线

d) 基于业务/事务来集成数据

e) 实时 vs. 离线

f) 案例分析/研讨 – AWS 客服 客户行为分析与状况处理

三、 数据仓储的构建与实践

a) 创建数据仓库

b) 数据前置处理（ETL：Extract, Transform, Load）

c) OLAP/BI 的应用理念与相关工具

d) 案例分析/研讨 – 台积电 （TOM：Total Ordering Management）

四、 “OLAP”的分类基本架构为何？

a) “OLAP”与“OLTP”的区别

b) “OLAP”的分类基准

c) “OLAP”的基本操作

d) “OLAP”的选型考量

五、 如何透过大数据平台科技，使能数据资产变现？

a) 数据资产的定义与内涵

b) 操作数据存储（ODS：Operation Data Store）

c) 数据集市（DM：Data Mart）

d) 数据湖（DL：Data Lake）

e) 数据中台

f) 数据治理的重要性与必要性

g) 案例分析/研讨 – 富士康 无灯工厂

六、 如何识别与规避数据平台建设与运维过程中的风险？

a) 缺乏可持续运作的数据治理机制

b) 缺乏全方位风险管控的体系

c) 缺乏数据类相关人才（治理，管理，运维）

d) 案例分析/研讨 – 丰田 东京奥运“无人运输”云转型建设

七、 课程总结 & 答客问