第 1章 全面理解數(shù)字化轉(zhuǎn)型 1 1.1 數(shù)字化轉(zhuǎn)型：數(shù)據(jù)成為價(jià)值提升的推動(dòng)力 1 1.2 數(shù)據(jù)與數(shù)字化轉(zhuǎn)型的重要性 3 1.3 數(shù)字化轉(zhuǎn)型的直接關(guān)注對(duì)象：業(yè)務(wù)、數(shù)據(jù)與技術(shù) 4 1.4 數(shù)字化轉(zhuǎn)型的必需基礎(chǔ)條件：思想認(rèn)識(shí)、發(fā)展政策、人才及資源投入 7 1.5 數(shù)字化轉(zhuǎn)型的工作步驟 9 1.6 數(shù)字化轉(zhuǎn)型與人工智能技術(shù)的相互選擇 10 1.6.1 數(shù)字化轉(zhuǎn)型與人工智能技術(shù)聯(lián)系密切 10 1.6.2 人工智能技術(shù)可能帶來(lái)的價(jià)值 12 1.7 補(bǔ)充：人工智能相關(guān)概念辨析 15 1.7.1 人工智能 15 1.7.2 人工智能技術(shù) 17 1.7.3 大數(shù)據(jù) 18 1.7.4 機(jī)器學(xué)習(xí) 19 1.7.5 幾組概念辨析 23 第 2章 結(jié)合人工智能技術(shù)特性制定數(shù)字化轉(zhuǎn)型戰(zhàn)略 25 2.1 數(shù)字化轉(zhuǎn)型戰(zhàn)略的制定原則 25 2.2 建立必須開展數(shù)字化轉(zhuǎn)型工作的共識(shí) 27 2.2.1 在管理團(tuán)隊(duì)形成正確共識(shí) 28 2.2.2 使思想深入各級(jí)員工 29 2.3 梳理整合對(duì)內(nèi)與對(duì)外的服務(wù)場(chǎng)景 29 2.3.1 提供滿足員工角色需求的服務(wù) 30 2.3.2 尋找提升企業(yè)競(jìng)爭(zhēng)力的技術(shù)方案 30 2.3.3 梳理需求并啟動(dòng)應(yīng)用體系的設(shè)計(jì)與建設(shè) 31 2.4 實(shí)現(xiàn)數(shù)據(jù)采集、存儲(chǔ)與管理過(guò)程的標(biāo)準(zhǔn)化 32 2.4.1 制定數(shù)據(jù)采集范圍和采集標(biāo)準(zhǔn)規(guī)范 32 2.4.2 制定數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范 34 2.4.3 設(shè)計(jì)數(shù)據(jù)權(quán)限體系并加強(qiáng)數(shù)據(jù)掌控能力 37 2.5 培育適應(yīng)數(shù)字化轉(zhuǎn)型需求的技術(shù)能力 40 2.5.1 建設(shè)扎實(shí)的硬件基礎(chǔ) 40 2.5.2 建設(shè)統(tǒng)一數(shù)字技術(shù)平臺(tái) 41 2.5.3 建設(shè)核心數(shù)據(jù)能力 43 2.5.4 開展應(yīng)用研發(fā)與整合 45 2.5.5 實(shí)現(xiàn)技術(shù)的開放融合共享 46 2.6 完善組織與人才保障 48 2.6.1 管理層親自承擔(dān)數(shù)字化轉(zhuǎn)型重任 48 2.6.2 建設(shè)中心和業(yè)務(wù)部門專屬的兩級(jí)數(shù)據(jù)科學(xué)團(tuán)隊(duì) 49 2.6.3 保持復(fù)合型人才培養(yǎng)與對(duì)外交流合作 52 第3章 開展支撐數(shù)字化轉(zhuǎn)型的應(yīng)用體系設(shè)計(jì)與建設(shè) 55 3.1 建設(shè)一個(gè)應(yīng)用體系而非一批應(yīng)用的原因 55 3.2 應(yīng)用體系的建設(shè)原則：圍繞業(yè)務(wù)需求 56 3.2.1 應(yīng)用與應(yīng)用體系以業(yè)務(wù)需求為核心 56 3.2.2 辨析業(yè)務(wù)需求從抽象到具體的不同層次 57 3.2.3 應(yīng)用體系的各級(jí)組成及其與不同需求層次的對(duì)應(yīng) 58 3.2.4 補(bǔ)充：部分問(wèn)題探討 59 3.3 開展應(yīng)用體系設(shè)計(jì) 62 3.3.1 梳理業(yè)務(wù)流 62 3.3.2 規(guī)劃并組織功能集合 63 3.3.3 組織功能點(diǎn)形成應(yīng)用 65 3.3.4 組織應(yīng)用形成應(yīng)用體系 67 3.4 爭(zhēng)取來(lái)自各類人員的支持 70 3.4.1 企業(yè)領(lǐng)導(dǎo) 71 3.4.2 職能部門領(lǐng)導(dǎo) 72 3.4.3 業(yè)務(wù)部門領(lǐng)導(dǎo) 73 3.4.4 業(yè)務(wù)專家和一線業(yè)務(wù)人員 75 3.4.5 項(xiàng)目組技術(shù)人員 76 3.4.6 所需爭(zhēng)取的各類資源 79 3.5 計(jì)劃并執(zhí)行應(yīng)用體系建設(shè) 81 3.5.1 綜合資源、價(jià)值和技術(shù)難度來(lái)制訂建設(shè)計(jì)劃 81 3.5.2 應(yīng)用體系建設(shè)與迭代完善 87 第4章 人工智能應(yīng)用研發(fā)總述 91 4.1 人工智能應(yīng)用研發(fā)遵循的基本理念 92 4.2 人工智能應(yīng)用研發(fā)的3項(xiàng)重要基礎(chǔ)條件：業(yè)務(wù)、數(shù)據(jù)、技術(shù) 92 4.2.1 業(yè)務(wù)需求與業(yè)務(wù)知識(shí) 93 4.2.2 高質(zhì)量的真實(shí)數(shù)據(jù) 94 4.2.3 建模分析與應(yīng)用開發(fā)技術(shù) 95 4.3 人工智能應(yīng)用研發(fā)涉及的各類人員 96 4.3.1 業(yè)務(wù)人員 96 4.3.2 設(shè)計(jì)人員 97 4.3.3 建模分析人員 98 4.3.4 開發(fā)人員 98 4.3.5 管理人員和模型維護(hù)人員 99 4.4 人工智能應(yīng)用研發(fā)的主要流程及相應(yīng)交付物 100 4.4.1 價(jià)值與可行性評(píng)估 100 4.4.2 研發(fā)目標(biāo)與研發(fā)周期確定 101 4.4.3 業(yè)務(wù)需求與業(yè)務(wù)知識(shí)梳理 102 4.4.4 數(shù)據(jù)收集 102 4.4.5 數(shù)據(jù)處理與建模分析 103 4.4.6 模型上線試運(yùn)行與迭代 104 4.4.7 應(yīng)用開發(fā)及生產(chǎn)環(huán)境部署 105 4.4.8 應(yīng)用的產(chǎn)品化（可選） 105 4.4.9 重要補(bǔ)充：模型的多重含義辨析 107 4.5 人工智能應(yīng)用研發(fā)常見的技術(shù)與管理問(wèn)題 109 4.5.1 常見的技術(shù)問(wèn)題 109 4.5.2 常見的管理問(wèn)題 110 第5章 業(yè)務(wù)梳理和建模數(shù)據(jù)收集 112 5.1 業(yè)務(wù)需求梳理 112 5.1.1 業(yè)務(wù)需求梳理的意義 112 5.1.2 業(yè)務(wù)需求梳理的主要過(guò)程 113 5.2 業(yè)務(wù)知識(shí)梳理 119 5.2.1 業(yè)務(wù)知識(shí)梳理的意義 119 5.2.2 業(yè)務(wù)知識(shí)梳理的主要過(guò)程 121 5.3 建模數(shù)據(jù)收集 123 5.3.1 建模數(shù)據(jù)收集的意義和參與對(duì)象 123 5.3.2 建模數(shù)據(jù)收集的主要過(guò)程 124 5.3.3 面向數(shù)據(jù)分析與應(yīng)用研發(fā)的數(shù)據(jù)建設(shè)方向 129 第6章 數(shù)據(jù)處理、建模分析與模型上線運(yùn)行 131 6.1 對(duì)數(shù)據(jù)處理與建模分析的基本認(rèn)識(shí) 131 6.1.1 主要涉及對(duì)象 131 6.1.2 數(shù)據(jù)處理與建模分析的主要過(guò)程 132 6.1.3 建模分析的特點(diǎn) 135 6.1.4 預(yù)估建模效果時(shí)的可參考因素 137 6.2 數(shù)據(jù)處理 138 6.2.1 主要內(nèi)容和基本要求 139 6.2.2 數(shù)據(jù)的拼接與整合 140 6.2.3 異常值和缺失值處理 141 6.2.4 特征維度建立 143 6.2.5 標(biāo)準(zhǔn)化 151 6.2.6 特征選擇和降維 155 6.2.7 過(guò)采樣和降采樣 157 6.2.8 標(biāo)簽調(diào)整 159 6.3 模型訓(xùn)練、測(cè)試及評(píng)價(jià) 160 6.3.1 模型的超參數(shù)設(shè)置 160 6.3.2 模型的訓(xùn)練與測(cè)試 162 6.3.3 多模型的集成 165 6.3.4 常用的模型評(píng)價(jià)指標(biāo) 166 6.3.5 幾類主要的模型評(píng)價(jià)標(biāo)準(zhǔn) 170 6.4 模型的上線運(yùn)行與持續(xù)迭代 174 6.4.1 主要工作內(nèi)容 174 6.4.2 業(yè)務(wù)數(shù)據(jù)接入 176 6.4.3 模型上線試運(yùn)行 176 6.4.4 模型分析結(jié)果處理與交互性改善 178 6.4.5 模型線上持續(xù)迭代 179 6.4.6 關(guān)于模型自動(dòng)迭代的簡(jiǎn)要探討 181 第7章 人工智能領(lǐng)域發(fā)展趨勢(shì)分析 185 7.1 人工智能應(yīng)用的研發(fā)特點(diǎn)及價(jià)值 185 7.2 人工智能技術(shù)及應(yīng)用的發(fā)展現(xiàn)狀 186 7.2.1 機(jī)器學(xué)習(xí)理論的主要研究課題 186 7.2.2 技術(shù)落地方面的主要發(fā)展趨勢(shì) 188 7.2.3 暗示的現(xiàn)象和問(wèn)題 189 7.3 人工智能應(yīng)用研發(fā)的組織變革 192 7.3.1 業(yè)務(wù)組織外技術(shù)團(tuán)隊(duì)承擔(dān)應(yīng)用研發(fā)的問(wèn)題 192 7.3.2 業(yè)務(wù)組織內(nèi)引入人工智能技術(shù)人員的優(yōu)勢(shì) 194 7.4 人工智能應(yīng)用研發(fā)的管理變革 196 7.4.1 基礎(chǔ)環(huán)境的統(tǒng)一建設(shè)與集中管控 196 7.4.2 研發(fā)流程的標(biāo)準(zhǔn)化 196 7.4.3 建模方法遷移變得更為普遍 197 7.5 人工智能技術(shù)人才的培養(yǎng)方式轉(zhuǎn)變 198 7.6 人工智能應(yīng)用研發(fā)工具的持續(xù)改進(jìn) 199 7.7 人工智能技術(shù)服務(wù)的業(yè)態(tài)發(fā)展 200 7.7.1 提供計(jì)算設(shè)備與算力 201 7.7.2 提供模型的研發(fā)環(huán)境 202 7.7.3 提供定制化的研究協(xié)助 204 7.7.4 提供標(biāo)準(zhǔn)化的應(yīng)用和產(chǎn)品 205 7.7.5 提供作為第三方的咨詢、測(cè)試及保險(xiǎn)服務(wù) 207 7.7.6 提供培訓(xùn)與資格認(rèn)證 208 7.7.7 補(bǔ)充：企業(yè)拓展人工智能業(yè)務(wù)的適宜形式 209 7.8 人工智能領(lǐng)域法律法規(guī)的完善 211 結(jié)束語(yǔ) 213