尹智老師 人工智能和數(shù)智化咨詢專家
課程綱要：
模塊一：人工智能時代的運營商數(shù)字化戰(zhàn)略：趨勢和路徑
1、 運營商數(shù)字化轉(zhuǎn)型新趨勢：
a) 基礎(chǔ)設(shè)施的云化、融合化、智能化對運營能力深化提出新要求
b) 業(yè)務(wù)的多樣化、專業(yè)化為運營商流程和組織架構(gòu)轉(zhuǎn)型提出新方向、新機遇和挑戰(zhàn)
c) 產(chǎn)業(yè)生態(tài)的碎片化、融合化對運營全周期、全流程能力提出考驗
d) 數(shù)據(jù)要素市場發(fā)展驅(qū)動電信業(yè)數(shù)據(jù)要素價值挖掘深化
e) 數(shù)字技術(shù)與實體經(jīng)濟融合發(fā)展帶來大量創(chuàng)新機遇和場景
2、 運營商數(shù)字化服務(wù)場景典型案例
a) 運營商“雙碳”平臺案例場景及最佳實踐
b) 基于5G+ 增強現(xiàn)實和虛擬現(xiàn)實（AR/VR）的新形態(tài)文商旅客戶體驗案例及運營商的潛力
c) 人工智能與大模型市場的價值體系與運營商業(yè)務(wù)融合最佳案例
d) 智能網(wǎng)聯(lián)車和車路協(xié)同市場的價值棧結(jié)構(gòu)與及運營商的潛在角色
e) 5G+ 電子體育領(lǐng)域的運營商創(chuàng)新業(yè)務(wù)潛力
3、 運營商數(shù)字化轉(zhuǎn)型路徑：運營商數(shù)字化轉(zhuǎn)型的七張地圖
a) 技術(shù)地圖：從離散的網(wǎng)元向自治管理和虛擬化的通信及云基礎(chǔ)構(gòu)架轉(zhuǎn)型
b) 安全地圖：從單一產(chǎn)品的安全策略向主動地、統(tǒng)一編排的安全策略轉(zhuǎn)型
c) 數(shù)據(jù)地圖：從有限的數(shù)據(jù)使用向統(tǒng)一編排的數(shù)據(jù)位中心的企業(yè)轉(zhuǎn)型
d) 架構(gòu)地圖：從封閉的管理系統(tǒng)向Open API平臺架構(gòu)轉(zhuǎn)型
e) （數(shù)智）應(yīng)用地圖：從傳統(tǒng)服務(wù)組合向多元的數(shù)字化服務(wù)+多種商業(yè)模式轉(zhuǎn)型
f) 生態(tài)地圖：從有限的供應(yīng)商向活躍的合作伙伴系統(tǒng)轉(zhuǎn)型
g) 業(yè)務(wù)地圖：從關(guān)注傳統(tǒng)渠道向多市場渠道+方位渠道客戶體驗轉(zhuǎn)型
模塊二：運營商數(shù)字化戰(zhàn)略落地重點領(lǐng)域和數(shù)字化思維
4、 業(yè)務(wù)運營智慧化轉(zhuǎn)型重點領(lǐng)域
a) IT集約化支撐管理變革
b) 智慧運營提升服務(wù)水平
c) 消費互聯(lián)網(wǎng)業(yè)務(wù)發(fā)展驅(qū)動業(yè)務(wù)升級和業(yè)務(wù)運營能力深化
d) 產(chǎn)業(yè)數(shù)字化領(lǐng)域業(yè)務(wù)探索和能力延伸
5、 運營商流程及運營能力體系和組織架構(gòu)治理重點領(lǐng)域
a) 運營商數(shù)智化組織設(shè)置模式
b) 運營商數(shù)智化能力框架
c) 運營商數(shù)智化人才發(fā)展體系和戰(zhàn)略協(xié)同
d) 某大型ICT集團企業(yè)研發(fā)人才體系案例分析
6、 電信行業(yè)數(shù)據(jù)治理和數(shù)據(jù)要素資產(chǎn)化
a) 數(shù)據(jù)治理的目標 ：能不能用統(tǒng)一語言描述業(yè)務(wù)并對話？能不能基于數(shù)據(jù)資源發(fā)掘業(yè)務(wù)價值，提供對內(nèi)對外的服務(wù)？數(shù)字要素如何變?yōu)橘Y產(chǎn)？
b) 治理什么？：怎么能厘清企業(yè)的數(shù)據(jù)的層級和脈絡(luò)？—— 幾千幾萬個零件構(gòu)成的樂高大模型是怎么管理的？
c) 用什么組織范式？—— 我這個部門應(yīng)該有什么責權(quán)利？
d) 何種機制和流程 —— 數(shù)據(jù)治理的成果如何融入業(yè)務(wù)管理和運營之中？
e) 有什么工具？什么平臺 —— 數(shù)字資源如何關(guān)聯(lián)，對接， 如何平臺化提供數(shù)據(jù)服務(wù)和能力？
7、 AI大模型時代數(shù)據(jù)治理和數(shù)字化要素管理的特質(zhì)和機遇
a) 大模型時代的數(shù)據(jù)戰(zhàn)略和數(shù)據(jù)模型
i. AI語境下，數(shù)據(jù)要素和數(shù)據(jù)資產(chǎn)有何新內(nèi)涵
ii. 大模型語境下的數(shù)據(jù)模型和數(shù)據(jù)存儲 – AI大模型的原生數(shù)據(jù)庫：向量數(shù)據(jù)庫，和傳統(tǒng)數(shù)據(jù)庫的融合
b) AI大模型具有成為企業(yè)數(shù)據(jù)“總調(diào)度”和“總參謀”的巨大潛力
c) AI + BI應(yīng)用模式和案例：
i. 機器視覺和自然語言處理等技術(shù)，對業(yè)務(wù)全周期全流程的原生數(shù)據(jù)的采集、解析、應(yīng)用的賦能 ，對文本，語音，圖像，視頻的解析，帶來新的業(yè)務(wù)洞察和數(shù)據(jù)服務(wù)/資產(chǎn)
ii. 大模型賦能的數(shù)據(jù)管理（SQL和數(shù)據(jù)API調(diào)用）代碼的生成
iii. 類ChatGPT大模型賦能的金融文檔和數(shù)據(jù)分析及數(shù)據(jù)可視化：Code Intepreter
8、 人人都應(yīng)該有的戰(zhàn)略級數(shù)字化/算法思維：
a) 分治：
i. 分治算法的理念：人類戰(zhàn)勝復(fù)雜問題的通用武器，就是分解
ii. 分治算法思維在具體問題和其他算法建構(gòu)中的應(yīng)用：淘寶的數(shù)據(jù)處理
b) 回歸
i. 機器學習的鼻祖思想：通過對歷史的吻合，找到規(guī)律，預(yù)測未來
ii. 回歸的類型和應(yīng)用
iii. 人工神經(jīng)網(wǎng)絡(luò)算法中的回歸思維
c) 遞歸
i. 遞歸思維：宇宙自相似性和循環(huán)往復(fù)模式的應(yīng)用
ii. 分形遞歸：改變計算機圖形學的思想
d) 壓縮
i. 無處不在的壓縮思維：從信息壓縮到智能的壓縮
ii. 以ChatGPT為代表的人工神經(jīng)網(wǎng)絡(luò)：人類經(jīng)驗的壓縮
iii. 生成式AI中的壓縮思維：授人以魚，不如授人以漁
