| 培训时长 | 2天 |
| 授课对象 | 1.决策层高管（部分内容单独授课） 2.执行层骨干 |
| 授课方式 | 内训 |
1 引子：唯一不变的只有变革
1.1 产业界的数字化变革
1.1.1 外部市场环境变化
1.1.2 内部竞争格局变化
1.1.3 内外变化催生数字化变革IIAB
1.2 海啸！大数据和AI来了
1.2.1 决策者的焦虑
1.2.2 人类认知进化的第一次危机
1.2.3 谁会替代你和你的组织？
1.2.4 霸王龙下的生存空间
1.3 变革应对
1.3.1 寻找不变的“1”
1.3.2 决策源于对变革的预测
1.3.2.1 信息效度
1.3.2.2 决策风险
1.3.2.3 执行力度
1.3.2.4 团队活力
1.3.3 从传统决策到大数据决策
1.3.4 数字化转型之“愿“
1.3.5 数字化转型之“痛“
2 入门篇：大数据思维养成攻略
2.1 什么是数据思维
2.1.1 “老大哥问住我了”某无车承运平台难题
2.1.2 你被“大数据”了吗？论巨头的数据优势
2.1.3 人工智能优势和劣势
2.1.4 从形式逻辑到机器学习
2.1.5 人与大数据AI的认知融合
2.2 主流数据挖掘模式
2.2.1 CRISP-DM
2.2.2 AI进化版
2.3 逆向数据思维
2.3.1 不以赢利为目的的企业数据分析是“耍流氓”
2.3.2 财务数据挖掘模型
2.3.3 不以客户满意为目的的数据团队是“自慰队”
2.3.4 稻盛大神的阿米巴实验
2.3.5 客户价值精算是企业行为统一度量
2.4 蜂巢：企业经营数据全息图
3 第一天互动活动
3.1 模拟分组游戏：决策私董会（选题作为第二天的数据决策导图主题备选）
4 实战篇：人人都是数据分析师
4.1 什么数据有用？
4.1.1 初始的数据与切身任务挂钩
4.1.2 重要的数据与公司利益挂钩
4.1.3 核心的数据与客户价值挂钩
4.2 数据从哪里来？
4.2.1 企业内部数据
4.2.2 交易/协作平台
4.2.3 外部行业数据
4.2.4 数据获取方式：埋点和爬虫
4.3 数据分析基础（一）：分解
4.3.1 分解的起点
4.3.2 分解的逻辑
4.3.3 分解的边界
4.3.4 “三维分解法”
4.4 数据分析基础（二）：对比
4.4.1 谁与谁
4.4.2 前与后
4.4.3 A/B
4.4.4 类比
4.4.5 回归
4.5 构建稳固的大数据“底盘”
4.6 “工欲善其事，必先利其器”
4.6.1 数据工具概况和分类
4.6.2 Excel：人手一份的数据分析工具
4.6.3 高效率和低门槛的数据决策导图
4.7 共享出行应用案例
4.8 “我跟领导想法不一样怎么办？”——怎样写数据分析报告
4.9 开放讨论：什么样的人才难以被淘汰？
5 进阶篇：易精大数据决策四步法（高管课程）
5.1 商业模式精算
5.1.1 拉普拉斯与皇帝
5.1.2 “因为相信所以看见“
5.1.3 “因为认知所以预见”
5.1.3.1 天时
5.1.3.2 地利
5.1.3.3 人和
5.2 易精大数据决策四步法
5.2.1 以客户价值精算为标准
5.2.2 以经营蜂巢为数据模型
5.2.3 以数据决策导图为工具
5.2.4 以盈利预测为决策依据
5.3 收官：快速决策罗盘
5.4 新能源汽车应用案例
6 高级篇：数字化组织机制（高管课程）
6.1 不破难墙不回头
6.1.1 “客户墙”
6.1.2 “老板墙”
6.1.3 “部门墙”
6.2 东西方数字化组织机制对比
6.2.1 亚马逊的“数字泰勒主义”
6.2.2 日本企业的“现场主义”
6.3 A/B测试～数字化机制的试金石
6.4 纸上谈兵：数据决策分权机制
6.4.1 激发执行层活力
6.4.2 大数据系统的脆弱
6.5 人性与数字
6.5.1 Tom猫的AI生活
6.5.2 数字顺逆
6.5.3 人心冷暖
7 未来篇
7.1 数字孪生经营
7.2 无人驾驶/无人机
7.3 数字化未来属于每个组织和每个人
8 第二天互动活动
8.1 “决策导图制作”分组比赛
8.2 课后作业：“我的数据分析报告首秀”
8.3 各组总结发言
课派（原企培陪）作为企业在线培训学习视频一站式选购平台，内容覆盖30多个行业及课程领域，为客户提供线上学习运营平台、按行业按岗位设计课程体系、电子课件等服务。
