斯坦福大学叶荫宇教授做客联想创投 畅谈AI时代的运筹学与商业智能

2016-12-27 10:12 · 投资界综合     
   
叶荫宇教授认为,数据对企业而言,真正的商业价值,在于其对决策的优化能力。要实现数据对于决策的支撑,需要三个关键环节:数据的采集与管理、从数据中找到规律(规律性分析)、在规律的基础上制定决策(决策分析)。

  日前,斯坦福大学李国鼎工程讲座教授、管理科学工程系工业联盟计划主任、美国运筹与管理学会冯·诺依曼理论奖华人唯一获奖者——叶荫宇教授做客联想创投,做了《优化与智能决策——运筹优化和机器学习在联想》的专题报告,讲述了运筹优化、机器学习在智能决策中的应用。运筹学是一门用量化手段解决实际问题的科学,是人工智能在商业场景中的具体体现。随着数据技术的发展,运筹学在决策智能化上的价值愈发凸显,合理使用运筹学的技术可以对公司解决运营中的难题给予极大的帮助。当天,联想集团副总裁、联想创投投资业务总经理宋春雨,联想集团副总裁、首席研究员田日辉,以及联想创投、联想云和联想大数据团队近百人听取了此次报告。

  联想集团副总裁宋春雨与斯坦福大学叶荫宇教授合影

  从数据到决策

  叶荫宇教授认为,数据对企业而言,真正的商业价值,在于其对决策的优化能力。要实现数据对于决策的支撑,需要三个关键环节:数据的采集与管理、从数据中找到规律(规律性分析)、在规律的基础上制定决策(决策分析)。现在部分大型公司在拥有海量及复杂数据的基础上,建立了自己的数据团队,对数据进行深度挖掘,但在大多数情况下仍然只到达分析规律、提供参考的层面,如何将之与各种生产中的要素相匹配,找到最为合理的决策方案,还是个待解决的问题。运筹优化学则很好地解决了这一难题:将实际中决策问题转化为数学模型,并用高效的优化算法求解,实现决策的自动化、流程化和规范化。

  运筹优化与机器学习的应用

  在讲座中,叶荫宇教授还提到,大数据时代,数据驱动的科学决策正成为企业资源优化配置的利器。大数据技术结合运筹学尖端理论是实现数据驱动的科学决策的坚实基础。大数据弥补了传统小数据存在的缺陷,能够让企业获得更多维度、更海量、更有时效性的全样本数据。植根于科学决策的现代运筹学优化算法,作为大数据商业建模的重要组成部分,正在众多领域带给企业更系统准确的决策依据。大数据通过抓取、挖掘、分析海量数据并用经典模型测算与验证,可帮助企业快速提升生产、营销、物流、风险管理等领域的业务能力。通过让数据说话,实现企业基于量化模型的精细优化决策。融合大数据特性的商业建模,将会成为较为完美的商业决策依据来源。

  运筹优化学的商用:收益管理、供应链管理与风险管理

  目前,由叶荫宇教授等人联合创办的杉树科技,很好地将运筹优化学进行了商用,最主要的三项技术支持服务包括:收益管理,主要是应用在电商、金融领域,帮助客户找到不同场景下最优定价和销售策略,最终提升企业销售,这类智能定价系统也是目前国外主流电商、金融机构收益管理的重要手段;供应链管理,在订单、库存、仓库、货运、配送等各个环节提供优化方案,提升供应链的响应速度、降低库存,最终帮助企业节约在供应链方面的成本,这也是目前主流大型电商都在优化的方向;风险管理,主要应用在金融领域。

  关于叶荫宇教授

  叶荫宇教授是当今世界运筹学界的杰出领袖,他奠定了线性规划内点法理论,成为摘取运筹管理学领域最高奖项——“冯·诺依曼理论奖”(优化运筹领域的“诺贝尔奖”)的唯一华人。叶教授是美国斯坦福大学管理科学与工程系及计算数学工程研究院的杰出终身教授,也是斯坦福管理科学与工程系工业联盟主任。2012年,叶荫宇教授被授予该大学K.T.Li (李国鼎)首席教授(Chair Professor)。叶荫宇教授在运筹与优化的多个基础理论方向和应用领域都作出了重大贡献。获得过运筹与管理学领域的多个国际知名大奖,是运筹与优化领域公认的最优秀华人学者。叶教授目前担任波音等知名企业顾问。叶教授学术成就誉满全球,但他始终心系中国发展,关心运筹学在中国的前景。他希望通过更多的学术交流和商业实践,推动大数据在运筹学中的应用,释放商业的经济、社会价值。