课程说明书R2.1
主讲：何重军老师
【课程背景】
近两年，《中共中央国务院关于促进民营经济发展壮大的意见》意见提出，加快推动数字化转型和技术改造。企业加速研发数字化转型，是持续提升创新能力的关键路径。
企业作为国家创新主体，在研发数字化转型上要将技术突破和自主可控作为重要使命，聚焦战略前沿和制高点领域，加强关键核心技术攻关，推动形成具有更强创新力、更高附加值、更安全可靠的研发成果。
企业数字化是最近几年管理进阶的要求，作为企业数字化中重中之重的研发数字化，了解如何实施的企业少之又少，诸多企业停留在口号上，无从下手，或者认知不足，毫无头绪，或者一知半解、仓促推进……诸如此类，是绝大部分企业，特别是高新技术企业，当前普遍的现状。
研发数字化转型过程中典型痛点如下：
1. 为什么？不理解研发数字化的必要性，没有研发数字化的弊端，研发数字化的收益
2. 是什么？研发数字化的基础认知和转型策略
3. 怎么实施？不清楚研发数字化转型项目是怎么实施的？
4. 成果行不行？不清楚研发数字化转型项目实施的各关键环节需要输出的成果，以及如何从业务视角审视这些成果。
5. 职责何在？不清楚在数字化转型项目实施的各关键环节自己的职责是什么，以及要做什么。
本课程在讲授标杆企业华为研发信息化向“数字化”转变的过程中的成功经验基础上，总结出适合中国企业的研发数字化的解决之道。对研发数字化实施的各关键阶段，从阶段目标、主要成果、关键活动及业务部门如何参与其中等方面进行分阶段讲解，帮助学员理解标杆研发数字化项目实施实操过程，进而助力企业研发数字化转型项目能够更高效的推进。
【课程收益】
1. 通过学习，学员能够列举和陈述企业研发数字化转型的关键策略，以及能够简述搭建研发数字化平台的方法。
2. 通过学习，学员能够借助标杆公司研发数字化数据分析和业务决策的过程，能够结合自己所在公司的场景，初步借鉴使用数字化分析和决策流程。
3. 通过学习，学员能够借助案例和业界经验，初步应用大数据运作在研发工作中，解决一些典型场景的研发设计难题。
4. 通过学习，学员能够利用大数据进行精准分析的方法—聚类、决策树和逻辑回归的一些数字化方法，提高研发工作的质量和效率。
5. 通过学习，学员借鉴标杆公司的“”研发上云”经验，将产品需求管理与产品规划，项目组合管理，全生命周期管理数字化系统，有机结合，加速研发数字化进程，提升研发数字化水平。
【课程对象】
数字化转型变革委员会高管，研发数字化转型核心团队；企业创始人/董事长，CEO/总经理；产品总监、研发总监/副总、总工/技术总监、市场总监；PMO主任、项目经理、研发骨干、测试经理；制造总监、采购总监；产品经理/研发项目经理、研发管理部/技术管理部经理、流程管理部/质量管理部经理等。
【课程方式】60%理论讲授+20%现场练习+20%疑难解答
【课程时长】2天（6小时/天）
【课程大纲】
课纲内容覆盖说明：本课程内容丰富，老师超量准备，本着“以客户为中心”、 “有限时间，有效训练”、“好钢用在刀刃上”的原则，授课会根据客户实际需求、现场授课实际效果、时间安排实际情况等因素，突出重点，有详有略，请了解。
1. 研发数字化基础认知
1) 企业数字化与研发数字化的关系
2) 研发数字化对企业的价值和意义
3) 业界研发数字化基本概况
2. 面向未来的流程与数字化目标
3. 标杆H公司研发数字化概述
1) 研发数字化的背景和战略意义
2) 研发数字化的核心理念和关键技术
3) 研发数字化的发展历程和应用场景
4. 标杆H公司“研发上云”数字化体系
5. 标杆H公司研发数字化架构总体
6. 标杆H公司研发数字化经验总结与启发
7. 研讨：不同类型企业研发数字化转型过程中常见问题及解决办法
1. 需求分析与规划
1) 市场需求、产品需求、设计需求的关系
2) 市场需求的收集：原始需求模板数字化实现
3) 产品需求分析常用数字化系统和工具：3工具+3软件
2. 设计开发与验证
1) 产品开发流程如何结构化中的数字化
2) 集成产品开发IPD各阶段流程数字化实践
A. 概念阶段
B. 计划阶段
C. 开发阶段
D. 验证阶段
E. 生命周期阶段
3) PPM(项目组合管理)，PLM（全生命周期管理）
3. 生产制造与交付
1) 新产品中试转量产门径管理数字化
2) 制造交付集成供应链ISC数字化
4. 运维服务与优化
1) 运维服务业务流程的数字化
2) 基于全流程成本分析的改进
a) 面向交付场景，在设计前端实现可服务性设计
b) 案例分享：H公司最佳实践ITR流程数字化
模块三：数据驱动在研发数字化中的应用
1. 数据采集、清洗与整合
2. 数据分析与挖掘
3. 数据可视化与交互式分析
4. 案例分享：数据驱动研发的实践案例
模块四：云原生与智能运维在研发数字中的应用
1. 云原生与智能运维概述
2. 容器化与微服务架构
3. 自动化部署与持续集成
4. 智能监控与故障诊断
5. 云原生与智能运维的实践案例
模块五：研发数字化前沿技术探索与实践指导
1. 企业研发数字化成熟程度评估
1) 研发数字化与企业数据治理的关系
2) DCMM（数据管理能力成熟度评估模型认证简介
2. 前沿技术动态与趋势分析
3. 人工智能与机器学习在研发数字化中的应用
1) 机器学习算法与应用场景
2) 深度学习原理与实践
3) 自然语言处理与计算机视觉技术
4) 人工智能与机器学习在研发中的实践案例
4. 技术研究与开发案例分享：某企业技术研究数字化研究院
5. 前沿技术展望与思考
6. 研讨：不同规模企业研发数字化如何分步骤实施？
课程收尾：回顾总结，答疑，五三一学习转化行动计划
