一场同济大学 MBA 项目的 AI 决策思维实战:用数智的力量赋能管理决策

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

站在科技革命与产业变革的交汇点,人工智能正深刻重塑全球商业格局。同济大学 MBA 项目聚焦“管理+科技+产业”复合型管理人才培养,开设多门相关课程,致力于打造管理赋能科技产业化与技术商业化的生态体系,以管理引领科技产业化进程,推动创新链、产业链、资金链、人才链的深度融合与高质量发展。

在此背景下,和鲸科技与同济大学经济管理学院的合作持续深化。自 2023 年起,和鲸团队就已作为企业导师身份,多次入驻同济大学 MBA 项目《数据、模型与决策》课堂,开展理论讲解、鼓励实操实训。2025 年 3 月,和鲸自研的人工智能通识课程《人工智能导论:思维与应用》走入同济校园,引导 60 余名三年级本科生成功利用大模型搭建了智能体课程小助手,将应用统计学理论知识与实践操作紧密结合。

为持续丰富项目内涵、创新教学形式,2025 年 11 月 16 日,MBA 项目《基于人工智能技术的管理决策和商业应用》课程开展实践环节,特邀和鲸科技项目运营负责人罗菁担任企业讲师,围绕“AI 驱动的管理决策实践——从低代码分析到 LLM 策略拓展”展开深度授课,为 MBA 学员带来了一场融合前沿理念与动手实操的 AI 管理决策实战体验。

课程伊始,罗菁指出,在数据智能时代,企业普遍面临的核心挑战并非数据匮乏,而是如何将规模化的数据资源转化为真正的 AI 应用。“全球仅有 11% 的数据项目能成功落地,”她引用 Gartner 调研数据并强调,“打通从数据到价值最后一公里的关键,在于培养公民数据科学家——即身处业务一线、能运用数据工具解决实际问题的管理者。”这精准定义了 MBA 学员在 AI 时代的新角色与能力要求。


课程随后以一个经典的商业问题客户流失预警作为主线案例,生动演示了从数据分析到管理决策的科学闭环:

业务问题定义:谁是 VIP?谁又将流失? 课程首先将管理目标从静态的传统 RFM 模型客户价值分层升级为动态的客户流失预警,即从向后看的描述性分析转向向前看的预测性分析,真正体现了 AI 的预见性价值。

模型目标升级:召回率=预警的生命线指标 在介绍逻辑回归模型时,罗箐从管理成本切入,生动阐释了混淆矩阵。在客户挽留场景中,召回率(Recall) 是关键指标,因为它衡量了系统能捕捉到多少真正会流失的客户。对高价值客户来说,管理的智慧在于:宁愿误警,不可漏警。这一设定让学员们深刻理解,模型评估指标必须服务于商业战略。

特征工程:AI 成功的关键 模型失效的根源往往并非算法,而是特征输入未能反映业务洞察。课程以新的三个特征而非传统 RFM 特征展开:

  • PD(产品多样性):衡量客户粘性。

  • APD(平均产品多样性):揭示客户购买结构。

  • AOV(平均订单价值):衡量客户购买力。

这些特征的本质,是将管理层的业务直觉和经验,转化为模型可以理解的数字信号。通过这一步骤,模型的预警召回率从基准水平显著提升,让学员们亲眼见证了“好特征”的力量。

实践环节中,学员们通过同济经管学院与和鲸共建的综合实验平台,基于 Canvas 低代码拖拉拽开发工具,通过基于英国零售交易数据的案例,体验了从 RFM 分层到逻辑回归建模的全流程,并构建具备 70% 召回率的客户流失预警模型,深刻体会到特征工程在提升模型效果中的核心作用。实践课目标不是让学员“会编程”,而是理解:如何从数据中提炼业务洞察,并用模型预测客户行为,最终将 AI 输出转化为可执行的管理决策。

在模型产出结果后,罗菁引入了大语言模型(LLM)作为战略拓展的工具,并总结了与低代码模型的分工:让低代码模型负责计算,让 LLM 负责启发。本次课程不仅是技术工具的教学,更是一次从数据洞察到管理行动的思维升级。以明确的业务问题为起点,通过特征工程将业务洞察数字化,利用低代码工具高效建模,最后借助 LLM 完成策略生成与跨领域拓展。

罗菁总结道,AI 并非要取代管理者,而是成为管理者的能力放大器。它将以更低的门槛、更高的效率,辅助每一位具有业务洞察力的管理者,成为推动组织智能升级的公民数据科学家,最终实现人与数据的价值连接。

课后,在场学员也同和鲸团队进一步交流,学员们反馈,通过本次学习,他们不仅初步消除了对“人工智能技术及应用”的畏难情绪,更对在数智时代迎接不确定性挑战有了更深入的思考。

“低代码的案例理解起来非常直观,即使我不懂背后的代码逻辑也能轻松上手,参与感很强。”

——学员 A

“整个RFM客户价值分析的框架非常有实际意义,尤其是后续LLM的拓展部分,启发了我将这套方法论迁移到自己的业务中,带来了全新的理解。”

——学员 B

于高等教育领域持续发力,和鲸期待能为更多高校“学科+AI”教育转型带来实质性的帮助。和鲸致力于将多数据与场景优势,通过 “教学化改造” ,转化为文科、医学、金融等各专业教师开箱即用的 “低代码 / 零代码”实战案例,让文科生能分析电商趋势,医学生会处理影像数据。和鲸深度融合硬件、平台与教学内容的智学一体机已帮助多所高校快速构建 AI 增强课程,实现从 AI 学习到 AI 赋能的转变。

问卷调研

在人工智能重新定义知识价值的时代,南开大学与和鲸科技携手成立的 “AI语境下创新教学模式应用示范与推广联盟” ,正推动教育从“知识传递”向“智慧培育”深度转型。联盟以 “教师是编剧与导演、学生是主演、AI是伙伴” 的“南开模式”为核心,联合全国高校与企业探索人机协同教学新路径,您的实践与思考将是教育创新的关键力量。 和鲸汇聚百位高校教育专家 ,共同发起本次调研,您的宝贵意见将帮助我们精准匹配教师需求,提供真正有价值的教学支持,助您轻松应对AI时代的教学挑战,让教育回归"解决问题"的本质。 感谢您抽出宝贵时间参与,让我们携手推动教育创新,赋能每一位教师的成长!

《AI实战嵌入式Agent +MCP+skill》课时2.5|定时器实战 本课讲解定时器时基单元原理,通过PSC、ARR、CNT三寄存器配合实现精确周期控制。以84MHz时钟为例,计算得PSC=8399、ARR=9999可实现1秒溢出周期。采用HAL_TIM_Base_Start_IT启动定时器更新中断,在HAL_TIM_PeriodElapsedCallback中处理周期任务,实现非阻塞、高精度的定时。相比HAL_Delay的阻塞式延时,定时器中断方案不占用主循环,支持并发操作,是嵌入式系统中实现周期任务的高效方式。 阅读详情

相关推荐

中国1990-2021连续30年土地利用CLCD数据分享

CLCD(China Land Cover Dataset)数据集是由武汉大学黄昕老师基于Google Earth Engine上的335,709景Landsat数据制作的中国年度土地覆盖数据集。为了提高CLCD的时空一致性,还提出了一种包含时空滤波和逻辑推理的后处理方法。该数据集最大的优势在于每年30米的土地利用分类结果,且连续覆盖了30年时间。相比其他产品如GLC_FCS30、Global30、AGLC2000_2015、FROM-GLC10、ESA10、ESRI10等,CLCD在时间分辨率上更高。

qq_48539301的博客 1万+

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 362

【芯片验证随心记】1.SystemVerilog中,rand和randc的区别?如何用constraint实现randc?

在SystemVerilog里,randc 的“不重复循环”特性是用一个 周期性排列器(permutation engine) 实现的,而这个引擎在 LRM 里并没有公开。我们只能在 “用户空间” 用 rand + constraint 去模仿它的行为。每次随机化只取 queue.pop_front(),用完再洗。在4次随机化内,y会依次出现0,1,2,3各一次(顺序随机)每次随机化,x可能是0-3中的任意值,可能连续多次相同。每次随机化时,在未使用的值里随机挑一个;第5次随机化时,重新生成新的排列周期。

qq_43172512的博客 342

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 203

ANSYS 2022R2 安装教程:系统准备、许可证配置与故障排查

ANSYS 是面向工程仿真的多物理场商业软件平台,其安装远非普通应用软件的图形化向导流程,而涉及操作系统版本、运行库精确版本、硬件虚拟化支持、许可证服务架构等系统级配置。理解 ANSYS License Manager 的服务机制与端口依赖、掌握 Visual C++ 和 .NET Framework 的启用逻辑,是保障 Fluent、Mechanical、HFSS 等求解器稳定调用的基础。该技术栈广泛应用于高校教学、航空航天结构分析、电子设备电磁兼容仿真等场景。本指南聚焦 ANSYS 2022R2 版本在

weixin_28559803的博客 598

PCB激光直接成像(LDI)设备技术解析与优化方案

激光直接成像(LDI)是PCB制造中的关键数字化工艺,通过激光束直接在基板上形成电路图案。其核心技术在于高精度光学系统与智能控制算法的结合,工作精度可达微米级。在HDI板、柔性电路等高端PCB制造中,LDI技术能显著提升线宽精度和层间对位准确性。当前行业面临材料适配性、热变形控制等挑战,动态能量补偿、多波长曝光等创新方案正在突破这些瓶颈。随着模块化设计、预测性维护等工程实践的普及,LDI设备综合效率持续提升,为5G、汽车电子等领域的精密电路生产提供关键技术支撑。

weixin_29168393的博客 391

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

【Bluetooth蓝牙开发】一、开篇词 | 打造全网最详细的Bluetooth开发教程

1、开篇词 2、蓝牙开发入门 3、蓝牙协议栈总览 4、蓝牙协议栈——物理层 5、蓝牙协议栈——链路层 6、蓝牙协议栈——传输层 7、蓝牙协议栈——L2CAP协议 8、蓝牙协议栈——ATT协议 9、蓝牙协议栈——GATT协议 10、蓝牙通信流程分析 11、蓝牙协议栈——Bluez交叉编译 12、蓝牙调试工具汇总

Donge's Blog 1万+

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 239

L2tp环境搭建笔记- Openwrt平台

本文使用3台openwrt设备, 分别搭建L2TP服务和2个客户端, 进行端到端验证和局域网组网,并分析搭建过程中涉及的默认路由( defaultroute) 配置问题。

十年通信老兵的技术修炼之路——从3G到5G,从地面基站到卫星通信。 3389

【虚幻引擎UE】UE5 可编辑动态样条线轨迹及AI跟随路径移动(含工程源码)

【虚幻引擎UE】可编辑动态样条线轨迹及AI跟随路径移动

灵境引路人 6227

医疗 AI 有两种,别混着谈:一个改流程,一个改范式

InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台,提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能,辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志(JMA Journal)的一篇综述(Review Article):基本事实:这一点必须先说清:这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想,不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口(见第三节)。本文只谈它的术语辨析与科学方法论,不转述任何可作为临床依据的预测或处置主张。这篇论文的全部

2601_96948740的博客 242

UE5、CesiumForUnreal实现加载GeoJson绘制多面(MultiPolygon)功能(支持点选高亮)

UE5、CesiumForUnreal实现加载GeoJson实现多面(MultiPolygon)的绘制功能,并且支持点选高亮和属性查询。

专注GIS开发 4628

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 195

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 195

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 550

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 562

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 83

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 274

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 631

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 333

语音识别与语音合成的技术原理及应用

语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。

weixin_62919816的博客 204

设计师工作室 GEO 实操:如何提升 AI 实体推荐概率

设计工作室 GEO 的本质,是把创意服务转化为 AI 可理解的结构化信息。核心动作可归纳为:区分事实与审美、建立实体图谱、预判用户提问、输出脱敏内容、搭建多信源、持续测试验证。梳理工作室的 6 个实体属性:品类、城市、流程、边界、团队、渠道。在官网或作品集平台发布至少 3 篇结构化项目复盘,只陈述事实。输出 1 篇「设计报价影响因素」科普内容,覆盖甲方高频提问。争取 1 次行业媒体或本地媒体专访,形成第三方信源。每周用「XX 城市 + 品类 + 设计工作室推荐」指令测试,记录出现频率。

goujunwe的博客 331

AI作图软件技术选型:从4个技术维度出发的实测对比

AI作图软件技术选型:从4个技术维度出发的实测对比

Vbaoke的博客 201

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 4529

影视场景怎么用AI生成3D镜头预演?从概念图、场景白模到网页审片

概念图有氛围,不代表能直接用于镜头预演。本文围绕剧本拆镜、资料与尺度假设、场景白模、机位走位、动作节拍和网页审片,介绍 AI 生成 3D 场景的预演流程。通过稳定对象与相机编号、统一镜头表、意见关联版本和三轮审核,让讨论落到具体镜头,同时明确白模与网页预演不能替代真实场地勘景及现场安全判断。

Solange__的博客 533
上一篇: 京沪AI教育,产教融合先行!正阳恒卓签约和鲸科技北京上海高职总代理
下一篇: 核心12问全记录:我们和人大DeepAnalyze团队聊了聊智能体、数据科学与人的未来
和鲸科技
博客等级 码龄4年 1619粉丝 365原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值