通过提升企事业单位各级人员的数理统计、分析、预测、预警、决策水平，助力于自身数字化转型与升级。

21世纪以来，大数据时代正式登场，面对“万物皆数”的大数据时代，未来的社会的竞争一定从生产关系为主导的竞争范式向生产力为主导的竞争范式转变，国内大部分企业尚处于业务数据统计阶段，针对未来社会经济发展的不确定性增强，光靠数据统计已经不能适应市场的快速变化了，企业急迫需要提升管理人员数据分析、预测及决策能力和水平，通过构建企业经营数字化差异壁垒，提升企业基础科学应用方面的核心竞争力。

智能大数据分析师（IBDA）课程涉及了多元统计分析、概率论、数据挖掘、机器学习、企业量化经营、投融资、生产运营、供应链管理、财务分析等方面，涵盖定性定量方法和常用的excel、SPSS、python等分析工具的使用。课程同时包含数据采集、加工、处理、建模、算法应用、结果分析、预测预警、量化决策的经营全过程。通过课程学习，可以提升学员数据化思维、量化分析及理性决策能力，提高社会交易价值、规避风险、增加收入。

（一）大数据基础知识
1.大数据与统计学的历史沿革；
2.“万物皆数”时代、哲学与大数据关系、认识论与方法论；
3.人类社会经历的数字化与智能化的几次革命；
4.大数据的种类特征、智能大数据分析的价值与作用；
5.把握趋势、遵循规律、理性决策、心中有数；
6.智能大数据分析的全过程：含数据的采集、统计、加工、处理、分析、呈现、预测、预警、决策全过程。
7.智能算法平台的操作与应用
（二） 必备理论与工具
1.多元统计分析理论：多元统计分析方法论、数论，数据挖掘及展示、描述性与推断性分析；线性变换，矩阵运算、高维希尔伯特空间运算、随机向量与矩阵、均值向量、协方差矩阵、矩阵不等式和极大化、内积与外积、距离分析；一元多元线性回归分析、假设检验、参数估计、卡方检验、单因素方差分析、时间序列预测、降维理论、多重共线性的判断与消除方法、极大似然、较小二乘、矩估计等；
2.构建数据分析的思维Y=f(x)：样本与整体、随机与抽样、定性与定量分析、事物的相关性、因果性、敏感性、显著性规律；
3.线性与非线性建模思维训练：系统性思维建立；场景分析、确定问题、建立模型、选择算法、参数估计、模型修正、结果呈现、解释与预测；
4.机器学习基础：概念与历史、监督与非监督学习、训练误差、泛化误差、分类与聚类算法、贝叶斯模型、KNN、SVM、决策树、逻辑回归、集成学习等；
5.数字化经营、管理应用：显著性决策、偏好理论、边际效应递减、价值交易、价格较优等模型、投融资模型、财务数据分析等；
6.数据分析工具：excel 、SPSS、SQL、Mysql、爬虫、python等分析工具、算法平台、企业全景式检测平台操作等。
（三） 大数据应用与实践
1.市场营销：客户画像、精准获客、漏斗模型、协同过滤膜性、客户分类RFM模型、AARRR模型、恩格尔系数、基尼系数、PMI指数模型等；
2.生产品质与供应链：库存ABC分类法、安全库存模型、权重分析模型；供应商选择AHP模型、物流重力选址模型、成本优化回归模型、质量QC工具（CP/CPK)、数字精益IE工具、5W2H等）；
3.财务分析、人力分析与政务应用：货币时间价值、杜邦分析模型、盈亏平衡模型、投融资模型、静态与动态分析NPV IRR PI 、金融基础知识；人力沟通技巧、人力评价模型、激励模型、海德归因理论、数字政务等等；
4.新商业模式：传统模式、互联网模式、大数据模式、非接触经济模式；
5.异常与风险方面：异常判断、对标分析、持续改善模型、PDCA/SDCA、经营风险评价模型构建。

针对中高层人才：总监、副总、高工、CEO、董事长。

学员完成学习后，参加工业和信息化部教育与考试中心组织的统一考试，合格者将获得教育考试中心颁发的“工业和信息化职业能力证书”（电子版，可下载打印），纳入“工业和信息化技术技能人才数据库”，可在首页查询。