课程简介
在客户一线，很多FDE和技术背景的骨干常遇到这样的困境：客户讲了一堆，却听不出真正的痛点在哪；业务流程像一团乱麻，不知道从哪下手拆解；明明觉得某个场景适合AI改造，却无法说服客户和领导；更不知道哪个机会该优先做、投入产出比到底如何。
这背后缺的不是技术能力，而是「读懂客户」与「识别机会」这两项FDE最前置的核心能力——即造局四步闭环中的「识局」与「算局」。识局是基础：不能快速画清客户的业务地图、找到真痛点，后面所有的场景设计和价值翻译都是空中楼阁；算局是关键：AI改造的机会成千上万，能不能用一套方法精准筛出「必做」场景、算出ROI，决定了FDE能否让客户为技术买单。
本课程用3天时间，系统教会学员两大核心武器：业务流程拆解五步法（识局）与AI场景价值评估+ROI预判（算局）。以通信、银行、制造三大行业为主线案例，穿插医疗、零售、能源扩展场景，通过大量行业拆解、场景评估、ROI测算实战工作坊，让学员真正掌握「读得懂行业、找得准机会、算得清价值」的硬本领。
目标收益
1. 业务洞察：掌握业务流程拆解五步法（画全景/找卡点/理角色/量频次/摸数据），进入陌生行业也能快速读懂客户、画清业务地图。
2. 行业速通：掌握行业黑话速通术，用「跟人聊、看材料、抄作业」三方法快速上手通信/银行/制造及扩展行业，建立信任最低门槛。
3. 机会识别：掌握AI场景价值评估矩阵（业务价值×AI适配度四象限），精准筛出必做/可做/缓做/不做场景，不再靠直觉。
4. 真伪甄别：掌握「场景甄别四问」，系统识别真需求、过滤伪需求，避免在无效场景上浪费资源。
5. ROI测算：掌握三种ROI表达方式（省人/少错/多钱）与速算框架，用客户听得懂的语言量化AI价值，支撑价值提案。
6. 数据合规前置：掌握「数据可得性+合规红线」检查方法，在识别机会时同步判断数据能否支撑落地，避免选到「无据可依」或「合规不过」的场景。
7. 工具沉淀：全程产出客户业务地图、AI机会清单、ROI测算表、数据合规检查清单、价值数据包等一整套可带回岗位的工具。
培训对象
课程大纲
|
Day1 识局 业务流程拆解五步法 |
一、识局：为什么先读懂客户 1. 识局在造局闭环中的位置——不会读客户，一切都是空中楼阁 2. 从「我是来做技术的」到「我先要懂你」的心态转变 二、业务流程拆解五步法（上） 1. 第一步：画全景 · 从价值链到业务链路的映射方法 · 案例：通信运营商大市场线条全景，拆解「拉新→激活→留存→转化→复购」全链路 2. 第二步：找卡点 · 三卡定位法：钱卡在哪、效率卡在哪、信息卡在哪 · 案例：运营商拉新难、留存弱、转化低三大卡点逐一拆解 三、业务流程拆解五步法（下） 1. 第三步：理角色 · 角色-责任-利益（RACI）在客户现场的应用 · 案例：某银行零售信贷审批流程中的角色梳理（谁决策/谁执行/谁承受） 2. 第四步：量频次 · 哪些环节高频重复（适合AI自动化）、哪些低频但高价值（适合重点优化） 3. 第五步：摸数据 · 关键数据在哪、质量如何、能不能用、准不准 · 案例：用五步法完整拆解某银行「信贷审批」全流程 三、实战工作坊①：行业业务拆解 · 分组对指定行业（通信/银行/制造任选）现场用五步法拆解，产出业务地图初稿 当天产出：一张客户业务地图初稿 |
|
Day2 识局 行业速通与业务地图深化 |
一、行业速通术 1. 为什么要学行业黑话——建立信任的最低门槛 2. 快速习得行业语言的三个方法 · 跟人聊：向客户/同行取经 · 看材料：研报、年报、流程文档 · 抄作业：借鉴标杆项目与成熟方案 二、三大主轴行业速通 1. 通信行业速通 · 价值链、关键角色、典型痛点与AI机会 · 案例：运营商智能客服、精准营销、网络优化三大场景 2. 银行业速通 · 零售/对公/风控三条业务线 · 案例：银行智能风控、AI投顾、合规审查场景 3. 制造行业速通 · 研发/生产/供应链/售后四大环节 · 案例：制造业质量检测、供应链预测、设备预测性维护 三、扩展行业速览 1. 医疗行业：病历质控、药物研发、患者服务 2. 零售行业：需求预测、智能选品、客户运营 3. 能源行业：设备巡检、负荷预测、调度优化 四、业务地图深化与校准 1. 从「业务地图初稿」到「可复用业务地图」的深化方法 2. 业务地图的验证与校准：跟谁核实、怎么核实 五、实战工作坊②：陌生行业速通 · 选一个不熟悉的扩展行业，1小时完成速通解读（业务链路+关键痛点+AI机会初判） 当天产出：一个陌生行业的速通解读报告 |
|
Day3 算局 AI机会识别与ROI预判 |
一、算局：为什么关键是识别机会 1. 不是所有地方都该上AI——机会筛选决定投入产出 2. 从「业务地图」到「AI机会清单」的转化 二、AI场景价值评估矩阵 1. 两个维度：业务价值 × AI适配度 2. 四象限：必做 / 可做 / 缓做 / 不做 3. 用矩阵快速筛选客户现场的AI改造机会 · 案例：通信场景三选（智能客服/精准营销/网络优化）——谁是必做象限 三、真需求 vs 伪需求——场景甄别四问 1. 一问：不用AI，这个问题能不能解决？（AI必要性检验） 2. 二问：用了AI，效果是否可量化可感知？（价值可衡量性） 3. 三问：数据、算力、人才是否支撑？（落地可行性） 4. 四问：是否高频、稳定、可复制？（规模化潜力） · 案例：某银行智能风控场景的真伪需求完整甄别过程 四、数据可得性与合规红线（机会成立的前置硬门槛） 1. 数据是AI的燃料，拿不到数据、合规不过关，机会再大也上不了线 2. 数据可得性三查 · 数据在哪：是否沉淀在系统里，还是散落在Excel/纸质/员工脑里 · 数据质量：是否干净、完整、可用，标注过没有 · 数据权限：业务方愿不愿意给、有没有授权流程 · 案例：某项目算法模型再强，也因客户核心数据被严格管控而无法落地 3. 合规红线四看（金融、医疗、运营商客户必查） · 个人信息/隐私：是否涉及个人敏感信息，有无脱敏与用户授权 · 数据出境：是否涉及跨境数据传输与合规审批 · 行业监管：是否符合客户所属行业（银行/医疗等）监管要求 · 数据血缘：模型输入输出是否有全链路留存，可追溯可解释 · 案例：某医疗病历数据项目因出境合规问题被叫停，重新本地化部署才启动；某银行数据项目须满足监管对模型可解释性要求 4. 把「数据能否用、合不合规」做成机会评估的前置检查，不选「无据可依/合规不过」的场景 四、ROI预判框架 1. FDE必备的ROI速算思维 2. 三种ROI表达方式 · 省了多少人：人力成本的节省测算 · 少了多少错：差错率降低带来的价值 · 多了多少钱：收入/利润的直接增量 · 案例：某AI客服项目从「提效」到「省120人年」的量化；某银行风控「少错」维度ROI测算 3. 从业务指标到财务价值的换算 4. 常见ROI测算陷阱与规避 五、实战工作坊：机会清单 + ROI测算 + 数据合规检查 · 针对业务地图产出分级AI机会清单 · 针对Top优先场景完成ROI测算，形成可汇报的价值数据 · 对Top场景做数据可得性与合规红线检查，输出「可为/可做但需补条件/不可为」分级 · 成果汇演与讲师点评 当天产出：AI机会清单（分级）+ ROI测算表 + 数据合规检查清单 + 价值提案数据包 |
|
Day1 识局 业务流程拆解五步法 一、识局：为什么先读懂客户 1. 识局在造局闭环中的位置——不会读客户，一切都是空中楼阁 2. 从「我是来做技术的」到「我先要懂你」的心态转变 二、业务流程拆解五步法（上） 1. 第一步：画全景 · 从价值链到业务链路的映射方法 · 案例：通信运营商大市场线条全景，拆解「拉新→激活→留存→转化→复购」全链路 2. 第二步：找卡点 · 三卡定位法：钱卡在哪、效率卡在哪、信息卡在哪 · 案例：运营商拉新难、留存弱、转化低三大卡点逐一拆解 三、业务流程拆解五步法（下） 1. 第三步：理角色 · 角色-责任-利益（RACI）在客户现场的应用 · 案例：某银行零售信贷审批流程中的角色梳理（谁决策/谁执行/谁承受） 2. 第四步：量频次 · 哪些环节高频重复（适合AI自动化）、哪些低频但高价值（适合重点优化） 3. 第五步：摸数据 · 关键数据在哪、质量如何、能不能用、准不准 · 案例：用五步法完整拆解某银行「信贷审批」全流程 三、实战工作坊①：行业业务拆解 · 分组对指定行业（通信/银行/制造任选）现场用五步法拆解，产出业务地图初稿 当天产出：一张客户业务地图初稿 |
|
Day2 识局 行业速通与业务地图深化 一、行业速通术 1. 为什么要学行业黑话——建立信任的最低门槛 2. 快速习得行业语言的三个方法 · 跟人聊：向客户/同行取经 · 看材料：研报、年报、流程文档 · 抄作业：借鉴标杆项目与成熟方案 二、三大主轴行业速通 1. 通信行业速通 · 价值链、关键角色、典型痛点与AI机会 · 案例：运营商智能客服、精准营销、网络优化三大场景 2. 银行业速通 · 零售/对公/风控三条业务线 · 案例：银行智能风控、AI投顾、合规审查场景 3. 制造行业速通 · 研发/生产/供应链/售后四大环节 · 案例：制造业质量检测、供应链预测、设备预测性维护 三、扩展行业速览 1. 医疗行业：病历质控、药物研发、患者服务 2. 零售行业：需求预测、智能选品、客户运营 3. 能源行业：设备巡检、负荷预测、调度优化 四、业务地图深化与校准 1. 从「业务地图初稿」到「可复用业务地图」的深化方法 2. 业务地图的验证与校准：跟谁核实、怎么核实 五、实战工作坊②：陌生行业速通 · 选一个不熟悉的扩展行业，1小时完成速通解读（业务链路+关键痛点+AI机会初判） 当天产出：一个陌生行业的速通解读报告 |
|
Day3 算局 AI机会识别与ROI预判 一、算局：为什么关键是识别机会 1. 不是所有地方都该上AI——机会筛选决定投入产出 2. 从「业务地图」到「AI机会清单」的转化 二、AI场景价值评估矩阵 1. 两个维度：业务价值 × AI适配度 2. 四象限：必做 / 可做 / 缓做 / 不做 3. 用矩阵快速筛选客户现场的AI改造机会 · 案例：通信场景三选（智能客服/精准营销/网络优化）——谁是必做象限 三、真需求 vs 伪需求——场景甄别四问 1. 一问：不用AI，这个问题能不能解决？（AI必要性检验） 2. 二问：用了AI，效果是否可量化可感知？（价值可衡量性） 3. 三问：数据、算力、人才是否支撑？（落地可行性） 4. 四问：是否高频、稳定、可复制？（规模化潜力） · 案例：某银行智能风控场景的真伪需求完整甄别过程 四、数据可得性与合规红线（机会成立的前置硬门槛） 1. 数据是AI的燃料，拿不到数据、合规不过关，机会再大也上不了线 2. 数据可得性三查 · 数据在哪：是否沉淀在系统里，还是散落在Excel/纸质/员工脑里 · 数据质量：是否干净、完整、可用，标注过没有 · 数据权限：业务方愿不愿意给、有没有授权流程 · 案例：某项目算法模型再强，也因客户核心数据被严格管控而无法落地 3. 合规红线四看（金融、医疗、运营商客户必查） · 个人信息/隐私：是否涉及个人敏感信息，有无脱敏与用户授权 · 数据出境：是否涉及跨境数据传输与合规审批 · 行业监管：是否符合客户所属行业（银行/医疗等）监管要求 · 数据血缘：模型输入输出是否有全链路留存，可追溯可解释 · 案例：某医疗病历数据项目因出境合规问题被叫停，重新本地化部署才启动；某银行数据项目须满足监管对模型可解释性要求 4. 把「数据能否用、合不合规」做成机会评估的前置检查，不选「无据可依/合规不过」的场景 四、ROI预判框架 1. FDE必备的ROI速算思维 2. 三种ROI表达方式 · 省了多少人：人力成本的节省测算 · 少了多少错：差错率降低带来的价值 · 多了多少钱：收入/利润的直接增量 · 案例：某AI客服项目从「提效」到「省120人年」的量化；某银行风控「少错」维度ROI测算 3. 从业务指标到财务价值的换算 4. 常见ROI测算陷阱与规避 五、实战工作坊：机会清单 + ROI测算 + 数据合规检查 · 针对业务地图产出分级AI机会清单 · 针对Top优先场景完成ROI测算，形成可汇报的价值数据 · 对Top场景做数据可得性与合规红线检查，输出「可为/可做但需补条件/不可为」分级 · 成果汇演与讲师点评 当天产出：AI机会清单（分级）+ ROI测算表 + 数据合规检查清单 + 价值提案数据包 |
近期公开课推荐