今年4月初，INFORMS 商业分析年会 (Business Aanalytics)在美国赌城拉斯维加斯召开。在三天的时间里，听了不少有意思的报告，也感受到了许多令人激动的趋势。几天下来，不知不觉积累了好多笔记。趁着记忆犹新，整理一下笔记和心得，希望尽量能从门票钱里再抠出一点价值。同时，对于不了解或者没机会参加今年INFORMS B&A 的朋友也能对今年的会议有个大致的了解。
INFORMS是啥
首先，简单介绍下INFORMS和商业分析年会，熟悉的小伙伴请直接忽略。INFORMS 是（美国）运筹学与管理科学学会 (Institute for Operations Research and the Management Sciences) 的缩写，是运筹学领最重要的学术组织，在工业界和学术界都有广泛的影响。
决策分析(Analytics)，是一门使用科学的方法洞悉数据中隐含的知识，从而更好的做出决策的学科 – INFORMS
INFORMS一年里重要的会议有两个：
- 运筹学会学术年会
- 商业分析年会
前者是整个学会的年会，偏向于交流学术界的成果，定位于运筹学理论研究。而后者，则是面向工业界和实际应用的会议，参会人员背景广泛，行业也是五花八门。本来嘛，当一个组织庞大到一定程度，所面对的问题必然越来越复杂，决策的难度必然要超过个人的能力。
2017 商业分析年会
既然面对的是工业界，那会址肯定要能吸引人。去年在奥兰多，前年在洛杉矶，今年则在赌城拉斯维加斯！会场恺撒宫 (Ceasar Palace) 是一家久负盛名的豪华酒店，位于热闹繁华的Strip区，乃是一个赌场遍地，声色犬马之所。至于赌城是如何的繁（腐）华（朽）热（糜）闹（烂），稍后会有一番介绍。
按照惯例，会议一共三天，从周日(4.2)到周二(4.4)。以下是每天的大致安排
- 周日：会议注册；赞助商技术讲座；各种分会的欢迎会，比如社交酒会、高管酒会、招聘会，等等
- 周一：正式会议开始。白天主要是大会报告和分组报告，其间穿插展板 (poster) 和茶歇；晚上是重头戏埃尔德曼奖(Franz Edelman Award) 宴会，应该是运筹学会面向工业应用的最重要奖项了。
- 周二：会议的最后一天。白天依旧是大会报高和分组报告；中午会颁发一些小的奖项，比如学生比赛，高校学科建设，等等。
总的来说，这个会议的优点在于，风格非常务实，内容大多直接和工业界实际联系，报告的内容大抵是经过实践检验的。缺点则是个别企业出于保密的原因不愿意多透露项目细节；同时，相对于学术型会议，方法手段不那么新颖前沿。许多项目一望即知，并没有什么高深的技术，而更多的韵味则体现在“如何在技术与落地之间取得微妙的平衡”，“什么样的故事最能吸引企业家的关注” 等等。
会议报告见闻
大会报告
大会报告是在早餐时进行，报告人多是知名企业的运筹分析部门领导。内容高屋建瓴，宏观把握，相对于分组报告更加具有前瞻性。个人认为，对于了解运筹学的未来发展方向非常有帮助。
美国航空
第一天的报告人，是美国航空公司(American Airline)的运筹高级分析部门总监Jim DIamond。浮光掠影的介绍了AA的历史以及航空公司如何应用运筹学。
运筹学在民航业的应用历史十分悠久。从航线规划、机票定价、机票超售、飞机调配、延误改签，都离不开各种预测和优化模型。 （有意思的是，就在会议结束后的第二周，就发生了美国联合航空 (United Continental) 因为超售机票而暴力清艙的丑闻。但业务中的困境，也往往就能成为决策分析大显身手之处。）
随后Jim展开描述从乘客预定机票，一直到旅行结束，需要面对的复杂决策问题。
- 计划阶段：
- 管理流程优化(optimize process)
- 航线配置优化(route planning)
- 人员排班 (scheduling optimization)
- 航班分配(fleet assignment)
- 订票阶段：
- 票价阶梯设计
- 不同票价的上架策略
- 实时票价浮动
- 超售机票
- 行前阶段：
- 营收估算
- 航空调度
- 起飞当日：
- 办票流程设计
- 办票大厅设计
- 自助机和员工配置
- 办票流程优化
- 旅客办票仿真
- 登机流程优化
- 办票流程设计
- 延误管理：
AA正点率约为81%， 在飞机延误的原因中，最多的三个为：6%天气延误， 6%维修延误，5%航空拥堵。每一趟航班的延误，会对后续数趟航班产生连锁影响。因此航空公司有专门成立运营调度中心(Operation Control Center)来应对各种突发事件，比如：- 航班取消后的二次优化
- 线路变动优化
- 天气预报
- 后续航班影响评估
- 机组人员休息
- 疏导滞留旅客
- 旅行结束：
- 客户满意调查
报告基本概括了航空公司的日常决策，对于航空业不了解的我来说，还是挺有意思。除此之外，Jim又谈了一下对于未来决策分析的理解。他将决策分析科学的发展历程大致划分为如下几个阶段：
- 1.0 时代，传统运筹学
- 2.0 时代，大数据
- 3.0时代，数据经济 (data economy)
- 4.0 时代，增强和自动化 (Augmented & Automation)
其中（1）（2）好理解。 （3）的主要意思是以数据作为商业决策的依据，建立以数据推动决策的商业模式。（4）主要是说决策的自动化，一方面是更智能的解决方案，另一方面是和流程以及IT系统的完美整合。
最后他认为，未来的决策分析有”变“和”不变“两个方面：
- 可能的改变
- 企业对运营预期的改变
- 从决策到执行不断加快
- IT和分析部门的界限变得模糊
- 解决各种尺度的决策问题
- 不变
在他的概念里，运筹分析人员可以概括为两类：
- 数据科学 Data Science (简称DS)： 大致就是光鲜的数据科学家们，提供最优化的决策依据。
- 数据分析 Data Analytics (简称DA）： 这部分基本是指从事传统的运筹分析方向，包括描述分析(Decriptive)，诊断分析(Prescriptive)和预测分析(Predictive)。
他提到，在霍尼韦尔(Honeywell)，DA和DS部门的人员，主要划分为以下4种职能：
- 业务分析员 (Business Analyst)
- 应用开发者 (Application Developer)
- 分析科学家 (Analytics Scientist)
- 数据工程师 (Data Engineer)
从字面上就很好理解，业务分析员着重与业务部门联系，利用公司内部的现成分析工具进行快速分析，回答业务部门的各种问题，提供报告，维护报表等等；数据科学家负责建立决策模型，运用机器学习、统计、优化、仿真等方法建立模型。数据工程师负责维护数据库，建立完善的数据平台和安全体系，为数据科学家和开发者提供可靠的数据。开发者则是负责开发内部工具，对于常用的决策流程，实现自动化。这样的结构，稳定全面，我认为很有借鉴意义。
聊过了角色分工，接下来该谈谈行业对于DS的需求。据盖特纳咨询公司(Gartner)调查， 有以下几点有趣的现象：
- 当前市场对于数据分析人员，需求很大，但合格人才太少
- 企业领导对于数据科学期望很高，甚至有点“过高”：68%的企业管理者认为数据科学“有一定作用”；25%认为“完全没用”
- 项目失败的主要原因：
- 形成不了以数据为决策驱动的公司文化
- 难以留住合格的分析部门管理者
- 缺少相应的组织结构
- 缺少资源 （数据，组织，人力）
下表简单总结了他认为当下企业在应用决策科学时的一些困境，同时总结了未来努力的方向。
| 当下的问题 | 未来的需求 |
|---|---|
| 依赖传统的数据管理模式，接否分散混乱 | 统一的数据接口 |
| 缺少数据生态培育 | 可靠而鲁棒的数据环境 |
| 不同部门的数据人才缺乏联系 | 各式人才的广泛合作 |
| 分析开发孤立进行 | 分析工作必须打通各个部门 |
| 开发部署缓慢 | 快速，频繁，自动化的决策分析 |
总结来他对企业和分析人员提出了如下的建议：
- 项目周期需要加快，合理设置决策部门对结果的预期
- 企业管理者要持续推动组织变革和企业文化
- 打好数学基础，理解业务知识和把握前沿技术
分组报告
分组报告实在太多，一一介绍有记流水帐的感觉，所以仅挑选一些值得关注的亮点和大家分享。分组报告的众多主题，大致可以分为“管理科学”和“实际项目报告”。 相比去年，今年的会议有更多关于团队管理方面的报告。总体感觉依旧是是悟虚多于务实。最近几年业界纷纷扩大运筹分析和数据科学部门的规模，对于这么一个新兴的部门，业界还没有摸索出一个新的框架，来融入进公司的运作。另一个话题，则是企业文化的转变，从拍脑袋做决定转变到由数据驱动的优化决策。随着运筹分析部门逐渐走入大公司的组织结构，如何将这个新部门融入公司治理，将会在未来的时间里得到更多的关注。毫无疑问，这将是一个缓慢的磨合过程。值得高兴的，越来越多的话题讨论，反映出大家都在进行着思考，虽然暂时还没有一个确定的答案，但趋势是明朗的。
有一个来自亚马逊的报告。主讲人并不是那种富有激情的演讲者，但提他到的一个故事让我很感兴趣。他说在Amazon某些部门（多半是他自己的部门），一个项目会交给两个小组同时进行，最后择优采纳。他称之为two pizza （两块比萨饼，实在是一个很莫名其妙的代称）。让我想起早先华为某些研发部门也是一个项目三个组做，只有最优的项目组可以拿到奖金，其余两个只拿基本工资。以前我认为这都是华为狼性压榨的体现，但现在看来，其实竞争力往往就是这么倒逼出来的。
在墙报环节，有许多知名的咨询公司也在展示他们的项目，比如德勤(Deloitte)，普华永道(pwc)。许多传统的咨询公司最近几年也纷纷开始运筹咨询和决策科学领域的服务，加上我所了解的波士顿咨询(BCG)和麦肯锡(McKinsey)的情况，所有的一线知名咨询公司都在着力布局数据科学领域。
Franz Edelman Award
Franz Edelman Award，埃尔德曼奖是运筹学会颁发给工业界年度杰出项目的最高荣誉。用Informs官网自己的话说叫 “运筹学界”的超级碗 (Superbowl of O.R. practice， 超级碗是美国职业橄榄球决赛的代称，号称美国春晚)。该奖一年一评，面向运筹学、管理科学和决策科学领域的工业界项目。参评的项目，或是创造了可观的社会和经济效益，或是对企业治理效率有了巨大的改善。总之除了方法的考评，更重要的是如何同企业管理和商业流程结合，收到实效。
每年的颁奖典礼和晚宴，都在年会的第二天晚上，是整个年会最正式以及盛大的活动。虽然全程三个多小时，交织着领导讲话、代表发言、各项目公司老总发言，略显冗长。但作为一个社交活动，能和不同行业的同道中人，一起聊天扯淡品评项目，还是一个很舒畅的过程。同时，晚宴的菜品也是三天会议里最好吃的一顿，增色不少。
今年获奖的项目来自全美最大的私营老年公寓Holiday Retirement （年营业额约10亿美元）。他们同一个财务分析系统的公司(Prorize)合作，对公司的业务全盘进行数学建模，通过需求预测、住户分类、动态定价等方面，调整公司运营，实现两位数的营收增长。
这个项目给我的感觉是初看中规中矩，但仔细想来发现无可挑剔。有一个小花絮，在颁奖的时候，每个项目都有自己的宣传短篇，唯独这个项目没有，对比之下显得很差劲。颁奖典礼上，获奖人简短的一段获奖感言又完全听不出这个项目高明在哪里，让我着实大跌眼镜。直到第二天，参加了他们报告会，才发觉该项目确实是实力过硬。
- 首先，立意很高。项目涉及的目标是整个运营方略的改变，属于顶层设计。从需求到服务到定价，几乎主要的运营决策都覆盖到了。
- 其次，细节到位。我听了他们的项目报告，模型考虑的很细致，虽然不可能在报告会上透露具体建模信息，但从描述中来看，可以看出是考虑了很多细节的。
- 效果拔群。无论是同比还是环比，营收增长都十分客观。公司愿意为效益背书，说明是实打实的获得了收益。
- 落地顺利。这个项目已经结束，而且旗下所有的老人院都已经开始使用。在运筹分析项目中，执行往往是最难的一环。想要顺利的说服业务部门，除了要有过硬的方法，同时也要有高超的项目管理，和高明的沟通能力。
一点感悟
连续几年Informs参加下来，发现每一年都有新的变化。总结起来有以下几个方面：
- Analytics文化的建立和融入公司治理受到更多的关注
- Analytics如何融合进公司治理？
- Analtyics团队如何建设？
- 团队中的角色怎样设定？
- 以什么样的模式同其余？
- 分析自动化成为发展热点
- 云数据和在线开发平台的结合
- 模型开发协作工具
- 自动化数据科学是否可行？什么工作会被取代？什么工作不会？
- Python受到越来越多的关注
- 同去年相比python使用人数迅速增加，接近R
- 许多软件都有了成熟的Python接口，如cplex, gurobi
- 前端angular, 后端python, 模型Python成为许多startup的选择
明年这个时候再回头看看，又不知道有多少趋势变迁，潮流更迭！
后记：繁（腐）华（朽）的拉斯维加斯
灯红酒绿的赌城，沿途奢华的赌场酒店，满街散发的脱衣舞小卡片，太阳马戏团，五光十色的秀场，干燥炎热的内华达沙漠。纵情声色，风流放纵，却又极度理性。因为，数据科学本就是性感的。
