一、 课程背景今天，物流行业**重要的关键词是“变革”！

市场在变：物流行业整体快速发展，激烈竞争推动并购，集中度远高于其他行业。互联网巨头对物流行业持续强力渗透；

政策在变：清洁能源趋势势不可挡，多个城市开始物流用车的新能源化转型。

技术在变：以大数据、车联网、无人驾驶为代表的物流数字化变革已喷薄而出；

甚至物流本身也在变革，新的商业模式（如无车承运）得到政府的支持引导……

一切都在变革之中，不变的只有变革本身。“怎样面对同行的压价竞争？”，“怎样应对巨头的数据优势？”，焦虑中的我们该如何面对未来？

企业决策者的难题是：变革谁都看得到，但是如何选择正确的决策，变风险为机遇？要回答这个问题，需要我们理解数据驱动型企业的大数据决策核心，可曾想过：

“如果我是贝佐斯，怎样运用大数据做决策？”

“如果我是李彦宏，怎样管理顶级AI专家团队？”

运用大数据对不确定性的未来做相对精准预测，可能增加企业的生存概率，大数据决策方法是企业应对变革的有力臂助。

企业决策层焦虑，执行层也同样面对职业淘汰的威胁。大数据挖掘、机器学习是现在**受欢迎的职业技能之一，但哪怕是大数据专家，依然面临面对实际工作和海量数据无从下手的尴尬状况，更何况大多数不懂机器学习，不会写代码的非数据专业人士？

“这不是我要的数据！…其实我不知道该要什么…”

“想用数据说服领导接受我的新方案，该怎样论证呢？”

“每个部门都汇报一堆数据一个说法，该相信哪个？”

幸运的是数据分析从来不是数据科学家的专属，而是来源于每个人都具备的逻辑认知能力。我们需要做的是锻炼严谨的数据思维方式，掌握简单的数据工具，学习易精大数据决策法。

数字化转型虽已为大多数企业所接受，未雨绸缪，我们不妨多了解数字化的难点和教训，少花点填坑成本，少走点冤枉路。但无论如何，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，顺藤摸瓜。收获如下：

1. 大数据分析能力：课程帮助非数据专业的企业高管和执行层骨干掌握数据分析基础技能，快速入门大数据决策法，学会投资盈利预测，学会分析经营数据中的蛛丝马迹，不再轻易被所谓“行家”所忽悠。

2. 大数据思维方式：决策精准只是**步，执行要靠团队。讲师将引导执行层骨干构思如何在自己负责的业务中落地数据驱动。

3. 大数据驱动平台：数据意识需要技术平台的支持。物流产业链如此复杂，什么样的数据体系来驱动团队的精细量化运营？如何衡量改进的效果？如何发现数据盲点？讲师将给出建议，并与学员互动。

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工具为三维驱动，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”。

四、 讲师介绍曾涛

资**数据管理咨询师，首创《易精大数据决策》理论及软件。长期坚守新能源车联网一线，专家汇**合作大数据专家，清华能源互联网研究院特邀大数据专家，清华大数据产业联合会（现“清数大联盟”）理事，“清华创意创新创业大赛”创业导师和智能制造决赛评委。

清华大学电机及应用电子技术系学士。

北京大学光华管理学院工商管理硕士。

易开出行首席数据官兼首席技术官。曾任新浪研发中心总监，邮箱事业部总经理，负责新浪新闻和VIP邮箱的建设和运营。

五、 主要项目1. 主持清华能源互联网研究院的新能源汽车与动力电池大数据研究课题，为央企提供新能源汽车业务的投资决策精算服务。

2. 主持建设新能源汽车分时租赁领域领先的人车桩三位一体大数据决策平台。该平台对客户全生命周期数据挖掘和全工作岗位数据绩效追踪，创造了建成当年单车日收入提升74%，年总收入提升129%，公司人均效率提升35%的佳绩。

3. 创建北京冰晶石信息技术有限公司，旗下作品四获中国游戏**高奖“金翎奖“。

4. 曾任新浪研发中心开发总监，主持搭建了新浪网新闻、邮箱和论坛等核心产品的开发及数据架构，为当年新浪新闻领先地位做出主要技术贡献。后负责新浪邮箱事业部，任职期间推出了当年收费邮箱市场份额**的新浪VIP邮箱。

六、 课程模式1. 中文教学

2. 课上面授

3. 分组互动

七、 受众对象1. 决策层高管（部分内容单独授课）

2. 执行层骨干

八、 时间安排2天

九、 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 物流行业的数字化变革

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**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改进版

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 **天互动活动

3.1 模拟分组游戏：决策私董会

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 怎样写一份合格的数据分析报告

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：30秒决策罗盘

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