数字化转型与智能化改造的概念虽然一直被热炒，却很难完成落地。相信您并不是**次听到“数字化”和“人工智能”这样的名词，但却很少有人能够具象清晰地把这些名词解释清楚。

想要梳理清楚纷繁复杂的数智化转型技术并找到关键点？

想要了解您所在行业的数智化转型案例以及背后的经验教训？

企业有意尝试数智化转型，但立项时却无从下手，难以形成具体方案？

企业已经立项的数智化项目，总是半途而废或者草草收场，却找不到原因？

公司业务部门和IT/算法部门的同时沟通存在障碍，导致数智化项目推进缓慢？

所有答案将在课上揭晓！

一、数字化的顶层逻辑

1、数字化转型是什么

●企业中的流程与人类的神经

●企业中的信息与人类的神经信号

●数字化：在数字世界中帮助企业构造神经系统

2、数字化顶层思维框架

●感知：获取原始数据

●认知：抽取关键信息

●推理决策：形成计划

●反馈动作：实施计划

小互动：如果你在跟心仪的女神约会……

3、我们应该关注哪些数字化技术

●基础设施：解除计算机的能力封印

●数据应用：搬金砖VS挖金矿

案例：谷歌云计算，华为5G，某外贸公司营收预测

4、什么是“企业经脉”和“AI针灸”

●信息化：固化流程/信息流转/数据积累

●人工智能：找准价值“点”/匹配“针”对性技术

5、数字化转型有哪三个必经阶段

●Digitization：无纸化

●Digitalization：高效化

●Digital transformation：无人化

●每个阶段的关键技术以及数字化的决胜技术

案例：HR绩效智能评估系统

二、人工智能的2大底层原理和5大底层套路

1、人工智能的2大底层原理

●逻辑固化：师傅“教”徒弟

●知识抽取：师傅“带”徒弟

案例：预测男生是否会受女生欢迎

2、人工智能的5大底层套路

●Dot & Line：知识图谱

●X●Ypairs：知识抽取

●X1●X2 pairs：推荐匹配

●Y→X：生成万物

●Y only：超越人类

●人工智能发展的终点

案例：联通智能客服，谷歌药物预测系统，淘宝推荐系统，清华数字虚拟人，谷歌核聚变控制系统，美军自动驾驶战机

3、人工智能的6步落地法

●价值驱动 or 数据驱动

●机器学习 ≠ 江湖算命

●数据模型 VS 机理模型

●大数据   ∪ 深度学习

●行业专家 ||  客观事实

●行政可行 ≈  *门槛

案例：产线良品率提升，大型工程机械故障预测，关键部件寿命预测，黑色素瘤智能诊断，滴滴/百度自动驾驶系统，AI量化交易●年化收益率1000%

三、数智化时代企业降本增效方法盘点

1、工业数智化技术回顾

●精益生产：智能制造之道

●发展阶段总述：点→线→面→点

●工业自动化：如何控制好单点设备

●工业信息化：如何管理好整条产线

●工业互联网：如何将各个条线串联成面

●智慧工厂：回归价值点的多维突破

案例：三一重工灯塔工厂

2、工业企业提质增效方法

●利用精益模型发现问题

●利用精益工具再造流程

●利用信息化技术落地流程

●利用自动化技术完成数采

●利用AI技术产生质变

案例：一汽集团数智化改造案例

3、数智化提质增效建议

●数智化转型成败不在技术而在流程/机构再造

●信息化技术的性价比较高

●墨菲定律：各类问题的根源是人。数智化终局是无人化

●人工智能是数智化转型的决胜技术

●目前企业数智化转型*的阻碍是缺少交叉人才

案例：中国航天质量管理

四、文科生如何1秒上手，掌握编程思维

1、基础准备

●游戏式编程环境介绍

●与现有的智能体互动

案例：扬言要毁灭人类的智能体“索菲亚”

2、什么是编程思维

●编程：人类与计算机的沟通手段

●编程思维：师傅“教”徒弟的思维

●编程思维进阶：利用“流程”，“量化”解决问题的思维

3、函数&变量：数字世界中的量化根基

●变量：数字世界的万能盒子

●函数：数字世界的万能机器

●利用Python编写自己的*变量和函数

4、循环&判断：数字世界中的流程核心

●循环：重复劳动的终结者

●判断：师傅能教好徒弟的关键

●动手利用所学知识改造“索菲亚”

5、编程思维在工作中的运用

●Epic→task：系统需求开发背后的编程思维

●如何利用编程思维，打破与IT人员的沟通屏障

授课方式：依托自研的游戏式编程平台展开，用户需要完成一个又一个小任务来获取分数，学习知识。

五、如何利用有趣实例，快速掌握数据思维

1、背景介绍

●如何预测男生是否会受女生欢迎

●数据炒菜论：如何用AI分析大数据

2、数据准备

●如何用Python爬取数据

●动手将excel导入编程环境

●利用Python快速处理excel文件

3、数据分析

●利用Python快速观察数据分析

●利用Python对数据进行统计学分析

4、模型训练

●员工：负责干活的AI模型

●老板：负责挑错的AI工具

●经理：负责指路的AI算法

●动手训练自己*AI模型

小互动：请三名学员，**小游戏现场模拟AI学习过程

5、结果可视化

●利用Python绘制简单的散点/折现/柱状图

●Python可视化进阶展示●如何制作负责可视化系统

授课方式：依托自研的游戏式编程平台展开，用户需要完成一个又一个小任务来获取分数，学习知识。

6、总结

●用数据思维换个角度看世界

●解封你未曾意识到的“资源”

●解封你未曾意识到的“力量”

六、运用数智化思维，研讨质量提升新方案

1、工作坊流程串讲：先发散再收敛

2、以价值为导向的头脑风暴

●痛点问题罗列

●痛点问题排序

3、数据准备阶段的可行性收敛

●数字化项目机理分析

●数字化项目数据关联性分析

●数字化项目数据质量分析

4、数据使用阶段的可行性收敛

●谁可以成为AI的“师傅”

●我们能否请得起这个“师傅”

5、行政可行性收敛

●横向行政跨越分析

●纵向行政跨越分析

6、方案展示及讨论

●专业可行性提升

●行业可行性提升