• 從十四五規劃看數字經濟

• 數字經濟的核心：數字化轉型和數據要素

• 數字化轉型：數字化是業務和IT的深入融合

概念導入小互動：如果你在跟心儀的女神約會…
2、數字化頂層思維框架

• 精益思維：梳理業務，發現數字化入手點

• 編程思維：掌握計算機的語言，提升數字化項目成功率

• 數據思維：讓數據產生價值，展望數字化轉型的終局

案例：精益趣解-“一個強迫癥和控制狂的發病史”，從“月暈”中掌握數據思維。
小互動：在指路問路中掌握編程思維
3、我們應該關注哪些數字化技術

• 基礎設施：解除計算機的能力封印

• 數據應用：搬金磚VS挖金礦

案例：谷歌云計算，華為5G，某外貿公司營收預測
4、數字化轉型有哪三個必經階段

• Digitization：無紙化

• Digitalization：高效化

• Digital transformation：無人化

• 每個階段的關鍵技術以及數字化的決勝技術

案例：人員績效智能評估系統
5、數字化轉型的兩大核心半場

• 信息化：固化流程/信息流轉/數據積累

• 人工智能：找準價值“點”/匹配“針”對性技術

案例：從頂尖運動員看企業數字化轉型之路

二、數智化時代的質量提升
1、質量概念導入

• 互動：居家隔離洗碗質量提升

• 廣義的質量問題定義

• 廣義的質量提升方法

2、使用內部數據促進產品質量提升

• 墨菲定律：質量問題的根源是人

• 定責任

• 建標準

• 采數據

• 弱化人

案例：中國航天質量管理
3、利用外部數據促進用戶體驗質量提升

• 什么是“大”數據

• 如何打通全域數據

• 建立消費者畫像

• 數據驅動的用戶體驗評估

• 數據驅動的用戶體驗提升

案例：一汽集團數智化用戶體驗提升

三、智能化的底層原理
1、人工智能的2大底層原理

• 邏輯固化：師傅“教”徒弟

• 知識抽取：師傅“帶”徒弟

案例：預測男生是否會受女生歡迎
2、人工智能的6大底層套路

• X-Ypairs：知識抽取

• Y→X：生成萬物

• X1-X2 pairs：推薦匹配

• X only：聚類算法

• Y only：超越人類

• Dot & Line：知識圖譜

• 人工智能發展的終點

案例：百度智能客服，谷歌藥物預測系統，淘寶推薦系統，清華數字虛擬人，谷歌核聚變控制系統，美軍自動駕駛戰機
3、人工智能的6步落地法

• 價值驅動 or 數據驅動

• 機器學習 ≠ 江湖算命

• 數據模型 VS 機理模型

• 大數據   ∪ 深度學習

• 行業專家 ||  客觀事實

• 行政可行 ≈  最大門檻

案例：產線良品率提升，大型工程機械故障預測，工業智能無損檢測，自動駕駛系統，AI量化交易-年化收益率1000%

四、AI技術加持下的質量問題終局展望
1、如何從“備貨型”向“訂貨型”轉變

• AI銷量/需求預測

• 供應商智慧管理

• 倉庫智慧管理

案例：某著名汽車品牌銷量預測，亞馬遜VS京東倉儲機器人對比，麥肯錫供應商智慧遴選方案。
2、如何從“標品”向“定制化”轉變

• AI自動化研發/設計

• AI智能排產

案例：某跨國機械廠商AI加速研發案例，某工業跨國公司智能排產案例，
3、如何從“人工流水線”向“機器自動化”轉變

• 重點設備故障預測

• 易耗品壽命預測

• 機器人安全巡檢

• AI智能質量檢測

案例：西門子焊接缺陷診斷項目，大型生產設備預測性維護項目，生產線耗品壽命預測項目，工廠智能巡檢項目
4、質量問題的終局展望

• 生產力極大釋放

• 生產關系極端簡單

• 徹底的“無人化”

?。呵八牟糠譃槭谡n形式，第五部分為研討形式。

五、運用數智化思維，研討質量提升新方案
1、工作坊流程串講：先發散再收斂
2、以價值為導向的頭腦風暴

• 痛點問題羅列

• 痛點問題排序

3、數據準備階段的可行性收斂

• 數字化項目機理分析

• 數字化項目數據關聯性分析

• 數字化項目數據質量分析

4、數據使用階段的可行性收斂

• 誰可以成為AI的“師傅”

• 我們能否請得起這個“師傅”

5、行政可行性收斂

• 橫向行政跨越分析

• 縱向行政跨越分析

6、方案展示及討論

• 專業可行性提升

• 行業可行性提升