一、 课程背景
今天，产业界最重要的关键词是“变革”！
竞争格局在变：近两年巨头们对各行业的强力渗透，行业并购造成集中度快速提升；
政策在变：国家“看得见的手”深刻影响着行业的发展，如新能源汽车、房地产等；
商业模式也在变革， O2O、微商、共享XX、新零售等新模式层出不穷；
最瞩目的是以大数据、AI、互联网、物联网为代表的数字化变革已喷薄而出……
“不变革是等死，变革是找死！？”
企业决策者的难题是：如何选择正确的变革决策？
不妨设想：“如果我是贝佐斯，怎样运用大数据做决策？”
借鉴最优秀的数据驱动运营企业，才能走出自己的数字化变革之路！
个人也与企业一样正面对数字化变革的挑战。大数据分析、机器学习如火如荼，我们这些不懂算法和编程的非专业人士怎么办？幸运的是数据分析能力从不是数据科学家的专属，而是源于人人都具备的逻辑思维，并可以通过学习易精大数据决策法来训练提升。
“主动拥抱数字化变革”已成企业和个人共识，但哪怕是最优秀的数字化团队，依然面对复杂环境和海量数据而无从下手，伴随而来的是高昂的数字化建设成本、人性反弹和决策失败风险……难道“数字化变革”只属于巨头们吗？
我们需要一场数字化变革的“0”点突破！
易精大数据决策法所推动的数字化变革，一方面向下兼容：从既有的营销和财务数据管理中平和过渡，大大降低企业数字化转型阵痛。因此，这样的数字化变革是循序渐进的，中小企业一样可以根据自己的承受能力，来权衡变革速度。另一方面则向上兼容：易精大数据决策法能无缝融合高级AI算法，铺设一条通向数字孪生运营的高速公路。
我们坚信数字化的未来属于每个组织和每个人！
二、 课程收益
掌握易精大数据决策四步法，按图索骥，收获如下：
1. 学会使用数据决策导图工具，掌握数字化思维和数据分析基础技能，0基础变身数据分析师。
2. 制作经营精算蜂巢图，形成对公司业务的全面、入微和量化认知，眼见为实。
3. 掌握竞品对标库，缩短产品定型和开发周期50%
4. 掌握快速决策罗盘，提升数字决策精度和速度50%
课程最大的收获则是领悟人与数字和谐相处，缓解数字化过程中人性反弹的阵痛，让数字化变革能在现有组织机制中平和过渡。
三、 课程特点
l 实战百分百
做为新能源汽车大数据挖掘一线前锋，曾涛老师具备程序员、架构师、CEO、创业教练和大数据分析师的丰富经历，能同时与业务运营和技术研发岗位的朋友做深度实操互动。
l 探索未知
大数据挖掘技术算法本身不是智慧，智慧源于坚守“人”，即一线的经营者。曾涛老师将引导同学们用智慧去驾驭大数据和AI，每堂课都会有不同的现场决策结果，每堂课都不是单向传授，而是一场充满惊喜的探索之旅和智慧盛宴。
l 独创理论
首创《易精大数据决策》理论，与流行的大数据课程不同，关注经营者在大数据时代的生存定位，阐述人与数据的竞争合作机制。课程以逻辑认知方法、客户价值精算和数据决策导图等多维驱动学员成长，实现团队智慧数据化，完成精准决策和高效执行闭环。
l 逻辑思维
课程环环相扣，前后自成逻辑，严谨论证贯穿全程，引导同学主动思考，重构数据逻辑思维模式，全程无“尿点”。
一、 课程模式
1. 中文教学
2. 课上面授
3. 分组互动
二、 受众对象
1. 决策层高管（部分内容单独授课）
2. 执行层骨干
三、 时间安排
2天
四、 课程目录
第5章“深度数据决策”与第6章“数据驱动组织机制”为高管课程以蓝色标出。
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
李真顺
贺克斌
梅生伟
周远祥
赵华林
曾毓群
朱共山
王国玮
毛宗强