大纲：

一、 企业数据治理的必要性、商业价值和数据战略

a) 工业大数据愿景：构建数据能力，数据资产化

b) 数据现状，实施障碍和路线图

c) 数据治理的概述

d) 数据治理是工业大数据的基础

e) 工业大数据组织和人才

二、 数据管控

a) 数据管控的概述

b) 数据治理组织架构

c) 数据治理的制度规范

d) 数据治理的执行流程

三、 数据架构——业务对象数字化、模型化

a) 数据架构设计

b) 数据建模——始于业务，终于业务

c) 业务对象，作业流程，业务场景的角色和行为描述

d) 业务对象数字化表达——对象建模

e) 业务逻辑的数字化表达——业务建模

四、 工业大数据的数据标准和工业技术标准

a) 工业大数据标准和元数据制定依据

b) 国家标准、行业标准和企业标准对于数据标准的指导作用

c) 大数据标准的制定流程

d) 大数据标准制定实战

e) 数据标准的延展性

f) 数据模型和元数据

五、 工业大数据的数据标签

a) 标签对工业大数据的价值

b) 数据标签建设流程

c) 标签建设和主数据管理的关系

d) 标签类型类目设计和相关概念

e) 对象ID打通所有数据系统

f) 制造业数据标签设计实例

六、 企业主数据管理

a) 主数据和主数据管理

b) 主数据全生命周期管理

c) 企业的几类主数据

七、 企业元数据管理

a) 元数据概念

b) 元模型、元数据和数据

c) 元数据的分类

d) 常用元数据管理工具

八、 工业大数据的数据交换中心（数据集成）

a) PLM/MES/ERP/SRM/CRM/MRO等传统业务系统数据集成

b) 设备联网、产品联网，实时时序数据集成

c) 微服务APPs系统数据集成

d) 数据交换中心的技术构架和实践案例

九、 工业大数据质量管理——数据清洗、存储、查询和计算

a) 工业大数据的污染源类型

b) 工业大数据清洗技术

c) 数据类型和数据存储策略

d) 工业大数据云计算技术

十、 数据采集、集成、共享和开放

a) 工业企业数据集成共享的困境和现有解决方案的陷阱

b) 数据湖——数据集成和共享的**技术路线

c) 数据技术体系简介

d) 工业大数据应用服务架构API

i. 一个好的API的重要性

ii. 数据源分析

iii. 后端和前端的构建逻辑

e) 工业大数据场景化APPs开发

十一、 工业数据治理案例

a) 上汽数据治理实践

b) 宝钢数据治理案例

c) 威孚集团数据共享案例

十二、 工业大数据在能源企业的应用

a) 设备大数据——预测性维修

b) 安全大数据——泛在物联网 AI

c) 工艺大数据——APC先进控制系统和工艺优化

d) 质量大数据——数据和知识驱动的质量管理

e) 计划大数据——需求预测，产供销业务模型和数据驱动