常國珍
0 ? $score . '分' : '10.0分' ?>前思特沃克（Thoughtworks）軟件技術有限公司 首席科學家
互聯網
互聯網金融
大數據
數據挖掘
R語言
工程師
Python
數據分析
訪問次數
7442
反饋數量
1
關于教練
ThoughtWorks首席金融數據科學家，北京大學管理學博士，中國大數據產業(yè)生態(tài)聯盟專家委員會委員，騰訊云最有價值專家（TVP），建設銀行數據資產管理資深專家。著作《Python數據科學：技術詳解與商業(yè)實踐》、《用商業(yè)案例學R語言數據挖掘》、《胸有成竹：數據分析的SASEG進階》等多本著作。擁有15年金融、電信和互聯網行業(yè)經驗。在加入ThoughtWorks之前，曾在畢馬威咨詢大數據部擔任總監(jiān)、在中銀消費金融數據部擔任高級經理、在百度大數據部擔任算法工程師?，F專注于金融行業(yè)的數據戰(zhàn)略、數據應用、數據治理和數字化人才培養(yǎng)，同時提供數智化客戶運營和風險管控的解決方案。
課程
-
金融大數據特征工程
金融大數據的積累使得深度客戶洞察和風險識別成為可能。根據筆者的實踐，發(fā)現金融數據挖掘的最終模型由業(yè)務人員高度參與時的投入產出比是更高的，但是由于業(yè)務人員的技術能力有限，難以從浩瀚的數據海洋中提取高價值變量，因此往往處于“理想很豐滿、現實很骨干”的狀態(tài)。在大量數據面前缺抱怨無數可用。
整個數據挖掘價值鏈中，分為五個階段，分別是構建數據集市、特征生成、建立模型、模型上線、執(zhí)行策略與實施。其中特征生成對分析技術的要求最高，既需要對業(yè)務中模型運用的場景有深入的把握，又需要精通各類機器學習和深度學習算法，可以從交易時序、復雜網絡、半結構化數據中提取用于建模用的結構化寬表。
本課程使用真實場景下的金融落地案例，從業(yè)務洞察、算法能力、系統架構這三個維度上搭建起金融特征工程的框架體系。暫無課程排期架構師 -
銀行數字化與數據資產管理
本課程以EDIT模型作為企業(yè)數字化模版。通過引導由業(yè)務、數據、IT人員組成的小團隊進行案例設計，幫助其掌握數據應用專題的分析思路、使用數據需求模版、算法模版和項目模版，幫助其領會企業(yè)級數據應用規(guī)劃的實質內容，企業(yè)級數據架構、算法架構的內容、形式和構建過程。在了解到數據架構對企業(yè)業(yè)務發(fā)展的重要性之后，自然過渡到數據治理的核心內容，即數據資產盤點、數據標準制定、數據架構和元數據、數據質量標準、數據安全和數據資產服務。課程內容環(huán)環(huán)緊扣，便于學員建立起對數據工作的整體認識，尤其是幫助業(yè)務人員認識到數據的價值和自身的角色。
本課程以國內銀行數字化轉型和數據資產管理實施經驗為基礎，權衡自頂向下的規(guī)范性數據治理和自底向上的精益數據治理的利弊，為國內金融機構提供可借鑒、能落地、易于團隊合作、快速見效的數據資產工作模版。暫無課程排期開發(fā)經理 -
增長黑客工作坊
互聯網的下半場，各類業(yè)務線上化的進程加速發(fā)展，毋庸置疑數據智能是必不可少的加速器。這個利器一方面在零售金融線上營銷中通過建立與用戶的線上鏈接，將原先低頻的銀行服務提升為高頻。通過實時采集到的海量用戶數據、營銷數據，將持續(xù)優(yōu)化算法，提升自動化的產品創(chuàng)新、運營能力。
目前零售金融領域經過近幾年的發(fā)展，數字化客戶運營體系、數據架構和治理體系、IT技術架構已經基本穩(wěn)定。本課程內容取自真實業(yè)務場景，結合業(yè)內先進案例并經過提煉，課程內容涵蓋增長黑客全面的內容體系，涉及數字化客戶運營的前臺和中臺，在業(yè)務中體現數據價值，用數據推進業(yè)務良性發(fā)展。
暫無課程排期開發(fā)經理 -
精益數據探查與數據治理工作坊
互聯網的下半場，各類業(yè)務線上化的進程加速發(fā)展，毋庸置疑數據智能是必不可少的加速器。
但是，諸多因素又阻礙了企業(yè)的數據創(chuàng)新。諸如“數據人才實在很難獲得和培養(yǎng)”、“一個個小的PoC未形成更大更廣的影響力”、“太多數據項目是技術驅動而非業(yè)務成果驅動，數據價值長期不可見”、“企業(yè)內部并不是所有人都理解數據驅動，也不是所有人都接受數據驅動”、“數據科學家獨立工作，無法與技術人員和業(yè)務人員拉通”等等。造成這些現象的根本原因是企業(yè)內部數字化工作中數據價值鏈沒有打通，業(yè)務、數據和技術團隊沒有以業(yè)務價值為目標而通力合作。
本次工作坊，使用精益數據創(chuàng)新（Lean Data Discovery)的方法論，為那些希望盤活企業(yè)數據，利用智能技術為業(yè)務提供價值的人，去發(fā)現有業(yè)務價值且可行的創(chuàng)新數據產品列表，用于制定數據應用規(guī)劃、數據治理規(guī)劃和數據平臺規(guī)劃。暫無課程排期工程師 -
數據要素保護和數據安全管理
隨著大數據、人工智能、區(qū)塊鏈、云計算等新技術和產業(yè)的快速發(fā)展，數據呈指數級增長，數據共享流通、開發(fā)利用的訴求愈發(fā)強烈。由于數據本身存在易于復制、確權困難的特點，數據在快速釋放價值的同時，安全風險也與日劇增。
同時，在當前全球競爭格局加劇的形勢下，數據安全已上升到國家安全戰(zhàn)略。我國高度重視數據安全，持續(xù)出臺相關法律法規(guī)，加強并健全系列監(jiān)管舉措，如何統籌數據開發(fā)利用與數據安全的平衡發(fā)展，促進和保障數據的有序流動，構建體系化、系統化的數據安全治理需求日益迫切。以下相關法律和規(guī)章制度對數據安全管理提出的要求。
《個人信息保護法》：個人信息處理者應當根據個人信息的處理目的、處理方式、個人信息的種類以及對個人權益的影響、可能存在的安全風險等，采取下列措施確保個人信息處理活動符合法律、行政法規(guī)的規(guī)定，并防止未經授權的訪問以及個人信息泄露、篡改、丟失。
《網絡安全法》：網絡運營者的則應根據網絡安全等級保護制度的要求，履行安全保護義務，保障網絡免受干擾、破壞或入侵，防止數據泄漏或被竊取或篡改。
《數據安全法》：開展數據處理活動應當依照法律、法規(guī)的規(guī)定，建立健全全流程數據安全管理制度，組織開展數據安全教育培訓，采取相應的技術措施和其他必要措施，保障數據安全。重要數據的處理者應當按照規(guī)定對其數據處理活動定期開展風險評估，并向有關主管部門報送風險評估報告
《等級保護2.0擴展要求》：對審計數據控制，云服務商和云服務客戶的數據訪問權限以及云端加密數據的密匙管理都有明確要求。暫無課程排期工程師 -
數據要素管理
在數字經濟時代，數據就像“工業(yè)血液”石油一樣，是每個企業(yè)生存發(fā)展不可或缺的生產資料，對提高全要素生產率的乘數作用日益凸顯，已成為與農業(yè)經濟時代的地和工業(yè)經濟時代的資本、技術相類比的核心生產要素。同時，數據在一定條件下取之不盡、用之不竭，具有很強的可復制性，在確保安全合規(guī)的前提下，將散落在全社會的各類數據資源進行歸集、整理并加工成為可進入市場流通使用的生產要素，將成為有效賦能千行百業(yè)和經濟社會轉型升級的不竭動力。數據對于生產的獨特貢獻作用空前顯現，這是現代經濟發(fā)展的一個重要趨勢。當前，加快培育全國統一數據大市場、促進全社會數據資源自由有序流通是有效釋放網絡強國、數字中國創(chuàng)新活力的核心路徑。
暫無課程排期工程師 -
價值導向數據治理培訓
當前，數據不僅是企業(yè)的核心資產和重要戰(zhàn)略資源，也是重要的生產要素。數據資產已日益成為企業(yè)搶占未來發(fā)展主動權的前提和保障，而數據治理就是發(fā)掘這些數據資產的重要保障機制。國務院國資委在頒布的《關于加快推進國有企業(yè)數字化轉型工作的通知》中強調，要構建數據治理體系，加強數據標準化、元數據和主數據管理工作，定期評估數據治理能力成熟度。要強化業(yè)務場景數據建模，深入挖掘數據價值，提升數據洞察能力。管好數據、用好數據，不僅能夠幫助企業(yè)洞察市場變化和趨勢，降低風險，還能提高決策效率，進一步提升企業(yè)核心競爭力。
從全球看，數據治理還處在起步的階段，從技術、商業(yè)到法律都還面臨一系列的挑戰(zhàn)，而我國企業(yè)數據的治理更是任重道遠，亟需實現從理論到實踐的突破。本課程對企業(yè)的數據治理內容進行概述，從理論層面的分析，到實戰(zhàn)經驗的總結，幫助聽眾明確企業(yè)數字化轉型對數據治理的需求點，了解數據治理體系，理解數據生產要素發(fā)揮價值的保障機制。暫無課程排期工程師 -
數據分析和數據挖掘培訓
本課程系統基于信用卡客戶生命周期理論，講解數據挖掘在商業(yè)數據運用中的典型案例，通過學與練相結合，使學員真正掌握商業(yè)數據挖掘的全流程與解決方案。
本課程針對在數據分析工作崗位1-3年的員工而設計，從基礎開始講解，直到行業(yè)實際運用。暫無課程排期工程師
相關教練
