常国珍
0 ? $score . '分' : '10.0分' ?>前思特沃克（Thoughtworks）软件技术有限公司 首席科学家
访问次数
6240
反馈数量
1
关于教练
ThoughtWorks首席金融数据科学家，北京大学管理学博士，中国大数据产业生态联盟专家委员会委员，腾讯云最有价值专家（TVP），建设银行数据资产管理资深专家。著作《Python数据科学：技术详解与商业实践》、《用商业案例学R语言数据挖掘》、《胸有成竹：数据分析的SASEG进阶》等多本著作。拥有15年金融、电信和互联网行业经验。在加入ThoughtWorks之前，曾在毕马威咨询大数据部担任总监、在中银消费金融数据部担任高级经理、在百度大数据部担任算法工程师。现专注于金融行业的数据战略、数据应用、数据治理和数字化人才培养，同时提供数智化客户运营和风险管控的解决方案。
课程
-
金融大数据特征工程
金融大数据的积累使得深度客户洞察和风险识别成为可能。根据笔者的实践，发现金融数据挖掘的最终模型由业务人员高度参与时的投入产出比是更高的，但是由于业务人员的技术能力有限，难以从浩瀚的数据海洋中提取高价值变量，因此往往处于“理想很丰满、现实很骨干”的状态。在大量数据面前缺抱怨无数可用。
整个数据挖掘价值链中，分为五个阶段，分别是构建数据集市、特征生成、建立模型、模型上线、执行策略与实施。其中特征生成对分析技术的要求最高，既需要对业务中模型运用的场景有深入的把握，又需要精通各类机器学习和深度学习算法，可以从交易时序、复杂网络、半结构化数据中提取用于建模用的结构化宽表。
本课程使用真实场景下的金融落地案例，从业务洞察、算法能力、系统架构这三个维度上搭建起金融特征工程的框架体系。暂无课程排期架构师 -
银行数字化与数据资产管理
本课程以EDIT模型作为企业数字化模版。通过引导由业务、数据、IT人员组成的小团队进行案例设计，帮助其掌握数据应用专题的分析思路、使用数据需求模版、算法模版和项目模版，帮助其领会企业级数据应用规划的实质内容，企业级数据架构、算法架构的内容、形式和构建过程。在了解到数据架构对企业业务发展的重要性之后，自然过渡到数据治理的核心内容，即数据资产盘点、数据标准制定、数据架构和元数据、数据质量标准、数据安全和数据资产服务。课程内容环环紧扣，便于学员建立起对数据工作的整体认识，尤其是帮助业务人员认识到数据的价值和自身的角色。
本课程以国内银行数字化转型和数据资产管理实施经验为基础，权衡自顶向下的规范性数据治理和自底向上的精益数据治理的利弊，为国内金融机构提供可借鉴、能落地、易于团队合作、快速见效的数据资产工作模版。暂无课程排期开发经理 -
增长黑客工作坊
互联网的下半场，各类业务线上化的进程加速发展，毋庸置疑数据智能是必不可少的加速器。这个利器一方面在零售金融线上营销中通过建立与用户的线上链接，将原先低频的银行服务提升为高频。通过实时采集到的海量用户数据、营销数据，将持续优化算法，提升自动化的产品创新、运营能力。
目前零售金融领域经过近几年的发展，数字化客户运营体系、数据架构和治理体系、IT技术架构已经基本稳定。本课程内容取自真实业务场景，结合业内先进案例并经过提炼，课程内容涵盖增长黑客全面的内容体系，涉及数字化客户运营的前台和中台，在业务中体现数据价值，用数据推进业务良性发展。
暂无课程排期开发经理 -
精益数据探查与数据治理工作坊
互联网的下半场，各类业务线上化的进程加速发展，毋庸置疑数据智能是必不可少的加速器。
但是，诸多因素又阻碍了企业的数据创新。诸如“数据人才实在很难获得和培养”、“一个个小的PoC未形成更大更广的影响力”、“太多数据项目是技术驱动而非业务成果驱动，数据价值长期不可见”、“企业内部并不是所有人都理解数据驱动，也不是所有人都接受数据驱动”、“数据科学家独立工作，无法与技术人员和业务人员拉通”等等。造成这些现象的根本原因是企业内部数字化工作中数据价值链没有打通，业务、数据和技术团队没有以业务价值为目标而通力合作。
本次工作坊，使用精益数据创新（Lean Data Discovery)的方法论，为那些希望盘活企业数据，利用智能技术为业务提供价值的人，去发现有业务价值且可行的创新数据产品列表，用于制定数据应用规划、数据治理规划和数据平台规划。暂无课程排期工程师 -
数据要素保护和数据安全管理
随着大数据、人工智能、区块链、云计算等新技术和产业的快速发展，数据呈指数级增长，数据共享流通、开发利用的诉求愈发强烈。由于数据本身存在易于复制、确权困难的特点，数据在快速释放价值的同时，安全风险也与日剧增。
同时，在当前全球竞争格局加剧的形势下，数据安全已上升到国家安全战略。我国高度重视数据安全，持续出台相关法律法规，加强并健全系列监管举措，如何统筹数据开发利用与数据安全的平衡发展，促进和保障数据的有序流动，构建体系化、系统化的数据安全治理需求日益迫切。以下相关法律和规章制度对数据安全管理提出的要求。
《个人信息保护法》：个人信息处理者应当根据个人信息的处理目的、处理方式、个人信息的种类以及对个人权益的影响、可能存在的安全风险等，采取下列措施确保个人信息处理活动符合法律、行政法规的规定，并防止未经授权的访问以及个人信息泄露、篡改、丢失。
《网络安全法》：网络运营者的则应根据网络安全等级保护制度的要求，履行安全保护义务，保障网络免受干扰、破坏或入侵，防止数据泄漏或被窃取或篡改。
《数据安全法》：开展数据处理活动应当依照法律、法规的规定，建立健全全流程数据安全管理制度，组织开展数据安全教育培训，采取相应的技术措施和其他必要措施，保障数据安全。重要数据的处理者应当按照规定对其数据处理活动定期开展风险评估，并向有关主管部门报送风险评估报告
《等级保护2.0扩展要求》：对审计数据控制，云服务商和云服务客户的数据访问权限以及云端加密数据的密匙管理都有明确要求。暂无课程排期工程师 -
数据要素管理
在数字经济时代，数据就像“工业血液”石油一样，是每个企业生存发展不可或缺的生产资料，对提高全要素生产率的乘数作用日益凸显，已成为与农业经济时代的地和工业经济时代的资本、技术相类比的核心生产要素。同时，数据在一定条件下取之不尽、用之不竭，具有很强的可复制性，在确保安全合规的前提下，将散落在全社会的各类数据资源进行归集、整理并加工成为可进入市场流通使用的生产要素，将成为有效赋能千行百业和经济社会转型升级的不竭动力。数据对于生产的独特贡献作用空前显现，这是现代经济发展的一个重要趋势。当前，加快培育全国统一数据大市场、促进全社会数据资源自由有序流通是有效释放网络强国、数字中国创新活力的核心路径。
暂无课程排期工程师 -
价值导向数据治理培训
当前，数据不仅是企业的核心资产和重要战略资源，也是重要的生产要素。数据资产已日益成为企业抢占未来发展主动权的前提和保障，而数据治理就是发掘这些数据资产的重要保障机制。国务院国资委在颁布的《关于加快推进国有企业数字化转型工作的通知》中强调，要构建数据治理体系，加强数据标准化、元数据和主数据管理工作，定期评估数据治理能力成熟度。要强化业务场景数据建模，深入挖掘数据价值，提升数据洞察能力。管好数据、用好数据，不仅能够帮助企业洞察市场变化和趋势，降低风险，还能提高决策效率，进一步提升企业核心竞争力。
从全球看，数据治理还处在起步的阶段，从技术、商业到法律都还面临一系列的挑战，而我国企业数据的治理更是任重道远，亟需实现从理论到实践的突破。本课程对企业的数据治理内容进行概述，从理论层面的分析，到实战经验的总结，帮助听众明确企业数字化转型对数据治理的需求点，了解数据治理体系，理解数据生产要素发挥价值的保障机制。暂无课程排期工程师 -
数据分析和数据挖掘培训
本课程系统基于信用卡客户生命周期理论，讲解数据挖掘在商业数据运用中的典型案例，通过学与练相结合，使学员真正掌握商业数据挖掘的全流程与解决方案。
本课程针对在数据分析工作岗位1-3年的员工而设计，从基础开始讲解，直到行业实际运用。暂无课程排期工程师
相关教练
