大数据分析

book
dot
thumb

大数据分析与应用


本门课程与其他大数据类课程最大的不同是:从企业决策支持出发,以信息管理为切入视角,对大数据分析与应用进行较深入的解读。课程涵盖基本大数据技术讲解、数据治理、企业决策支持、科研案例选析几个环节,配备相关

课程概述

      本门课程与其他大数据类课程最大的不同是:从企业决策支持出发,以信息管理为切入视角,对大数据分析与应用进行较深入的解读。课程涵盖基本大数据技术讲解、数据治理、企业决策支持、科研案例选析几个环节,配备相关的数据分析实验辅助学习。

  • 在基础概念方面:理解并掌握数据分析在企业管理与企业决策支持中的定位;掌握大数据概念,大数据的应用范围与应用价值;对大数据的4V特性进行新的解读。

  • 在大数据应用技术上:掌握基本大数据分析环境搭建方法、MR编程技术,如:HDFS、MR计算框架、HIVE等;引导学生通过查找论文,进一步学习数据分析的前沿技术。

  • 在企业决策案例方面:选择较简洁的决策支持、数据治理、数据分析项目管理等相关的小型案例,理解大数据分析与应用的分析难点与管理难点。

  • 在科学研究案例方面:选择2-3个教师科研团队已经完成的数据分析案例讲解,包括:文本挖掘、关联分析、知识库建模等。

      通过本门课程的学习,可以帮助同学们掌握基本的大数据分析技术、了解企业决策难点、明确数据分析与企业管理之间的关系。

 课程大纲
大数据定位
课时目标:
竖立正确的数据观
1.1 案例分析:点球成金介绍
1.2 案例分析:点球成金中的管理智慧
1.3 案例分析:点球成金中的数据智慧
1.4 大数据4V特性解读
大数据基础技术
课时目标:
掌握Hadoop、HDFS、MapReduce、Spark等基础大数据技术
2.1 HADOOP平台
2.2 元数据管理
2.3 其他相关技术
2.4 大数据技术分布架构
小型决策案例
课时目标:
支持企业决策的小型数据分析案例讲解,帮助理解与掌握数据分析的全过程以及相关的重点。
3.1 数据分析介绍
3.2 数据分析案例
复杂科研案例
课时目标:
将科研案例简化提取,帮助掌握数据分析过程中的难点。
4.1 文本数据分析
4.2 半结构化数据分析
4.3 科研案例总结
大数据伦理
课时目标:
明确大数据以及信息化带来的伦理问题。
5.1 Facebook数据泄漏案例
5.2 《玩命直播》中的数据伦理问题
总结
总结
收起
 预备知识
  1. 《数据库基础》,ER图;

  2. 《Java程序设计》,类定义、类继承、方法重写相关内容;

  3. 《管理信息系统》,系统信息系统,如供应商管理系统、ERP等系统的基本内容;

  4.  Linux/Unix系统文件操作命令。

参考资料
  1. 杨巨龙,《大数据技术全解:基础、设计、开发与实践》,电子工业出版社;

  2. 比尔·施玛泽,钱峰,《数据挖掘概念与技术》,中信出版社;

  3. 迈克尔·韦德,杰夫·劳克斯,詹姆斯·麦考利,安迪·诺罗尼亚,瑞士洛桑管理发展学院,《全数据化赋能》,中信出版社;

  4. 索雷斯,匡斌,《大数据治理》,清华大学出版社;

  5. 张绍华,潘蓉,宗宇伟,《大数据治理与服务》,上海科学技术出版社。