课程背景
1.
数智化认知断层，业务
- IT 协同不足
格力部分管控层和员工对数智化的认知停留在
“IT 抓手升级” 层面，将数智化归为 IT 部门职责，忽视其对业务链路重构、决策模式精进的核心价值；业务部门缺乏对 AI、海量资料等等技艺的运用认知，导致技艺和业务诉求脱节，难以提出精准的数智化诉求。
2. 方略规划缺失系统性，落地路径模糊
当前格力数智化转型缺乏
“业务驱动、技艺支撑” 的顶层规划，未形成如华为 “五维变革轮廓”、美的 “全价值链转型” 的办法论指导；部分试点项目因无明晰阶段标的和评核准则，出现 “重投入、轻成效” 问题，难以规模化复制。
3. 资料孤岛严重，决策效率受制约
格力供给链、生产、营销、研发等等部门资料分散存储于独立系统，缺乏统一资料中台整合；资料准则不统一（如货品编码、买方标签差异），导致跨部门资料调用困难，无法支撑
“资料驱动的生产排程、精准营销” 等等核心情境。
4. 业务情境数智化落地本领薄弱
现有数智化实践多集中于
“自动化替代人工”（如生产流水线自动化），但在 “供给链诉求预测、质量异常 AI 诊断、研发参数精进” 等等深度业务情境中，缺乏可复用的落地方案；员工缺乏 “技艺抓手实操 + 业务情境结合” 的复合本领，难以将实例心得转化为公司实践。
5. AI 技艺运用滞后，生产力重塑不足
生成式
AI，工业 AI 在制造业的成熟运用（如 AI 辅助研发规划、装置预测性维护）未在格力充分落地；部分队伍对 AI 技艺的 “高门槛” 存在畏惧心理，缺乏 “轻量化 AI 抓手（如低代码平台、业界预制模型）” 的运用认知，错失技艺降本增效机遇。
课程收益
1. 认知升级：
支援管控层和员工构筑
“数智化 = 业务变革 + 技艺赋能” 的核心认知，明晰不同定位（业务岗负责诉求定义、IT 岗负责技艺落地）在转型中的职责，消除 “数智化是 IT 专属事” 的误区。
2. 方略本领：
使管控层掌握制造业数智化转型办法论（华为、美的轮廓），能结合格力业务拟定
“分阶段、可落地” 的数智化方略，输出包含标的、路径、隐患管控的部门级转型规划。
3. 业务落地：
让业务主力掌握供给链、营销、生产等等核心情境的数智化解题打法，能独立规划
“小切口、快见效” 的落地项目（如 AI 供给链诉求预测、营销资料驱动决策），拉升执行本领。
4. 资料驱动：
支援参训者领会资料中台建设推演，掌握
“资料采集 - 清洗 - 拆解 - 运用” 的全流程办法，能促成部门资料和公司资料中台对接，破解资料孤岛问题。
5. AI 实操：
使参训者掌握生成式
AI、工业 AI 在制造业的运用抓手（如轻量化 AI 建模平台、业界预制模型），能在研发、质检、装置管控等等情境完成 “AI 诉求定义 - 资料准备 - 方案规划” 的实操上手。
课程大纲
1.1.
【理论研修班
·
1
天
】制造业数智化转型办法论、经典实例
1.1.1.
模块一：制造业数智化转型核心认知（
2
学时）
1.1.1.1.
数智化转型的本质和价值
²
区分
“
资讯化（抓手升级）
”
和
“
数智化（业务重构）
”
，结合家电业界实例说明差异
²
制造业数智化的核心价值：降本（如库存降低
15%-20%
）、增效（如生产效率拉升
20%-30%
）、提质（如质检准确率拉升至
99.5%
）
²
格力数智化转型的紧迫性：化解家电业界竞争（如美的、海尔数智化布局）、消费者诉求个性化挑战
1.1.1.2.
格力数智化转型痛点拆解和诉求定位
²
管控层痛点：方略规划模糊、缺乏办法论指导
²
业务层痛点：资料孤岛（供给链和生产资料不通）、数智化落地本领弱
²
员工层痛点：认知不足（将数智化归为
IT
事）、抓手运用本领欠缺
²
小组碰头：结合自身岗位，列举
1-2
个数智化痛点以及期望破解标的
1.1.1.3.
制造业数智化转型的核心要素和定位分工
²
核心要素：业务诉求（起点）、资料（核心资产）、技艺（支撑）、组织（保障）
²
定位分工：
管控层（方略决策）
业务岗（诉求定义
+
资料提供）
IT
岗（技艺落地
+
系统维护）
基层员工（执行和反馈）
²
实例：美的数智化转型中的
“
跨部门协同制度
”
（业务
- IT
联合小组）
1.1.2.
模块二：制造业数智化转型办法论架构（
2
学时）
1.1.2.1.
华为
“
业务驱动五步法
”
以及其在制造业的运用
²
第一步：业务诉求诊断（用
“
业务痛点清单
”
梳理核心诉求，如格力供给链库存积压）
²
第二步：标的设定（
SMART
要则，如
“6
个月内供给链诉求预测准确率拉升至
85%”
）
²
第三步：技艺选型（匹配业务诉求，如诉求预测选
“AI
时序模型
”
，具体来看，而非复杂算法）
²
第四步：试点落地（选项
1
个小情境试错，如某货品线的供给链预测）
²
第五步：评核和推广（用
“
投入产出比
”
评核成效，达标后横向推广）
1.1.2.2.
美的
“
全价值链数智化转型模型
”
拆解
²
价值链拆解：
研发（数智化仿真）
采购（供应商协同平台）
生产（
MES
系统）
物流（智能调度）
营销（
D2C
直面消费者
²
核心推演：
以
“
消费者诉求
”
反向驱动全链路数智化
如消费者反馈
→
研发参数精进
→
生产调整
²
美的转型阶段划分：
启动期（搭建资料中台）
试点期（生产数智化）
推广期（全价值链覆盖）
精进期（
AI
深度运用）
1.1.2.3.
制造业数智化转型的通用路径和阶段管控
²
阶段划分：启动期（顶层规划
+
组织搭建）、试点期（小情境试错
+
本领建设）、推广期（横向复制
+
系统整合）、精进期（
AI
赋能
+
持续迭代）
²
各阶段要害动作：启动期需
“
管控层共识会议
”
，往细里说，试点期需
“
业务
- IT
联合小组
”
，推广期需
“
准则流程拟定
”
²
隐患管控：技艺选型隐患（防止
“
盲目追新
”
，优先成熟技艺）、业务抵触隐患（借助
“
利益绑定
”
激励业务参与）
1.1.3.
模块三：制造业数智化转型经典实例拆解和复盘（
2
学时）
1.1.3.1.
家电业界实例：美的供给链数智化转型
²
转型来由：供给链协同慢（采购
-
生产
-
物流资讯滞后）、库存成本高（滞销货品积压）
²
核心举措：
搭建
“
供应商协同平台
”
（实时共享诉求和库存资料）
引入
AI
诉求预测模型（基于历史销售
+
天气
+
促销资料）
²
转型成效：库存周转率拉升
30%
，采购周期缩短
25%
²
格力可借鉴点：供应商资料打通、诉求预测模型的
“
多维度资料输入
”
（如空调需结合天气资料）
1.1.3.2.
跨业界实例：汽车业界
AI
质检数智化转型（某车企）
²
转型来由：
人工质检效率低（日都检测
500
台，运行层面，漏检率
5%
）
异常追溯难（无法定位问题环节）
²
核心举措：
搭建
AI
视觉质检系统（识别外观缺陷）
构筑质量资料追溯平台（关联生产环节资料）
²
转型成效：质检效率拉升
200%
，在实际应用里，漏检率降至
0.5%
，换个角度看，异常追溯时间从
2
天缩短至
1
小时
²
格力可借鉴点：
AI
在空调外观质检、零部件检测中的运用推演
1.1.3.3.
失败实例复盘：某家电公司
“
技艺先行
”
转型教训
²
问题：盲目上线
“
全流程数智化系统
”
，未结合业务诉求（如生产系统和车间实际流程脱节）
²
后果：系统采用率不足
30%
，从实践看，投入成本无法回收，实操中，员工抵触情绪严重
²
教训：转型需
“
业务诉求先行
”
，小情境试点验证后再推广，防止
“
一刀切
”
1.1.3.4.
小组碰头：基于实例，输出格力数智化转型的
3
个核心借鉴方向
²
要求：结合自身岗位（如供给链、生产），明晰
“
可落地的借鉴动作
”
²
结晶：每组推选
1
名代表分享，落地时，实操中，讲师点评并提炼共性方向
1.2.
【
理论研修班
·
1
天】
AI
重塑生产力・生成式
AI
在制造业中的落地运用实战
1.2.1.
模块一：
AI
技艺在制造业的核心运用情境和价值（
2
学时）
1.2.1.1.
工业
AI
和生成式
AI
的技艺边界和运用差异
²
工业
AI
：锁住
“
资料驱动的精准决策
”
（如装置故障预测、质检缺陷识别），倚重结构化资料
²
生成式
AI
：锁住
“
内容生成和流程精进
”
（如研发方案生成、营销文案撰写），可处理非结构化资料
²
制造业
AI
运用的核心推演：
“
小情境，快见效
”
，执行层面，防止
“
大而全
”
的复杂项目
1.2.1.2.
工业
AI
在制造业的典型运用情境
²
生产环节：
AI
生产排程（基于订单、装置状态动态调整），具体来看，
AI
能耗精进（如空调生产中的电力管控）
²
质量环节：
AI
视觉质检（零部件尺寸检测，外观缺陷识别）、
AI
质量追溯（异常资料关联生产环节）
²
装置环节：预测性维护（基于
IoT
资料预测故障，如空调生产线电机维护）
²
实例：海尔
COSMOPlat
的
“AI
装置预测性维护
”
，在实际应用里，故障停机时间减少
40%
1.2.1.3.
生成式
AI
在制造业的落地情境
²
研发环节：参数精进建议（如空调压缩机参数生成），仿真测试报告撰写
²
营销环节：个性化货品文案（如针对不同区域的空调营销话术）、买方诉求拆解（提炼买方反
馈中的核心诉求）
²
营运环节：生产报表自动生成，换个角度看，装置维护指引精进
²
实例：某家电公司用生成式
AI
撰写
“
售后故障处理指南
”
，客服响应效率拉升
30%
1.2.2.
模块二：制造业
AI
落地办法论和抓手选型（
2
学时）
1.2.2.1.
AI
落地四步法：从诉求到落地的全流程
²
第
一步：
AI
诉求定义
用
“
业务价值公式
”
判断诉求是否适合
AI
，往细里说，往细里说，
如
：
“
质检效率拉升
= AI
识别准确率
×
检测速度
-
人工成本
”
²
第二步：资料准备
结构化资料：生产
/
装置
/
质量资料
非结构化资料：图片
/
文案
/
反馈
资料清洗：去除异常值，实操中，补全缺失值
²
第三步：模型选型和训练
优先选项业界预制模型，如
EasyDL
的
“
工业质检模型
”
小样本训练：用少量资料迅速验证
²
第四步：部署和迭代
小范围试点：如
1
条生产线的
AI
质检；成效评核：用
“
准确率、效率拉升
”
等等指标；
持续精进：根据反馈调
整模型
1.2.2.2.
制造业
AI
抓手选型指南
²
轻量化建
模抓手：
n
百度飞桨
EasyDL
（无需代码，换个角度看，拖拽式建模，适合非技艺岗）
n
阿里
PAI-Studio
（支持工业情境预制模型）
²
生成式
AI
抓手：
n ChatGPT for Business
（定制化训练公司资料，生成业界文案）
n
讯飞星火工业版（支持装置维护文档生成）
²
资料准备抓手：
n DataEase
（资料清洗和可视化）
n Python
（基础资料处理，适合
IT
岗
²
选型要则：匹配业务诉求（如质检选视觉建模抓手）、降低采用门槛（优先
“
低代码
/
无代码
”
抓手）、将控成本（防止高价定制
模型）
1.2.2.3.
AI
落地中的常见问题和解题打法
²
问题
1
：资料不
足
/
质量差
→
解题打法：小样本训练、资料增强技艺（如图片翻转生成更多质检资料）
²
问题
2
：模型准确率不达标
→
解题打法：精进资料标注，调整模型参数、分情境细化模型（如区分空调不同部件的质检模型）
²
问题
3
：业务部门抵触
→
解题打法：先做
“
高价值小情境
”
（如
AI
质检效率拉升明显），用成效说服业务
1.2.3.
模块三：生成式
AI
在制造业的实操上手（
2
学时）
1.2.3.1.
实操差事一：用生成式
AI
规划
“
空调营销文案
”
²
抓手：
ChatGPT for Business
（已导入家电业界资料）
²
步骤：
1.
输入诉求（如
“
针对南方夏季，运行层面，突出空调节能
+
静音功能的营销文案
”
）。
2.
调整参数（语气：亲切。长度：
300
字内）；
3.
精进输出（结合格力品牌调性修改）
²
要求：每组输出
3
版文案，落地时，讲师点评
“
文案和业务诉求的匹配度
”
1.2.3.2.
实操差事二：用工业
AI
抓手搭建
“
空调零部件质检模型
”
²
抓手：百度
飞桨
EasyDL
（工业质检版）
²
步骤：
1.
上传资料（空调零部件缺陷图片，含正常
/
异常样本）。
2.
标注资料（标记缺陷位置和类型）。
3.
启动训练（选项
“
轻量化模型
”
，训练时长约
30
分钟）。
4.
测试模型（上传新图片，运行层面，查看识别准确率）
²
要求：模型准确率需达成
90%
以上，往细里说，执行层面，拆解
“
准确率未达标的原因
”
（如资料量不足，标注不精准）
1.2.3.3.
小组复盘：
AI
落地中的要害成功因素
²
碰头：结合
实操，梳理
“
格力落地
AI
项目
”
的
3
个要害动作（如资料准备，抓手选型）
²
结晶：每组输出
“AI
项目落地
checklist”
，就一线经验说，讲师汇总形成通用模板
1.3.
【业务情境班
· 半天
】怎样借助数智化以及
AI
技艺精进供给链管控
1.3.1.
模块一：格力供给链管控的数智化痛点和诉求（
1
学时）
1.3.1.1.
家电制造业供给链的核心环节和挑战
²
核心
环节：诉求预测
→
采购
→
库存
→
生产协同
→
物流配送
²
业界挑战：
诉求波动大（如空调销售受天气，促销影响）
供应商协同慢（订单
/
库存资讯滞后）
库存成本高（滞销货品积压）
²
格力供给链痛点：诉求预测倚重心得（准确率低）、生产和采购资料不通（导致物料短缺
/
过剩），物流调度效率
低（配送延误）
1.3.1.2.
供给链数智化转型的核心标的和价值
²
标的
1
：诉求预测
准确率拉升至
85%
以上（降低库存）
²
标的
2
：供应商协同响应时间缩短
50%
（防止物料短缺）
²
标的
3
：物流配送成本降低
15%
（精进路线和调度）
²
实例：美的供给链
数智化后，诉求预测准确率拉升至
90%
，库存周转率拉升
30%
1.3.1.3.
小组碰头：结合自身岗位，梳理格力供给链的
1
个核心痛点以及数智化破解方向
²
要求：明晰痛点（如
“
夏季空调诉求预测不准
”
）、初步破解思路（如
“
引入
AI
预测模型
”
）
²
结晶：每组分享，讲师提炼共性痛点
1.3.2.
模块二：供给链数智化和
AI
解题打法（
1.5
学时）
1.3.2.1.
数智化供给链的核心架构
²
资料层：整合诉求资料（销售、天气、促销）
采购资料（供应商、订单）
库存资料（成品
/
半成品
/
原材料）
物流资料（配送路线、时效）
²
平台层：搭建供给链协同平台（供应商、生产、物流三方实时共享资料）
²
运用层：诉求预测、智能采购、库存精进、物流调度四大模块
1.3.2.2.
AI
在供给链的核心运用：诉求预测模型
²
资料输入：
历史销售资料（
3
年以上）
外部资料（天气、节假日、区域经济资料）
内部资料（促销规划、新品上市）
²
模型选项：时序预测模型（如
LSTM
），优先用业界预制模型（如阿里供给链
AI
预测模型）
²
落地步骤：
1.
资料清洗（去除异常值，如疫情期间的特殊销售资料）；
2.
模型训练（用过去
1
年资料训练，近
3
个月资料测试）；
3.
结果校准（结合业务心得调整预测值，如旺季加
10%
缓冲）
²
实例：某空调公司用
AI
诉求预测，准确率从
70%
拉升至
88%
，库存减少
25%
1.3.2.3.
数智化供给链的其他要害运用
²
智能采购：基于
AI
预测的诉求自动生成采购订单，落地时，供应商在线接单，实时反馈交货进度
²
库存精进：
AI
动态调整安全库存（如原材料库存
= AI
预测诉求
×1.2
，防止短缺）
²
物流调度：
AI
精进配送路线（结合实时路况、配送点分布），降低运输成本
²
实例：海尔
“
智能物流调度系统
”
，换个角度看，配送成本降低
20%
，实操中，运行层面，时效拉升
15%
1.3.3.
模块三：格力供给链数智化落地规划规划（
0.5
学时）
1.3.3.1.
落地阶段划分
²
试点期
（
1-2
个月）：选项
1
条货品线（如某型号空调）做
AI
诉求预测试点
²
推广期（
3-4
个月）：上线供给链协同平台，打通采购
-
库存资料
²
精进期（
5-6
个
月）：扩展至全货品线，加入智能物流调度
1.3.3.2.
小组差事：输出
“
格力某货品线供给链数智化试点方案
”
²
要求：包含
标的（如
“
诉求预测准确率拉升至
85%”
）、步骤（资料准备、抓手选型、试点范围）、责任人（业务岗
+ IT
岗）
²
结晶：每组分
享方案，讲师点评精进
1.4.
【业务情境班
· 半天
】怎样用资料拆解驱动营销决策
1.4.1.
模块一：家电业界营销数智化的痛点和核心诉求（
1
学时）
1.4.1.1.
格力营销管控的现况和痛点
²
现况：
营销
资料分散
（线下门店、线上电商、社交媒体资料不通）
用户画像模糊（无法精准定位
“高潜力买方”）
营销成效评核难（无法量化
“某活
动带来的销量增长
”
）
²
业界趋势：从
“
广撒网
”
营销转向
“
精准化，个性化
”
营销（如基于用户诉求推荐货品）
²
营销数智化的核心价值：
拉升获客效率（降低获客成本）
拉升转化率（精准触达）
拉升买方忠诚度（个性化服务）
1.4.1.2.
资料拆解驱动营销决策的核心推演
²
资料来源：
用户资料（基本资讯、购买历史、浏览行为）
营销资料（活动投入、渠道成效）
货品资料（销量、好评率）
²
决策闭环：资料采集
→
资料拆解
→
洞察输出
→
营销行动
→
成效评核
→
迭代精进
²
实例：某家电公司借助资料拆解发现
“30-40
岁女性更关注空调静音功能
”
，在实际应用里，针对性营销后，该群体转化率拉升
25%
1.4.1.3.
小组碰头：格力当前营销决策中，哪些环节可借助资料拆解精进？
²
要求：举例说明（如
“
线上促销活动成效评核
”“
线下门店买方画像梳理
”
）
²
结晶：每组分享
2
个精进方向，讲师汇总
1.4.2.
模块二：营销资料拆解的核心办法和抓手（
1.5
学时）
1.4.2.1.
营销资料的核心指标架构
²
获客
指标：获客成本（
CAC
），运行层面，渠道获客量，落地时，渠道转化率（如电商平台点击
→
购买转化率）
²
转化指标：客单价，复购率、交叉购买率（如买空调后买净化器）
²
留存指标：买方生命周期（月
/
年）、老买方贡献率、买方满意度
²
实例：
某家电公司用
“
获客成本
=
营销投入
/
新增买方数
”
评核渠道成效
淘汰高成本低转化渠道（如某社交
媒体）
1.4.2.2.
资料拆解在营销情境的运用
²
情境
1
：用
户画像构筑（用
RFM
模型：最近购买时间、购买频率、消费金额，划分买方等级）
步骤
1.
提取用户资料；
步骤
2.
计算
RFM
得分；
步骤
3.
划分买方类型（高价值买方、潜力买方、离职买方）。
步骤
4.
针对性营销（如对离职买方推送优惠券）
²
情境
2
：营销活动成效评核（用
“
对比实验
”
：如
A
组推送促销文案，换个角度看，
B
组不推送，对比销量差异）
要害：将控变量（如两组买方特征一致），确保结果可信
²
情境
3
：货品推荐精进（基于用
户购买历史，推荐关联货品，如买空调推荐空调罩）
1.4.2.3.
营销资料拆解抓手实操
²
抓手：
Tableau
（资料可视化）、
Excel
高级功能（资料透视表，具体来看，
VLOOKUP
）
²
实操：用还原的
格力营销资料（电商渠道销量、买方购买历史），在实际应用里，执行层面，运行层面，执行层面，完成：
制作
“
各渠道获客成本对比图
”
；
2.
用
RFM
模型划分买方类型；
3.
输出
“
高价值买方营销建议
”
1.4.3.
模块三：格力营销数智化落地方案规划（
0.5
学时）
1.4.3.1.
核心动作：搭建营销资料中台
²
资料整合：打通
线上电商（京东、天猫）、线下门店（
POS
资料）、社交媒体（用户反馈）
等等领域的
资料
²
资料准则：统一买方
ID
（如手机号关联所有渠道资料）、货品编码
²
资料服务：为营销队伍提
供
“
买方画像查询、活动成效拆解
”
的自助拆解功能
1.4.3.2.
小组差事：输出
“
格力营销资料拆解试点方案
”
²
要求：明晰
试点情境（如
“
电商渠道促销活动成效评核
”
）、资料来源、拆解指标、落地步骤
²
结晶：每组分享
方案，讲师点评精进
1.5.
【业务情境班
· 半天
】怎样借助数智化以及
AI
技艺精进质量管控
1.5.1.
模块一：格力质量管控的数智化痛点和诉求（
1
学时）
1.5.1.1.
家电制造业质量管控的核心环节和挑战
²
核心环节：来料
检验（
IQC
）
→
进程检验（
IPQC
）
→
成品检验（
FQC
）
→
售后质量追溯
²
格力痛点：
人工质检效率低（如空调外观检测，人都日检
300
台）
异常追溯难（无法迅速定位
“
哪个环节导致质量问题
”
）
质量资料分散（检验资料存于纸质报表，无法拆解）
²
业界趋势：从
“
事后检
验
”
转向
“
事前预防、事中将控
”
（如
AI
实时监测生产进程）
1.5.1.2.
质量管控数智化的核心标的
²
标的
1
：质
检效率拉升
100%
（减少人工倚重）
²
标的
2
：质量异常追溯时间从
2
天缩短至
1
小时
²
标的
3
：不良品率降低
30%
（借助事前预防）
²
实例：某汽车
公司用
AI
质检，不良品率降低
40%
，往细里说，质检人员减少
50%
1.5.1.3.
小组碰头：格力当前质量管控中，具体来看，具体来看，具体来看，最急需用数智化破解的
1
个痛点？
²
要求：说明痛
点影响（如
“
人工质检漏检导致售后投诉
”
）、初步破解思路
²
结晶：每组分享，讲
师提炼核心痛点
1.5.2.
模块二：质量管控数智化和
AI
解题打法（
1.5
学时）
1.5.2.1.
数智化质量管控的核心架构
²
资料层：
整合
质检资料（来料
/
进程
/
成品检验结果）
生产资料（装置参数、操作人员）
售后资料（买方投诉、故障类型）
²
平台层：搭建质量资料追溯平台（所有资料关联
“
货品唯一码
”
）
²
运用层：
AI
质检、
质量异常预警、资料追溯、质量拆解四大模块
1.5.2.2.
AI
在质量管控的核心运用：
AI
视觉质检
²
运用情境：空调外观缺陷检测（划痕、变形），零部件尺寸检测（如压缩机零件精度）
²
技艺推演：借助摄像头采集货品图像，落地时，
AI
模型识别缺陷，输出
“
合格
/
不合格
”
以及缺陷位置
²
落地步骤：
1.
采集样本（正常
/
异常货品图片，各
500 +
张）；
2.
标注资料（标记缺陷类型和位置）；
3.
模型训练（用
EasyDL
等等抓手，训练时长约
1
天）；
4.
实地部署（摄像头安装在生产线，实时检测）
²
实例：某空调公司用
AI
视觉质检，外观检测准确率达
99.8%
，换个角度看，效率拉升
200%
1.5.2.3.
数智化质量追溯和异常预警
²
质量追溯：给每个货品分配
“
唯一码
”
，运行层面，往细里说，往细里说，在实际应用里，往细里说，关联从
“
原材料采购
→
生产
→
质检
→
售后
”
的全流程资料，具体来看，
异常时扫码即可定位问题环节（如
“
某批次空调不良品，追溯到是某台装置参数异常导致
”
）
²
异常预警：基于质量资料构筑
“
预警模型
”
，当某环节资料超出阈值（如某生产线不良品率突升
5%
），自动推送预警资讯给质量负责人
²
抓手：质量追溯平台（可集成到格力现有
MES
系统），实操中，就一线经验说，预警抓手（如
DataEase
的告警功能）
1.5.3.
模块三：格力质量管控数智化落地规划（
0.5
学时）
1.5.3.1.
试点情境选项：优先选项
“
人工质检强度大，实操中，换个角度看，在实际应用里，漏检率高
”
的环节
²
建议试点：空调外观质检、核心零部件尺寸检测
1.5.3.2.
落地步骤
²
第
1-2
周：资料准备（采集质检样本，就一线经验说，梳理现有资料）
²
第
3-4
周：
AI
质检模型训练和测试（用
EasyDL
搭建模型，准确率达标后试点）
²
第
5-8
周：上线质量追溯平台，关联货品唯一码
1.5.3.3.
小组差事：输出
“
格力
AI
质检试点方案
”
²
要求：明晰试点环节、样本采集规划、模型训练周期、预期成效
²
结晶：每组分享，讲师点评精进
1.6.
【业务情境班
· 半天
】怎样借助数智化以及
AI
技艺精进售后服务
1.6.1.
模块一：格力售后服务的数智化痛点和诉求（
1
学时）
1.6.1.1.
家电售后服务的核心环节和挑战
²
核心环节：买方报修
→
派单
→
上门服务
→
故障破解
→
满意度回访
²
格力痛点：报修响应慢（电话占线，落地时，具体来看，实操中，执行层面，平均等待
15
分钟），派单不合理（距离远的师傅派单，服务时效低）、故障诊断难（师傅需上门后才知道问题，可能缺备件）
²
业界趋势：从
“
被动响应
”
转向
“
主动服务
”
（如基于装置资料预测故障，提前上门）
1.6.1.2.
售后服务数智化的核心价值
²
价值
1
：买方响应时间缩短至
5
分钟内（拉升满意度）
²
价值
2
：服务时效拉升
30%
（合理派单
+
提前诊断）
²
价值
3
：服务成本降低
20%
（减少重复上门，落地时，如一次带齐备件）
²
实例：海尔
“
智能售后系统
”
，具体来看，买方响应时间缩短至
3
分钟，实操中，重复上门率降低
40%
1.6.1.3.
小组碰头：格力售后服务中，实操中，落地时，从实践看，换个角度看，从实践看，哪些环节可借助数智化拉升买方满意度？
²
要求：举例说明（如
“
报修流程简化
”“
故障迅速诊断
”
）
²
结晶：每组分享
2
个方向，讲师汇总
1.6.2.
模块二：售后服务数智化和
AI
解题打法（
1.5
学时）
1.6.2.1.
数智化售后服务的核心架构
²
资料层：
整合买方资料（基本资讯，往细里说，就一线经验说，购买货品）
装置资料（运行状态、故障历史）
服务资料（派单记录、服务时长、备件库存）
²
平台层：搭建智能售后平台（买方端
+
师傅端
+
管控端）
²
运用层：智能客服、
AI
故障诊断、智能派单，备件管控四大模块
1.6.2.2.
AI
在售后服务的核心运用
²
运用
1
：智能客服（
7×24
小时响应）
◦
功能：买方借助小程序
/ APP
报修，智能客服自动识别问题（如
“
空调不制冷
”
），推送解题打法（如
“
查验电源、清洗滤网
”
），无法破解则转人工
◦
技艺：基于生成式
AI
，训练家电售后学识库（如格力空调常见故障以及破解办法）
◦
实例：某家电公司智能客服破解
60%
的简单报修，运行层面，人工客服压力减少
50%
²
运用
2
：
AI
故障诊断（提前预判
+
远程诊断）
功能：借助空调
IoT
资料（如运行电流、温度）预测故障（如
“
压缩机即将故障
”
），提前推送提醒；买方报修时，
AI
基于
“
故障描述
+
货品型号
”
判断问题，指导师傅带对应备件
资料输入：货品型号、故障现象、装置运行资料
实例：某空调公司用
AI
故障诊断，往细里说，一次上门破解率从
70%
拉升至
90%
²
运用
3
：智能派单（最优匹配）
推演：基于
“
师傅位置、本领（如擅长维修中央空调）、当前负荷，备件库存
”
自动派单，如
“
距离买方最近，擅长空调制冷问题的师傅
”
成效：服务时效拉升
30%
，运行层面，运行层面，具体来看，运行层面，就一线经验说，买方满意度拉升
25%
1.6.2.3.
数智化备件管控（支撑服务效率）
²
核心功能：实时共享备件库存（如区域备件仓，换个角度看，就一线经验说，实操中，运行层面，师傅随身备件），往细里说，
AI
预测备件诉求（基于故障频率，提前备货）
²
价值：减少
“
因缺备件导致的重复上门
”
，备件库存成本降低
15%
1.6.3.
模块三：格力售后数智化落地方案规划（
0.5
学时）
1.6.3.1.
核心落地情境：智能客服
+ AI
故障诊断
²
步骤：
1.
梳理格力空调常见故障学识库；
2.
训练智能客服模型；
3.
试点上线（先覆盖
1
个区域，如珠海）；
4.
迭代精进（基于买方反馈调整模型）
1.6.3.2.
小组差事：输出
“
格力智能售后试点方案
”
²
要求：明晰试点区域、智能客服功能、
AI
故障诊断的资料来源、预期成效（如
“
响应时间缩短至
5
分钟
”
）
²
结晶：每组分享方案，讲师点评精进
1.7.
【业务情境班
· 半天
】怎样借助数智化以及
AI
技艺精进生产管控
1.7.1.
模块一：格力生产管控的数智化痛点和诉求（
1
学时）
1.7.1.1.
家电制造业生产管控的核心环节和挑战
²
核心环节：生产规划
→
排程
→
执行
→
监控
→
异常处理
→
报表拆解
²
格力痛点：生产排程倚重心得（如旺季订单多，排程不合理导致装置闲置）、生产进程监控滞后（无法实时弄懂生产线进度），异常处理慢（如装置故障后，换个角度看，
2
小时才协调人员维修）
²
业界趋势：从
“
促成式生产
”
转向
“
拉式生产
”
（基于买方诉求动态调整），在实际应用里，从
“
事后处理
”
转向
“
实时监控
”
1.7.1.2.
生产管控数智化的核心标的
²
标的
1
：生产效率拉升
20%
（减少装置闲置、精进排程）
²
标的
2
：生产周期缩短
30%
（如空调生产周期从
7
天缩短至
5
天）
²
标的
3
：异常处理时间缩短
50%
（实时监控
+
迅速响应）
²
实例：美的数智化生产管控后，实操中，生产效率拉升
25%
，在实际应用里，订单交付周期缩短
35%
1.7.1.3.
小组碰头：格力生产管控中，往细里说，落地时，就一线经验说，就一线经验说，最影响效率的
1
个痛点？怎样用数智化破解？
²
要求：说明痛点对生产的影响（如
“
排程不合理导致订单延期
”
）、初步思路
²
结晶：每组分享，讲师提炼核心痛点
1.7.2.
模块二：生产管控数智化和
AI
解题打法（
1.5
学时）
1.7.2.1.
数智化生产管控的核心架构（
MES
系统升级）
²
资料层：
整合生产资料（订单，具体来看，实操中，换个角度看，排程、装置状态、人员、物料）
质量资料（进程检验结果）
能耗资料（电力、水资源）
²
平台层：升级
MES
系统，增加
“
实时监控、
AI
排程、异常预警
”
模块
²
运用层：
AI
生产排程、实时生产监控、异常预警和处理、生产报表自动生成
1.7.2.2.
AI
在生产管控的核心运用：
AI
生产排程
²
传统排程问题：倚重规划员心得，无法兼顾
“
订单优先级、装置负荷、物料齐套
”
等等多因素，运行层面，导致排程不合理（如某装置过载，某装置闲置）
² AI
排程推演：基于
“
订单诉求（优先级，交付期）、装置参数（产能、维护规划），落地时，落地时，从实践看，物料状态（是否齐套）
”
等等资料，自动生成最优排程方案，支持动态调整（如紧急订单插入时，实操中，自动重新排程）
²
落地步骤：
1.
梳理排程规则（如
“
紧急订单优先，就一线经验说，执行层面，装置负荷不超过
90%”
）。
2.
导入历史资料（过去
3
个月的订单、装置资料）；
3.
模型训练（用业界排程模型，如
SAP AI
排程）；
4.
试点验证（对比
AI
排程和人工排程的效率差异）
²
实例：某汽车公司用
AI
排程，装置利用率拉升
15%
，运行层面，落地时，运行层面，订单交付及时率拉升
20%
1.7.2.3.
实时生产监控和异常预警
²
实时监控：
借助
IoT 装置采集生产线资料（如装置运行状态，往细里说，换个角度看，生产进度）
在
MES 系统可视化展示（如 “各生产线进度看板，装置负荷看板”）
管控层实时弄懂生产情况
²
异常预警：设置要害指标阈值（如
“
装置停机超过
10
分钟、生产进度滞后
1
小时
”
），触发预警，自动推送资讯给生产负责人，同时推荐解题打法（如
“
联系维修组
X
师傅处理装置故障
”
）
²
抓手：
MES
系统可视化模块，执行层面，预警抓手（如钉钉
/
公司微信推送）
1.7.3.
模块三：格力生产数智化落地规划（
0.5
学时）
1.7.3.1.
试点情境：
AI
生产排程（优先选项
“
订单波动大、排程复杂
”
的生产线）
²
建议试点：空调主力货品线的生产排程
1.7.3.2.
落地步骤
²
第
1-2
周：梳理排程规则，从实践看，就一线经验说，具体来看，采集历史资料（订单，装置、物料）
²
第
3-4
周：
AI
排程模型训练和测试（对比人工排程成效）
²
第
5-8
周：在试点生产线上线
AI
排程，同步升级
MES
实时监控功能
1.7.3.3.
小组差事：输出
“
格力
AI
生产排程试点方案
”
²
要求：明晰排程规则、资料来源、试点生产线、预期成效（如
“
装置利用率拉升
10%”
）
²
结晶：每组分享方案，讲师点评精进
1.8.
【业务情境班
· 半天
】怎样借助数智化以及
AI
技艺精进装置管控
²
模块一：格力
装置
管控的数智化痛点和诉求（
1
学时）
1.8.0.1.
家电制造业装置管控的核心环节和挑战
²
核心环节：装置台账
→
维护规划
→
巡检
→
故障维修
→
备件管控
→
报废
²
格力痛点：
装置维护倚重
“
固定周期
”
（如每月保养
1
次，无论装置状态，从实践看，运行层面，换个角度看，导致过度维护或者维护不足）
故障维修被动（装置坏了才修，换个角度看，停机损失大）
装置资料分散（台账存于
Excel
，往细里说，就一线经验说，具体来看，故障历史无记录）
²
业界趋势：从
“
预防性维护
”
转向
“
预测性维护
”
（基于资料判断装置状态）
1.8.0.2.
装置管控数智化的核心价值
²
价值
1
：装置故障停机时间减少
40%
（预测性维护）
²
价值
2
：维护
成本降低
25%
（防止过度维护）
²
价值
3
：装置寿命延长
15%
（精准维护）
²
实例：海尔
COSMOPlat
的装置预测性维护，故障停机时间减少
45%
，维护成本降低
30%
1.8.0.3.
小组碰头：格力哪些要害装置（如空调生产线电机、压缩机测试装置）最需要预测性维护？
²
要求：说明
装置故障的影响（如
“
电机故障导致生产线停工
”
）
²
结晶：每组分
享
2
个要害装置，讲师汇总
1.8.1.
模块二：装置管控数智化和
AI
解题打法（
1.5
学时）
1.8.1.1.
数智化装置管控的核心架构
²
资料层：
整合装置资料（
IoT
实时资料：温度、振动、电流；静态资料：型号、采购时间、维护历史）
维修资料（故障类型、维修时长、备件消耗）
²
平台层：搭建装置管控平台（
CMMS
系统升级，增加
AI
预测模块）
²
运用层：预测性维护
、智能巡检，落地时，换个角度看，故障诊断、备件管控四大模块
1.8.1.2.
AI
在装置管控的核心运用：预测性维护
²
技艺推演：
借助
IoT
传感器采集装置运行资料（如电机振动值、温度）
AI
模型拆解资料趋势，判断装置健康状态
预测故障发生时间（如
“3
天后电机可能故障
”
），运行层面，运行层面，实操中，提前安排维护
²
资料输入：装置历史运行资料（至少
6
个月），落地时，落地时，故障历史资料（标记
“
故障发生时的运行资料
”
）
²
模型选项：时序拆解模型（如
LSTM
），优先用业界预制模型（如华为工业
AI
预测模型）
²
落地步骤：
1.
安装
IoT
传感器（如振动传感器、温度传感器）；
2.
采集运行资料（实时上传至平台）。
3.
模型训练（用历史
资料训练，落地时，识别故障前兆）；
4.
预警推送（
预测
故障后，运行层面，从实践看，实操中，推送维护提醒）
²
实例：某家电公司用预测性维护，就一线经验说，就一线经验说，换个角度看，电机故障停机时间减少
50%
，就一线经验说，维护成本降低
28%
1.8.1.3.
智能巡检和故障诊断
²
智能巡
检：用
“
移动
APP+IoT”
替代人工巡检，运行层面，具体来看，就一线经验说，巡检人员扫码记录装置状态，执行层面，往细里说，异常资料自动上传，落地时，往细里说，换个角度看，支持拍照上传故障图片
²
故障诊断：
AI
基于
“
装置故障现象
+
运行资料
”
自动判断故障原因（如
“
电机振动超标，可能是轴承磨损
”
），推荐维修方案（如
“
更换轴承，型号
XX”
）
²
价值：巡检效率拉升
40%
，
故障诊断时间从
2
小时缩短至
10
分钟
1.8.2.
模块三：格力装置数智化落地方案规划（
0.5
学时）
1.8.2.1.
核心落地情境：要害装置预测性维护（如生产线电机、压缩机测试装置）
²
步骤：
1.
选项
2-3
台要害装置，安装
IoT
传感器；
2.
采集
1
个月运行资料，训练预测模型；
3.
试点预警（预测故障后安排维护）；
4.
评核成效（对比维护前后的停机时间）
1.8.2.2.
小组差事：输出
“
格力要害装置预测性维护试点方案
”
²
要求：明晰装置类型、传感器选型、资料采集周期、预期成效（如
“
故障停机时间减少
30%”
）
²
结晶：每组分享方案，讲师点评精进
1.9.
【
业务情境班
·
1
天
】研发领域数智化转型以及
AI
深度运用
1.9.1.
模块一：家电研发领域的数智化痛点和转型诉求（
1.5
学时）
1.9.1.1.
格力研发管控的现况和痛点
²
现况
：
研发流程倚重人工（如方案评审用纸质文档，在实际应用里，落地时，实操中，就一线经验说，协同效率低）
研发周期长（如空调新品研发需
12-18
个月）
仿真测试成本高（物理样制度作成本高，在实际应用里，实操中，换个角度看，测试周期长）
学识沉淀难（研发心得存于个人，往细里说，无法复用）
²
业界趋势：
从
“
串行研发
”
转向
“
并行研发
”
（多环节同步推进）
从
“
物理仿真
”
转向
“
数字仿真
”
从
“
心得驱动
”
转向
“
资料
+ AI
驱动
”
²
研发数智化的核心价值：缩短研
发周期
30%
，降低研发成本
25%
，拉升货品竞争力（如性能精进）
1.9.1.2.
家电研发数智化的核心标的
²
标的
1
：研发
周期缩短至
10
个月内（如空调新品研发）
²
标的
2
：数字仿真替代
50%
的物理样机测试（降低成本）
²
标的
3
：研发学识复用率拉升
40%
（构筑学识库）
²
实例：美的研发数字
化后，运行层面，往细里说，往细里说，落地时，就一线经验说，新品研发周期缩短
35%
，具体来看，研发成本降低
28%
1.9.1.3.
小组碰头：格力研发进程中，最急需用数智化破解的
1
个痛点？
²
要求：说明痛点
影响（如
“
研发周期长导致错失市场机会
”
）、初步破解思路
²
结晶：每组分享，讲
师提炼核心痛点
1.9.2.
模块二：研发领域数智化转型的核心架构和要害运用（
2
学时）
1.9.2.1.
研发数智化的核心架构（
PLM
系统升级）
²
资料层：
整合研发资料（货品图纸，方案文档、仿真资料、测试资料、专利资料）
买方诉求资料（市场调研、买方反馈）
供给链资料（零部件性能、成本）
²
平台层：
升级
PLM
（货品生命周期管控）系统
增加
“
数字仿真、
AI
辅助研发、研发协同
”
模块
²
运用层：数字仿真、
AI
辅助研发规划，研发流程协同，研发学识管控四大模块
1.9.2.2.
研发数智化的要害运用：数字仿真和虚拟测试
²
运用
情境：空调性能仿真（如制冷效率，落地时，运行层面，落地时，噪音）、结构仿真（如抗震、耐用性），流体仿真（如空调风道规划）
²
技艺推演：用数字孪生技艺构筑货品虚拟模型，运行层面，运行层面，运行层面，执行层面，输入参数（如电机功率，风道尺寸），仿真软件计算性能结果，落地时，替代部分物理样机测试
²
抓手：
ANSYS
（结构仿真）、
Fluent
（流体仿真）、格力现有
PLM
系统集成
²
实例：某空调公司用数字仿真，物理样机测试次数从
5
次减少至
2
次，研发周期缩短
20%
，测试成本降
低
40%
1.9.2.3.
研发流程协同和学识管控
²
研发流程
协同：借助
PLM
系统达成
“
并行研发
”
，如
“
规划部门画图时，采购部门同步调研零部件成本，从实践看，测试部门同步拟定测试规划
”
，实操中，执行层面，就一线经验说，防止串行等待
²
学识管控：构筑研发学识库，整合
“
成功方案、故障实例、专利资讯，规划规范
”
，换个角度看，支持要害词检索（如
“
搜索
‘
空调静音规划
’
，获取历史方案
”
），换个角度看，换个角度看，实操中，新人可迅速复用心得
²
价值：研发协同效率拉升
35%
，执行层面，
新人上手时间缩短
50%
1.9.3.
模块三：
AI
在研发领域的深度运用（
1.5
学时）
1.9.3.1.
AI
辅助研发规划的核心情境
²
情境
1
：参数精进（如空调压缩机参数精进）
推演：
AI
基于
“
货品性能标的（如制冷效率
≥3.8
）、约束条件（如成本
≤XX
元）
”
，自动生成多组参数组合，推荐最优方案
资料输入：历史参数和性能资料（如过去
100
个压缩机方案的参数和制冷效率）
实例：某家电公司用
AI
精进压缩机参数，具体来看，执行层面，在实际应用里，制冷效率拉升
8%
，往细里说，成本降低
5%
²
情境
2
：研发方案生成（如空调风道规划方案）
推演：生成式
AI
基于
“
诉求描述（如
‘
风道阻力小、噪音低
’
）、业界规划规范
”
，自动生成
3-5
版初步方案，研发人员再精进
抓手：
MidJourney
工业规划版、格力研发资料训练的定制模型
价值：方案生成时间从
3
天缩短至
4
小时
²
情境
3
：故障根因拆解（研发测试中的异常问题）
推演：
AI
基于
“
测试资料（如某部件温度超标）、历史故障资料
”
，自动拆解根因（如
“
参数设置不合理，导致温度过高
”
），推荐解题打法
价值：故障拆解时间从
1
周缩短至
1
天
1.9.3.2.
AI
研发落地的要害挑战和解题打法
²
挑战
1
：
n
研发资料不足（如某新品研发资料少）
→
解题打法：跨货品复用资料（如用其他空调型号的研发资料辅助），小样本研习技艺
²
挑战
2
：
AI
方案和工程师心得匹配难
→
解题打法：
AI
输出多组方案，在实际应用里，工程师结合心得选项，往细里说，渐次精进模型
²
挑战
3
：技艺门槛高（研发人员不懂
AI
）
→
解题打法：开发
“AI
研发助手
”
（低代码抓手，落地时，运行层面，从实践看，研发人员输入诉求即可生成方案）
1.9.4.
模块四：格力研发数智化落地规划和方案规划（
1
学时）
1.9.4.1.
落地阶段划分
²
试点期（
3
个月）：选项
1
个新品研发项目（如某型号空调），在实际应用里，从实践看，试点数字仿真（替代部分物理测试）
+
研发协同平台
²
推广期（
6
个月）：上线研发学识库，就一线经验说，落地时，试点
AI
参数精进（如压缩机参数）
²
精进期（
9
个月）：扩展至全研发部门，引入生成式
AI
方案生成
1.9.4.2.
小组差事：输出
“
格力研发数智化试点方案
”
²
要求：明晰试点项目（如
“
某新款空调研发
”
）、核心模块（如数字仿真、研发协同）、落地步骤、预期成效（如
“
研发周期缩短
20%”
）
²
结晶：每组分享方案，讲师点评精进，汇总形成格力研发数智化初步行动规划
1.9.4.3.
课程收束和后续行动建议
²
收束：研发数智化的核心是
“
资料驱动
+ AI
赋能
+
流程协同
”
，需从
“
小情境试点
”
渐次推广
²
建议：成立
“
研发数智化专项小组
”
（研发
+ IT +
资料队伍），拟定季度标的，定期评核成效
²
资源支持：推荐抓手（
PLM
系统升级、数字仿真软件、
AI
研发助手）、外部实例参考（美的、海尔研发数智化）
1.10.
【训战班
·
2
天
】数智化转型情境识别以及施行路径规划
²
核心标的：带领参训者从格力供给链、生产、营销等等核心业务中识别可落地的数智化情境，完成问题归因和施行路线图规划，运行层面，就一线经验说，往细里说，输出
1-2
个部门级数智化试点方案。
第
1
天：数智化转型情境识别和问题拆解
1.10.1.
模块一：数智化情境识别办法论和抓手（
3
学时）
1.10.1.1.
制造业数智化情境的核心分类和价值判断
²
按照业务域分类：
供给链协同类（如诉求预测）
生产提效类（如排程精进）
质量管控类（如异常追溯）
买方服务类（如售后响应）
²
价值判断三维度：
业务痛点强度（如
“
库存积压导致资金占用超
10%”
）
数智化可行性（技艺成熟度，资料可得性）
ROI
预期（如
“
投入
100
万，落地时，具体来看，
1
年降本
200
万
”
）
²
格力实例参考：美的
“
供给链诉求预测情境
”
识别推演（从
“
库存周转率低
”
痛点切入）
1.10.1.2.
格力业务情境痛点调研和挖掘抓手
²
抓手
1
：痛点
访谈提纲（含
5
类核心问题：当前流程耗时
/
成本、异常频率、影响范围、现有解题打法瓶颈）
²
抓手
2
：情境画布（含
“
用户
/
定位、核心痛点、情境标的、数智化手段、预期结晶
”5
个模块）
²
实操示范：以
“
格力
空调生产排程滞后
”
为例，填写情境画布核心内容
1.10.1.3.
小组实战：格力业务情境痛点挖掘和清单输出
²
分组规
则：按照业务域分组（供给链组、生产组、营销组、研发组）
²
差事要求：
n 1.
每组访谈
1-2
名同业务域参训者（还原真实调研）。
2.
n
梳理
3
个以上核心痛点。
n 3.
用情境画布初
步描述情境
²
输出结晶：《
XX
业务域数智化情境痛点清单（含情境画布）》
1.10.2.
模块二：情境优先级排序和问题锁住（
3
学时）
1.10.2.1.
数智化情境优先级评核模型搭建
²
评核
维度量化：
业务紧急度（
1-5
分，落地时，换个角度看，具体来看，运行层面，实操中，如
“
旺季生产排程问题影响订单交付
”
为
5
分）
落地难度（
1-5
分，执行层面，换个角度看，执行层面，在实际应用里，在实际应用里，如
“
需新建系统
”
为
4
分）
价值规模（
1-5
分，具体来看，如
“
年降本超
500
万
”
为
5
分）
²
评分规则：
优先级得分
=
（业务紧急度
×0.4
）
+
（价值规模
×0.4
）
+
（
1 /
落地难度
×0.2
）
得分前
2
名确定为重点情境
²
实例：格力
“
售后报修响应慢
”
情境评分进程（紧急度
5
分，价值规模
4
分，落地难度
3
分，实操中，优先级得分
4.27
）
1.10.2.2.
重点情境问题拆解办法
²
办法
1
：流程拆解法
绘制现有业务链路图，在实际应用里，就一线经验说，往细里说，执行层面，落地时，标记
“
卡顿节点
”
，落地时，如
“
供给链采购流程中
‘
物料诉求确认
’
需
3
天
”
²
办法
2
：资料拆解法
拆解要害资料指标异常，往细里说，如
“
生产装置
OEE
仅
65%
，低于业界
80%
均值
需拆解
‘
停机时间
/
切换时间
/
故障时间
’”
²
抓手：问题拆解树（一级问题
→
二级子问题
→
三级具体表现，如
“
库存积压
→
原材料积压
→
某部件安全库存设置
过高
”
）
1.10.2.3.
小组实战：重点情境排序和问题拆解
²
差事要求：
1.
基于上午痛点清单，换个角度看，实操中，从实践看，用评核模型筛选
2
个重点情境；
2.
用
“
流程拆解法
+
问题树
”
拆解情境核心问题；
3.
标注每个子问题的
“
责任部门
/
影响资料
”
²
输出结晶：《
XX
业务域
重点数智化情境优先级表》《重点情境问题拆解树》
第
2
天：问题归因和数智化施行路径规划
1.10.3.
模块三：数智化情境问题归因办法论（
3
学时）
1.10.3.1.
制造业数智化问题的核心归因维度
²
维度
1
：组织层面（如
“
跨部门协同壁垒，落地时，执行层面，供给链和生产部门资料不互通
”
）
²
维度
2
：技艺层面（如
“
现有
MES
系统无排程精进模块，就一线经验说，无法支撑动态调整
”
）
²
维度
3
：资料层面（如
“
诉求预测无历史销售
+
天气资料，导致准确率低
”
）
²
维度
4
：人员层面（如
“
生产规划员缺乏数智化抓手采用本领，倚重
Excel
排程
”
）
1.10.3.2.
归因抓手实操：鱼骨图和
5Why
拆解法
²
鱼骨图运用：
以
“
格力空调营销获客成本高
”
为例，从
“
组织
/
技艺
/
资料
/
人员
”
画归因鱼骨图，标注要害原因（如
“
资料层面：线上线下买方
ID
不统一，无法精准归因
”
）
² 5Why
拆解法示范：问题
“
供给链诉求预测准确率仅
70%”
→Why1
：资料不全？
→Why2
：天气
/
促销资料未纳入？
→Why3
：
IT
部门无权限获取营销促销资料？
→Why4
：跨部门资料共享制度未构筑？
→Why5
：缺乏公司级资料管将控度
²
格力典型问题归因实例：
“
装置故障停机多
”
归因结果（人员：巡检不到位；技艺：无预测性维护抓手；资料：装置运行
资料未采集）
1.10.3.3.
小组实战：重点情境问题归因
²
差事要求：
1.
针对
前一天确定的
2
个重点情境，用
“
鱼骨图
+ 5Why”
完成归因；
2.
区分
“
可借助数智化破解的原因
”
（如技艺
/
资料问题）和
“
需管控精进的原因
”
（如组织协同）；
3.
标注每个原因的
“
破解优先级
”
²
输出结晶：《重点情境
问题归因报告（含鱼骨图
/ 5Why
拆解表）》
1.10.4.
模块四：数智化施行路径规划和落地保障（
3
学时）
1.10.4.1.
数智化施行路径的核心模块规划
²
模块
1
：标的
设定
SMART
要则，如
“6
个月内，从实践看，供给链诉求预测准确率从
70%
拉升至
85%”
²
模块
2
：技艺选型
匹配归因结果，如
“
资料不通问题
→
选型资料中台模块；抓手缺失
→
选型
AI
排程软件
”
²
模块
3
：阶段规划
：
分
“
试点期
/
推广期
/
精进期
”
试点期：
1
条货品线诉求预测精进
推广期：全品类覆盖
²
模块
4
：资
源配置
人员：业务
- IT
联合小组；预算：技艺采购
/
资料治理费用；时间：各阶段要害里程碑
1.10.4.2.
落地隐患管控和成效评核规划
²
隐患
识别：
技艺隐患（如
“
新系统和现有
ERP
不兼容
”
）
业务隐患（如
“
员工抵触新抓手
”
）
资料隐患（如
“
资料质量不达标影响模型成效
”
）
²
化解打法：
技艺隐患
→
提前做系统兼容性测试；
业务隐患
→
开展抓手培训
+
构筑激励制度（如
“
数智化项目参与度纳入绩效考核
”
）
²
成效
评核指标：定量指标（如
“
库存周转率拉升
XX%”
）、定性指标（如
“
跨部门协同效率拉升
”
），执行层面，在实际应用里，评核频率（月度跟踪
+
季度复盘）
1.10.4.3.
小组实战：数智化施行路径规划和方案输出
²
差事要求：
1.
基于归因结果，就一线经验说，执行层面，规划
2
个重点情境的施行路径（含标的
/
阶段
/
资源
/
隐患）；
2.
用
“
甘特图
”
标注里程碑节点；
3.
还原向管控层呈报方案核心内容（每组
10
分钟）
²
输出结晶：《
XX
业务域数智化情境施行路线图（含甘特图）》《数智化试点方案
PPT
（精简版）》
1.11.
【训战班
·
2
天
】生成式
AI
运用情境识别以及施行路径规划
核心标的：
锁住格力研发，售后，营销等等情境，落地时，识别生成式
AI
可落地的具体诉求，破解
“
技艺不会用，往细里说，情境找不到、落地有隐患
”
问题，输出可试点的
AI
运用方案。
第
1
天：生成式
AI
运用情境识别和诉求拆解
1.11.1.
模块一：制造业生成式
AI
运用情境图谱（
3
学时）
1.11.1.1.
生成式
AI
在制造业的核心运用类型
²
内容生成类：
研发文档（如空调压缩机参数说明）
营销文案（如区域促销话术）
售后学识库（如故障处理指南）
²
流程精进类：
生产报表自动收束
买方反馈自动分类
研发方案初步生成（如风道规划草案）
²
决策辅助类：基于买方反馈生成货品改进建议、基于销售资料生成库存调整建议
²
格力适配情境筛选：
排除高隐患情境（如核心技艺方案生成）
优先
“
低门槛、高价值
”
情境（如售后话术生成、报表收束）
1.11.1.2.
生成式
AI
情境诉求挖掘抓手和办法
²
抓手
1
：诉求调研表（含
“
现有事务流程，耗时、痛点、期望
AI
破解的具体问题
”
）
²
抓手
2
：
AI
情境可行性评核表（维度：资料可得性，隐私隐患，技艺成熟度、员工接受度）
²
实例示范：格力
“
售后师傅故障话术生成
”
诉求挖掘（现有痛点：新师傅话术不规范，平均交流时间
15
分钟；
AI
诉求：输入故障现象，生成准则话术）
1.11.1.3.
小组实战：格力业务情境
AI
诉求挖掘
²
分组规则：按照
“
研发组
/
售后组
/
营销组
/
生产组
”
分组
²
差事要求：
1.
每组访谈
2
名同业务域参训者，梳理
3
个以上
AI
诉求；
2.
用
“
可行性评核表
”
筛选
2
个重点诉求。
3.
描述
“AI
输入
/
输出
/
运用情境
”
²
输出结晶：《
XX
业务域生成式
AI
诉求清单（含可行性评核）》
1.11.2.
模块二：
AI
诉求拆解和
Prompt
规划基础（
3
学时）
1.11.2.1.
AI
诉求拆解的
“3
层落地法
”
²
第一层：业务标的拆解（如
“
营销文案生成
”→
标的：拉升南方夏季空调转化率）
²
第二层：功能诉求拆解（如
“
文案需突出
‘
节能
+
静音
’
，运行层面，适配微信朋友圈
/
抖音
2
类渠道
”
）
²
第三层：资料诉求拆解（如
“
需输入
‘
区域气候资料，执行层面，执行层面，竞品文案，格力货品卖点
’”
）
²
实例：格力
“
研发参数文档生成
”
诉求拆解（业务标的：缩短文档撰写时间。功能诉求：按照模板生成参数说明。资料诉求：历史参数文档，就一线经验说，业界准则）
1.11.2.2.
Prompt
规划核心招数（适配非技艺人员）
²
招数
1
：明晰定位（如
“
你是格力空调售后专家，从实践看，执行层面，需生成面向用户的故障处理话术
”
）
²
招数
2
：明晰格式（如
“
输出格式：
1.
问题判断；
2.
操作步骤；
3.
注意事项，每部分不超过
20
字
”
）
²
招数
3
：明晰约束（如
“
防止采用专精术语，语言口语化；不承诺无法兑现的服务
”
）
²
实操：以
“
格力空调夏季促销文案
”
为例，实操中，撰写
3
版
Prompt
并对比输出成效
1.11.2.3.
小组实战：重点
AI
诉求拆解和
Prompt
规划
²
差事要求：
1.
针对
2
个重点
AI
诉求，执行层面，执行层面，完成
“3
层拆解
”
。
2.
为每个诉求规划
2
版
Prompt
。
3.
测试
Prompt
成效（采用公司版
ChatGPT /
讯飞星火）
²
输出结晶：《重点
AI
诉求拆解表》《
Prompt
规划和测试报告》
第
2
天：
AI
落地问题归因和施行路径规划
1.11.3.
模块三：生成式
AI
落地核心问题归因（
3
学时）
1.11.3.1.
制造业
AI
落地的典型障碍和归因
²
资料层面障碍：
资料隐私（如研发资料不能外传）
资料质量（如买方反馈资料不完整）
²
技艺层面障碍：
AI
输出不稳定（如文案质量波动）
系统集成难（如
AI
抓手和现有
CRM
不互通）
²
组织层面障碍：
员工抵触（如
“
担心
AI
替代事务
”
）
本领不足（如
“
不会用
Prompt”
）
²
归因抓手：
AI
落地障碍鱼骨图（从
“
资料
/
技艺
/
组织
/
隐患
”
四维度归因）
²
格力实例：
“
研发文档
AI
生成
”
障碍归因
资料：核心参数涉密。组织：研发人员担心
AI
生成内容不准确
1.11.3.2.
问题解题打法规划（针对格力情境）
²
资料隐私解题打法：
本地部署轻量
AI
模型（如讯飞星火工业版）
资料脱敏（如隐藏核心技艺参数）
²
输出质量解题打法：
构筑
“AI
输出审核制度
”
（如售后话术需主管审核后采用）
Prompt
持续精进（基于反馈调整）
²
员工接受度解题打法：
“AI
辅助而非替代
”
定位（如
“AI
生成初稿，员工精进
”
）
构筑激励制度（如采用
AI
缩短工时可兑换奖励）
1.11.3.3.
小组实战：重点
AI
情境障碍归因和解题打法
²
差事要求：
1.
针对
2
个重点
AI
情境，在实际应用里，用鱼骨图完成障碍归因。
2.
为每个障碍规划具体解题打法。
3.
评核方案可行性（如
“
本地部署成本是否在预算内
”
）
²
输出结晶：《生成式
AI
落地障碍归因报告》《解题打法清单》
1.11.4.
模块四：
AI
运用施行路径和试点规划（
3
学时）
1.11.4.1.
AI
施行路径的
“
小步快跑
”
打法
²
试点期（
1-2
个月）：
选项
1
个小情境（如售后话术生成）
1
个小队伍（如珠海区域售后组）
1
个轻量抓手（如公司版
ChatGPT
）
²
推广期（
3-4
个月）：
基于试点成效精进方案（如调整
Prompt
）
扩大至全业务域（如全国售后组）
集成至现有系统（如对接售后
APP
）
²
精进期（
5-6
个月）：
构筑
AI
运用准则（如
Prompt
模板库）
监控成效（如话术采用后交流时间缩短比例）
1.11.4.2.
施行资源配置和成效评核
²
资源配置：
人员（
AI
管控员
+
业务负责人）
技艺（抓手采购
/
部署）
培训（
Prompt
规划培训
+
安全培训）
²
成效评核指标：
效率指标（如文档撰写时间缩短
XX%
）
质量指标（如买方满意度拉升
XX%
）
成本指标（如人工成本降低
XX%
）
²
隐患预案：
AI
输出错误预案（如构筑应急人工审核通道）
抓手故障预案（如备用
Prompt
模板）
1.11.4.3.
小组实战：
AI
运用施行路径规划和方案输出
²
差事要求：
1.
为
1
个重点
AI
情境规划
“
试点
-
推广
-
精进
”
路径；
2.
拟定资源配置规划和成效评核指标；
3.
输出方案
PPT
（含施行甘特图）
²
输出结晶：《
XX
业务域生成式
AI
运用施行路线图》《
AI
试点方案
PPT
》
1.12.
【训战班
·
2
天
】资料治理实战
核心标的：
破解格力
“资料孤岛、准则不统一，质量差” 问题，带领参训者完成特定业务域的资料审计，准则拟定和流转流程规划，落地时，输出可落地的资料治理方案。
第
1
天：资料问题识别和资料审计实战
1.12.1.
模块一：制造业资料治理核心问题图谱（
3
学时）
1.12.1.1.
格力资料治理典型问题分类
²
资料孤岛问题：
部门资料不互通（如供给链库存资料和生产资料分存于
2
个系统）
资料重复存储（如买方资讯在营销
/
售后系统各存
1
份）
²
资料准则问题：
编码不统一（如空调货品编码，生产部用
“G-2023-001”
，营销部用
“K-2023-001”
）
字段定义不一致（如
“
买方年龄
”
，有的按照
“
出生年份
”
，有的按照
“
实岁
”
）
²
资料质量问题：资料缺失（如售后故障记录缺少
“
故障原因
”
）、资料错误（如生产装置温度记录
“1000℃”
明显异常）、资料滞后（如库存资料隔天更新，具体来看，换个角度看，影响排程）
1.12.1.2.
资料问题识别
抓手和办法
²
抓手
1
：资料审计表（含
“
资料来源、存储位置、字段名称，准则、质量问题，影响业务
”
）
²
抓手
2
：资料血缘图（标记资料从
“
产生
→
流转
→
运用
”
的全链路，定位孤岛节点）
²
办法：
“
业务访谈
+
系统查数
”
结合
（访谈业务人员弄懂资料痛点，登录系统查看实际资料情况）
²
实例：格力
“
供给链资料审计
”
示范（审计
“
原材料库存资料
”
，发现
“
存储系统
3
个、编码
2
套、缺失率
15%”
）
1.12.1.3.
小组实战：格力某业务域资料审计
²
分组规则：按照
“
供给链组
/
生产组
/
营销组
”
分组，每组指定
1
个资料主题
（如供给链
“
原材料库存资料
”
，具体来看，实操中，营销
“
买方资料
”
）
²
差事要求：
1.
访谈
2
名同业务域参训者，弄懂资料痛点。
2.
登录还原系统（复刻格力资料环境）查看资料。
3.
填写
“
资料审计表
”
，执行层面，换个角度看，标注问题类型
²
输出结晶：《
XX
业务域资料审计报告（含问题清单）》
1.12.2.
模块二：资料质量评核和问题量化（
3
学时）
1.12.2.1.
资料质量评核的
“5
大维度
”
²
准确性：资料是否符合实际（如
“
买方电话是否能打通
”
）
²
完整性：必填字段是否缺失（如
“
售后记录是否有
‘
故障原因
’”
）
²
一致性：同一资料在不同系统是否一致（如
“
买方姓名在营销
/
售后系统是否相同
”
）
²
及时性：资料更新是否及时（如
“
库存资料是否实时更新
”
）
²
唯一性：是否存在重复资料（如
“
同一买方是否有
2
个
ID”
）
量化评分：每个维度按照
“1-5
分
”
评分，在实际应用里，计算平均质量分
（如格力某资料主题质量分
3.2
分，就一线经验说，落地时，从实践看，低于标的
4.5
分）
1.12.2.2.
资料质量问题影响量化办法
²
办法
1
：业务影响量化（如
“
资料缺失导致售后故障处理时间增加
2
小时
/
单，具体来看，实操中，年影响
1000
单，额外成本
20
万元
”
）
²
办法
2
：效率影响量化（如
“
资料不一致导致财务对账时间增加
3
天
/
月，运行层面，就一线经验说，年耗时
36
天
”
）
²
实例：格力
“
货品编码不统一
”
影响量化（生产规划员需花
2
小时
/
天核对编码，年耗时
730
小时，相当于
91
个事务日）
1.12.2.3.
小组实战：资料质量评分和影响量化
²
差事要求：
1.
对审计发现的问题，落地时，往细里说，实操中，按照
“5
大维度
”
评分；
2.
量化
2
个核心问题的业务
/
效率影响。
3.
输出
“
资料质量改进优先级清单
”
（按照影响大小排序）
²
输出结晶：《
XX
业务域资料质量评分报告》《资料问题影响量化表》
第
2
天：资料治理方案规划和落地推进
1.12.3.
模块三：资料治理方案核心模块规划（
3
学时）
1.12.3.1.
资料准则拟定（针对格力业务）
²
核心准则类型：编码准则（如货品编码规则：
“G -
业务线
-
年份
-
序号
”
，如
“G-KT-2024-001”
代表格力空调
2024
年第
1
款）、字段准则（如
“
买方年龄
”
定义为
“
实岁，取当前年份
-
出生年份
”
）、格式准则（如日期格式
“YYYY-MM-DD”
）
²
拟定流程：
1.
成立准则小组（业务
+ IT +
资料人员）；
2.
梳理现有准则；
3.
对比业界准则（如家电业界货品编码规范）；
4.
发布试行准则
²
实例：格力
“
买方资料准则
”
拟定（统一
“
买方
ID”
为
“
手机号
+
地区码
”
，统一
“
买方分类
”
为
“
个人
/
公司
/
经销商
”
）
1.12.3.2.
资料孤岛破解：资料流转流程规划
²
流程规划要则：
“
业务驱动、最小权限、实时优先
”
（如供给链库存资料需实时同步至生产系统，支撑排程）
²
核心模块：
资料采集（从各系统抽取资料，抓手如华为
FusionData
）
资料清洗（处理缺失
/
错误资料）
资料同步（定时
/
实时同步至标的系统）
²
抓手：资料流转流程图（标注
“
资料来源、处理步骤，标的系统、责任人，落地时，同步频率
”
）
1.12.3.3.
资料质量拉升措施
²
预防措施：在资料录入环节增加校验（如
“
买方电话必须
11
位
”
）、定期资料培训（如教员工正确填写售后记录）
²
改进措施：缺失资料补全（如借助买方历史记录补全
“
职业
”
字段）、错误资料修正（如批量修正异常温度值）
²
监控措施：构筑资料质量监控看板（实时显示
“
缺失率，错误率
”
），设定预警阈值（如
“
缺失率超
10%
触发预警
”
）
1.12.4.
模块四：资料治理施行路径和落地保障（
3
学时）
1.12.4.1.
资料治理施行阶段规划
²
试点
期（
1-2
个月）：选项
1
个业务域（如供给链）、
1
个资料主题（如原材料库存资料）落地准则和流
转流程
²
推广期（
3-4
个月）：将试点心得复制至其他业务域，搭建公司级资料中台（核心功能：资料集成、准则管控）
²
精进期（
5-6
个月）：完善监控看板，构筑资料质量考核制度（如将
“
资料质量分
”
纳入部门
KPI
）
1.12.4.2.
落地保障制度规划
²
组织保障：成立资料治理专项小组（由高管牵头，业务
/ IT /
资料人员参与）
²
制度保障：拟定《格力资料管将控度》（含资料准则、流转规则、质量考核）
²
本领保障：开展资料本领培训（如资料录入规范、资料质量监控抓手采用）
1.12.4.3.
小组实战：资料治理方案输出和呈报
²
差事要求：
1.
针对试点资料主题，规划
“
准则
+
流转流程
+
质量措施
”
；
2.
拟定施行路径（含阶段标的
/
责任人
/
时间）；
3.
还原向资料治理小组呈报（每组
10
分钟）
²
输出结晶：《
XX
业务域资料治理施行方案》《资料治理施行甘特图》
2.
注意事项
² 在解说技艺细节时，考虑到参训者的专精来由，适当调整难度，防止过于深奥的技艺术语，并根据参训者所在业界、岗位属性做适当的技艺术语转化。
² 防止泛泛而谈技艺原理，所有概念都锚定贴合参训者业界的实际业务情境。
² 提供实际操作的机会或者实例拆解，支援参训者更好地将理论学识转化为实践本领。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|李檀老师
适合谁听
涉及数智化转型的领导、员工。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。