數(shù)字化變革下的精準決策與高效執(zhí)行

一、 課程背景今天，物流行業(yè)**重要的關(guān)鍵詞是“變革”！

市場在變：物流行業(yè)整體快速發(fā)展，激烈競爭推動并購，集中度遠高于其他行業(yè)。互聯(lián)網(wǎng)巨頭對物流行業(yè)持續(xù)強力滲透；

政策在變：清潔能源趨勢勢不可擋，多個城市開始物流用車的新能源化轉(zhuǎn)型。

技術(shù)在變：以大數(shù)據(jù)、車聯(lián)網(wǎng)、無人駕駛為代表的物流數(shù)字化變革已噴薄而出；

甚至物流本身也在變革，新的商業(yè)模式（如無車承運）得到政府的支持引導(dǎo)……

一切都在變革之中，不變的只有變革本身。“怎樣面對同行的壓價競爭？”，“怎樣應(yīng)對巨頭的數(shù)據(jù)優(yōu)勢？”，焦慮中的我們該如何面對未來？

企業(yè)決策者的難題是：變革誰都看得到，但是如何選擇正確的決策，變風(fēng)險為機遇？要回答這個問題，需要我們理解數(shù)據(jù)驅(qū)動型企業(yè)的大數(shù)據(jù)決策核心，可曾想過：

“如果我是貝佐斯，怎樣運用大數(shù)據(jù)做決策？”

“如果我是李彥宏，怎樣管理頂級AI專家團隊？”

運用大數(shù)據(jù)對不確定性的未來做相對精準預(yù)測，可能增加企業(yè)的生存概率，大數(shù)據(jù)決策方法是企業(yè)應(yīng)對變革的有力臂助。

企業(yè)決策層焦慮，執(zhí)行層也同樣面對職業(yè)淘汰的威脅。大數(shù)據(jù)挖掘、機器學(xué)習(xí)是現(xiàn)在**受歡迎的職業(yè)技能之一，但哪怕是大數(shù)據(jù)專家，依然面臨面對實際工作和海量數(shù)據(jù)無從下手的尷尬狀況，更何況大多數(shù)不懂機器學(xué)習(xí)，不會寫代碼的非數(shù)據(jù)專業(yè)人士？

“這不是我要的數(shù)據(jù)！…其實我不知道該要什么…”

“想用數(shù)據(jù)說服領(lǐng)導(dǎo)接受我的新方案，該怎樣論證呢？”

“每個部門都匯報一堆數(shù)據(jù)一個說法，該相信哪個？”

幸運的是數(shù)據(jù)分析從來不是數(shù)據(jù)科學(xué)家的專屬，而是來源于每個人都具備的邏輯認知能力。我們需要做的是鍛煉嚴謹?shù)臄?shù)據(jù)思維方式，掌握簡單的數(shù)據(jù)工具，學(xué)習(xí)易精大數(shù)據(jù)決策法。

數(shù)字化轉(zhuǎn)型雖已為大多數(shù)企業(yè)所接受，未雨綢繆，我們不妨多了解數(shù)字化的難點和教訓(xùn)，少花點填坑成本，少走點冤枉路。但無論如何，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，順藤摸瓜。收獲如下：

1. 大數(shù)據(jù)分析能力：課程幫助非數(shù)據(jù)專業(yè)的企業(yè)高管和執(zhí)行層骨干掌握數(shù)據(jù)分析基礎(chǔ)技能，快速入門大數(shù)據(jù)決策法，學(xué)會投資盈利預(yù)測，學(xué)會分析經(jīng)營數(shù)據(jù)中的蛛絲馬跡，不再輕易被所謂“行家”所忽悠。

2. 大數(shù)據(jù)思維方式：決策精準只是**步，執(zhí)行要靠團隊。講師將引導(dǎo)執(zhí)行層骨干構(gòu)思如何在自己負責(zé)的業(yè)務(wù)中落地數(shù)據(jù)驅(qū)動。

3. 大數(shù)據(jù)驅(qū)動平臺：數(shù)據(jù)意識需要技術(shù)平臺的支持。物流產(chǎn)業(yè)鏈如此復(fù)雜，什么樣的數(shù)據(jù)體系來驅(qū)動團隊的精細量化運營？如何衡量改進的效果？如何發(fā)現(xiàn)數(shù)據(jù)盲點？講師將給出建議，并與學(xué)員互動。

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(dǎo)同學(xué)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(dǎo)圖工具為三維驅(qū)動，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(dǎo)同學(xué)主動思考，重構(gòu)數(shù)據(jù)邏輯思維模式，全程無“尿點”。

四、 講師介紹曾濤

資**數(shù)據(jù)管理咨詢師，首創(chuàng)《易精大數(shù)據(jù)決策》理論及軟件。長期堅守新能源車聯(lián)網(wǎng)一線，專家匯**合作大數(shù)據(jù)專家，清華能源互聯(lián)網(wǎng)研究院特邀大數(shù)據(jù)專家，清華大數(shù)據(jù)產(chǎn)業(yè)聯(lián)合會（現(xiàn)“清數(shù)大聯(lián)盟”）理事，“清華創(chuàng)意創(chuàng)新創(chuàng)業(yè)大賽”創(chuàng)業(yè)導(dǎo)師和智能制造決賽評委。

清華大學(xué)電機及應(yīng)用電子技術(shù)系學(xué)士。

北京大學(xué)光華管理學(xué)院工商管理碩士。

易開出行首席數(shù)據(jù)官兼首席技術(shù)官。曾任新浪研發(fā)中心總監(jiān)，郵箱事業(yè)部總經(jīng)理，負責(zé)新浪新聞和VIP郵箱的建設(shè)和運營。

五、 主要項目1. 主持清華能源互聯(lián)網(wǎng)研究院的新能源汽車與動力電池大數(shù)據(jù)研究課題，為央企提供新能源汽車業(yè)務(wù)的投資決策精算服務(wù)。

2. 主持建設(shè)新能源汽車分時租賃領(lǐng)域領(lǐng)先的人車樁三位一體大數(shù)據(jù)決策平臺。該平臺對客戶全生命周期數(shù)據(jù)挖掘和全工作崗位數(shù)據(jù)績效追蹤，創(chuàng)造了建成當(dāng)年單車日收入提升74%，年總收入提升129%，公司人均效率提升35%的佳績。

3. 創(chuàng)建北京冰晶石信息技術(shù)有限公司，旗下作品四獲中國游戲**高獎“金翎獎“。

4. 曾任新浪研發(fā)中心開發(fā)總監(jiān)，主持搭建了新浪網(wǎng)新聞、郵箱和論壇等核心產(chǎn)品的開發(fā)及數(shù)據(jù)架構(gòu)，為當(dāng)年新浪新聞領(lǐng)先地位做出主要技術(shù)貢獻。后負責(zé)新浪郵箱事業(yè)部，任職期間推出了當(dāng)年收費郵箱市場份額**的新浪VIP郵箱。

六、 課程模式1. 中文教學(xué)

2. 課上面授

3. 分組互動

七、 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

八、 時間安排2天

九、 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 物流行業(yè)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**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(fēng)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(xué)習(xí)

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改進版

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 **天互動活動

3.1 模擬分組游戲：決策私董會

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(dǎo)圖

4.7 共享出行應(yīng)用案例

4.8 怎樣寫一份合格的數(shù)據(jù)分析報告

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(dǎo)圖為工具

5.2.4 ?以盈利預(yù)測為決策依據(jù)

5.3 收官：30秒決策羅盤

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(dǎo)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