基于大数据分析的精准化教学学习心得
初学python的体会心得
我参与了基于大数据分析的精准化教学学习，此次培训，心得体会如下：
在目前互联网经济的时代，数据已成为企业的核心资产，对数据的应用、管理能力也已成为企业核心竞争力。在我们生活中大数据的应用也越来越广泛，比如网上购物、新闻推送等领域，银行业的大数据应用也具有巨大潜力，大数据分析的热度不断提升。基于市场形势及同业的快速发展，行领导对我行大数据体系的建设给予了高度的重视，董事长指示“大数据是商业银行极其重要的资产和资源，在银行经营管理中发挥越来越重要的作用。谁跟不上大数据发展的形势，谁就会被市场竞争所淘汰。”，赵行长也多次提到“大数据是一个金矿，范文网哪个部门先用，哪个部门先受益”。为了将大数据分析有效应用到实际业务工作中，支持我部业务发展，本人参加了管理信息部牵头组织的本次培训。
前期在管理信息部的牵头组织下，我部申请将“贵金属交易潜在客户挖掘”项目为大数据分析示范项目，希望以贵金属业务为切入点，探索大数据分析在金融市场领域的应用。随着项目的推进，我对数据分析在贵金属业务领域的应用有了简单认识，但仍局限于对数据库表的统计、加工。通过本次的学习，加深了对我行大数据服务体系建设方案的了解，初步掌握了大数据分析
的理论基础、方法流程，并尝试应用工具开展简单的分析工作，主要学习成果总结如下：
一、深入理解我行大数据体系建设方案
今年年初，行党委审议通过了大数据分析的总体思路和实施方式，即建设“一个平台、一套机制、一支队伍”，以数据分析示范项目为驱动，带动“一个平台、一套机制、一支队”滚动发展，逐步建立完善大数据分析服务体系。经管理信息部及软件开发中心2年的不懈努力下，我行大数据分析的基础平台已搭建完成，为数据分析人员提供了一站式数据服务基础，同时也初步形成了一套健全的运营管理机制保障高效优质的数据服务，包括分析用户管理、数据安全管理、项目管理等。而一支队伍则是本次培训的主要目的，也是大数据分析工作的的关键，即形成一支我行自有的专业的数据分析师团队。
二、初步掌握大数据分析的理论基础及方法
理论是支持实践的基础，可有效指导实践，大数据分析工作也不例外。数据分析的理论基础为概率论及数理统计，在大学时作为一门必修课，有一个学期的时间来学习，本次培训在讲师的带领下，则通过一天进行了回顾。同时也学习了统计学及常用统计模型，并结合实际简
单案例了解应用场景，重点的学习模型包括Logistic回归、决策树、时间序列，这些模型后续如何应用到实际业务分析中仍需要不断的探索实验。
理论是支持实践的基础，可有效指导实践，大数据分析工作也不例外。数据分析的理论基础为概率论及数理统计，在大学时作为一门必修课，有一个学期的时间来学习，本次培训在讲师的带领下，则通过一天进行了回顾。同时也学习了统计学及常用统计模型，并结合实际简单案例了解应用场景，重点的学习模型包括Logistic回归、决策树、时间序列，这些模型后续如何应用到实际业务分析中仍需要不断的探索实验。
大数据分析工作也有一套方法、流程，一般数据分析的主要步骤包括业务理解、数据理解、数据准备、建模、评估/报告、应用、监测，在不断的循环迭代中加强数据对业务发展的支持。
三、尝试应用工具开展简单分析
工欲善其事，必先利其器。在了解大数据分析的理论基础后，本次培训还介绍了我行现有数据分析工具：woody、mole及sas，以及对应的sql、python及sas编程基础，全面的范文参
考写作网站也通过一些简单的案例开展数据处理、建模、模型训练、评估等操作，将理论知识有效的结合实践中，也为往后开展实际业务分析打下了基础。
四、确定后续学习方向及定位
两周的学习使我对大数据分析有了更加深入的认识，但仍局限于框架、概况，大数据分析的学习是持续的，而不同角的分析人员需要关注的方向也不尽相同。正如孙总所提到的，数据分析师必须是复合型人才，作为业务部门的一名业务分析师，在加强对业务痛点理解的同时，后续仍需进一步学习分析工作所需的专业知识，不断自我提升，包括掌握常用的统计模型，结合实际业务场景选取尽可能合适的模型，掌握python语言，灵活运用woody及sas等分析工具，提高分析效率，成长为一名懂业务、懂技术、懂模型、懂市场的

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。