韩迎娣：大数据分析的产品需求洞察

【课程对象】产品研发团队、产品经理、产品需求调研团队

【课程时间】6小时

【课程背景】

    现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，同时也会释放出庞大的数据能量，大数据就是这个高科技时代的产物，大数据并不在“大”，而在于“有用”。价值含量、挖掘、应用比数量更为重要。对于需求的动态变化，需建立一个多维度的产品应用画像，才能够做到“大数据比产品本身更了解产品”，大数据的产品应用场景让数据重新理解产品，把产品自身、服务与应用形成强关系，在产品使用过程中建立数据触角，随时可清晰了解产品应用状态。

    课程将以大数据分析切入点，还原制造环境中的实际案例，帮助学员理解大数据、工业大数据是什么？大数据和工业大数据有什么特点，区别在哪里？数据如何洞察产品需求？大数据下的产品应用场景该怎么构建？产品整个生命周期的数据管理该如何做？大数据如何驱动新一代的制造研发新体系？使学员学之解惑，学之能用，实现企业产品研发新突破点。

【课程收益】

• 了解大数据、工业大数据的应用现状与痛点
• 大数据、工业大数据的特点、差异性、技术图谱及大数据思维
• 大数据分析、建模、标签化管理、数据洞察产品需求
• 大数据下的产品场景，找回需求原点，构建产品需求场景
• 产品数据分析与挖掘、产品研发前置分析、研发过程及商业应用全周期
• 产品商业应用的数据触角，致力打造未来数字化的“智链企业”
• 数据共享过程的歧视与公平，大数据推动未来智能制造
  • 大数据应用现状

【课程特色】干货，没有废话；科学，逻辑清晰；实战，学之能用；投入，案例精彩

【课程对象】产品研发团队、产品经理、产品需求调研团队

【课程时间】6小时

【课程大纲】

一、认识大数据与工业大数据

1、大数据、工业大数据应用现状与痛点

• 大数据应用误区
• 大数据应用困扰及痛点

2、什么是大数据、工业大数据？

• 大数据、工业大数据概念
• 大数据能做什么
• 大数据应用价值
• 大数据与工业大数据技术关系

3、工业大数据特征与特点

4、大数据与工业大数据的差异性

5、大数据技术图谱

• 大数据技术基础
• 大数据的数据源特点
• 大数据技术逻辑
• 大数据全域识别
• 大数据数据展现

6、大数据思维

• 全样
• 容错
• 相关
• 智能

案例：

二、大数据分析与建模

1、大数据分析与建模

• 建模
• 训练模型
• 应用模型
• 优化模型

2、大数据标签化管理

• 数据标签
• 标签
• 多样化标签与场景化应用
• 基于标签化的产品画像

3、数据洞察产品需求

4、大数据为工业互联网赋能

5、工业大数据的数据挖掘与建模

• 工业大数据挖掘流程与逻辑
• 工业大数据基本算法逻辑
• 工业大数据挖掘特性
• 工业大数据建模逻辑
• 数据＋模型＝能力

6、数据安全

• 数据全生命周期管理
• 安全策略
• 数据管理策略
• 防护措施

案例：

三、贯穿整个产品生命周期的数据挖掘

1、大数据分析与数据挖掘

• 业务场景
• 数据建模
• 挖掘算法
• 相关分析

2、大数据应用场景及场景解析

3、找回需求原点，构建产品需求场景

4、产品数据分析与挖掘的样本条件

5、产品研发前置分析

• 需求任务
• 研究目的
• 关键指标

6、产品生命周期 - 产品研发设计

• 策略研究
• 概念评估
• 产品研发
• 产品测试

7、产品生命周期 – 商业应用

• 导入
• 发展
• 成熟
• 衰退

8、产品商业应用的数据触角

案例：

四、大数据驱动新一代制造研发体系

1、数据驱动，场景进阶

2、工业大数据、云计算与数据算法关系

2、致力打造未来数字化的“智链企业”

• 与合作伙伴的“数字化共生”
• 提供卓越客户体验
• 充分融合协作模型
• 构建创新业务的能力平台

3、歧视与公平

• 人为歧视
• 数据歧视
• 模型歧视
• 间接歧视

4、数据共享，解锁全新价值

• 差分隐私
• 联合分析
• 同态加密
• 零知识证明
• 安全多方计算

5、大数据，推动智能制造