当前位置:艾威培训主页 > 云计算与大数据 > 其他云计算大数据分析培训课程 > 云计算和大数据企业最佳实践 >
云计算和大数据企业最佳实践
培训概述：通过本培训，让学员了解大数据的本质，以及大数据的应用，特别是在企业领域的应用，使得学员理解大数据本质的作用，并结合当前热门的云计算的概念，让学员了解大数据是如何让云计算落地实现的。
培训课时：18小时
培训目标：使学员理解大数据和云计算，以及如何和企业的业务相结合。
最新时间：定制课程(内训)，人满开班(公开课)
课程大纲：
第一天 一、 虚拟化和云计算技术
1、 网格和云计算
1)、 网格技术的特点
2)、 云计算的服务特性
3)、 大数据就是落地的云
4)、 云计算本身也是大数据的一种业务模式
2、 云计算的省钱模式和费钱缘由
3、 云计算的核心问题
1)、 盈利
2)、 计费
4、 云计算的形态
3)、 公有云和私有云
4)、 混合云
5、 云计算的解决方案
1)、 微软的解决方案---Azure
2)、 VMware推出的业界第一个开源PaaS云平台---Cloud Foundry
3)、 轻量级虚拟化容器Docker
4)、 复杂的Openstack
6、开源组织与开源软件
1)、 两大开源组织：Apache和GUN
2)、 面向文档的nosql数据库mongodb
3)、 开源的中间件Rabbit MQ
4)、 Hadoop及其家庭成员
7、 Hadoop在百度的应用
1)、 日志的存储和统计
2)、 网页数据的分析和挖掘
3)、 商业分析，如用户的行为和广告关注度等
4)、 在线数据的反馈，及时得到在线广告的点击情况
5)、 用户网页的聚类，分析用户的推荐度及用户之间的关联度
第二天
二、 云计算的实现
1、 云计算的综述
a) 什么是云计算
b) 云计算发展历史
2、 云计算的六种服务方式
a) SAAS（Software as a Service）；
a) PAAS（Platform as a Service）；
b) IAAS（Infrastructure as a Service）；
c) 云存储；
d) MSP（管理服务提供）；
e) 商业服务平台。
3、 云计算的体系结构和物理架构
a) 云计算发展路径
b) 云计算体系逻辑结构
c) 云计算体系物理结构
d) 云计算体系特点
4、 云计算对未来it架构的支撑
a) 强化
b) 虚拟化
c) 自动化
5、 云计算的应用
d) 实现模式
e) 优势
f) 实例
三、 什么是大数据
1、 大数据产生的背景
1)、 数据大爆炸的时代
2)、 互联网的激发因素
2、 大数据到底是什么
1)、 维基百科的定义
2)、 大数据具有4V的特点
3、 数据计量单位
1)、 人类正式进入ZB时代
2)、 所有的数据单位，到达DB
3)、 例子：目前数据到底有多“大”
四、 大数据的各种应用
1、 用户信息汇总
1)、 一个笑话：顾客要求送披萨饼，客服关切倍至
2)、 工薪阶层如何省小钱
2、 判别
1)、 Target超市使用大数据判断怀孕
2)、 阿里云知道谁需要贷款
3)、 垃圾邮件
3、 推荐系统，精准营销
1)、 奥巴马竞选
2)、 百度搜索风云榜和搜狗热搜榜组织新闻事件
3)、 淘宝首页展现商品
4)、 商用社交开始决定百事可乐的营销计划
4、 用户分层
1)、 中移动挽留流失客户
2)、 陆金所发红包
5、 业务流程的改善
1)、 淘宝店铺的销售流程的改善
2)、 政府网站跳出率降低的改善
第三天：
五、 大数据在金融领域的应用
1、 大数据在各种领域的介绍
1)、 金融领域
2)、 教育领域
3)、 生活娱乐领域
2、 详述金融行业
1)、 银行大数据的应用。
A、 客户画像
B、 精准营销
C、 风险管控
D、 运营优化
2)、 保险行业大数据应用。
A、 客户细分和精细化营销
B、 欺诈行为分析
C、 精细化运营
3)、 证券行业大数据分析
A、 股价预测
B、 客户关系管理
C、 投资景气指数
3、 金融行业在大数据上的切肤之痛
1)、 缺少大数据人才
2)、 缺少数据
3)、 缺少工具
4)、 缺少数据场景，谁去做数据变现
4、 大数据案例
1) 淘宝网掘金大数据平台
A、 余额宝
B、 淘宝信用贷款
C、 阿里小贷
2) IBM用大数据分析股价走势
3) 汇丰银行用sas管理风险
4) Kabbage用大数据开辟新路径
5) 大数据时代信用卡的玩法
六、 大数据处理的实现
1、 强大的计算机
1)、 天河二号
2)、 劳伦斯－利弗莫尔国家实验室的红杉
3)、 美国国防部秃鹰集群
4)、 日本的京
2、 两种技术的对垒：Exadata与Hadoop
1)、 关系型数据库的无奈
2)、 -真实案例：计算一周内基站访问的用户前百位
3)、 非关系型数据库的崛起和短板
4)、 技术普及困难
5)、 无法实现非编程的查询
6)、 巨人和蚂蚁
7)、 价格和运维成本
3、 分布式技术的优势
1)、 Share-Nothing技术
2)、 故障成为正常状态的集群
3)、 分布式存储和分布式计算
4)、 大数据与分析实时的矛盾
5)、 Hadoop和Storm
6)、 Hadoop的原型Google的Big Table
7)、 Hadoop的适用范围
8)、 Storm的流数据处理
9)、 Spark的兴起
4、 大公司的架构
1)、 一号店的数据分析架构
2)、 美图网的日志分析架构
1、 网格和云计算
1)、 网格技术的特点
2)、 云计算的服务特性
3)、 大数据就是落地的云
4)、 云计算本身也是大数据的一种业务模式
2、 云计算的省钱模式和费钱缘由
3、 云计算的核心问题
1)、 盈利
2)、 计费
4、 云计算的形态
3)、 公有云和私有云
4)、 混合云
5、 云计算的解决方案
1)、 微软的解决方案---Azure
2)、 VMware推出的业界第一个开源PaaS云平台---Cloud Foundry
3)、 轻量级虚拟化容器Docker
4)、 复杂的Openstack
6、开源组织与开源软件
1)、 两大开源组织：Apache和GUN
2)、 面向文档的nosql数据库mongodb
3)、 开源的中间件Rabbit MQ
4)、 Hadoop及其家庭成员
7、 Hadoop在百度的应用
1)、 日志的存储和统计
2)、 网页数据的分析和挖掘
3)、 商业分析，如用户的行为和广告关注度等
4)、 在线数据的反馈，及时得到在线广告的点击情况
5)、 用户网页的聚类，分析用户的推荐度及用户之间的关联度
第二天
二、 云计算的实现
1、 云计算的综述
a) 什么是云计算
b) 云计算发展历史
2、 云计算的六种服务方式
a) SAAS（Software as a Service）；
a) PAAS（Platform as a Service）；
b) IAAS（Infrastructure as a Service）；
c) 云存储；
d) MSP（管理服务提供）；
e) 商业服务平台。
3、 云计算的体系结构和物理架构
a) 云计算发展路径
b) 云计算体系逻辑结构
c) 云计算体系物理结构
d) 云计算体系特点
4、 云计算对未来it架构的支撑
a) 强化
b) 虚拟化
c) 自动化
5、 云计算的应用
d) 实现模式
e) 优势
f) 实例
三、 什么是大数据
1、 大数据产生的背景
1)、 数据大爆炸的时代
2)、 互联网的激发因素
2、 大数据到底是什么
1)、 维基百科的定义
2)、 大数据具有4V的特点
3、 数据计量单位
1)、 人类正式进入ZB时代
2)、 所有的数据单位，到达DB
3)、 例子：目前数据到底有多“大”
四、 大数据的各种应用
1、 用户信息汇总
1)、 一个笑话：顾客要求送披萨饼，客服关切倍至
2)、 工薪阶层如何省小钱
2、 判别
1)、 Target超市使用大数据判断怀孕
2)、 阿里云知道谁需要贷款
3)、 垃圾邮件
3、 推荐系统，精准营销
1)、 奥巴马竞选
2)、 百度搜索风云榜和搜狗热搜榜组织新闻事件
3)、 淘宝首页展现商品
4)、 商用社交开始决定百事可乐的营销计划
4、 用户分层
1)、 中移动挽留流失客户
2)、 陆金所发红包
5、 业务流程的改善
1)、 淘宝店铺的销售流程的改善
2)、 政府网站跳出率降低的改善
第三天：
五、 大数据在金融领域的应用
1、 大数据在各种领域的介绍
1)、 金融领域
2)、 教育领域
3)、 生活娱乐领域
2、 详述金融行业
1)、 银行大数据的应用。
A、 客户画像
B、 精准营销
C、 风险管控
D、 运营优化
2)、 保险行业大数据应用。
A、 客户细分和精细化营销
B、 欺诈行为分析
C、 精细化运营
3)、 证券行业大数据分析
A、 股价预测
B、 客户关系管理
C、 投资景气指数
3、 金融行业在大数据上的切肤之痛
1)、 缺少大数据人才
2)、 缺少数据
3)、 缺少工具
4)、 缺少数据场景，谁去做数据变现
4、 大数据案例
1) 淘宝网掘金大数据平台
A、 余额宝
B、 淘宝信用贷款
C、 阿里小贷
2) IBM用大数据分析股价走势
3) 汇丰银行用sas管理风险
4) Kabbage用大数据开辟新路径
5) 大数据时代信用卡的玩法
六、 大数据处理的实现
1、 强大的计算机
1)、 天河二号
2)、 劳伦斯－利弗莫尔国家实验室的红杉
3)、 美国国防部秃鹰集群
4)、 日本的京
2、 两种技术的对垒：Exadata与Hadoop
1)、 关系型数据库的无奈
2)、 -真实案例：计算一周内基站访问的用户前百位
3)、 非关系型数据库的崛起和短板
4)、 技术普及困难
5)、 无法实现非编程的查询
6)、 巨人和蚂蚁
7)、 价格和运维成本
3、 分布式技术的优势
1)、 Share-Nothing技术
2)、 故障成为正常状态的集群
3)、 分布式存储和分布式计算
4)、 大数据与分析实时的矛盾
5)、 Hadoop和Storm
6)、 Hadoop的原型Google的Big Table
7)、 Hadoop的适用范围
8)、 Storm的流数据处理
9)、 Spark的兴起
4、 大公司的架构
1)、 一号店的数据分析架构
2)、 美图网的日志分析架构
