枫影(王鸿华):数字中国、数据二十条

枫影老师枫影(王鸿华) 注册讲师 4查看

课程概要

培训时长 : 0天

课程价格 : 扫码添加微信咨询

课程分类 : 数据分析

课程编号 : 35720

面议联系老师

适用对象

1

课程介绍

【课程背景】

《数字中国建设整体布局规划》的出台,明确了中长期我国数字中国建设的方向和重要工作,尤其对数字基础设施和数字资产,数字技术与其他领域的深度融合等多方位做出了深度的阐述。可以说本次的《规划》对未来长期的数字中国建设有着强有力的指导意义,是每一家企业都应该要明确的。

【课程收获】

1. 了解数字中国的概念、内涵和布局

2. 了解数据二十条的相关政策举措

【课程对象】全员

【课程时长】6小时

【课程大纲】

一.数字中国的内涵与布局

1. 《数字中国建设整体布局规划》诞生的背景

2. 《规划》内容解读

(1)中长期规划:2035年,数字中国建设取得重大成就

(2)“2522”整体框架解读

l 一是夯实数字基础设施和数据资源体系“两大基础”

l 二是推进数字技术与经济、政治、文化、社会、生态文明建设“五位一体”深度融合

l 三是强化数字技术创新体系和数字安全屏障“两大能力”

l 四是优化数字化发展国内和国际“两个环境”

(3)规划整体体系的要求:整体布局、系统推进、全面赋能

3. 《规划》落地实施的要求

(1)坚持改革创新,主动适应数字化发展规律

(2)破除制约数字生产力释放的体制机制障碍

(3)坚持系统推进,强化数字中国建设的整体性、系统性、协同性、持续性

(4)坚持安全发展、统筹发展和安全,做到发展和安全协调一致,齐头并进

(5)坚持开放合作,着眼高水平对外开放开展数字领域国际交流合作

二.解读数据二十条

1. 从经济学角度发展看数据成为经济发展的核心驱动要素

2. 数据基础制度对发挥数据要素方面的价值

3. 《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》的背景

4. “数据二十条”发布会给市场带来什么样的影响

5. 国家数据局的职责

6. “数据二十条”数据基础制度包括了哪些?

(1)数据产权

(2)数据流通

(3)数据交易

(4)数据使用

(5)数据分配

(6)数据治理

(7)数据安全

7. 数据基础制度建设的目标及路径

(1)建设的三个前提:维护国家数据安全、保护个人信息和商业秘密

(2)工作原则:促进形成与数据生产力相适应的新型生产关系

(3)创新的标准:是否解放生产力

(4)目标:

l 增强数据的可用、可信、可流通、可追溯

l 实现数据流通全过程动态管理

8. 数据产权、数据交易与啥数据要素收益分配

枫影(王鸿华)老师的其他课程

• 枫影(王鸿华):区块链及在大数据领域的应用
【课题背景】 未来 10 年,区块链技术可能将释放巨大威力,区块链网络将成为像今天的电信网和互联网一样的社会基础架构。 但非前沿技术领域的群体则对区块链的起源、发展、技术趋势及落地应用场景尚不清楚。本课程将会从区块链技术、区块链技术原理、商业模式创新以及在大数据领域的应用等维度系统分享。帮助学员打开思路,了解外界对区块链的认知,正确帮助学员了解区块链价值及具体应用。 【参与人员】 本课程适宜于:数字技术、产业数字化、企业数字化转型等领域 【学员收获】 1. 了解区块链技术的起源、发展、技术原理、发展历程及现状 2. 了解区块链技术在大数据领域的应用 【课程纲要】 一.区块链技术 1. 区块链的起源和发展 (1) 比特币的故事 (2) 区块链的发展历程:从比特币、以太坊、智能合约到资产数字化,区块链快速融入实体 2. 区块链发展阶段、现状及特点: (1)区块链1代:比特币 (2)区块链2代:以太坊 (3)区块链3代:价值互联网 (4)整体特点:价值属性、存证属性、信任属性、智能属性、溯源属性 3.区块链技术原理: (1)区块链的整体架构 (2)区块链的关键技术——密码学、共识算法、智能合约、P2P网络 4.区块链的主要应用领域 (1)商业模式创新:联盟链的共识算法与智能合约 (2)价值互联网:资产数字化溯源与P2P交易 【案例】区块链在金融、农业、养老、文化领域中的应用 二.区块链技术在大数据领域的应用 1. 区块链+大数据之间的关系 (1)区块链定义为技术 (2)大数据定义为内容区块 (3)大数据借由区块链实现数据价值增值 2. 大数据作为内容的价值要求 (1)内部数据治理:数据来源可靠、数据不可篡改、数据隐私 (2)外部数据资产:能够面向业务、面向外部自由调用和交易 3. 区块链在大数据的应用 (1)借由区块链的特性实现内部数据治理 (2)把数据作为生产要素,进行内-外的数据资产交易 4. 区块链+数据资产管理 (1)数据资产化:数据资产所有权属与未来价值 (2)数据资产化面临的困境:数据资产权属管理与数据资产交易 l 数据资产:实体物理资产的数字化映射、虚拟权益类数字资产 l 权属管理:TTP与去中心化的ODIN标识号 l 数据资产交易:数字产权保护、区块链间的跨链交易与智能合约 (3)区块链+所有权:可溯源+加密技术,破解数据所有权 (4)区块链+交易:实现P2P点对点的数据资产交易 5. 区块链数字资产管理平台设计 (1)应用服务层:场景应用 (2)应用接口层:API、SDK (3)底层平台:用户系统、分布式账本系统、合约系统 6. 区块链+数字资产管理的实现路径 (1)1.0 区块链数字资产平台大量的建立 (2)2.0 数字身份、数字公正、资产数字化,实现实体资产上链 (3)3.0 智能资产、数字自律组织、形成P2P价值交换互联网 7. 区块链+数字资产管理的落地案例 (1)布萌数字资产平台 (2)小蚁智能资产平台 (3)南网电网用电数据资产交易
• 枫影(王鸿华):企业数据平台架构解析
【课程背景】 随着大数据的崛起,企业数据平台架构成为企业竞争力的关键。为满足企业对高效、稳定数据平台的需求,培养专业人才,《企业数据平台架构解析》课程应运而生。 【课程收获】 * 掌握数据平台架构的核心知识 * 提升解决实际问题的能力 * 增强跨部门协作与沟通能力 * 培养创新思维与前瞻意识 【课程对象】数据产品人群 【课程时长】1天 【课程大纲】 一、什么是企业数据平台 1. 定义企业数据平台 2. 企业数据平台与传统数据仓库、数据中台的区别和联系 3. 企业数据平台的核心功能和特点 二、为什么需要企业数据平台 企业需要企业数据平台的原因主要有四点: 1. 数字化转型:确保数据在不同场景、组织和产业间的互通。 2. 数据治理:随着数据量增长,数据平台有效管理数据,保障数据质量、合规性和安全性。 3. 数据挖掘与AI建模:数据平台为数据挖掘和AI建模提供丰富数据源,支持智能化决策。 4. 竞争力与产业融合:数据平台增强企业竞争力,促进与产业链伙伴的数据共享和协同。 三、企业数据平台架构概览 1.数据平台架构体系 (1) 数据采集层:包括数据源、数据接入方式等。 (2) 数据存储层:包括分布式存储、数据湖、数据仓库等。 (3) 数据处理层:包括批处理、流处理、图计算等。 (4) 数据分析层:包括数据查询、数据挖掘、机器学习等。 (5) 数据服务层:包括API接口、可视化工具、数据产品等。 2.数据采集层 (1)数据源识别与接入 * 确定数据采集的源头 * 多种数据源接入方式的支持与适配 (2)数据抽取与集成 * 数据抽取技术与策略 * 数据清洗与格式化 (3)数据安全与隐私保护 * 数据加密与传输安全 * 隐私保护技术与策略 3.数据存储层 (1)存储方案选择 * 关系型数据库 * 非关系型数据库 * 分布式存储系统 (2)数据存储优化 * 数据分区与分片 * 数据压缩与索引 (3)数据备份与恢复 * 备份策略与周期 * 数据恢复流程与演练 4.数据处理层 (1)数据预处理 * 数据清洗与去重 * 数据转换与标准化 (2)数据计算与挖掘 * 批处理与实时计算 * 数据挖掘算法与模型 (3)数据质量监控 * 数据完整性校验 * 数据准确性评估 5数据分析层 (1)数据分析工具与平台 * 数据可视化工具 * 高级数据分析与建模平台 (2)数据分析方法 * 描述性分析 * 预测性分析 * 探索性分析 (3)数据洞察与价值提取 * 业务问题分析与解决 * 数据驱动的决策支持 6.数据服务层 (1)数据API与服务接口 * RESTful API * 数据服务接口定义与规范 (2)数据安全与访问控制 * 数据权限管理 * 数据访问审计与监控 (3)数据服务性能优化 * 负载均衡与容灾 * 服务性能监控与调优 四、企业数据平台架构的组件关系 1. 各层次之间的数据流与依赖关系 2. 组件间的交互与协同工作 3. 数据安全、隐私保护与数据治理的重要性
• 枫影(王鸿华):非结构化数据管理
【课程背景】 在当今的信息时代,非结构化数据如文本、图像、视频和音频等占据了数据总量的大部分。这些数据因其格式多样和内容复杂,难以用传统的数据库和分析工具处理。非结构化数据分析课程旨在教授如何有效地收集、处理和分析这些数据,以提取有价值的信息和洞察,支持决策制定和业务增长。 【课程收获】 1. 理解非结构化数据的特性和在现代业务中的重要性。 2. 掌握非结构化数据收集、存储和管理流程、方法。 3. 学习如何使用先进的技术和工具进行非结构化数据清洗和转换。 【课程时长】1天(6h) 【课程大纲】 1. 非结构化数据的特点 1.1多样性:包括文本、图像、视频、音频等多种格式。 1.2大量性:数据量巨大,增长速度快。 1.3复杂性:数据格式和内容复杂,难以用统一的标准来管理。 2. 非结构化数据管理及目标 2.1数据整合:将分散在不同位置的非结构化数据集中管理。 2.2数据访问:提供便捷的数据检索和访问机制。 2.3数据安全:保护数据不被未授权访问和泄露。 2.4数据治理:确保数据的合规性和质量。 2.5数据价值挖掘:通过分析技术从数据中提取有价值的信息。 3. 管理流程与技术工具 3.1 数据采集 l 收集来自不同来源的非结构化数据。 l 技术工具:使用数据集成工具和APIs来自动化数据采集过程。 3.2 数据存储 l 选择合适的存储解决方案,如对象存储系统。 l 技术工具:使用对象存储系统来存储,确保数据的可扩展性和持久性。 3.3 数据分类与索引 l 对数据进行分类,以便于管理和检索。 l 技术工具:利用机器学习算法,使用全文搜索引擎创建数据索引,提高检索效率。 3.4 数据安全 l 实施加密、访问控制等安全措施。 l 技术工具:部署数据加密工具和访问管理平台,确保数据传输和存储的安全。 3.5 数据治理 l 制定数据管理政策,包括数据质量、元数据管理等。 l 技术工具:使用数据治理软件来帮助管理数据的生命周期和合规性,自动化元数据的收集和维护。 3.6 数据分析 l 使用数据分析工具和技术提取洞察。 l 技术工具:应用机器学习和人工智能技术,如自然语言处理(NLP)和计算机视觉,来分析文本、图像和视频数据。 3.7 数据维护 l 定期清理和维护数据,确保数据的可用性和完整性。 l 技术工具:使用自动化脚本和数据管理工具来清理无用数据,维护数据的整洁和一致性。 4. 最佳实践 l 明确数据所有权:确定谁负责数据的管理和维护。 l 实施数据分类和元数据管理:提高数据的可检索性和可管理性。 l 定期进行数据审计:确保数据的合规性和安全性。 l 采用自动化工具:减少手动操作,提高效率和准确性。 l 持续监控和优化:根据业务需求和技术发展调整管理策略。  

添加企业微信

1V1服务,高效匹配老师
欢迎各种培训合作扫码联系,我们将竭诚为您服务