آموزش تحلیل داده‌های بزرگ: کاربردهای تجاری و تصمیمات استراتژیک (Big Data Analytics: Business Applications and Strategic Decisions) - آخرین آپدیت

課程簡介

• 1-0-1 課程引言人學習引導

• 1-1-1 課程總覽介紹（魏志平教授講述）

• 1-2-1 課程與教師介紹

• 1-2-2 想到大數據，你會想到什麼？

• 1-2-3 為什麼需要大數據？大數據生活中的應用、大數據比你更瞭解你自己

• 1-2-4 產學之間真的有落差嗎？

• 1-2-5 直播提問解答

數據分析在金融及財務上的應用

• 2-0-1 第二週課程引言人開場與課前提問

• 2-1-1 簡介金融服務之功能

• 2-1-2 金融業者擁有的資料庫種類

• 2-1-3 金融服務數據分析的目的

• 2-2-1 保險實例（一）：決策樹之應用，瞭解客戶的行為模式

• 2-2-2 保險實例（二）：關聯分析之應用，瞭解客戶及商品之間的關聯性

• 2-2-3 保險實例（三）：將客戶有效分群，瞭解客戶的分佈特性

• 2-3-1 四種常用的股市分析方法與股市資料種類

• 2-3-2 從股票數據分析延伸出的三種應用

• 2-3-3 如何利用新聞等外部資訊評估企業風險

• 2-3-4 如何利用內外部資料進行股價趨勢預測

• 2-4-1 延伸問題（一）：新興金融服務有哪些風險與法規限制？

• 2-4-2 延伸問題（二）：自己練習做股票分析，可以使用哪些現有的資源？

• 2-4-3 老師分享：大數據如何改變組織分工？

數據分析在行銷與零售上的應用

• 3-0-1 第三週課程引言人開場與課前提問

• 3-1-1 經典行銷理論介紹：市場區隔理論

• 3-1-2 行銷與零售業者擁有的資料庫種類

• 3-1-3 行銷與零售數據分析的目的

• 3-2-1 常用在行銷與零售上的四種資料分析方法簡介

• 3-2-2 深入介紹關聯分析（一）：共同出現的概念

• 3-2-3 深入介紹關聯分析（二）：透過指標檢驗找出關聯性

• 3-2-4 大型書籍零售賣場案例（一）：尋找常被一起購買的不同商品

• 3-2-5 大型書籍零售賣場案例（二）：尋找會員基本資料與購買商品間的關聯性

• 3-2-6 零售賣場案例（一）：聯合促銷

• 3-2-7 零售賣場案例（二）：目標行銷

• 3-3-1 電商的業績計算方式與優化目標

• 3-3-2 透過會員分群擬定行銷策略

• 3-3-3 Amazon案例：個人化推薦的侷限性與平衡方法

• 3-4-1 延伸問題（一）：傳統的市場區隔理論隨時代演進有哪些改變？

• 3-4-2 延伸問題（二）：如何分析新的零售策略所帶來的附加價值？

• 3-4-3 老師分享：企業導入資料分析方法時會產生的顯性與隱性成本

社群媒體之輿情分析

• 4-0-1 第四週課程引言人開場與課前提問

• 4-1-1 從累積資料到分析資料

• 4-2-1 群落偵測簡介

• 4-2-2 群落偵測方法：聚合法

• 4-2-3 群落偵測方法：拆解法

• 4-2-4 如何產生網路？顯性與隱性網路

• 4-3-1 引言：社群媒體創造了新的發言方式

• 4-3-2 如何評估社群媒體上的影響力：Page rank方法

• 4-3-3 解決 Page rank 衍生的問題： Random walk 概念介紹

• 4-3-4 解決 Random walk 的收斂問題：Teleport 概念介紹

• 4-3-5 PageRank 總結與其他細部問題

• 4-4-1 延伸問題（一）：完成分群後如何知道不同群體分別適合怎樣的服務？

• 4-4-2 延伸問題（二）：實務上是否有判斷「文風相似」的客觀標準？

• 4-4-3 延伸問題（三）：尋找意見領袖 - 新興的意見領袖如何找尋？

• 4-4-4 延伸問題（四）：尋找意見領袖 - 在大數據中如何辨識灌水與分身？

社群媒體分析與行銷智慧

• 5-0-1 第五週課程引言人開場與課前提問

• 5-1-1 社群媒體與行銷智慧：背景與現況

• 5-1-2 情感分析技術的流程

• 5-1-3 範例：應用概念層級情感分析進行口碑分析

• 5-2-1 前言：是否可以透過社群媒體資料萃取出其他的行銷智慧？

• 5-2-2 傳統市場結構分析與限制

• 5-2-3 利用社群媒體資料進行市場結構分析之方法與步驟

• 5-2-4 步驟（一）：品牌識別與分群

• 5-2-5 步驟（二）：品牌比較關係判定

• 5-2-6 步驟（三）：品牌關聯強度估算

• 5-2-7 步驟（四、五）：群落偵測與視覺化

• 5-2-8 範例（一）：汽車市場評論

• 5-2-9 範例（二）：筆記型電腦之市場結構分析

• 5-3-1 前言：品牌形象聯想與效益

• 5-3-2 傳統品牌聯想萃取方法與限制

• 5-3-3 利用社群媒體資料進行品牌聯想的萃取方法與步驟

• 5-3-4 步驟（一）：聯想萃取

• 5-3-5 步驟（二）：喜好度判定與聯想分群

• 5-3-6 步驟（三）：聯想選擇

• 5-3-7 步驟（四、五）：鏈結權重衡量與品牌聯想網路視覺化

• 5-3-8 航空公司範例：品牌聯想網路概念說明

• 5-3-9 航空公司範例：品牌權益預測模型

• 5-3-10 航空公司範例：資料集合與分析結果

• 5-4 整體技術挑戰與結論

• 5-5-1 延伸問題（一）：面對真真假假的網路評論，資料科學家如何保持分析的品質？

• 5-5-2 延伸問題（二）：本課程所教的方法是否有較適用的產業呢？

• 5-5-3 延伸問題（三）：企業如何從品牌聯想分析看到自己與競爭對手的定位？

大數據的商業應用策略

• 6-0-1 第六週課程引言人開場與課前提問

• 6-1-1 引言：傳統RuleBase方法介紹

• 6-1-2 數位時代中顧客行為的改變

• 6-1-3 轉型（一）：從官網發現新需求

• 6-1-4 轉型（二）：根據官網資料為既有客戶量身訂做

• 6-1-5 轉型（三）：用Social listening掌握熱門金融話題

• 6-1-6 轉型（四）：玉山金控 e指貸款服務

• 6-1-7 轉型（五）：大數據徵信潛在使用者分析

• 6-1-8 結語：數據驅動普惠金融的成果

• 6-2-1 初期痛點與調整方式

• 6-2-2 近期成就（一）：建立數位資料庫

• 6-2-3 近期成就（二）：從官網萃取有意義的變數

• 6-2-4 近期成就（三）：建立意圖資料庫

• 6-2-5 玉山金控遇到的挑戰與機會

• 6-3-1 具備跨界整合力的『pi型人才』

• 6-3-2 資料工程師與資料科學家養成地圖

• 6-3-3 資料科學家職涯地圖

• 6-3-4 資料科學家所需具備的能力

• 6-3-5 新興科技研發基地：玉山 Innovation Lab 介紹

• 6-3-6 自我挑戰的方向：產學合作競賽介紹

• 6-4-1 延伸問題（一）：大數據轉型為銀行創造的價值

• 6-4-2 延伸問題（二）：行動裝置的普及打破數位足跡的侷限性

• 6-4-3 延伸問題（三）：數位金融長給有志於成為資料科學家同學的建議

引言人課程總結與延伸學習交流

• 7-0-1 課程引言人總結