课程背景：
全球制造业正在经历新一轮数字化、智能化转型升级。在我国，“新基建”政策的落地，新型数字基础设施领域的不断发展，为工业互联网打下了良好的基础。工业互联网是新一代信息技术与制造业深度融合的产物，推动形成全新的工业生产制造和服务体系。通过不断颠覆传统制造模式、生产组织方式和产业形态，肩负着制造业产业升级的历史使命。
工业互联网是我国从制造大国走向制造强国的重要一步，也是解决传统制造业装备和软硬件平台依赖进口，企业缺乏创新等问题的重要手段。工业互联网与智能制造密切相关，随着国家层面对产业升级、创新、经济新动能的进一步推动，工业互联网作为智能制造的基础平台，将会在整个制造业发展过程中起到关键作用。通过构建网络、平台、安全三大功能体系，深入推进“互联网+”，形成实体经济与网络相互促进、同步提升的良好格局。
数字化建设是工业互联网的底座，数字化转型不只是技术实现问题，更是组织变革问题。然而，大部分企业在数字化方面处于盲人摸象、舍本逐末的状态。对数字化转型的理解过于碎片化，仍然停留在工具应用的层面，未能触及数字化的核心。
随着5G、物联网、大数据、云计算和人工智能等新一代信息技术形成合力，将全面推动整个社会数字化进程。同时为提升企业竞争力、创造更多新的增长点等方面提供坚实支撑，与更多现实业务场景融合，促进工业制造领域转型升级并探索新机遇。
课程收益：
1. 正确认知工业互联网的本质和构成体系，以及当前阶段在智能制造领域的应用
2. 洞察数字时代的变革力量，搭建数字化运营体系，掌握制造业数字化实施策略
3. 透视5G、物联网、大数据、云计算、AI，掌握工业互联网平台关键技术节点
4. 汲取互联网思维精髓，植入数字基因，拥抱工业互联网万亿级市场的巨大机遇
课程时间：
1-2天，6小时/天
课程对象：
企业高管、各部门负责人、数字化相关岗位人员
课程方式：
讲师讲授+案例解析+互动交流+现场答疑
课程大纲：
第一讲：工业制造领域数字化转型策略与实践
一、工业互联网及应用方向
1. 工业互联网三大体系
2. 工业互联网五大应用模式
3. 智能制造上升为国家战略
4. 中、美、德、日等各国工业发展战略
案例解析：消费互联网VS工业互联网
二、数字化是工业互联网的底座
1. 数字化的内涵、价值、底层逻辑和终极目标
2. 数字化背景下，企业生存之道——保持危机感
3. 什么是数字化转型六度法则，如何将数字化真正落地
案例解析：德国大众为什么炒掉软件公司多名高管
三、数字化的三个基本特征
1. 数据业务化——消灭物理介质
2. 流程标准化——减少人为干预
3. 管理精细化——全程闭环可控
案例解析：华为数字化工具应用的启示
四、制造业数字化转型常见问题
1. 战略层面缺乏系统性顶层设计
2. 业务层面信息化基础相对薄弱
3. 实施层面技术与业务容易脱节
4. 组织层面人才队伍上储备不足
案例解析：某大型制造企业数字化转型的困惑
五、数字化转型落地三个要点
1. “科技+业务”双轮驱动
2. 让听得见炮火的士兵做决定
3. 借助专业第三方力量推进实施
案例解析：麦肯锡最新报告：数字化转型成功率普遍不高？
行动指南：在目前的业务场景中，有哪些不符合数字化要求的节点，如何优化？
六、制造业数字化转型实践五步曲（数转模型）
1. 内部管理信息化
1）各业务系统之间联动，流程衔接自动化
2）简化流程、无纸化，数据埋点，从点到线到面一体
2. 业务流程可视化
1）进度清晰可见、节点流转可控
2）流程标准化，减少人为和不确定因素
3. 产品服务数据化
1）建立指标体系，拆解、匹配适合运营方法
2）分析和改善指标，以数据导向总结优化
4. 营销推广个性化
1）用户细分，需求聚焦，360°视图
2）线上线下深度融合，数据驱动和精准引流
5. 用户体验标准化
1）洞察痛点，快速响应，超预期满足
2）打造极致体验，促进留存和转化
思考方向：现阶段在数字化转型实施层面，存在哪些盲点和障碍，如何克服？
第二讲：工业互联网技术支撑体系和应用场景
一、5G：新基建排头兵
1. 高速率：大幅提高传输速率
2. 低时延：端到端毫秒级时延
3. 大带宽：km²百万级设备接入
4. 广连接：应用场景更加丰富
案例解析：5G超远程机器人手术
二、物联网：连接一切
1. 泛在网，万物互联
2. 物联网三个基本特征
3. 传感器——人类感官的延伸
4. 互联网是一张网，物联网是整个世界
案例解析：IBM研发“电子舌头”
三、大数据：永不枯竭的生产资料
1. 消费数据——C2B个性化定制
2. 行为数据——位置、轨迹、交易
3. 机器和传感数据——图文、语音、影像
案例解析：三一重工“挖掘机指数”
四、云计算：智能时代的基石
1. 大数据反哺云计算
2. 算力提升与算法优化
3. 企业上云和政务上云大趋势
案例解析：过去一百年人类离不开电力，当下和未来人类离不开算力
五、人工智能：今天遇见未来
1. AI类型和划分标准
2. 模拟、延伸、扩展及迭代
3. 图像识别、自然语言处理
4.“智能+”终极版图：数字孪生世界
案例解析：数字孪生工厂颠覆传统生产路径
六、大数据+大算力+强算法=大模型
1. 参数规模：千亿级参数成为主流
2. 技术架构：GPT--基于反馈的强化学习
3. 模态支持：文本、图片、影像、语音等多模态
4. 应用领域：通用大模型VS行业大模型
案例解析：盘古大模型聚焦制造业应用
第三讲：制造业思维升级与数字化素养能力提升
一、用户思维——技术转化能力
1. 傻瓜式、简单可依赖
2. 不要让用户做选择题
3. 需求洞察与痛点捕捉
4. 用户需求VS应用场景
案例解析：“懒人四件套”背后的商业逻辑
思考方向：业务部门如何提高需求甄别能力，规避技术开发反复，减少内耗。
二、产品思维——业务打磨能力
1. 无痛点，不产品（服务）
2. 做减法，不做加法（功能）
3. 小步快跑，快速迭代（效率）
4. 避免过度的流程设计（机制）
案例解析：瞬间白痴论——乔布斯1秒、马化腾3秒、张小龙5秒
思考方向：技术部门如何把控需求标准，并完善产品和服务的颗粒度。
三、数据思维——数据驱动能力
1. 没有小数据，只有大数据
2. 数据是商业模式关键支点
3. 数字化运营三个核心指标
4. 数据开发应用的四个层面
案例解析：比亚迪“D1”电动侧滑门的数据支撑
思考方向：如何完善基础数据治理，打通数据堵点，完成数据贯通和闭环。
四、创新思维——创造性输出能力
1. 否定是创新的开始
2. 创新不是“瞎折腾”
3. 创新是“有中生无”
4. 创新是发现更多可能性
5. 脱离真实场景的创新是“一厢情愿”
案例解析：从“山寨大国”到“新四大发明”
思考方向：在数字阿化进程中业务导向与技术实现之间的衔接，如何避免出现脱节问题。
课程回顾、总结、分享和行动
1. 结合企业发展目标，从产品、渠道、技术、运营、服务、资源等切入，探讨关于现阶段智能制造和数字化建设的实施路径。
2. 目前在市场洞察、痛点捕捉、应用场景、流程优化、数据驱动和业务创新等方面，与原生数字巨头们存在哪些差距，应该如何改进？
3. 智能制造和数字化转型是一个“科技+业务”双轮驱动的系统性工程，根据行业特性和岗位职责，有什么具体想法或行动计划？
授课老师
张世民 互联网连续创业者
常驻地：深圳
邀请老师授课：13439064501 陈助理
