1 课程基本信息
2 课程简介
本课程是工业互联网项目中数据分析的核心实践课程，课程以讲授研讨、上机实操、实战训练相结合的教学方式为主，旨在帮助学生建构完整的工业数据分析的知识体系。本课程以“项目任务驱动”为设计思路，结合业内知名企业的数智化转型实践经验和真实需求，通过理论讲授帮助学生掌握工业数据的数据治理、采集汇聚、处理开发、分析挖掘到数据可视化的数据分析方法论和相关技术工具；通过课堂实践让学生理解数据平台技术的架构和功能、数据应用的逻辑和工具，掌握工业数据的可视化设计和操作，为将来从事数据分析、数据治理、初级数据开发的相关工作做好准备。课程考核成绩依据实践报告和期末报告答辩予以评定。
3 先修课程要求和能力要求
先修课程：数据库原理及应用（非必须）、Python程序设计（非必须）、数据挖掘算法（非必须）；
能力要求：对工业场景、工业数据的基础认知具备一定的好奇心，对系统设计思维和软件能力的培养具备一定的积极性；具备团队精神和组织协调能力；熟练掌握办公类软件工具，具备一定的文献/资料检索、撰写报告及方案的能力。
选课和遴选方式：相关专业大二年级及以上同学自由报名。
4 课程目标和考核方案
4.1课程目标输出
本课程设置了5个课程目标，用IDAP-X表示，分别描述如下：
IDAP-1：结合行业案例，帮助学生理解工业互联网架构和工业数据应用场景；理解工业数据的特征和技术架构；结合行业对工业数据人才的需求，帮助学生理解课程逻辑和核心知识点；
IDAP-2：掌握工业数据应用和数据分析解决方案的方法论；基本掌握“项目背景—需求分析—方案架构—技术实现”数据解决方案的基本框架；熟悉数据治理、离线数仓建模、数据实时计算和数据智能挖掘的关键技术；能够初步设计数据分析和数据应用的解决方案；了解并能使用编程工具、多类型数据库技术实现数据处理开发；
IDAP-3：熟悉工业数据平台的基本架构和功能，对数据平台建立宏观认识，了解平台的核心模块，掌握数据平台的基本操作；
IDAP-4：结合多个工业企业的数据项目案例，培养学生对工业数据的分析与处理能力：针对某企业设备后服务的应用场景，根据系统需求和行业标准，能够完成实践项目的数据建模、分析和展示的配置与实现，并完成解决方案；
IDAP-5：培养学生方案汇报和方案撰写的能力，结合行业规范、标准和案例需求，形成内容完备、格式规范、条理清晰的数据项目解决方案报告，并完成答辩汇报。
4.2课程考核方案
本课程是实践课，由实践实验报告(三个项目，共占比60%)和期末方案汇报(占比40%)组成。
5 课堂教学内容
本课程课内授课学时18学时，分为6个部分，内容分别如下
（1）工业数据概述和企业数据项目的实现方案（4学时）
授课人：李敏，李荣贵（校外导师）；
内容说明： 通过案例，了解工业数据的基本理论框架，包括：工业互联网、产业工业互联网平台、工业数据特征、工业数据应用场景、数据技术及人才需求。从智能化设计、智能化生产、智能化服务三个场景，深入理解工业数据的内涵，即什么是工业数据和为什么学习工业数据；以设备后服务项目的解决方案为实例，帮助学生构建“数据采集—数据传输—数据存储—数据处理计算—数据分析挖掘—数据可视化”的数据项目分析方法论；并通过实例详解，帮助学生从项目背景、需求分析、项目架构及整个项目的实现思路来理解工业数据人才的工作内容。
（2）工业数据治理（2学时）
授课人：李敏，李荣贵（校外导师）
内容说明：通过产业案例引入数据治理的概念，从企业需求和国家战略的角度，讲解数据治理的需求、什么是数据治理、以及数据治理的框架体系和方法论，帮助学生理解和掌握数据治理的基础理论；以某制造集团设备后服务项目的数据分析真实需求，深入拆解案例，总结了一套“管理需求分析—数据摸底—建立数据标准体系—数据接入—数据运营”的工业数据管理方法论，将数据治理的理论知识融入典型案例，让学生对工业数据管理的流程有个直观全面的认知，从而加深学生对本课程讲授课程内容和相关技术工具的认知和兴趣。
（3）数据平台和主题数据仓库建模（2学时）
授课人：李敏，李荣贵（校外导师）
内容说明：引导学生思考企业为什么需要数据平台，进一步了解数据平台的功能及架构，培养学生对企业数据平台的宏观认知；讲授数据仓库的建模理论；利用数据平台实现设备主题的项目全流程开发，从多源数据采集、数据存储、数仓指标分析、指标离线计算和可视化展示几个步骤来实践主题数仓建模的教学内容；针对数仓建模教学内容，设计了6个课时的“设备数据看板”实践教学，通过实操帮助学生理解数据平台的离线任务开发、数据仓库建模及数据可视化看板设计的流程。
（4）工业数据存储技术和工业数据实时计算技术（2学时）
授课人：李敏，李荣贵（校外导师）
内容说明：学习工业数据存储和实时计算的技术框架，详细讲解数据存储和实时计算的主流技术框架，如行业常用时序数据库、分布式文件系统、实时数据应用框架和消息转发等技术栈内容，分析各类技术的适用场景、优势和特点；针对工业锅炉实时远程监测和设备在线可视化管理的应用场景，利用实时数据库融合消息转发的技术方式实现实时计算的数据分析应用；此章节设计了6个课时的“设备状态实时监控”实践教学，使用数据平台做数据采集、存储、计算及实时开发，并将最终结果利用Python代码做可视化操作；
（5）工业数据智能挖掘技术（4学时）
授课人：李敏，李荣贵（校外导师）
内容说明：通过配件用量预测的应用场景引入工业数据智能挖掘的理念，让学生理解数据挖掘技术的作用，通过挖掘数据的价值来解决工业库存的痛点；学会利用数据平台实现数据挖掘算法用于配件用量预测，并通过神经网络算法预测未来两个月锅炉配件的用量，根据需求完成低代码数据开发并熟悉处理步骤，如：加载数据、数据处理、构建模型、模型训练、模型预测等操作步骤；数据挖掘实现过程将数据采集—数仓建模—实时计算—可视化看板设计等前期学习内容进行温习和复现；
（6）案例解决方案汇报（4学时）
授课人：李敏，李荣贵（校外导师）
内容说明：以某制造集团设备后服务项目的数据分析真实需求为分析对象，结合前期学到的知识和实验成果，以小组为单元完成一整套设备后服务解决方案，并进行方案汇报，作为本课程最终考核。
6 实验/实践教学任务
本课程设置了14学时实验，实验内容如下，任务书详见附件。
7 其他需要说明的问题
学生修读完本课程，学生可以报名以下证书考试和学科竞赛
