【培訓對象】
從事數據分析、數據建模的相關技術人員

【培訓收益】
本課程面向工業企業，向學員介紹如何利用生產過程產生的實際數據，有效地從事根因分析、數據建模等工作，為企業解決實際問題。

課程分成七個部分

第一部分介紹數據建模和根因分析的基本概念。主要用于糾正學術界常見的錯誤或模糊觀點。在工業企業，人們對過程和對象的理解往往較深，建模中的困難往往是數據條件不理想導致的。 另外，工業人追求模型的實用價值。實用模型不僅需要一定的精度，還對精度的穩定性有較高的要求。模型的實用并不等同于科學意義上的正確，但科學知識有利于提高精度和穩定性。

第二部分介紹數據分析過程中常見的錯誤。在實踐過程中，數據分析的困難往往體現在容易出現錯誤。這些錯誤與數據質量密切相關。數據的真實性、數據的誤差都可能帶來錯誤、扭曲的分析結果。而現實中，工業數據的質量低是一種常態。傳統數據分析要求的“先驗條件”往往不存在。工業數據分析需要在這樣的前提下開展工作。

第三部分介紹如何避免錯誤的分析結果。要避免出現分析錯誤，需要從數據本身的質量入手。要關注數據的采集過程、要審視數據采集的標準。用于分析的數據必須完整，不能片面地描述工業對象和過程。要避免數據收集過程的片面性、避免“幸存者偏差”導致的錯誤。

第四部分討論數據的分析方法。數據分析一般從分析相關關系開始。但進行根因分析（或開發控制模型）時，需要確認因果關系。工業對象往往可以看出一個系統，系統中有眾多的反饋和前饋回路。這會導致變量之間的相關與因果關系混亂。要解決這類困難，需要將工業知識和數據分析方法有機地結合起來。

第五部分介紹模型和分析結果的驗證。驗證過程的本質，是驗證精度和適用范圍。由于工業過程經常面對不可見的干擾，人們往往難以建立高精度的模型。考慮精度時，可以設法排除隨機干擾的影響、專注于本質性的影響。分析適用范圍時，可以從多個角度、多個場景分別檢驗。特別需要指出的是：如果模型本身過度復雜，精度和適用范圍之間就會產生矛盾。

第六部分介紹一種常見的實用模型。這種模型與教科書上的科學原理差別較大，本質上是經驗和實踐的積累，是“用歷史預報未來”。相關的算法相對簡單，但需要較多的數據積累。故而特別適合大數據時代。為了提高模型的精度、保持精度的穩定性，往往需要采用“自學習”和參數調整技術，讓現實數據不斷地矯正模型。

最后一部分討論技術經濟性。本課程介紹的方法，是實踐中行之有效的方法、也是非常傳統的做法。但是，在數據條件不理想時，分析和建模的效率很低、成功的比例也很低。這導致相關工作不具備經濟性、也難以廣泛開展。但是，在工業大數據時代，數據條件發生了變化，技術經濟性就不一樣了。企業需要主動地創造條件，才能促進這些工作的開展。 

郭朝暉博士,教授級高工
1968年生于山東濟南。1990、1994和1997年分別在浙江大學應用數學、化學工程、工業自動化專業獲得學士、碩士和博士學位。

1997年加盟寶鋼。2000年即獲得寶鋼首次頒發的企業最高榮譽“金牛獎章”。2002年至2017年擔任寶鋼研究院首席研究員，期間多次獲得寶鋼重大科技獎。2003年，牛津大學訪問學者。2005年晉升教授級高工。著有《管中窺道：技術創新的觀念與方法》、《知行：工業基因的數字化演進》。

現為上海優也信息科技有限公司首席科學家。是上海交通大學、浙江大學、東北大學、上海財經大學、西安科技大學等多家高校的兼職教授，清華大學工業大數據實驗室、工信部工業大數據分析與集成應用重點實驗室等多家實驗室的專家委員會委員；中國鋼鐵行業協會行業培訓專家、中國工業互聯網產業聯盟大數據特設組副主席、工業技術軟件化產業聯盟專家委員會委員。擔任廣東省、湖南省、貴州省、山西省、北京市、杭州市、深圳市、泰安市等多個地方（與數字化相關的）專家委員會委員。

曾擔任中國工業與應用數學學會副理事長、中國現場統計學會理事、上海市人工智能學會理事，以及中國自動化學會、中國金屬學會若干專委會委員。曾擔任中央企業青聯委員、上海市知識分子聯誼會理事、寶鋼知識分子聯誼會會長、上海寶山區知識分子聯誼會副會長、寶山區政協委員。