沙龙回顾|王曦：浅谈数据科学、智能决策与商业运营
01
商业分析与数据科学的本质
沙龙伊始，王曦老师与我们分享了本次沙龙主题的三个关键词：数据科学、智能决策及商业运营。老师在过往丰富的实践经历中，深刻的理解到这三个关键词若能成功整合，能够为企业带来真金白银的效益，隐含的价值是不可限量的。
因此，王曦老师首先从他眼中的商业分析及数据科学展开，通过有趣的故事比喻向大家传达了三个要点：
（1）商业分析需要是一门科学。
（2）数据驱动的商业分析结果必须有解释性，而不是用复杂的分析结果把人搞晕。
（3）商业分析应该以决策为导向，而不是被数据表层直观的信息误导。
如果具备了这三个核心特点，便能有一个好的商业分析框架。
从数据转化为商业决策并非一蹴可及
02
从数据到决策的三个步骤
接下来，王曦老师从决策的角度出发，为我们带来了从数据到决策的三个关键杠杆。
过往在提到大数据的时候企业往往仅关注于数据积累的层面，然而数据要能为企业带来商业运营层面的价值，中间至少要经历三个步骤。
首先是数据的采集及管理，比如数据采集、清洗、整理及BI系统的建立等；
接着是数据的规律性分析，通过各种统计分析、人工智能算法，从海量数据中挖掘趋势及预测，找寻不同场景的输出价值；
最后，也是不可替代的关键步骤，便是决策建模及求解，基于前面的数据采集及优秀的算法模型再往前迈进，构建出企业在面对复杂决策环境中的解决方案。
王曦老师亦通过贷款机构面临的征信决策问题为大家演示了三个层级在商业场景中的应用，让同学们更加具体的了解从数据到决策的转化过程。
真实场景中的决策很复杂
随后，王曦老师就决策的范围、可行方案、不确定性及价值评判等维度为大家剖析决策的复杂性，虽然真实场景所面临的决策是十分复杂的，但是这样的复杂性使得我们通过商业分析支持决策时，有丰富的切入点能够尽情展现价值。
王曦老师进一步与同学们分享了基于商业场景的真实案例。王曦老师强调，在真实世界中数据分析往往会面临到很多困难。以销量预测为例，数据不准确、数据不足及数据清洗难度大是首先要解决的问题，真实的商业场景并不是直接套用现有模型方法就可以得到结果，前期的数据处理工作才是最为重要的。例如，在销量预测的前期准备工作中包含了事件管理、内外数据融合以及基于统计学分析的需求分类等。
在模型层面，王曦老师通过征信案例，对于原有策略评估、模型优化及数据可能带来的误区进行深入的探讨及分析，向同学们分享了如何使得基于机器学习的征信策略具有可解释性。通过征信案例，同学们很好地了解到好的算法不一定能在现实场景中解决所有需求。此外，王曦老师亦针对街景地图采集的案例，为同学们带来了路径优化问题的精彩分享。
03
智能商业决策辅助企业发展
在分享完典型的商业分析问题后，王曦老师为我们带来了企业发展的三段论：市场驱动发展、领导力驱动发展、创新驱动发展。这些发展往往都是为了解决企业在运营决策所面临的不确定性、人工比例高、效果差及缺乏应变能力等问题，而以数据驱动的智能商业决策便是围绕着以上问题优化展开。
接着，王曦老师结合丰富具体的案例为我们带来了智能商业决策在不同行业中衍生出的各种应用场景。通过某ICT行业巨头生产计划优化与产销协同计划模拟、某电子消费品巨头全渠道智能分货策略优化、某化工巨头智能调度运输计划优化等案例，同学们更加深刻的了解到，基于数据驱动的智能商业决策能够有效的为企业带来货真价实的成本节约以及收益提升。
毕业后的职业选择
04
对于数据相关的职业选择，王曦老师提醒大家目前数据分析师其实是个被过于广泛使用的名称。
王曦老师认为数据分析工作主要分为三个维度：商业分析师，量化分析师，BI分析师。三个岗位各自有着不同的职能及侧重点，商业分析师专注于定义商业问题、进行分析及给予建议；量化分析师在了解需求后，于模型层面上输出一套可操作的策略；BI分析师则是实时关注重点指标的变动，查找指标异常的可能原因。
通过王曦老师对于不同岗位的介绍，同学们对于未来从事的工作有了初步的认知，进而了解能力储备的准备方向。
老师最后引用了数学家欧拉的名言“宇宙万物演进更替，总有某种形式的最大化或者最小化存在其中”，而这个最大化最小化或者说是优化，是本次沙龙分享主题中无处不在的概念，数据科学寻求的是最精确；智能决策寻求的是最优解；商业运营寻求的是最大化的效益，综合起来便是以数据驱动的商业分析希望实现的目标。
在沙龙的最后，同学们就商业分析于营销的应用场景、智能决策如何赋能传统企业、实体企业甚至是小企业、真实工作中的数据获取及模型架构、未来从事数据相关工作的学习方向等话题展开讨论。通过王曦老师精彩的分享，同学们对于实务中的数据科学、智能决策与商业运营有了更加深刻的认识。