数字经济背景下的数字产业发展与数据价值挖掘

数字经济背景下的数字产业发展与数据价值…不只补概念,更关注中国式现代化产业体系与数字经济驱动、万亿蛋糕:十四五数字经济发展规划解读在真实场景里的判断和取舍

3天,18小时 多版本课程 2 个可选版本 数字化转型

可选交付版本

不同版本会按参训对象、课时长度和案例深度做取舍,最终课纲以需求沟通后的方案为准。
数字经济背景下的数字产业发展与数据价值挖掘 推荐版本 3天

适合作为默认学习方案,完整覆盖本课程的核心目标、主要模块和实操安排。

数字经济背景下的数字产业发展与数据价值挖掘(3天版) 3天版

3天交付版本,适合按培训时长压缩或展开课程内容。

适合对象

业务负责人、项目骨干、内训师和正在试点AI工具的团队可以带着当前业务任务参加,便于课后沿用同一套判断和跟进方式

课程定位

工具会用但流程接不上、结果不好验时,课程可以用于梳理现状、练习方法,并明确课后的跟进责任

核心收益

  • 对齐工具场景、输入要求和输出校验,先把训练目标落到真实工作场景
  • 围绕中国式现代化产业体系与数字经济驱动明确判断口径和处理优先级
  • 用万亿蛋糕:十四五数字经济发展规划解读安排练习,检查方法、工具和流程是否可用
  • 带走中国式现代化的本质要求:实现全体人…相关的复盘问题和跟进清单

课程背景与交付信息

《数字经济背景下的数字产业发展与数据价值挖掘》面向企业中高层管理者、业务负责人及相关岗位骨干人员的实际工作场景,围绕课程主题中的关键政策、业务流程、工具方法和落地难点展开

课程时间

3天,18小时

课程内容重点

01战略部署:中国式现代化产业体系与数字经济驱动
02万亿蛋糕:十四五数字经济发展规划解读
03中国式现代化的本质要求:实现全体人民共同富裕
04正确理解社会主义特色市场经济
05中国式现代化的特色

课程大纲

战略部署:中国式现代化产业体系与数字经济驱动

一、中国式现代化的本质要求:实现全体人民共同富裕
  • 1. 正确理解社会主义特色市场经济
  • (1)根本标志:坚持公有制的主体地位
  • (2)根本目标:以共同富裕为根本目标
  • (3)配置方式:能够实现强有力的宏观调控
  • 2. 中国式现代化的特色
  • (1)人口规模巨大的现代化
  • (2)14亿人共分成果、共享红利的现代化
  • (3)勤劳致富而非投机致富的现代化
  • 3. 澄清共同富裕的内涵
  • (1)共同富裕不是财富平均,而是机会均等
二、中国式现代化的首要任务:高质量发展
  • 1. 蛟龙腾飞:前二次中国经济循环助推中国经济奇迹
  • (1)第一次循环(2001-2008):出口-投资模式
  • (2)第二次循环(2009-2015):负债-投资模式
  • 2. 改开40年总结:经济奇迹与经济困局
  • (1)奇迹密码:3波红利潮与2种资源、2个市场
  • (2)产业升级引擎失速与改革困局
  • (3)结构性问题表现:四大结构失衡
  • 3. 新发展阶段、新发展理念与新发展格局背后的底层逻辑
  • (1)驱动力:要素/投资/出口创新/内需
  • (2)红利:要素红利技术红利
三、中国式现代化的基础性战略性支撑:教育、科技、人才
  • 1. 创新:现代化的核心
  • (1)美国:追求利润最大化
  • (2)日本:追求负债最小化
  • (3)中国:追求创新最强化
  • 2. 工业4.0 与中国制造2025
  • (1)新技术变革下的制造业关键生产要素
  • (2)大国竞赛:再工业化
  • (3)新产业三角:科技、制造业、金融
  • (4)制造立国:中国制造2025和价值链迁移
  • 3. 春满大地:专精特新赋能中小企业
四、中国式现代化的三个体系
  • 1. 建立中国式现代化的市场体系
  • (1)高标准的商品市场体系
  • (2)高效率的要素市场体系
  • (3)建设全国统一大市场的制度突破
  • 2. 形成一个完整的现代化产业体系
  • (1)以实体经济为主体,制造业为中心
  • (2)现代化产业体系:制造业25%-工业35%-实体经济50%
  • 3. 形成完整的科学创新体系
  • (1)原始创新、基础创新
  • (2)科技成果转化孵化为生产力
四、数据要素的价值创造:两场革命

万亿蛋糕:十四五数字经济发展规划解读

一、指导思想拆解
  • 1. 以数据为关键要素
  • 2. 以数字技术与实体经济深度融合为主线
  • 3. 加强数字基础设施建设
  • 4. 完善数字经济治理体系
  • 5. 协同推进数字产业化和产业数字化
  • 6. 赋能传统产业转型升级
  • 7. 培育新产业新业态新模式
二、目标背后的市场蛋糕
  • 1. 量化目标:数字经济核心产业增加值占GDP比重达到10%
  • 2. 2020—2025:从7.8万亿到13万亿的巨大空间
  • 3. IPv6用户:4.6亿到8亿
  • 4. 千兆宽带用户:640万到6000万
三、八大任务解读
  • 1. 优化升级数字基础设施:云网协同、算网融合发展
  • 2. 充分发挥数据要素作用:数据要素市场化流通
  • 3. 大力推进产业数字化转型:企业、行业、产业园区、集群数字化转型
  • 4. 加快推动数字产业化:培育新业态新模式
  • 5. 持续提升公共服务数字化水平:互联网+政务服务、数字城乡融合
  • 6. 健全完善数字经济治理体系:政府数字化治理
  • 7. 着力强化数字经济安全体系:网络安全、数据安全
  • 8. 有效拓展数字经济国际合作:贸易数字化
四、重点:打造智慧共享的新型数字生活
  • 1. 智能家居产品互联互通
  • 2. 发展互动视频、沉浸式视频、云游戏等新业态
  • 3. 深化人工智能、虚拟现实、8K高清视频等技术的融合
  • 4. 推广智慧导览、智能导流、虚实交互体验、非接触式服务

融合共生:实体经济与数字经济融合创新之道

一、数字化从何而来——工业革命4.0
  • 1. 第一次工业革命:蒸汽机技术革命
  • 2. 第二次工业革命:电力技术革命
  • 3. 第三次工业革命:信息技术革命
  • 4. 第四次工业革命:数字化与人工智能革命
  • [案例]科技话语权争夺:美国对华为的特殊关照
二、数字化的技术支撑
  • (1)基础设施:5G、云计算、物联网
  • (2)生产资料:大数据
  • (3)生产力:人工智能
  • (4)生产关系:区块链
三、数字经济助力高质量发展
  • 1. 背景:中国经济由高速增长转向高质量发展
  • 2. 抓手:产业转型升级与新基建
  • 3. 引擎:新一轮科技革命和产业变革
  • 4. 路径:数字经济与实体经济深度融合
四、数字经济赋能实体经济
  • 1. 何为数字经济:广义与狭义
  • [观点]数字经济的本质在于信息化
  • 2. 与传统实体经济的关系:放大/叠加/倍增
  • [观点]数字经济不是数字的经济,是融合的经济
  • 3. 数字化的技术支撑:新一代互联网基础设施
  • 梳理四、数字经济赋能实体经济的适用场景、输入输出和使用边界
  • 拆解四、数字经济赋能实体经济的工具配置、提示词设计和结果校验步骤
  • 输出四、数字经济赋能实体经济应用清单、质量检查表和迭代计划
  • 练习AI提示词、输出检查和业务流程嵌入动作
  • [案例]抗疫中各显神通的数字化组合拳
五、城市数字经济竞争力及产业机会
  • 1. 数字创新要素:北京、上海、深圳、南京、杭州
  • 2. 数字基础设施:上海、北京、杭州、广州、深圳
  • 3. 核心数字产业:深圳、广州、北京、杭州、南京
  • 4. 数字融合应用:北京、深圳、上海、广州、重庆
  • 5. 数字经济需求:深圳、广州、杭州、上海、北京

迭代升级:从数字化到数智化,技术与商业的协同演化

一、数字化与数智化的区别
  • 1. 支撑技术:ITDT
  • 2. 市场特征:规模化、确定性个性化、不确定性
  • 3. 经营理念:以内部管理为核心以客户运营为核心
  • 4. 技术诉求:提升效率创新迭代
  • 5. 技术开放性:封闭开放
  • 6. 技术交付形态:硬件+软件+解决方案服务与运营方案
二、数智化转型的历史沿革
  • 1. 阶段一:IT 化阶段,关键词:安装
  • 2. 阶段二:在线化阶段,关键词:在线
  • 3. 阶段三:云端化阶段,关键词:重构
  • 4. 阶段四:双轮驱动阶段,关键词:运营
  • 5. 阶段五:全链路数字化阶段,关键词:创新
三、传统企业数智化转型前面临的五大挑战
  • 1. 增长趋缓:粗放模式难以为继
  • 2. 竞争加剧:新势力重新定义新行业
  • 3. 需求分化:消费者主权崛起
  • 4. C端倒逼:B端变革亟待加速
  • 5. 粗放经营:成本上升与创新乏力
四、企业数智化转型缓慢的风险
  • 1. 市场失焦
  • 2. 营销失语
  • 3. 管理失衡
  • 4. 系统失灵
  • 5. 增长失速
五、因数而智,化智为能:数据+算力+算法推动数智化转型
  • 1. 数据:人、货、场和人、机、料、法、环
  • 2. 算力:云计算、边缘计算、泛在计算、核心芯片
  • 3. 算法:商业模型、流程模式、人工智能、数字孪生
  • 4. 商业模式:网络协同、数据智能、C2B模式
  • 5. 组织模式:自驱动、自适应、液态化
  • 6. 工作模式:自由连接、快速聚散、灵活就业
六、企业数智化转型的五大核心理念
  • 1. 以消费者运营为核心
  • 2. 实现需求端数据智能
  • 3. 供给端数字基础设施重构
  • 4. 推动供需协同的端到端数字化
  • 5. 追求和创造可持续的增长模式
七、企业数智化转型五步走:不仅仅是技术
  • 1. 战略驱动:行业痛点、用户体验、模式创新
  • 2. 业务重构:营销渠道、服务交互、产品研发、供应链
  • 3. 科技赋能:大数据、AIOT、云计算
  • 4. 组织升级:员工思维、员工能力、员工治理
  • 5. 变革领导力:战略洞察、勇气决策、资源投入

效率重构:国有企业数字化转型途径与方法

一、什么是数字化转型
  • 1. 含义:利用数字化技术来推动企业组织转变业务模式,组织架构,企业文化等的变革措施
  • 2. 基础:数据——基本的生产资料
  • 3. 本质:技术与商业模式的深度融合——组织效能提升
  • 4. 目的:提升效率、降低成本、创新业务
  • 5. 结果:商业模式的变革
二、数字化对国有企业的影响
  • 1. 竞争格局的改变
  • 2. 客户需求的改变
  • 3. 企业价值链的重塑
  • [案例]360杀毒:重塑互联网安全价值链
三、企业数字化转型的4大价值
  • 1. 重构业务流程:提升效率,降低成本
  • 2. 重构用户体验:强化用户粘性,提升用户资产
  • 3. 重构产品和服务:制造差异,形成溢价
  • 4. 重构商业模式:改变盈利模式,脱离红海
  • [案例]:亚马逊打造智能音响爆款:从买产品到卖服务
四、国有企业数字化转型的难点
  • 1. 从工业化思维到用户思维的转变
  • 2. 基础架构的不足与巨大的投入
  • 3. 技术噪音的干扰
  • 4. 如何寻找快速起效的业务
  • 5:内部人才的不足
  • 6. 生态圈重构能力不足与障碍
  • [案例]GE Digital 败在何处?
五、数字化对国有企业组织的挑战与要求
  • 1. 扁平化
  • 2. 模块化
  • 3. 柔性化
  • 4. 平台化
  • [案例]万科微V:内部共享,高效链接
六、国有企业数字化转型的4种模式
  • 1. 精益式转型
  • 2. 增强式转型
  • 3. 创新式转型
  • 4. 跃迁式转型
  • [案例]三一重工数字化转型:要么翻船,要么翻身
七、国有企业数字化转型之道:项目操作要点与经验
  • 1. 认知:一把手系统工程,自上而下
  • 2. 路径:分步实施,阶段收割成果,持续改进
  • 3. 重点:技术服务业务,提升效率,再业务创新
  • 4. 保障:组织变革与打造数据文化

价值确认:数据资产入表与确权

一、数据资源、数据产品、数据资产的关系
  • 1. 数据资源
  • (1)原始性
  • (2)复杂性
  • (3)价值潜力
  • 2. 数据产品
  • (1)加工性
  • (2)价值性
  • (3)可用性
  • 3. 数据资产
  • (1)价值性
二、什么是数据资产
  • 1. 数据资产特征
  • (1)可增值
  • (2)可共享
  • (3)可控制
  • (4)可量化
  • 2. 数据资产的两种类型
  • (1)内部数据资产与价值体现
  • (2)外部数据资产与价值体现
三、数据资产评估
  • 1. 数据资产评估方法
  • (1)市场法
  • (2)收益法
  • (3)成本法
四、数据资产审计
  • 1. 文件审查
  • 2. 访谈
  • 3. 实地检查
  • 4. 数据分析
五、《企业数据资源相关会计处理暂行规定》政策解读
  • 1. 数字资源获取
  • (1)外购
  • (2)自行开发
  • (3)其他方式
  • 2. 数字资源入表确认(1)自用型:无形资产
  • (2)交易型:存货
  • 3. 列示与披露要求
  • (1)资产负债表相关列示
  • (2)确认为无形资产的数据资源相关披露
  • (3)确认为存货的数据资源相关披露
六、数据资产入表实操环节
  • 梳理数据:技术、财务、运营多部门协同
  • 项目立项:项目可行性研究报告
  • 数据治理:企业信息核验数据集
  • 项目验收:数据资产验收单
  • 合规审查:专业律所——数据合规报告
  • 资产登记:数据资产登记证书
  • 价值评价:数据资产价值评价报告
  • 财务入账:计入企业总资产
七、数据资产入表案例分析与启示
  • 1. 温州:信贷数据宝对接金融机构
  • 2. 广东:南财金融终端资讯通入表融资
  • 3. 浙江:首单制造业数据产品交易
  • 4. 重庆:首批智慧停车数据资产入表
  • 5. 宿迁:数据知识产权登记产品交易

价值构筑:数据治理与数据价值的底层基石

一、数据治理的根本目标:数据要素三次价值释放
  • 1. 数据支撑业务贯通
  • 2. 数据推动数智决策
  • 3. 数据流通对外赋能
二、数据治理的十大痛点
  • 1. 数据孤岛
  • 2. 数据质量参差不齐
  • 3. 元数据管理缺失
  • 4. 主数据管理混乱
  • 5. 数据安全风险高
  • 6. 数据合规压力大
  • 7. 数据治理组织与职责不清
  • 8. 数据文化薄弱
  • 9. 数据治理投入产出难衡量
  • 10. 技术选型与工具整合难题
三、如何进行数据治理
  • 1. 确定治理目标,明确治理优先级
  • 2. 成立科学的数据治理组织体系
  • 3. 制定数据治理机制,推动数据治理落地
四、诊断组织内数据资产
  • 1. 数量
  • 2. 多样
  • 3. 速度
  • 4. 准确
  • 5. 价值
五、数据治理框架
  • 1. 数据架构
  • 2. 数据建模和设计
  • 3. 数据安全
  • 4. 数据集成与互操作性
  • 5. 数据质量
六、数据治理角色
  • 1. 指导委员会
  • 2. 数据拥有者
  • 3. 数据管家
七、企业数据治理实操过程
  • 1. 数据治理实施框架
  • 2. 数据治理组织架构
  • 3. 数据治理平台
  • 4. 数据治理评估

价值变现:数据交易平台与交易模式分析

一、数据交易市场发展前景
  • 1. 数据要素对经济增长的促进效应
  • 2. 数据交易市场规模
二、数据交易平台类型
  • 1. 产权视角
  • (1)政府主导型
  • (2)企业主导型
  • 2. 业务模式视角
  • (1)综合数据服务模式
  • (2)纯第三方交易平台模式
三、数据商品交易主要模式
  • 1. 直接交易数据模式
  • 2. 数据交易所模式
  • 3. 资源互换模式
  • 4. 会员账户服务模式
  • 5. API访问模式
  • 6. 利益相关方的数据平台+数据联盟交易模式
四、国内数据交易平台的显著特征
  • 1. 大多提供综合数据服务
  • 2. 缺乏对数据交易统一的标准和规范制度
  • 3. 公共数据开放程度较低
  • 4. 数据供需关系网络较为简单
  • 5. 数据权属边界尚未清晰
  • 6. 数据产品知识产权保护薄弱
五、国内典型交易平台分析对比
  • 1. 贵阳大数据交易所:综合数据服务平台
  • 2. 北京中关村大数据交易平台:第三方数据交易平台
  • 3. 华中大数据交易所:第三方数据交易平台
六、数据市场化流通促进途径
  • 1. 丰富高质量数据供给
  • 2. 以需求为导向挖掘数据应用
  • 3:完善流通交易环境

讲师介绍

宋逸之 讲师头像

宋逸之

宏观经济分析与企业战略规划专家

经济学博士后,工学博士,深耕宏观经济与战略规划20余年。擅长将宏观形势、国家政策与企业微观战略结合,提供国企改革、商业模式创新及投融资决策支持。累计授课咨询1000余场,服务多家央企及金融机构

金融银行建筑工程物流供应链政府国企电力能源通信
查看讲师主页

课程常见问题

这门课适合哪些学员参加?

适合企业中高层管理者、业务负责人及相关岗位骨干人员等需要系统提升相关能力的人群

学习这门课可以获得什么收益?

理解课程核心方法与适用场景,并结合课程中的工具、案例和练习推动企业培训落地

为什么这个页面会展示多个版本?

这些版本属于同一门课程的不同交付版本,页面保留推荐版本作为课程主轴,其他版本用于说明时长、行业场景或模块侧重点差异

企业可以基于这门课做定制吗?

可以。正式交付时可结合企业行业、岗位对象、当前问题和培训时长,对案例、练习和重点模块做适配