STEP 1 · 案例引入
M7-049 能源电力 · 案例引入
案例引入 · 某化工厂AI乙烯收率预测
⚡ 案例全景

顾问洞察顾问团队在诊断中总结了一句核心洞察:「客户说的需求和真实的需求之间隔着一个组织壁垒」

利益相关者CEO(影响力高·立场不确定):项目发起人但AI认知偏差,需认知校准。CTO(影响力中·立场中性偏支持):技术执行者,可成为盟友。业务负责人(影响力中·立场消极):信任透支,需速赢重建信心。IT团队(影响力低·立场焦虑):怕被边缘化,需纳入能力建设。一线骨干(影响力低·立场观望):支持与否直接影响落地。

blue痛点二:组织惯性。生产/运营负责人(从业19年)对AI态度消极,经历过6次失败的数字化项目,认为「这次也不会例外」。中层管理者的抵触情绪来自三方面:技术恐惧、失败记忆、权力威胁。

风险矩阵期望风险(可能性高·影响高):利益相关者对时间表和效果有不切实际的预期。资源风险(可能性中·影响高):预算可能被削减、关键人员可能被调离。治理风险(可能性中·影响中):数据安全和隐私合规问题。

gold痛点四:认知偏差。客户对AI的认知受媒体和供应商营销影响,认为AI可以即插即用、三个月回本。实际上AI项目需要17个月才能产生可量化的业务价值。

企业概况作为能源电力行业的标杆企业,某化工厂AI乙烯收率预测成立于2011年 总部位于华东地区,员工约2069人,年营收约44亿元。公司拥有49项核心专利,技术研发团队约35人。

变革路线图破冰期(1-1月):组织诊断+紧迫感建设+锁定速赢场景。验证期(2-4月):POC验证+效果量化+组织培训。扩展期(6-9月):跨部门推广+能力转移+平台建设。规模化期(11-15月):全面覆盖+持续运营+文化塑造。

※ 案例信息已脱敏处理。仅供教学参考。
🧭 本案例道法术器框架

以下展示本案例将应用的层面。Step2展开

【术】开放式提问六变体
情境式、比较式、假设式、过程式、回溯式、前瞻式——六种提问各有适用场景。...
本案例:在某化工厂AI乙烯收率预测中信任建立速度决定项目推进速度。顾问用了三个第一次:第一次见面不聊项目,第一次会谈不拿笔记本,第一次汇报不给方案。
【器】GROW教练模型
目标(Goal)→现实(Reality)→选项(Options)→意愿(Will...
本案例:顾问进场后通过三步建立信任:存在感→专业感→共情感。在某化工厂AI乙烯收率预测中这一策略有效降低了客户的防御心理。
【术】5Why根因分析法
连续追问为什么,但不是机械地问五次,而是在不同深度层面对症下药。...
本案例:信任不是通过说「我懂」建立的,而是通过问「您怎么看」建立的。某化工厂AI乙烯收率预测的第一周定义为「零技术周」。
【法】问题诊断方法论
区分症状问题和根因问题是顾问的核心能力。症状是客户描述的,根因是顾问发现的。...
本案例:顾问进场后通过三步建立信任:存在感→专业感→共情感。在某化工厂AI乙烯收率预测中这一策略有效降低了客户的防御心理。
【法】STAR结构化进场框架
情境(Situation)→目标(Target)→行动(Action)→结果(R...
本案例:在某化工厂AI乙烯收率预测项目中,顾问用2天时间走遍关键部门建立存在感,之后用行业分析报告建立专业感。
【法】OCE四维诊断法
从业务(Business)、数据(Data)、组织(Organization)、...
本案例:在某化工厂AI乙烯收率预测中信任建立速度决定项目推进速度。顾问用了三个第一次:第一次见面不聊项目,第一次会谈不拿笔记本,第一次汇报不给方案。
【器】知识管理工作坊
通过结构化的工作坊形式,将顾问的方法论转移给客户内部团队,实现能力固化。...
本案例:信任不是通过说「我懂」建立的,而是通过问「您怎么看」建立的。某化工厂AI乙烯收率预测的第一周定义为「零技术周」。
【器】诊断问卷五模块
企业基本面、业务运营、IT成熟度、组织文化、AI准备度——五维评估。...
本案例:在某化工厂AI乙烯收率预测中信任建立速度决定项目推进速度。顾问用了三个第一次:第一次见面不聊项目,第一次会谈不拿笔记本,第一次汇报不给方案。
【术】一对一深度访谈术
高质量的访谈通过精心设计的提问顺序,引导客户自己发现问题的真实面貌。...
本案例:某化工厂AI乙烯收率预测中顾问采用「先倾听再建议」策略:第一周安排9场一对一访谈,不做任何技术展示。
STEP 2 · 理论讲解
M7-049 能源电力 · 理论讲解
📖 理论讲解
🎯 学习目标

通过某化工厂AI乙烯收率预测深入学习道法术器框架在能源电力企业的实战应用,建立系统的诊断思维。

核心挑战:某化工厂AI乙烯收率预测考验顾问在4类利益相关者之间建立共识的能力,差异化沟通是关键。

📕 【术】开放式提问六变体

理论概述:情境式、比较式、假设式、过程式、回溯式、前瞻式——六种提问各有适用场景。

📌 本案例应用:通过某化工厂AI乙烯收率预测的案例练习,学员可以深入理解这一方法在实际咨询场景中的具体应用方式。
📚 知识延伸:延伸阅读可参考科特的变革八步法相关文献
⚠️ 常见误区:过度承诺而低估实施难度
📙 【器】GROW教练模型

理论概述:目标(Goal)→现实(Reality)→选项(Options)→意愿(Will),让客户主动探索方案。

📌 本案例应用:在某化工厂AI乙烯收率预测中,顾问运用这一方法系统分析了客户的组织状态,发现了4个关键的变革障碍。
📚 知识延伸:建议查阅PMI项目管理知识体系中的相关实践
⚠️ 常见误区:急于展示方案而非先理解问题
📕 【术】5Why根因分析法

理论概述:连续追问为什么,但不是机械地问五次,而是在不同深度层面对症下药。

📌 本案例应用:顾问在某化工厂AI乙烯收率预测中将这一工具应用于6个业务部门的诊断中,显著提升了诊断效率。
📚 知识延伸:建议查阅PMI项目管理知识体系中的相关实践
⚠️ 常见误区:用技术语言而非业务语言沟通
📗 【法】问题诊断方法论

理论概述:区分症状问题和根因问题是顾问的核心能力。症状是客户描述的,根因是顾问发现的。

📌 本案例应用:通过某化工厂AI乙烯收率预测的案例练习,学员可以深入理解这一方法在实际咨询场景中的具体应用方式。
📚 知识延伸:可结合彼得·圣吉的系统思考理论进一步理解
⚠️ 常见误区:急于展示方案而非先理解问题
📗 【法】STAR结构化进场框架

理论概述:情境(Situation)→目标(Target)→行动(Action)→结果(Result)四步访谈框架。

📌 本案例应用:某化工厂AI乙烯收率预测的实践表明,这一框架有效帮助顾问在9场访谈中保持结构化和系统性。
📚 知识延伸:延伸阅读可参考科特的变革八步法相关文献
⚠️ 常见误区:用技术语言而非业务语言沟通
📗 【法】OCE四维诊断法

理论概述:从业务(Business)、数据(Data)、组织(Organization)、技术(Technology)四个维度系统性评估企业AI准备度。

📌 本案例应用:某化工厂AI乙烯收率预测的实践表明,这一框架有效帮助顾问在9场访谈中保持结构化和系统性。
📚 知识延伸:建议查阅PMI项目管理知识体系中的相关实践
⚠️ 常见误区:过度承诺而低估实施难度
📙 【器】知识管理工作坊

理论概述:通过结构化的工作坊形式,将顾问的方法论转移给客户内部团队,实现能力固化。

📌 本案例应用:某化工厂AI乙烯收率预测的实践表明,这一框架有效帮助顾问在9场访谈中保持结构化和系统性。
📚 知识延伸:可对比库尔特·勒温的变革三阶段模型
⚠️ 常见误区:过度承诺而低估实施难度
📙 【器】诊断问卷五模块

理论概述:企业基本面、业务运营、IT成熟度、组织文化、AI准备度——五维评估。

📌 本案例应用:顾问在某化工厂AI乙烯收率预测中将这一工具应用于6个业务部门的诊断中,显著提升了诊断效率。
📚 知识延伸:延伸阅读可参考科特的变革八步法相关文献
⚠️ 常见误区:急于展示方案而非先理解问题
📕 【术】一对一深度访谈术

理论概述:高质量的访谈通过精心设计的提问顺序,引导客户自己发现问题的真实面貌。

📌 本案例应用:通过某化工厂AI乙烯收率预测的案例练习,学员可以深入理解这一方法在实际咨询场景中的具体应用方式。
📚 知识延伸:可对比库尔特·勒温的变革三阶段模型
⚠️ 常见误区:用技术语言而非业务语言沟通
STEP 3 · 学员实践
M7-049 能源电力 · 学员实践
✍️ 学员实践
📋 实践任务
🎯 场景:作为OCE首席顾问首次进入某化工厂AI乙烯收率预测项目。客户CTO说我们有一套方案请你评估。
总用时约74分钟。
⏱ 第1步(11分钟)
任务1
运用道法术器进行四维分析:【道】客户真正需要什么?【法】用什么方法诊断?【术】用什么技巧?【器】用什么工具?
⏱ 第2步(16分钟)
任务2
设计STAR访谈提纲R层3题:建立合理的预期和评估标准,防止过度承诺。
⏱ 第3步(18分钟)
任务3
将访谈提纲整理为完整文档,包括受访者清单、访谈策略、STAR提纲、开场话术和棘手问题应对方案。
⏱ 第4步(32分钟)
任务4
设计STAR访谈提纲S层3题:了解客户业务现状(用开放式问题引导说出全貌)。
⏱ 第5步(40分钟)
任务5
写下面对客户高层的完整开场话术(3分钟),准备应对策略——如果客户坚持让你先说说方案。
⏱ 第6步(48分钟)
任务6
设计STAR访谈提纲A层3题:了解客户过去的尝试,注意识别重复失败模式。
💡 提示

注意非语言信号——眼神、语气、体态都可能是关键信息

STEP 4 · 参考答案
M7-049 能源电力 · 参考答案
参考答案
📝 案例回顾
总结:本案例围绕某化工厂AI乙烯收率预测展开,核心在于能源电力领域AI转型中组织变革阻力、数据基础建设和利益相关者管理的平衡。
道法术器应用
【道】先建立信任再谈技术。
【法】用OCE和STAR指导进场工作。
【术】一对一访谈和5Why是核心技能。
【器】诊断问卷和GROW模型是效率倍增器。
🎯 STAR访谈提纲(12问)
参考问题意图追问
S1如果这个项目不做,11个月后会发生什么?建立紧迫感帮助客户认识到不做的风险
T2还有没有其他重要的事情我没有问到?收尾开放性问题通常客户会在这里说出最重要的担忧
A3您过去在效率提升方面做过哪些尝试?效果如何?了解历史经验和组织惯性追问"如果效果不理想,主要原因是什么?"
R4您认为最重要的成功标准是什么?了解客户价值观和优先级注意客户是否过度关注技术指标
S5根据行业数据,类似规模企业通常9个月实现6%提升,您觉得这个范围合理吗?管理期望,建立参考基准追问"如果实际效果低于范围,您的底线是什么?"
T6您能描述一下目前能源电力业务整体的运营情况吗?开放式开场,让客户主动说出全貌等他自然说完后追问"还有吗?"
A7在过去11个月中,业务运营中最大的挑战是什么?聚焦具体问题而非泛泛而谈追问"对业务指标的影响有多大?"
R8您对这个项目的最高预算和资源投入是什么?了解资源约束和真实投入意愿追问"如果预算不够,您愿意调整范围吗?"
S9你觉得团队对新技术的接受度如何?有没有预见到什么阻力?评估组织变革准备度注意客户是否回避或粉饰这个问题
T10您对这个项目的成功是如何定义的?了解客户的顶层期望注意是否存在多个不同的成功标准
A11如果项目成功了,您希望在什么时间看到什么样的变化?明确可量化目标和时间预期追问"这些数字怎么得出来的?"评估合理性
R12如果给您团队的数字化能力打分,您打几分?了解内部能力差距看客户是否愿意承认能力短板
⚠️ 失分场景

客户问"你做过我们行业吗?"——回应"跨行业经验可迁移性强"

客户坚持"先说说方案"——引导"先了解您的挑战才能切中要害"

客户期望不切实际——用对比法"这个目标需要的资源要翻倍"

📚 拓展

推荐:《变革之心》科特
自我检查:建立了足够信任?识别了真正根因?给了客户有价值的洞察?客户愿意继续合作?

OCE-TRANSFORM
🏠 官网首页📚 案例教学首页⚡ 能源电力首页北京通维管理咨询有限公司