——《易精大數據決策法》課程大綱——
一、 課程背景
今天，產業(yè)界最重要的關鍵詞是“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；
最矚目的是以大數據、AI、互聯網、物聯網為代表的數字化變革已噴薄而出……
“不變革是等死，變革是找死！？”
企業(yè)決策者的難題是：如何選擇正確的變革決策？
不妨設想：“如果我是貝佐斯，怎樣運用大數據做決策？”
借鑒最優(yōu)秀的數據驅動運營企業(yè)，才能走出自己的數字化變革之路！
個人也與企業(yè)一樣正面對數字化變革的挑戰(zhàn)。大數據分析、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？幸運的是數據分析能力從不是數據科學家的專屬，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據決策法來訓練提升。
“主動擁抱數字化變革”已成企業(yè)和個人共識，但哪怕是最優(yōu)秀的數字化團隊，依然面對復雜環(huán)境和海量數據而無從下手，伴隨而來的是高昂的數字化建設成本、人性反彈和決策失敗風險……難道“數字化變革”只屬于巨頭們嗎？
我們需要一場數字化變革的“0”點突破！
易精大數據決策法所推動的數字化變革，一方面向下兼容：從既有的營銷和財務數據管理中平和過渡，大大降低企業(yè)數字化轉型陣痛。因此，這樣的數字化變革是循序漸進的，中小企業(yè)一樣可以根據自己的承受能力，來權衡變革速度。另一方面則向上兼容：易精大數據決策法能無縫融合高級AI算法，鋪設一條通向數字孿生運營的高速公路。
我們堅信數字化的未來屬于每個組織和每個人！
二、 課程收益
掌握易精大數據決策四步法，按圖索驥，收獲如下：1. 學會使用數據決策導圖工具，掌握數字化思維和數據分析基礎技能，0基礎變身數據分析師。
2. 制作經營精算蜂巢圖，形成對公司業(yè)務的全面、入微和量化認知，眼見為實。
3. 掌握競品對標庫，縮短產品定型和開發(fā)周期50%
4. 掌握快速決策羅盤，提升數字決策精度和速度50%
課程最大的收獲則是領悟人與數字和諧相處，緩解數字化過程中人性反彈的陣痛，讓數字化變革能在現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據挖掘一線前鋒，曾濤老師具備程序員、架構師、CEO、創(chuàng)業(yè)教練和大數據分析師的豐富經歷，能同時與業(yè)務運營和技術研發(fā)崗位的朋友做深度實操互動。
l 探索未知
大數據挖掘技術算法本身不是智慧，智慧源于堅守“人”，即一線的經營者。曾濤老師將引導同學們用智慧去駕馭大數據和AI，每堂課都會有不同的現場決策結果，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)《易精大數據決策》理論，與流行的大數據課程不同，關注經營者在大數據時代的生存定位，闡述人與數據的競爭合作機制。課程以邏輯認知方法、客戶價值精算和數據決策導圖等多維驅動學員成長，實現團隊智慧數據化，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，重構數據邏輯思維模式，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“深度數據決策”與第6章“數據驅動組織機制”為高管課程以藍色標出。1 引子：唯一不變的只有變革
1.1 產業(yè)界的數字化變革
1.1.1 外部市場環(huán)境變化
1.1.2 內部競爭格局變化
1.1.3 內外變化催生數字化變革IIAB
1.2 海嘯！大數據和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 變革應對
1.3.1 尋找不變的“1”
1.3.2 決策源于對變革的預測
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)決策到大數據決策
1.3.4 數字化轉型之“愿“
1.3.5 數字化轉型之“痛“
2 入門篇：大數據思維養(yǎng)成攻略
2.1 什么是數據思維
2.1.1 “老大哥問住我了”某無車承運平臺難題
2.1.2 你被“大數據”了嗎？論巨頭的數據優(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 人與大數據AI的認知融合
2.2 主流數據挖掘模式
2.2.1 CRISP-DM
2.2.2 AI進化版
2.3 逆向數據思維
2.3.1 不以贏利為目的的企業(yè)數據分析是“耍流氓”
2.3.2 財務數據挖掘模型
2.3.3 不以客戶滿意為目的的數據團隊是“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)經營數據全息圖
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據決策導圖主題備選）
4 實戰(zhàn)篇：人人都是數據分析師
4.1 什么數據有用？
4.1.1 初始的數據與切身任務掛鉤
4.1.2 重要的數據與公司利益掛鉤
4.1.3 核心的數據與客戶價值掛鉤
4.2 數據從哪里來？
4.2.1 企業(yè)內部數據
4.2.2 交易/協作平臺
4.2.3 外部行業(yè)數據
4.2.4 數據獲取方式：埋點和爬蟲
4.3 數據分析基礎（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 數據分析基礎（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 構建穩(wěn)固的大數據“底盤”
4.6 “工欲善其事，必先利其器”
4.6.1 數據工具概況和分類
4.6.2 Excel：人手一份的數據分析工具
4.6.3 高效率和低門檻的數據決策導圖
4.7 共享出行應用案例
4.8 “我跟領導想法不一樣怎么辦？”——怎樣寫數據分析報告
4.9 開放討論：什么樣的人才難以被淘汰？
5 進階篇：易精大數據決策四步法（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 易精大數據決策四步法
5.2.1 以客戶價值精算為標準
5.2.2 以經營蜂巢為數據模型
5.2.3 以數據決策導圖為工具
5.2.4 以盈利預測為決策依據
5.3 收官：快速決策羅盤
5.4 新能源汽車應用案例
6 高級篇：數字化組織機制（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 東西方數字化組織機制對比
6.2.1 亞馬遜的“數字泰勒主義”
6.2.2 日本企業(yè)的“現場主義”
6.3 A/B測試～數字化機制的試金石
6.4 紙上談兵：數據決策分權機制
6.4.1 激發(fā)執(zhí)行層活力
6.4.2 大數據系統(tǒng)的脆弱
6.5 人性與數字
6.5.1 Tom貓的AI生活
6.5.2 數字順逆
6.5.3 人心冷暖
7 未來篇
7.1 數字孿生經營
7.2 無人駕駛/無人機
7.3 數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)：“我的數據分析報告首秀”
8.3 各組總結發(fā)言
