课程总览
一、十五五时期产业新态势和发展机遇
- 1. 升级聚焦：打造智能经济新形态
- 2. 环境变化：对企业战略韧性提出的新要求
- 3. 融合升级：从产业数字化到产业数智化
二、数智化是产业升级必由之路
- 1. 数智化的内涵、价值、底层逻辑和终极目标
- 2. 数智化背景下，企业生存之道——保持危机感
- 3. 什么是数智化转型六度法则，如何将数智化真正落地
- 【案例解析】德国大众为什么炒掉软件部门多名高管
三、数智化三个基本特征1. 数据业务化——消灭物理介质2. 流程标准化——减少人为干预3. 管理精细化——全程闭环可控
- 【案例解析】华为财经部门AI工具应用的启示
- 【小组讨论】在目前的业务场景中，有哪些不符合数智化要求的节点，如何优化？
四、企业数智化升级常见问题
- 1. 战略层面数据孤岛和协同难题
- 2. 组织层面变革阻力与制度保障
- 3. 管理层面技术与业务容易脱节
- 4. 实施层面AI+复合型人才不足
- 【案例解析】麦肯锡AI最新报告：只有39%的组织吃出了真金白银
五、数据驱动是传统产业的短板
- 1. 数据思维：数据意识相对弱，专业能力欠缺
- 2. 数据采集：数据积累时间较长，但质量不佳
- 3. 数据贯通：数据难整合，无法发挥协同作用
- 4. 数据开发：应用场景单一，缺乏业务突破点
- 5. 数据应用：条件所限，缺少整体性成功案例
- 【案例解析】某知名企业AI客服如何把人气出内伤
六、数智化转型落地三个要点1. 科技+业务双轮驱动2. 让听得见炮火的士兵做决定3. 借助专业第三方力量推进实施
- 【案例解析】将老师傅手感代码化的工业AI平台
七、数智化转型实践五步曲（数转智改模型）
- 1. 内部管理信息化（AI+RPA）
- （1）各业务系统之间联动，流程衔接自动化
- （2）简化流程、无纸化，数据埋点，数据格式统一
- 2. 业务流程可视化（AI辅助决策）
- （1）进度清晰可见、节点流转可控
- （2）流程标准化，减少人为和不确定因素
- 3. 产品服务数据化（AI分析/迭代）
- （1）建立指标体系，拆解、匹配适合运营方法
- （2）分析和改善指标，以数据导向总结优化
- 4. 营销推广个性化（AI画像模型）
一、AI大模型三项核心能力
- 1. 图文音影多模态解析生成能力
- 2. 自然语言处理和逻辑推理能力
- 3. 业务逻辑洞察和系统输出能力
- 【实操演示】多模态生成、数据清洗/数据分析/数据可视化、科学决策等……
