册1 数字化战略推演
核心框架
吸收能力理论：企业获取、消化、转化和应用外部新知识的能力，决定数字化转型的成效
数字化成熟度四维度：人员（数字化技能与文化）、文化（创新与协作导向）、结构（组织敏捷性）、任务一致性（战略与执行的统一）
三个成熟阶段：起步期（技术导入）→发展期（流程数字化）→成熟期（数据驱动决策）
数字化战略制定：一个循环三个步骤
换个角度看问题：从客户视角重新审视业务
换种思考方式：用数据和实验替代经验判断
换种工作方式：敏捷迭代替代线性规划
可供性视角（Affordance）
管道胶带法：用现有技术快速组合原型，验证假设
隐性可供性：技术自身具备但未被发现的潜力（如手机传感器）
虚假可供性：看似可用实则无效的技术方案
数字化领导力
8个法则：以身作则、赋能团队、拥抱失败、数据驱动、客户至上、生态思维、持续学习、长期主义
3个不变特质：关注商业价值并适当投资；在前线发挥领导力；培训员工以获得成功
5项关键能力：技术理解力、数据素养、变革管理、生态系统构建、战略远见
册2 从硅谷模式到人单合一
人单合一 vs 谷歌模式对比（6维度）
生态系统策略：人单合一强调共创共享的开放生态，谷歌偏向内部驱动的封闭创新
网络化组织：人单合一彻底扁平化，谷歌保持一定层级但强调信息透明
企业家精神：人单合一全员创客化，谷歌给予20%自由时间但核心项目仍集中管控
用户零距离：人单合一要求直接面对用户，谷歌通过数据和产品间接连接
薪酬与用户付薪：人单合一薪酬与用户价值挂钩，谷歌以高底薪+股票期权为主
非线性管理：人单合一打破科层制，谷歌矩阵式管理仍依赖层级协调
GEA转型案例
2016年诊断：9维度打分，机械型组织问题严重（战略、文化、人才、组织架构全面滞后）
2021年结果：通过人单合一转型实现颠覆性转变，组织从管控型变为赋能型
人单合一5步转型框架
明确可取性：识别转型必要性与目标
确定可行性：评估资源与能力差距
初次试验：选择试点小范围验证
实施：根据验证结果规模化推广
持续变革：建立反馈机制持续迭代
册3 打造强大的私域社群
超级用户计划
5类奖励机制：权限（专属功能）、地位（头衔认证）、影响力（决策参与）、联结（社交网络）、挑战（成长任务）
3个发展阶段：建立雏形（种子用户招募）→流程正式化（制度与工具建设）→全面展开（规模化运营）
社群管理4种隐藏技巧
提出问题5条规则：开放式、与主题相关、有讨论空间、避免冒犯、控制频率
精彩回复6原则：及时性、专业性、真诚度、建设性、互动感、差异化
创造6种高质量内容：教程、案例、数据报告、行业趋势、用户故事、互动话题
策划有凝聚力活动：线上直播、线下沙龙、用户共创、年度盛典
游戏化系统设计
游戏机制：积分、等级、勋章、排行榜、任务系统
游戏动态：约束vs自由、惊喜vs可预测、技能vs运气
防止作弊：设置积分上限、等级衰减机制、行为验证
能量提升：设置阶段性挑战、避免平台期、引入社交激励
册4 赋能业务
学习三支柱架构
学习决策中心：战略高度规划学习子战略，设计学习方案（需具备战略规划能力、经营能力、变革能力、学习设计能力、知识经营能力、文化传承能力、敏捷创新能力、人才发展能力）
学习运营中心：学习落地执行与资源服务（需具备资源整合能力、教学专业技术、在线学习运作能力、学习组织能力、宣传营销能力）
学习业务合作伙伴：深入业务一线赋能（需具备业务洞察能力、咨询顾问能力、引导共创能力、教练辅导能力、赋能成就能力）
赋能业务学习地图（区别于传统胜任力模型）
传统问题：岗位胜任力模型与实际业务场景脱节、内容通用化、静态不变、成果难衡量、个人维度局限
新范式：出发点是战略问题与业务绩效，不是能力指标
四大特征：整体视角（组织维度）、价值创造（直接产出业务成果）、动态变化（随战略敏捷迭代）、业务场景（紧贴真实工作）
业务价值链构建3种方法
客户旅程：适合服务/营销类企业，以时间轴划分客户触点阶段（认知→互动→首单→复购→忠诚）
商业模式画布：适合产品服务类企业，9个模块系统梳理（客户细分、价值主张、渠道通路、客户关系、关键业务、核心资源、重要合作、收入来源、成本结构）
平台策略树：适合平台型组织，从供给端（丰富供给）和需求端（激发需求）双向规划
岗位任务图谱→知识图谱→课程体系
任务图谱：关键业务岗位的关键任务清单（来自真实业务场景）
知识图谱：完成任务所需的程序性知识（行动导向、隐性特征、动态更新）
课程体系3步：排序（重要度与紧急度）→识别（领域分类）→归纳（横状+块状知识整合）
赋能客户三环方法论
赋能一线：赋权、赋信、赋才、赋利，打造敏捷赋能型营销前台
标杆引领：萃取客户经营模型，打造标杆客户
实效落地：形成业务与能力的落地闭环
册5 2022年中国资产管理行业发展报告
核心议题
ESG投资：从理念到实践，资管机构将ESG因子纳入投资决策流程
养老金三支柱：第一支柱基本养老保险、第二支柱企业年金、第三支柱个人养老金（政策发力点）
资管新规影响：打破刚兑、净值化转型、非标转标
高水平对外开放：外资资管机构加速入场，竞争格局重塑
监管框架：稳增长、防风险、新发展三大主线
行业趋势
产品服务变化：从非标固收转向标准化产品，FOF、REITs等创新品种涌现
投资者教育：净值化时代需要引导投资者理解风险与收益的关系
科技赋能：智能投顾、大数据风控、区块链应用加速落地
册6 概率思维预测未来
末日论证
卡特-莱斯利/哥白尼原则：基于人类历史位置的概率推断，预测人类文明可能的存续时间
自指示假设vs自抽样假设：两种不同的概率推理框架，对同一事件给出不同结论
核心启示：概率推理高度依赖假设前提的选择
射杀房实验
同一事件两种概率结论，取决于观察者的信息集和推理框架
启示：概率不是客观属性，而是观察者与信息交互的产物
泡泡糖贩卖机模型
卡特-莱斯利模型vs埃克哈特模型：对末日论证的不同数学建模
贝叶斯更新：新证据如何修正先验概率
概率论悖论：蒙提霍尔问题、生日悖论、圣彼得堡悖论的深层逻辑
实用概率思维
基础概率谬误：忽视先验概率导致判断偏差
确认偏误：只关注支持假设的证据
可用性启发式：容易想起的事件被高估概率
锚定效应：初始信息对概率判断的过度影响
册7 AI 3.0
AI大权衡
拥抱vs谨慎：技术乐观主义与风险防范的平衡
AI能力的边界：当前AI擅长特定任务，通用智能仍有距离
三次AI浪潮：符号主义→连接主义→大模型时代
AI伦理核心问题
人脸识别伦理困境：隐私保护、算法偏见（训练数据偏差导致歧视）、可靠性（误识率对少数群体更高）
价值一致性问题：如何让AI系统遵循人类价值观（对齐问题）
电车难题与机器道德：AI在极端道德困境中应如何决策
AI监管思路
参照基因工程监管模式：分级分类管理
预防原则vs促进创新：监管需要在风险防范与技术发展之间取得平衡
强化学习原理
Q学习：通过状态-动作价值函数学习最优策略
探索与坚持平衡（Exploration vs Exploitation）：多臂老虎机问题
模拟到现实转移的两大绊脚石：仿真与现实的差距（Sim-to-Real Gap）、奖励函数设计偏差
册8 技术的本质
核心论点
技术的本质是"被捕获的现象"：所有技术都是对自然现象的利用和组合
技术的进化：新技朜从已有技术的组合中诞生（组合进化论）
技术的层级结构：基础技术→组件技术→系统技术，逐层构建
关键概念
技术体（Technological Accumulation）：技术随时间积累的规律
标准工程：成熟的工程方法论使技术发展从探索走向标准化
领域（Domain）：一组相互关联的技术形成一个技术领域
递归性：技术的每个组件本身也是技术，形成无限递归结构
技术创新的规律
创新起源：创新往往来自对已有技术的重新组合，而非凭空创造
有效创新：有实用价值的创新需要与市场需求和产业生态匹配
技术锁定：路径依赖使某些技术标准一旦确立就难以被替代
对数字化转型的启示
数字化转型不是单纯的技术引入，而是对技术本质的理解和应用
技术组合能力比单一技术获取更重要
关注技术间的相互依赖关系和层级结构
册9 平衡计分卡战略实践
战略地图框架（4个角度）
财务角度：投资回报率、经济增加值、营业利润、收入增长、生产力提升
客户角度：满意度、保留率、客户份额、价值定位（低成本vs全面解决方案vs产品领先）
流程角度：识别少数关键流程（非全部流程），聚焦创造差异化的战略流程
学习与成长角度：人力资本（岗位技能）、信息资本（技术系统）、组织资本（文化氛围）
战略管理体系6阶段
制定战略（通过战略变革日程评估现况）
规划战略（转化为战略主题、目标、衡量指标、目标值）
规划运营（流程改进与战略协同）
协同组织单元与员工（纵向分解+横向协同）
监控战略（战略回顾会议）
测试与调整战略（基于新信息的战略更新）
关键方法论
战略主题：将总体战略分解为3-5个可管理的子战略，每个主题代表独立的价值创造过程
因果关系链：学习与成长→流程→客户→财务，形成可验证的逻辑链
价值差距分解：将愿景与现状的差距分解到各战略主题，设定时间表
挑战性目标值设定：外部标杆+内部标杆，结合绩效系数评估难度
战略性行动方案：每个主题需要一组完整方案同步实施，非孤立执行
战略性支出：区别于运营性和资本性支出，为战略行动方案设立专项资金
协同与激励
纵向协同：公司→事业部→业务单元→部门→个人，逐层分解战略地图
横向协同：财务协同、客户协同、流程协同、学习与成长协同
员工激励：7种方式沟通7次，个人目标+奖金与战略指标挂钩
主题团队：跨职能团队执行战略主题，成为人才孵化器
册10 未来呼啸而来
指数型技术6大领域
量子计算：指数级算力增长，解决经典计算机无法处理的问题
人工智能：从弱AI到通用AI的演进路径
网络与传感器：物联网+5G+边缘计算的融合
机器人技术：人形机器人、协作机器人、自主系统
虚拟/增强现实：空间计算与数字孪生
3D打印/生物技术：从原型制作到规模化制造、基因编辑与合成生物学
指数增长的8个加速器
去物质化（物品功能从物理形态中分离）
去货币化（用免费替代品替代付费服务）
去能源化（能源效率持续提升）
指数级技术加速器（一项技术的进步催生其他技术的加速）
心态加速器（更多人具备未来意识）
创新加速器（创新方法论和工具的普及）
财富加速器（技术创造的财富再投资于创新）
非理性加速器（人类对新奇事物的非理性追求）
对企业和个人的启示
企业：要么成为指数型组织，要么被指数型竞争对手淘汰
关键特征：随需随聘的员工、社区与大众、算法驱动、杠杆资产、参与互动、仪表盘驱动、实验超文化、自治团队、社交技术
个人：持续学习、拥抱变化、关注交叉领域的机会
册11 智造中国
中国制造业转型升级
从制造大国到制造强国：从低成本竞争转向质量与创新驱动
工业4.0与智能制造：数字化工厂、工业互联网、数字孪生
关键技术领域：高端数控机床、工业机器人、核心零部件国产化
智能制造核心要素
数据驱动：生产数据全流程采集与分析，实现预测性维护和质量控制
柔性生产：小批量、多品种、快速切换的生产模式
供应链协同：上下游数据打通，实现精益供应链
人机协作：机器人与工人高效协作，提升安全性与效率
行业实践
汽车行业：大规模定制化生产、数字孪生驱动的研发优化
电子行业：高度自动化的产线、实时质量监控
纺织服装：C2M模式（消费者直连制造）、快速响应柔性供应链
挑战与对策
挑战：核心技术受制于人、高端人才短缺、中小企业数字化程度低
对策：加大基础研究投入、产学研深度融合、构建产业生态、培养复合型人才
册12 大数据时代
大数据三大思维转变
更多：不是随机样本，而是全体数据（样本=总体）
更杂：不是精确性，而是混杂性（容忍错误，拥抱混乱）
更好：不是因果关系，而是相关关系（知道"是什么"就够了）
数据化vs数字化
数字化：模拟信号转换为0和1（信息载体的转换）
数据化：把现象转变为可制表分析的量化形式（信息本质的提取）
核心：计量+记录=数据化的根基
大数据的商业应用
谷歌翻译：上万亿语料库+简单算法，比IBM的300万句精确语料+复杂算法效果更好
亚马逊推荐：item-to-item协同过滤，销售额1/3来自个性化推荐
沃尔玛：飓风来临前蛋挞销量激增（相关关系发现）
塔吉特：通过消费记录预测女性怀孕，精准推送优惠券
FICO：信用数据预测个人行为（遵从医嘱、收入状况）
UPS：预测性维护，60000辆车的传感器数据节省数百万美元
MIT十亿价格项目：每天50万种商品价格数据，比政府CPI提前2个月发现通缩
关键洞察
"大数据的简单算法比小数据的复杂算法更有效"（诺维格）
只有5%的数据是结构化的，不接受混乱就无法利用95%的非结构化数据
大数据时代用数据驱动的相关关系分析法，取代基于假想的因果分析法
相关关系分析更准确、更快、更不易受偏见影响
大数据不意味着"理论的终结"，理论贯穿于数据收集、分析和解读的全过程
从"测量即认知"到"关联即洞察"，人类探索世界的方式正在根本改变
风险与治理
预测与隐私的矛盾：大数据可以预测个人行为，但可能侵犯隐私
数据滥用风险：保险定价歧视、就业歧视、监控社会
治理原则：数据使用者承担责任、二次使用的限制、算法透明度
核心原则：大数据价值的核心不在于数据本身，而在于如何使用数据
全书核心逻辑线索
12册构成了一个从"认知升级"到"战略制定"到"组织变革"到"技术赋能"的完整数字化转型认知框架：
认知层（册1/6/7/8/12）：理解数字化本质、概率思维、AI技术、技术进化规律、大数据思维
战略层（册2/9/10）：制定数字化转型战略，用平衡计分卡落地执行，把握指数型技术趋势
组织层（册3/4）：构建赋能型组织、私域社群运营、学习型组织建设
行业层（册5/11）：资管行业数字化转型、制造业智能制造升级