數據中臺建設：從方法論到落地實戰

彭勇，國家公派留法計算機博士，中關村管委會技術專家，中國保險學會特聘保險科技專家。
彭勇從事大數據研究和應用相關工作約16年，負責大數據創新項目超過100個，在數據倉庫建設、數據中臺建設、保險產品定製和創新、精算定價、精準營銷、產品推薦、風險管理、智能理賠、人工智能、數字化轉型等方面經驗豐富。
彭勇現就職於全球知名保險定製平臺——保準牛，擔任首席科學家。

第1章 數字化轉型是大勢所趨

第2章 認知數據中臺
2.1 什麼是數據中臺
2.2 建設數據中臺的價值
2.3 數據中臺的建設目標
2.4 數據中臺與上下遊平臺的關係
2.5 數據中臺建設的9大誤區
2.6 行業對數據中臺的4個認知階段
2.7 數據中臺服務化發展階段

第3章 數據中臺建設方法論
3.1 數字化戰略
3.2 數據中臺的整體框架
3.2.1 統一數據基礎設施平臺
3.2.2 數據接入和匯聚平臺
3.2.3 統一數據模型平臺
3.2.4 統一ID和標籤平臺
3.2.5 數據開發和運維平臺
3.2.6 數據智能平臺
3.2.7 數據管理平臺
3.2.8 數據服務平臺
3.3 數據中臺的8大設計準則
3.3.1 有數能用
3.3.2 讓數據可用
3.3.3 讓數據好用
3.3.4 讓數據易用
3.3.5 讓數據放心用
3.3.6 讓數據更智能
3.3.7 讓數據服務化
3.3.8 讓數據可控
3.4 數據中臺行動攻略
3.4.1 “九看”方法論
3.4.2 數據中臺MVP建設路徑
3.5 數據中臺技術選型

第4章 統一數據模型：讓數據資產化
4.1 數據標準化體系的價值
4.2 數據資產管理體系介紹
4.3 高效數據建模，讓數據好用起來
4.3.1 統一數據模型的意義
4.3.2 統一數據模型具體做什麼
4.3.3 如何建設統一數據模型
4.4 對維度建模進一步探索
4.5 統一建模的註意事項

第5章 數據計算平臺：讓數據“飛”起來
5.1 計算平臺的應用場景
5.2 應用場景一：批處理
5.3 應用場景二：實時計算
5.4 應用場景三：實時查詢
5.5 應用場景四：海量日誌和信息檢索
5.6 應用場景五：多維分析
5.7 應用場景六：圖計算
5.8 應用場景七：人工智能計算

第6章 算法即服務：最大化實現數據價值
6.1 算法的價值
6.2 建模標準化流程
6.2.1 業務理解貫穿始終
6.2.2 數據準備
6.2.3 數據預處理
6.2.4 特徵工程
6.2.5 模型構建
6.2.6 模型評估
6.2.7 模型部署，讓模型服務化
6.2.8 模型監控和疊代
6.3 算法即服務應用實踐
6.4 算法即服務須遵循的原則
6.4.1 算法即服務需要業務知識的輸入，業務理解貫穿建模始終
6.4.2 算法不是萬能的，有適用的場景
6.4.3 要合理地平衡算法的計算性能和效果
6.4.4 要優先選擇混合模型
6.4.5 要盡量實現建模全流程自動化

第7章 數據產品：讓數據應用更便捷
7.1 自助取數和自助分析
7.2 數據爬蟲
7.3 客戶畫像
7.4 標籤圈選
7.5 客戶分群
7.6 數據可視化工具
7.7 規則引擎

第8章 營銷中臺：讓營銷更精準、更及時
8.1 數字化營銷是大勢所趨
8.2 營銷體系升級
8.3 營銷中臺建設
8.3.1 營銷中臺框架圖
8.3.2 營銷中臺功能介紹
8.4 營銷中臺應用案例
8.4.1 電話營銷續保精準營銷
8.4.2 廣告精準投放獲客+線索轉化
8.4.3 保險智能銷售助手

第9章 風險管理中臺：360°的風險管家
9.1 風險管理中臺
9.1.1 主要風險管理節點示例
9.1.2 風險管理中臺框架圖
9.1.3 風險管理中臺功能介紹
9.1.4 風險管理的標準化流程
9.2 風險管理中臺的應用案例
9.2.1 反“薅羊毛”
9.2.2 語音質檢風險篩查
9.2.3 車險理賠反欺詐
9.2.4 團體保險風險管理體系
9.2.5 人身險風險管理建設