Day1

什么是数据中台

Ø 数据中台起源（阿里数据中台案例分析）

Ø 数据中台是什么？

Ø 业务中台&数据中台&技术中台概念、区别与联系

Ø 数据仓库&数据平台&数据中台概念、区别与联系

Ø 数据湖&数据河&数据沼泽概念、区别与联系

数据中台建设和架构

Ø 企业级数据中台建设背景

Ø 企业级数据中台建设目标及定位

Ø 企业级数据中台架构设计

Ø 企业数据中台成熟度评估

Ø 企业数据中台建设的应用场景

行业头部企业解决方案

Ø 阿里数据中台产品及解决方案介绍

Ø 腾讯数据中台产品及解决方案介绍

Ø 百度数据中台产品及解决方案介绍

Ø 华为数据中台产品及解决方案介绍

数据体系建设

Ø 数据体系规划

Ø 数据分层思想

Ø 贴源层数据建设

Ø 统一数仓建设

Ø 标签数据层建设

Ø 应用数据层建设

Ø 金融、电信、能源数据体系建设案例分享

数据中台架构实战

Ø 日新月益的业务及运营变化：商业赋能、数据展示、智能决策

Ø 数据资产管理：资产地图、资产分析、资产管理、资产应用、资产运营

Ø 统一数据服务：知识萃取中心、公共数据中心、垂直数据中心

Ø 智能数据研发：数据仓库规划、模型构建、指标规范、数据同步、数据开发、任务调度、监控告警

Ø 计算平台：离线计算、实时计算、流批融合

Ø 湖仓一体架构：Flink、Iceberg、Hudi

数据服务系统

Ø 常见的数据服务介绍

Ø Data API 服务介绍

Ø 数据服务背后的技术支撑体系

数据中台运营机制

Ø 数据中台运营效果评估模型介绍

Ø 数据资产运营

Ø 数据成本运营

Ø 数据中台运营的实战经验分享

数据中台案例分享

Ø 某金融数据中台建设案例分享

Ø 某电信集团数据中台案例分享

Ø 某能源集团数据中台案例分享

Ø 某类金融集团数据中台案例分享

Day2

数据架构管理

Ø 数据架构规划与原则设计

Ø 建立企业级信息模型

Ø 企业级可信数据源规划

Ø 数据分布评估与存储规划

Ø 整合企业数据架构和应用架构

数据标准管理

Ø 建立和完善数据标准体系 制定数据标准

Ø 实施线路图

Ø 制定各主题数据标准

Ø 确定数据标准落地方案

Ø 组织落实数据标准执行

Ø 数据标准执行过程控制和检查

Ø 数据标准日常维护、修订、审核、发布等

元数据管理

Ø 建立和完善元数据管理体系

Ø 建立元数据模型，收集和梳理元数据信息

Ø 元数据维护管理

Ø 元数据的应用服务

数据安全管理

Ø 建立数据安全管理机制

Ø 定义数据分级分类标准

Ø 定义数据安全控制及措施

Ø 数据隐私与安全管理的活动的执行

Ø 建议与维护数据安全工具

数据质量管理

Ø 建立和完善数据质量管理机制

Ø 发现数据质量问题，完善数据质量检查规则和检核方法

Ø 分析评估数据质量问题
解决质量问题，提升数据质量

Ø 数据质量考评指标设计、完善与实施

数据生命周期管理

Ø 制定数据生命周期体系规划

Ø 数据生命周期管理体系落地

Ø 完善数据的获取与存档方案

Ø 完善数据备份与恢复计划

Ø 制定数据销毁方案

Ø 完善归档数据的检索与使用策略

Ø 数据保留与归档日常活动执行

大规模数据集群治理实践

Ø 理清大规模数据集群的现状和治理需求点

Ø 明确治理的组织架构、方法论、技术框架

Ø 构建针对大数据集群的智能运维技术平台

Ø 实现YARN作业&HDFS画像、小文件洞察

Ø 实现NN RPC画像、关键Master服务预警

Ø 实现冗余计算挖掘，以目录维度评估冗余度

Ø 重构数据血缘、元数据、数据资产管理应用

Ø 智能分析集群用户行为画像，检测预测异常