【培訓(xùn)目標(biāo)】今天的企業(yè)家需直面行業(yè)領(lǐng)先者的大數(shù)據(jù)優(yōu)勢，而職業(yè)經(jīng)理人則擔(dān)憂落伍數(shù)據(jù)科學(xué)而被淘汰。因此，課程幫助學(xué)員掌握大數(shù)據(jù)挖掘基礎(chǔ)技能，學(xué)會(huì)客戶價(jià)值精算決策方法，配合數(shù)據(jù)邏輯導(dǎo)圖工具，實(shí)現(xiàn)大數(shù)據(jù)驅(qū)動(dòng)經(jīng)營的實(shí)踐轉(zhuǎn)型。【獨(dú)創(chuàng)內(nèi)容】課程架設(shè)了三座獨(dú)特的橋梁：

1. 連接當(dāng)下**火熱的機(jī)器學(xué)習(xí)與人類的邏輯認(rèn)知本能，課程用淺白俏皮的比喻破除算法的神秘感，開啟**強(qiáng)大腦駕馭AI的思維體系；

2. 連接企業(yè)集中決策與數(shù)據(jù)孤島，課程借助專有分析工具“數(shù)據(jù)邏輯導(dǎo)圖”，幫助企業(yè)降本增效；

3. 連接非數(shù)據(jù)專業(yè)的經(jīng)營者和專業(yè)化的數(shù)據(jù)分析技能，課程避開復(fù)雜的數(shù)理統(tǒng)計(jì)和算法，幫助企業(yè)激活自有團(tuán)隊(duì)，而不是依靠外來專家，低成本實(shí)現(xiàn)數(shù)據(jù)化轉(zhuǎn)型。【行業(yè)領(lǐng)域】課程案例集中在數(shù)據(jù)化程度較高的互聯(lián)網(wǎng)和車聯(lián)網(wǎng)行業(yè)，同時(shí)嘗試用創(chuàng)新的數(shù)據(jù)驅(qū)動(dòng)模式，如“消費(fèi)者全生命周期大數(shù)據(jù)管理”幫助傳統(tǒng)企業(yè)對(duì)他們的客戶進(jìn)行追蹤畫像和精準(zhǔn)營銷。【培訓(xùn)對(duì)象】決策層高管和執(zhí)行層骨干，技術(shù)負(fù)責(zé)人同場效果**。【時(shí)間安排】4小時(shí)講授 2小時(shí)客戶實(shí)際案例互動(dòng)拆解

（時(shí)間可調(diào)，內(nèi)容可選）【講師簡介】曾濤，數(shù)據(jù)易精堂創(chuàng)始人，北京恒天易開首席數(shù)據(jù)官，清華大數(shù)據(jù)產(chǎn)業(yè)聯(lián)合會(huì)個(gè)人理事，北大縱橫商學(xué)院特聘講師。

資**數(shù)據(jù)分析師和創(chuàng)業(yè)教練，常年活躍在互聯(lián)網(wǎng)、新能源和車聯(lián)網(wǎng)大數(shù)據(jù)挖掘**線，首創(chuàng)《客戶價(jià)值量化決策》理論。

互聯(lián)網(wǎng)架構(gòu)師，曾任新浪研發(fā)中心技術(shù)總監(jiān)、新浪郵箱事業(yè)部總經(jīng)理，搭建了新浪新聞郵箱等核心產(chǎn)品技術(shù)架構(gòu)。

清華大學(xué)電機(jī)及應(yīng)用電子技術(shù)系學(xué)士，電力專業(yè)。

北京大學(xué)光華管理學(xué)院工商管理碩士。【內(nèi)容目錄】一、 AI和大數(shù)據(jù)挑戰(zhàn)企業(yè)經(jīng)營者認(rèn)知

1. 海嘯：大數(shù)據(jù)和AI來了

2. 經(jīng)營者的焦慮

3. 世上**次人類認(rèn)知危機(jī)

4. 替代你的不是機(jī)器，而是AI新生代

5. 淘汰你公司的不是機(jī)器，而是大數(shù)據(jù)驅(qū)動(dòng)經(jīng)營制度化的新型組織

6. 弱者的生存之道與人類認(rèn)知障礙

7. 人工智能優(yōu)勢和劣勢

8. 人和機(jī)器的認(rèn)知融合

9. 從古典邏輯到機(jī)器學(xué)習(xí)

10. 算法的本質(zhì)

二、 客戶價(jià)值精算實(shí)現(xiàn)統(tǒng)一決策度量

1. 機(jī)器學(xué)習(xí)能做企業(yè)決策嗎？

2. 數(shù)據(jù)挖掘模式及其逆向思維

3. 不以贏利為目的的企業(yè)數(shù)據(jù)分析是“耍流氓”

4. 財(cái)務(wù)數(shù)據(jù)挖掘模型

5. 易精客戶價(jià)值量化決策

6. 不以客戶滿意為目的的數(shù)據(jù)團(tuán)隊(duì)是“自慰隊(duì)”

7. 稻盛大神的阿米巴實(shí)驗(yàn)

8. “客熵”：客戶價(jià)值度量

9. “客熵增量”和“客熵?fù)p益率”

10. 2B企業(yè)怎么計(jì)算客戶價(jià)值？

三、 分解和對(duì)比是數(shù)據(jù)決策的**簡路徑

1. 數(shù)據(jù)分析基礎(chǔ)：分解

2. “三維分解法”

3. 有對(duì)比才有決策

4. A/B測試～服務(wù)內(nèi)容對(duì)比

5. 誰/誰～客戶標(biāo)簽對(duì)比

6. 前/后～時(shí)間對(duì)比

7. 類比

8. 回歸

9. 因果和相關(guān)

10. 外部大數(shù)據(jù)情景分析

四、 數(shù)據(jù)邏輯導(dǎo)圖讓人人成為數(shù)據(jù)專家

1. 大數(shù)據(jù)是巨頭獨(dú)享？

2. 易精數(shù)據(jù)邏輯導(dǎo)圖

3. 讓非數(shù)據(jù)專業(yè)的企業(yè)經(jīng)營者擁有數(shù)據(jù)挖掘能力

4. 企業(yè)管理數(shù)據(jù)標(biāo)準(zhǔn)化

5. 車聯(lián)網(wǎng)應(yīng)用案例

五、 數(shù)據(jù)決策分權(quán)機(jī)制激發(fā)執(zhí)行層活力

1. 現(xiàn)場出發(fā)，細(xì)節(jié)說話

2. 以人為主，數(shù)據(jù)輔助

3. 人機(jī)分權(quán)競合

4. A/B測試～數(shù)據(jù)驅(qū)動(dòng)體制的試金石

5. 總結(jié)：蝶戀花·改

6. 期待易精數(shù)據(jù)同路人