我国企业从事技术创新工作时，往往重视学习先进国家或者企业的经验和方法，包括技术创新方法和研发管理方法等。这些方法和经验原本是经过实践检验的、理论上也很完美，但用到自己的企业时却往往变得不合适了：有些方法虽好，却无用武之地、甚至增加了麻烦。有些企业在推进这些方法时，引发了较为广泛的抱怨。究其原因，是我国企业从事技术创新时，往往会忽视一些非常基本但却隐蔽性很强的常识，导致“邯郸学步”、“东施效颦”。这其实也是发展中国家是常见的现象。

本课程结合大量亲身实践，揭示了创新过程中一些隐蔽的常识。帮助科技和管理工作者理解企业创新的基本规律，提升企业和个人的技术创新能力。本课程包括三个部分。

第一部分谈创新的概念，帮助企业逃离创新的误区。人们的认识在很大程度上决定于他接收到的信息。在创新活动中，相关信息存在严重的“幸存者偏差”：许多观点往往来自学术界而不是企业界；容易传播的往往只是成功的案例，而多数创新失败的项目却是无人知晓；个人能力和努力往往被严重夸大，背后的机遇和条件却往往被忽视。这样情况可谓比比皆是，很容易引发认识的片面性。创新中还存在着一种特殊的幸存者偏差，被称为“人择难题”：今天能够被创新的项目，其实都是前人没有做成功的、可以看成“挑剩下的”。创新的风险和困难，往往源自这个原因。只有意识到现象背后的逻辑，才能真正地理解企业创新的规律。事实上，企业创新成功的标准和关键不是提出新的技术原理，而是用简单的技术原理，做出满足用户需求、有价值的工作。工作的侧重点与科学研究有很大的不同。为此，工程思想和项目管理能力变得至关重要。

第二部分谈创新的机会，帮助企业把握机会。人们经常强调个人能力和知识对创新的作用。但过度强调个人因素，却是创新的误区。前面提到，创新是“人择难题”、是前辈没有做成的。而前辈中能力强的人很多，单凭能力强就去创新很难成功，在创新中也是小概率事件。现实中，创新成功的关键是要借助机会。所谓的机会，就是相关技术条件或者市场需求的改变。机会帮助我们克服“人择难题”：具备了前人不具备的条件，创新就容易成功。所以，创新的关键是发现并把握机。发现和把握机会是很不容易的：创新往往发生在条件不太理想、需求不太明确的时候。这就是创新者需要克服的困难。其实，创新问题往往需要经过变通才能解决。变通的本质，往往是重新定义问题，把困难的问题变成简单的问题。事实上，原始的创新问题往往是“无解的”，经过变通之后才变得有解。目前，企业推进数字化转型时，遇到的问题往往就是这样的。不能理解机会，就找不到合适的项目。有实践经验的科技人员经常发现：创新往往可以用简单的技术原理来做。其实，只要抓住机会，就有可能用简单的原理完成创新；反之，如果抓不住机会，创新项目往往非常困难、甚至根本无法成功。

第三部分讨论创新的风险管理。风险和机会是创新项目的一体两面，创新项目失败的概率非常高。如果不能理解和把控创新的风险，结果就是“守成等死、创新找死”。国外许多创新理论，都把风险管理做为重要甚至核心的内容。本课程重点介绍我国企业最容易犯错误的两类问题。其中，一类问题是对用户需求分析不到位、项目策划不周密导致项目失败。本质上是没有很好地体现工程思想。另外一类问题是不善于介入项目的过程管理，把创新的管理当成了普通的工程项目管理。这两类问题的本质，都是对企业创新缺乏常识性的认识。而常识性的缺乏，与企业缺乏经验有关，也与学院派人士、学术界的对企业创新的话语权过大有关。

本课程旨在普及企业技术创新的常识。适合各类企业管理者、政府官员和科技工作者。本人有几十年从事创新和科研工作的经验、并曾指导多家企业从事创新工作。

本课程可以帮助企业解决找不到合适的项目、项目计划不合理、失败的比例高、价值体现难等问题。有利于从思想的高度学习和认识各种具体的创新理论和方法。针对的是中国科技界的常见和特有的问题、更贴近科技工作的实际。讲课过程中，引用了大量成功和失败的案例，讲课风格生动切活泼。20多年来，先后为企业技术和管理人员、政府官员、高校师生讲授数百次。曾经荣获宝钢和上海交大的“优秀兼职教师奖”。并多次受到工程院、国资委有关领导的支持和鼓励。

注1：课时半天到一天，推荐半天。其中，一天的课程会介绍更多创新管理的相关思想和案例。

注2：相关课程包括：数字化时代的企业技术创新。课程时间半天到一天。推荐时间为1天、否则时间太紧。课程的前半部分介绍技术创新，后半部分用相关的思想去理解数字化时代的机会。学会用简单的原理，去做价值创造的事情。

面向对象：从事数据分析、数据建模的相关技术人员

时间：半天到一天

本课程面向工业企业，向学员介绍如何利用生产过程产生的实际数据，有效地从事根因分析、数据建模等工作，为企业解决实际问题。

课程分成七个部分

第一部分介绍数据建模和根因分析的基本概念。主要用于纠正学术界常见的错误或模糊观点。在工业企业，人们对过程和对象的理解往往较深，建模中的困难往往是数据条件不理想导致的。 另外，工业人追求模型的实用价值。实用模型不仅需要一定的精度，还对精度的稳定性有较高的要求。模型的实用并不等同于科学意义上的正确，但科学知识有利于提高精度和稳定性。

第二部分介绍数据分析过程中常见的错误。在实践过程中，数据分析的困难往往体现在容易出现错误。这些错误与数据质量密切相关。数据的真实性、数据的误差都可能带来错误、扭曲的分析结果。而现实中，工业数据的质量低是一种常态。传统数据分析要求的“先验条件”往往不存在。工业数据分析需要在这样的前提下开展工作。

第三部分介绍如何避免错误的分析结果。要避免出现分析错误，需要从数据本身的质量入手。要关注数据的采集过程、要审视数据采集的标准。用于分析的数据必须完整，不能片面地描述工业对象和过程。要避免数据收集过程的片面性、避免“幸存者偏差”导致的错误。

第四部分讨论数据的分析方法。数据分析一般从分析相关关系开始。但进行根因分析（或开发控制模型）时，需要确认因果关系。工业对象往往可以看出一个系统，系统中有众多的反馈和前馈回路。这会导致变量之间的相关与因果关系混乱。要解决这类困难，需要将工业知识和数据分析方法有机地结合起来。

第五部分介绍模型和分析结果的验证。验证过程的本质，是验证精度和适用范围。由于工业过程经常面对不可见的干扰，人们往往难以建立高精度的模型。考虑精度时，可以设法排除随机干扰的影响、专注于本质性的影响。分析适用范围时，可以从多个角度、多个场景分别检验。特别需要指出的是：如果模型本身过度复杂，精度和适用范围之间就会产生矛盾。

第六部分介绍一种常见的实用模型。这种模型与教科书上的科学原理差别较大，本质上是经验和实践的积累，是“用历史预报未来”。相关的算法相对简单，但需要较多的数据积累。故而特别适合大数据时代。为了提高模型的精度、保持精度的稳定性，往往需要采用“自学习”和参数调整技术，让现实数据不断地矫正模型。

最后一部分讨论技术经济性。本课程介绍的方法，是实践中行之有效的方法、也是非常传统的做法。但是，在数据条件不理想时，分析和建模的效率很低、成功的比例也很低。这导致相关工作不具备经济性、也难以广泛开展。但是，在工业大数据时代，数据条件发生了变化，技术经济性就不一样了。企业需要主动地创造条件，才能促进这些工作的开展。

企业从事数字化转型时经常会遇到这样一种悖论：追求先进方法和技术的企业，未必能取得成功；取得成功的企业，未必能看到特别先进的技术。要取得数字化转型的成功，就要避免落入先进而无用的陷阱。企业数字化转型成败的关键是价值驱动。价值驱动的关键主要包括两个方面：抓住企业外部经济、社会和经济发展的机会，与企业自身的具体业务需求和战略密切结合。本课程讲授的就是相关的逻辑。这样的逻辑帮助学员用简单的技术原理，去做有价值的工作。

讲座分成三个部分。

第一部分理解企业技术发展的逻辑。企业的创新不同于院校的学术研究，是用简单的原理去做有价值的工作。我们用控制论的思想指导企业的数字化转型。控制论是上世纪40年代维纳提出来的，本质上是人工智能的一个学派。虽然经历了80多年，但维纳的思想愈久弥新。数字化技术的发展，为控制论思想的广泛应用带来了巨大的机会。比如，互联网技术的发展，使得控制论思想更加有效地用于企业、社会等大系统。而摩尔定律的延续，又极大提升了计算机决策的技术和经济可行性。在此基础上，一些新的思想、工具和方法提升了技术开发和应用的经济性，使得许多工作的经济可信性发生了逆转。对企业来说，经济性的提升和改变才是最根本的机会。

第二部分介绍一些常见技术的原理。包括机器决策、认知、建模、根因分析等。在数字化时代，这些能够全面深入地促进企业生产经营水平的提升。一般认为，这些工作的技术难度很大、对理论和技术技巧的要求很高。但是，如果能够建立起合适的数据条件，人们就可以用简单、普适的方法完成相关的工作，从而充分发挥计算机的优势。数字化基础技术的发展、工业软件的日趋成熟，为创造这些条件奠定了基础。对企业的技术人员来说，关键是学会创造相关的条件，从而把困难的技术问题变得简单起来。从本质上说，这就是抓住数字化技术带来的机会、用简单的方法去创造价值。

第三部分讨论技术创新的价值创造。技术的价值决定于应用技术的业务场景而非技术本身。企业要善于发现、创造合适的业务场景，才能发挥数字化技术的优势去创造价值。数字化转型的本质就是战略和业务的选择，使得数字化技术能够在新的场景发挥自身的优势。在大系统层面，创造价值的本质，是用数字化技术促进多方协同、资源共享和知识复用，从而带动企业的商业模式和业务模式的创新。在具体工作层面，数字化技术往往用于提升企业的管理水平。从技术层面看，所用的方法往往很简单；但价值的实现过程往往涉及到很多人的利益和工作习惯。这是推进数字化转型的难点所在。

本人从事数字化技术研究和开发30多年，并以评委的身份见过数以千计的项目。本人发现，好的项目往往有三个特点：简单的技术原理、周密的业务实现、巧妙的价值模式。人们往往要学会跳出学术、技术之外，才能做用简单的技术原理做成有价值的工作。

本课程半天到4天时间，建议为1~2天时间。最近几年，每年都有百次以上的课程。听众包括：企业家；企业的管理、技术人员；政府官员；院校的科技工作者。

相关课程包括：智能制造与工业4.0；工业互联网与工业大数据；工业互联网与智能制造；企业数字化转型的意义、机会与价值；企业数字化转型的逻辑重构与实施路径、工业智能与工业大数据等。

企业经常会遇到这样一种悖论：追求先进方法和技术的企业，未必能取得成功；取得成功的企业，未必能看到特别先进的技术。要取得数字化转型的成功，就要避免落入先进而无用的陷阱。企业数字化转型成败的关键是价值驱动。价值驱动的关键主要包括两个方面：抓住企业外部经济、社会和经济发展的机会，与企业自身的具体业务需求和战略密切结合。本课程讲授的就是相关的逻辑。这样的逻辑帮助学员用简单的技术原理，去做有价值的工作。

讲座分成三个部分。

第一部分理解企业技术发展的逻辑。企业的创新不同于院校的学术研究，是用简单的原理去做有价值的工作。传统上，AI有三个学派。其中，数字化转型的机会主要来自控制论学派和仿生学派。我们用控制论的思想指导企业的数字化转型。控制论是上世纪40年代维纳提出来的，本质上是人工智能的一个学派。虽然经历了80多年，但维纳的思想愈久弥新。数字化技术的发展，为控制论思想的广泛应用带来了巨大的机会。比如，互联网技术的发展，使得控制论思想更加有效地用于企业、社会等大系统。而摩尔定律的延续，又极大提升了计算机决策的技术和经济可行性。在此基础上，一些新的思想、工具和方法提升了技术开发和应用的经济性，使得许多工作的经济可信性发生了逆转。对企业来说，经济性的提升和改变才是最根本的机会。仿生学派的主要应用场景包括：与图像和模式识别相关的自动化问题；AI与远程化结合；研发、服务、销售采购等业务。

第二部分介绍一些常见技术的原理。包括机器决策、认知、建模、根因分析等。在数字化时代，这些能够全面深入地促进企业生产经营水平的提升。一般认为，这些工作的技术难度很大、对理论和技术技巧的要求很高。但是，如果能够建立起合适的数据条件，人们就可以用简单、普适的方法完成相关的工作，从而充分发挥计算机的优势。数字化基础技术的发展、工业软件的日趋成熟，为创造这些条件奠定了基础。对企业的技术人员来说，关键是学会创造相关的条件，从而把困难的技术问题变得简单起来。从本质上说，这就是抓住数字化技术带来的机会、用简单的方法去创造价值。

第三部分讨论技术创新的价值创造。技术的价值决定于应用技术的业务场景而非技术本身。企业要善于发现、创造合适的业务场景，才能发挥数字化技术的优势去创造价值。数字化转型的本质就是战略和业务的选择，使得数字化技术能够在新的场景发挥自身的优势。在大系统层面，创造价值的本质，是用数字化技术促进多方协同、资源共享和知识复用，从而带动企业的商业模式和业务模式的创新。在具体工作层面，数字化技术往往用于提升企业的管理水平。从技术层面看，所用的方法往往很简单；但价值的实现过程往往涉及到很多人的利益和工作习惯。这是推进数字化转型的难点所在。

本人从事数字化技术研究和开发30多年，并以评委的身份见过数以千计的项目。本人发现，好的项目往往有三个特点：简单的技术原理、周密的业务实现、巧妙的价值模式。人们往往要学会跳出学术、技术之外，才能做用简单的技术原理做成有价值的工作。

本课程半天到4天时间，建议为1~2天时间。最近几年，每年都有百次以上的课程。听众包括：企业家；企业的管理、技术人员；政府官员；院校的科技工作者。

相关课程包括：智能制造与工业4.0；工业互联网与工业大数据；工业互联网与智能制造；企业数字化转型的意义、机会与价值；企业数字化转型的逻辑重构与实施路径、工业智能与工业大数据等。