COURSE VALUE
这门课解决什么问题
手册将这门课的详细课程命名为“模型驱动的思维方式”，强调现代管理咨询方法来自现代科学，并借鉴笛卡尔以来的科学方法传统。
课程把神经科学、人工智能和哲学中的理性思维要求引入管理训练，说明模型为什么能够帮助知识工作者处理复杂问题。
课程重点不是一般性的问题解决技巧，而是训练学员用模型解释事实、做出预测、推导技术路线和形成可迭代的判断过程。
LEARNING OBJECTIVES
课程目标
理解意识、潜意识、显意识和理性之间的关系，明确理性在复杂问题处理中的作用。
理解经验、模型和答案之间的关系，识别模型失效的原因。
掌握模型驱动思维方式的判断标准：求效果、解释事实、保持简洁并能够做出预测。
理解模型需要符合内部自洽、广义通洽、外部容洽和向后续洽。
掌握模型驱动思考的步骤，从定义问题到选择模型、输入数据并输出有意义结论。
理解知识工作者在大数据、算法迭代和人机融合背景下的未来变化。
COURSE OUTLINE
课程大纲
1
第一部分：进化的大脑
- 意识的五层：无意识、潜意识、显意识、理性
- 显意识：下意识与上意识
- 理性：主观、模型、客观
- 问题、模型、策略
- 模型即算法
2
第二部分：为什么要使用理性
- 求存的需要
- 经验是答案，模型是获取答案的逻辑过程
- 逻辑过程出现破绽，模型失效
- 适用条件变化，模型失效
- 参数变化，答案变化
3
第三部分：模型驱动的思维方式
- 模型求效果而不是求真
- 模型要能对过去事实充分解释
- 与其他模型相比解释力最强且最简洁
- 模型要能做出预测，推导实现方案与技术路线
- 模型要符合逻辑四洽：内部自洽、广义通洽、外部容洽、向后续洽
4
模型驱动思维的步骤
- 清空并明确调用理性
- 定义问题
- 找出备选模型集合
- 选择最恰当模型
- 输入信息和数据
- 输出有深度、有意义的结论
5
模型驱动思维的应用
- 管理问题
- 效率提升
- 产品创新
- 市场营销
- 企业战略
- 未知问题
6
第四部分：知识工作者的未来展望
- 信息日繁，调研类工作向大数据方向发展
- 竞争益烈，经验无法迭代，模型或算法才能迭代
- 算法进化决胜未来
- 人机融合：人设计模型或算法，AI 完成大数据采集与模型运算
APPLICATION SCENARIOS
适合哪些客户场景
中高层需要用理性和模型处理复杂管理议题
团队需要从经验判断转向可解释、可预测的分析过程
组织需要提升效率、创新、营销、战略等问题的建模能力
知识工作者需要理解大数据、算法和人机融合带来的能力变化
TAKEAWAYS
学员能带走什么
理性调用意识
理解从经验、直觉转向理性建模的必要性。
模型判断标准
掌握模型解释事实、做出预测和保持逻辑一致的标准。
模型驱动步骤
学习从定义问题到选择模型、输入数据并输出结论的过程。
未来工作视角
理解算法迭代、人机融合对知识工作者能力的影响。