课程总览
一、数字化转型赋能新质生产力发展
- 1. 新质生产力内涵定义及核心特征
- 2. 新质生产力必须由三高筑底
- 3. 新质生产力强调质态而非业态
- 4. 数字化的内涵、价值、底层逻辑和终极目标
- 5. 数字化背景下，企业生存之道——保持危机感
- 【案例解析】德国大众为什么炒掉软件部门多名高管
二、数字化的三个基本特征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】华为数字化工具应用的启示
- 【行动指南】在目前的业务场景中，有哪些不符合数字化要求的节点，如何优化？
三、企业数字化变革常见问题
- 1. 战略层面缺乏系统性顶层设计
- 2. 业务层面信息化基础相对薄弱
- 3. 实施层面技术与业务容易脱节
- 4. 组织层面人才队伍上储备不足
- 【案例解析】麦肯锡最新报告：数字化转型成功率普遍不高？
四、数字化转型顶层设计和体系构建1. 基础建设：数字基因六大模块、数字技术平台架构2. 组织建设：数字运营开发流程、数字业态应用场景、数字资产长效机制
- 3. 人才建设：数据驱动能力、跨界融合能力、场景转化能力、创新发展能力
五、企业数字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
- 【行动指南】如何完善基础数据治理，打通数据堵点，完成数据贯通和闭环
六、数字化转型实践五步曲（数转模型）
- 1. 内部管理信息化
- （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，从点到线到面一体
- 2. 业务流程可视化
- （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
- （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
一、大数据管理与开发流程
- 1. 大数据三个要素
- 2. 大数据的三种类型
- 3. 大数据六个特征：时间、空间、行为、偏好、规律、预测
- 4. 符合实际情况的数据开发流程
二、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，缺少应用的成功案例
- 【案例解析】某知名企业客服中心如何把人气出内伤
