大纲：

一、 公司工业大数据整体规划

a) 工业大数据愿景：构建数据能力，数据资产化

b) 数据现状，实施障碍和路线图

c) 工业大数据组织和人才

d) 工业大数据能力建设规划和平台选择

e) 大数据建设原则：始于业务、终于业务

二、 业务对象数字化、模型化

a) 业务对象，作业流程，业务场景的角色和行为描述

b) 业务对象数字化表达——对象建模

c) 业务逻辑的数字化表达——业务建模

三、 工业大数据的数据标准和工业技术标准

a) 工业大数据标准和元数据制定依据

b) 国家标准、行业标准和企业标准对于数据标准的指导作用

c) 大数据标准的制定流程

d) 大数据标准制定实战

e) 数据标准的延展性

f) 数据模型和元数据

g) 主数据管理

四、 工业大数据的数据标签

a) 标签对工业大数据的价值

b) 数据标签建设流程

c) 标签建设和主数据管理的关系

d) 标签类型类目设计和相关概念

e) 对象ID打通所有数据系统

f) 制造业数据标签设计实例

五、 工业大数据的数据交换中心（数据集成）

a) PLM/MES/ERP/SRM/CRM/MRO等传统业务系统数据集成

b) 设备联网、产品联网，实时时序数据集成

c) 微服务APPs系统数据集成

d) 数据交换中心的技术构架和实践案例

六、 工业大数据的数据清洗、存储、查询和计算

a) 工业大数据的污染源类型

b) 工业大数据清洗技术

c) 数据类型和数据存储策略

d) 工业大数据云计算技术

七、 算法库（技术建模和业务建模）

a) 算法库在工业大数据建设中的意义

b) 工艺建模

c) 质量建模

d) 设备机理建模

e) 产品机理建模

f) 销售业务算法库

g) 物流业务算法库

h) 计划和排程算法库

八、 工业大数据应用服务架构API

a) 一个好的API的重要性

b) 数据源分析

c) 后端和前端的构建逻辑

九、 工业大数据场景化APPs开发

a) 业务需求深度解读

b) 关键用户和定义业务需求

c) 定义业务对象、业务场景和业务流程

d) 定义数据源和算法库

e) 原型配置和试点

f) 评估和迭代

十、 工业大数据应用实例

a) 质量大数据

b) 设备大数据和预测性维护

c) 物流大数据