课程纲要：

模块一：从信息化到数据化，从IT到DT

1、 信息化，数字化，数据化，我们再谈什么？

2、 人类历史是一部生产力和科技发展史——从效率的角度看数字化和数据化

3、 从数字化到数据化 – 万物皆数，但什么是“数据”？

4、 大数据的兴起：为什么是“大”数据，为什么是“大类型”数据？而不是“小”而“精”的数据？

5、 多模态AI大模型开启的真正的“大”数据时代：对“原生”数据的解析，带来真正的“大”数据洞察

6、 AI BI的理念和实践发展

模块二：企业数据架构和平台

7、 企业数据架构 – 以TOGAF为例

a) 为什么企业需要数据架构 —— 家大业大资产多，需要“箱子”“柜子”来结构化地安置

b) 数据资产目录/层级结构 —— 家里的“资产清单”

c) 数据模型 —— 分门别类，有逻辑有条理地装资产的“柜子”

d) 数据标准 —— 资产规格

e) 数据分布 —— 资产从哪来，存在哪，用到哪？

8、 数据平（中）台的由来，为什么需要数据平（中）台？

9、 数据平（中）台的组成和内涵

a) 数据基础设施

b) 主数据管理

c) 数据湖

d) ODS

e) 数据仓库

f) CDP/DMP

10、 数据架构和平台如何赋能业务？

a) DT与营销

i. 数据驱动的数字营销

ii. 社会化营销

iii. LSB 实时营销引擎

b) DT与客户视图管理

i. 客户360度视图

ii. 客户视图标签

iii. 基于CDP的客户数据管理

c) DT与客户服务案例

d) DT与业务运营案例

e) DT与供应链案例

模块三：人工智能时代的数据管理

11、 人工智能和大数据：硬币的两面

a) 大数据的下一步：机器学习

b) 深度人工神经网络从大数据中学习到了什么？—— 授人以鱼，不如授人以渔

c) 为什么人工神经网络可以从数据中“学习”到几乎一切规律和模式？

12、 人工智能和AI大模型的概念和应用模式

a) 人工智能基本概念 —— 人工智能，机器学习，深度学习：对知识/经验/模式/能力的封装

b) 从分析式AI到生成式AI：ChatGPT开启的AIGC大模型时代 – ChatGPT的基本概念,提示词工程的应用

c) 类GPT AIGC大模型的基本概念和原理

i. 文生文：ChatGPT及其基础模型 – 计算机如何理解文字？

ii. 文生图&图及视频的AI编辑 – 计算机如何**“组装”像素来生成图像？

iii. 3D重建模型 -  算法对世界的“脑补”

13、 AI时代数据管理和治理的特质，机遇和挑战

a) 大模型时代的数据战略和数据模型

i. AI语境下，数据资产有何新内涵

ii. 大模型语境下的数据模型和数据存储 – AI大模型的原生数据库：向量数据库，和传统数据库的融合

b) AI大模型具有成为企业数据“总调度”和“总参谋”的巨大潜力

c) AI语境下的数据治理: MLOps DataOps

d) AI BI应用案例和产品：

i. 机器视觉和自然语言处理等技术，对原生数据的采集、解析、应用的赋能 ，对文本，语音，图像，视频的解析，带来新的客户洞察

ii. 以ChatGPT为代表的AIGC大模型对针对性、个性化内容和数据的合/生成：基于实时内容生成的千人千面数字营销

iii. 大模型赋能的数据管理（SQL和数据API调用）代码的生成与自助服务BI：Self-Service BI (SSBI) – 基于自然语言的数据查询和分析

iv. 类ChatGPT大模型赋能的文档和数据分析及数据可视化：Code Intepreter

v. 多模态大模型赋能的跨数据集和跨模态的数据智能

vi. 机器学习 BI: Predictive Analytics – 基于机器学习的回答“未来有可能会发生什么？”