尹智老師 人工智能和數(shù)智化咨詢專家
課程綱要：
模塊一：人工智能時(shí)代的運(yùn)營(yíng)商數(shù)字化戰(zhàn)略：趨勢(shì)和路徑
1、 運(yùn)營(yíng)商數(shù)字化轉(zhuǎn)型新趨勢(shì)：
a) 基礎(chǔ)設(shè)施的云化、融合化、智能化對(duì)運(yùn)營(yíng)能力深化提出新要求
b) 業(yè)務(wù)的多樣化、專業(yè)化為運(yùn)營(yíng)商流程和組織架構(gòu)轉(zhuǎn)型提出新方向、新機(jī)遇和挑戰(zhàn)
c) 產(chǎn)業(yè)生態(tài)的碎片化、融合化對(duì)運(yùn)營(yíng)全周期、全流程能力提出考驗(yàn)
d) 數(shù)據(jù)要素市場(chǎng)發(fā)展驅(qū)動(dòng)電信業(yè)數(shù)據(jù)要素價(jià)值挖掘深化
e) 數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)融合發(fā)展帶來(lái)大量創(chuàng)新機(jī)遇和場(chǎng)景
2、 運(yùn)營(yíng)商數(shù)字化服務(wù)場(chǎng)景典型案例
a) 運(yùn)營(yíng)商“雙碳”平臺(tái)案例場(chǎng)景及最佳實(shí)踐
b) 基于5G+ 增強(qiáng)現(xiàn)實(shí)和虛擬現(xiàn)實(shí)（AR/VR）的新形態(tài)文商旅客戶體驗(yàn)案例及運(yùn)營(yíng)商的潛力
c) 人工智能與大模型市場(chǎng)的價(jià)值體系與運(yùn)營(yíng)商業(yè)務(wù)融合最佳案例
d) 智能網(wǎng)聯(lián)車和車路協(xié)同市場(chǎng)的價(jià)值棧結(jié)構(gòu)與及運(yùn)營(yíng)商的潛在角色
e) 5G+ 電子體育領(lǐng)域的運(yùn)營(yíng)商創(chuàng)新業(yè)務(wù)潛力
3、 運(yùn)營(yíng)商數(shù)字化轉(zhuǎn)型路徑：運(yùn)營(yíng)商數(shù)字化轉(zhuǎn)型的七張地圖
a) 技術(shù)地圖：從離散的網(wǎng)元向自治管理和虛擬化的通信及云基礎(chǔ)構(gòu)架轉(zhuǎn)型
b) 安全地圖：從單一產(chǎn)品的安全策略向主動(dòng)地、統(tǒng)一編排的安全策略轉(zhuǎn)型
c) 數(shù)據(jù)地圖：從有限的數(shù)據(jù)使用向統(tǒng)一編排的數(shù)據(jù)位中心的企業(yè)轉(zhuǎn)型
d) 架構(gòu)地圖：從封閉的管理系統(tǒng)向Open API平臺(tái)架構(gòu)轉(zhuǎn)型
e) （數(shù)智）應(yīng)用地圖：從傳統(tǒng)服務(wù)組合向多元的數(shù)字化服務(wù)+多種商業(yè)模式轉(zhuǎn)型
f) 生態(tài)地圖：從有限的供應(yīng)商向活躍的合作伙伴系統(tǒng)轉(zhuǎn)型
g) 業(yè)務(wù)地圖：從關(guān)注傳統(tǒng)渠道向多市場(chǎng)渠道+方位渠道客戶體驗(yàn)轉(zhuǎn)型
模塊二：運(yùn)營(yíng)商數(shù)字化戰(zhàn)略落地重點(diǎn)領(lǐng)域和數(shù)字化思維
4、 業(yè)務(wù)運(yùn)營(yíng)智慧化轉(zhuǎn)型重點(diǎn)領(lǐng)域
a) IT集約化支撐管理變革
b) 智慧運(yùn)營(yíng)提升服務(wù)水平
c) 消費(fèi)互聯(lián)網(wǎng)業(yè)務(wù)發(fā)展驅(qū)動(dòng)業(yè)務(wù)升級(jí)和業(yè)務(wù)運(yùn)營(yíng)能力深化
d) 產(chǎn)業(yè)數(shù)字化領(lǐng)域業(yè)務(wù)探索和能力延伸
5、 運(yùn)營(yíng)商流程及運(yùn)營(yíng)能力體系和組織架構(gòu)治理重點(diǎn)領(lǐng)域
a) 運(yùn)營(yíng)商數(shù)智化組織設(shè)置模式
b) 運(yùn)營(yíng)商數(shù)智化能力框架
c) 運(yùn)營(yíng)商數(shù)智化人才發(fā)展體系和戰(zhàn)略協(xié)同
d) 某大型ICT集團(tuán)企業(yè)研發(fā)人才體系案例分析
6、 電信行業(yè)數(shù)據(jù)治理和數(shù)據(jù)要素資產(chǎn)化
a) 數(shù)據(jù)治理的目標(biāo) ：能不能用統(tǒng)一語(yǔ)言描述業(yè)務(wù)并對(duì)話？能不能基于數(shù)據(jù)資源發(fā)掘業(yè)務(wù)價(jià)值，提供對(duì)內(nèi)對(duì)外的服務(wù)？數(shù)字要素如何變?yōu)橘Y產(chǎn)？
b) 治理什么？：怎么能厘清企業(yè)的數(shù)據(jù)的層級(jí)和脈絡(luò)？—— 幾千幾萬(wàn)個(gè)零件構(gòu)成的樂(lè)高大模型是怎么管理的？
c) 用什么組織范式？—— 我這個(gè)部門應(yīng)該有什么責(zé)權(quán)利？
d) 何種機(jī)制和流程 —— 數(shù)據(jù)治理的成果如何融入業(yè)務(wù)管理和運(yùn)營(yíng)之中？
e) 有什么工具？什么平臺(tái) —— 數(shù)字資源如何關(guān)聯(lián)，對(duì)接， 如何平臺(tái)化提供數(shù)據(jù)服務(wù)和能力？
7、 AI大模型時(shí)代數(shù)據(jù)治理和數(shù)字化要素管理的特質(zhì)和機(jī)遇
a) 大模型時(shí)代的數(shù)據(jù)戰(zhàn)略和數(shù)據(jù)模型
i. AI語(yǔ)境下，數(shù)據(jù)要素和數(shù)據(jù)資產(chǎn)有何新內(nèi)涵
ii. 大模型語(yǔ)境下的數(shù)據(jù)模型和數(shù)據(jù)存儲(chǔ) – AI大模型的原生數(shù)據(jù)庫(kù)：向量數(shù)據(jù)庫(kù)，和傳統(tǒng)數(shù)據(jù)庫(kù)的融合
b) AI大模型具有成為企業(yè)數(shù)據(jù)“總調(diào)度”和“總參謀”的巨大潛力
c) AI + BI應(yīng)用模式和案例：
i. 機(jī)器視覺(jué)和自然語(yǔ)言處理等技術(shù)，對(duì)業(yè)務(wù)全周期全流程的原生數(shù)據(jù)的采集、解析、應(yīng)用的賦能 ，對(duì)文本，語(yǔ)音，圖像，視頻的解析，帶來(lái)新的業(yè)務(wù)洞察和數(shù)據(jù)服務(wù)/資產(chǎn)
ii. 大模型賦能的數(shù)據(jù)管理（SQL和數(shù)據(jù)API調(diào)用）代碼的生成
iii. 類ChatGPT大模型賦能的金融文檔和數(shù)據(jù)分析及數(shù)據(jù)可視化：Code Intepreter
8、 人人都應(yīng)該有的戰(zhàn)略級(jí)數(shù)字化/算法思維：
a) 分治：
i. 分治算法的理念：人類戰(zhàn)勝?gòu)?fù)雜問(wèn)題的通用武器，就是分解
ii. 分治算法思維在具體問(wèn)題和其他算法建構(gòu)中的應(yīng)用：淘寶的數(shù)據(jù)處理
b) 回歸
i. 機(jī)器學(xué)習(xí)的鼻祖思想：通過(guò)對(duì)歷史的吻合，找到規(guī)律，預(yù)測(cè)未來(lái)
ii. 回歸的類型和應(yīng)用
iii. 人工神經(jīng)網(wǎng)絡(luò)算法中的回歸思維
c) 遞歸
i. 遞歸思維：宇宙自相似性和循環(huán)往復(fù)模式的應(yīng)用
ii. 分形遞歸：改變計(jì)算機(jī)圖形學(xué)的思想
d) 壓縮
i. 無(wú)處不在的壓縮思維：從信息壓縮到智能的壓縮
ii. 以ChatGPT為代表的人工神經(jīng)網(wǎng)絡(luò)：人類經(jīng)驗(yàn)的壓縮
iii. 生成式AI中的壓縮思維：授人以魚，不如授人以漁
