——《易精大數(shù)據(jù)決策法》課程大綱——
一、 課程背景
今天，產(chǎn)業(yè)界最重要的關(guān)鍵詞是“變革”！競爭格局在變：近兩年巨頭們對各行業(yè)的強力滲透，行業(yè)并購造成集中度快速提升；
政策在變：國家“看得見的手”深刻影響著行業(yè)的發(fā)展，如新能源汽車、房地產(chǎn)等；
商業(yè)模式也在變革， O2O、微商、共享XX、新零售等新模式層出不窮；
最矚目的是以大數(shù)據(jù)、AI、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)為代表的數(shù)字化變革已噴薄而出……
“不變革是等死，變革是找死?。?rdquo;
企業(yè)決策者的難題是：如何選擇正確的變革決策？
不妨設(shè)想：“如果我是貝佐斯，怎樣運用大數(shù)據(jù)做決策？”
借鑒最優(yōu)秀的數(shù)據(jù)驅(qū)動運營企業(yè)，才能走出自己的數(shù)字化變革之路！
個人也與企業(yè)一樣正面對數(shù)字化變革的挑戰(zhàn)。大數(shù)據(jù)分析、機器學習如火如荼，我們這些不懂算法和編程的非專業(yè)人士怎么辦？幸運的是數(shù)據(jù)分析能力從不是數(shù)據(jù)科學家的專屬，而是源于人人都具備的邏輯思維，并可以通過學習易精大數(shù)據(jù)決策法來訓練提升。
“主動擁抱數(shù)字化變革”已成企業(yè)和個人共識，但哪怕是最優(yōu)秀的數(shù)字化團隊，依然面對復(fù)雜環(huán)境和海量數(shù)據(jù)而無從下手，伴隨而來的是高昂的數(shù)字化建設(shè)成本、人性反彈和決策失敗風險……難道“數(shù)字化變革”只屬于巨頭們嗎？
我們需要一場數(shù)字化變革的“0”點突破！
易精大數(shù)據(jù)決策法所推動的數(shù)字化變革，一方面向下兼容：從既有的營銷和財務(wù)數(shù)據(jù)管理中平和過渡，大大降低企業(yè)數(shù)字化轉(zhuǎn)型陣痛。因此，這樣的數(shù)字化變革是循序漸進的，中小企業(yè)一樣可以根據(jù)自己的承受能力，來權(quán)衡變革速度。另一方面則向上兼容：易精大數(shù)據(jù)決策法能無縫融合高級AI算法，鋪設(shè)一條通向數(shù)字孿生運營的高速公路。
我們堅信數(shù)字化的未來屬于每個組織和每個人！
二、 課程收益
掌握易精大數(shù)據(jù)決策四步法，按圖索驥，收獲如下：1. 學會使用數(shù)據(jù)決策導圖工具，掌握數(shù)字化思維和數(shù)據(jù)分析基礎(chǔ)技能，0基礎(chǔ)變身數(shù)據(jù)分析師。
2. 制作經(jīng)營精算蜂巢圖，形成對公司業(yè)務(wù)的全面、入微和量化認知，眼見為實。
3. 掌握競品對標庫，縮短產(chǎn)品定型和開發(fā)周期50%
4. 掌握快速決策羅盤，提升數(shù)字決策精度和速度50%
課程最大的收獲則是領(lǐng)悟人與數(shù)字和諧相處，緩解數(shù)字化過程中人性反彈的陣痛，讓數(shù)字化變革能在現(xiàn)有組織機制中平和過渡。
三、 課程特點
l 實戰(zhàn)百分百做為新能源汽車大數(shù)據(jù)挖掘一線前鋒，曾濤老師具備程序員、架構(gòu)師、CEO、創(chuàng)業(yè)教練和大數(shù)據(jù)分析師的豐富經(jīng)歷，能同時與業(yè)務(wù)運營和技術(shù)研發(fā)崗位的朋友做深度實操互動。
l 探索未知
大數(shù)據(jù)挖掘技術(shù)算法本身不是智慧，智慧源于堅守“人”，即一線的經(jīng)營者。曾濤老師將引導同學們用智慧去駕馭大數(shù)據(jù)和AI，每堂課都會有不同的現(xiàn)場決策結(jié)果，每堂課都不是單向傳授，而是一場充滿驚喜的探索之旅和智慧盛宴。
l 獨創(chuàng)理論
首創(chuàng)《易精大數(shù)據(jù)決策》理論，與流行的大數(shù)據(jù)課程不同，關(guān)注經(jīng)營者在大數(shù)據(jù)時代的生存定位，闡述人與數(shù)據(jù)的競爭合作機制。課程以邏輯認知方法、客戶價值精算和數(shù)據(jù)決策導圖等多維驅(qū)動學員成長，實現(xiàn)團隊智慧數(shù)據(jù)化，完成精準決策和高效執(zhí)行閉環(huán)。
l 邏輯思維
課程環(huán)環(huán)相扣，前后自成邏輯，嚴謹論證貫穿全程，引導同學主動思考，重構(gòu)數(shù)據(jù)邏輯思維模式，全程無“尿點”。
一、 課程模式
1. 中文教學2. 課上面授
3. 分組互動
二、 受眾對象
1. 決策層高管（部分內(nèi)容單獨授課）2. 執(zhí)行層骨干
三、 時間安排
2天四、 課程目錄
第5章“深度數(shù)據(jù)決策”與第6章“數(shù)據(jù)驅(qū)動組織機制”為高管課程以藍色標出。1 引子：唯一不變的只有變革
1.1 產(chǎn)業(yè)界的數(shù)字化變革
1.1.1 外部市場環(huán)境變化
1.1.2 內(nèi)部競爭格局變化
1.1.3 內(nèi)外變化催生數(shù)字化變革IIAB
1.2 海嘯！大數(shù)據(jù)和AI來了
1.2.1 決策者的焦慮
1.2.2 人類認知進化的第一次危機
1.2.3 誰會替代你和你的組織？
1.2.4 霸王龍下的生存空間
1.3 變革應(yīng)對
1.3.1 尋找不變的“1”
1.3.2 決策源于對變革的預(yù)測
1.3.2.1 信息效度
1.3.2.2 決策風險
1.3.2.3 執(zhí)行力度
1.3.2.4 團隊活力
1.3.3 從傳統(tǒng)決策到大數(shù)據(jù)決策
1.3.4 數(shù)字化轉(zhuǎn)型之“愿“
1.3.5 數(shù)字化轉(zhuǎn)型之“痛“
2 入門篇：大數(shù)據(jù)思維養(yǎng)成攻略
2.1 什么是數(shù)據(jù)思維
2.1.1 “老大哥問住我了”某無車承運平臺難題
2.1.2 你被“大數(shù)據(jù)”了嗎？論巨頭的數(shù)據(jù)優(yōu)勢
2.1.3 人工智能優(yōu)勢和劣勢
2.1.4 從形式邏輯到機器學習
2.1.5 人與大數(shù)據(jù)AI的認知融合
2.2 主流數(shù)據(jù)挖掘模式
2.2.1 CRISP-DM
2.2.2 AI進化版
2.3 逆向數(shù)據(jù)思維
2.3.1 不以贏利為目的的企業(yè)數(shù)據(jù)分析是“耍流氓”
2.3.2 財務(wù)數(shù)據(jù)挖掘模型
2.3.3 不以客戶滿意為目的的數(shù)據(jù)團隊是“自慰隊”
2.3.4 稻盛大神的阿米巴實驗
2.3.5 客戶價值精算是企業(yè)行為統(tǒng)一度量
2.4 蜂巢：企業(yè)經(jīng)營數(shù)據(jù)全息圖
3 第一天互動活動
3.1 模擬分組游戲：決策私董會（選題作為第二天的數(shù)據(jù)決策導圖主題備選）
4 實戰(zhàn)篇：人人都是數(shù)據(jù)分析師
4.1 什么數(shù)據(jù)有用？
4.1.1 初始的數(shù)據(jù)與切身任務(wù)掛鉤
4.1.2 重要的數(shù)據(jù)與公司利益掛鉤
4.1.3 核心的數(shù)據(jù)與客戶價值掛鉤
4.2 數(shù)據(jù)從哪里來？
4.2.1 企業(yè)內(nèi)部數(shù)據(jù)
4.2.2 交易/協(xié)作平臺
4.2.3 外部行業(yè)數(shù)據(jù)
4.2.4 數(shù)據(jù)獲取方式：埋點和爬蟲
4.3 數(shù)據(jù)分析基礎(chǔ)（一）：分解
4.3.1 分解的起點
4.3.2 分解的邏輯
4.3.3 分解的邊界
4.3.4 “三維分解法”
4.4 數(shù)據(jù)分析基礎(chǔ)（二）：對比
4.4.1 誰與誰
4.4.2 前與后
4.4.3 A/B
4.4.4 類比
4.4.5 回歸
4.5 構(gòu)建穩(wěn)固的大數(shù)據(jù)“底盤”
4.6 “工欲善其事，必先利其器”
4.6.1 數(shù)據(jù)工具概況和分類
4.6.2 Excel：人手一份的數(shù)據(jù)分析工具
4.6.3 高效率和低門檻的數(shù)據(jù)決策導圖
4.7 共享出行應(yīng)用案例
4.8 “我跟領(lǐng)導想法不一樣怎么辦？”——怎樣寫數(shù)據(jù)分析報告
4.9 開放討論：什么樣的人才難以被淘汰？
5 進階篇：易精大數(shù)據(jù)決策四步法（高管課程）
5.1 商業(yè)模式精算
5.1.1 拉普拉斯與皇帝
5.1.2 “因為相信所以看見“
5.1.3 “因為認知所以預(yù)見”
5.1.3.1 天時
5.1.3.2 地利
5.1.3.3 人和
5.2 易精大數(shù)據(jù)決策四步法
5.2.1 以客戶價值精算為標準
5.2.2 以經(jīng)營蜂巢為數(shù)據(jù)模型
5.2.3 以數(shù)據(jù)決策導圖為工具
5.2.4 以盈利預(yù)測為決策依據(jù)
5.3 收官：快速決策羅盤
5.4 新能源汽車應(yīng)用案例
6 高級篇：數(shù)字化組織機制（高管課程）
6.1 不破難墻不回頭
6.1.1 “客戶墻”
6.1.2 “老板墻”
6.1.3 “部門墻”
6.2 東西方數(shù)字化組織機制對比
6.2.1 亞馬遜的“數(shù)字泰勒主義”
6.2.2 日本企業(yè)的“現(xiàn)場主義”
6.3 A/B測試～數(shù)字化機制的試金石
6.4 紙上談兵：數(shù)據(jù)決策分權(quán)機制
6.4.1 激發(fā)執(zhí)行層活力
6.4.2 大數(shù)據(jù)系統(tǒng)的脆弱
6.5 人性與數(shù)字
6.5.1 Tom貓的AI生活
6.5.2 數(shù)字順逆
6.5.3 人心冷暖
7 未來篇
7.1 數(shù)字孿生經(jīng)營
7.2 無人駕駛/無人機
7.3 數(shù)字化未來屬于每個組織和每個人
8 第二天互動活動
8.1 “決策導圖制作”分組比賽
8.2 課后作業(yè)：“我的數(shù)據(jù)分析報告首秀”
8.3 各組總結(jié)發(fā)言
