数据驱动下的人工智能，杉数用运筹学帮助企业做智能决策

本篇文章1618字，读完约4分钟

[开篇专栏]企业服务100是b2b圈子策划的一个特别专栏，旨在寻找企业服务领域的独角兽。如果你是一家在这个领域有着良好成长和黑马气质的公司:你正在创造一个新的模式并颠覆一个特定的领域& hellip& hellip欢迎在后台留言。

作者窦月义

编辑郭娟

作为一门现代科学，运筹学发展于第二次世界大战期间。简单地说，运筹学是一种在约束条件下寻找能够最大化/最小化某一目标的最优决策。

当时，军队迫切需要将稀缺资源有效地分配给不同的军事部门，以方便其物资分配，并应用运筹学的方法。

此后，美国及其军事管理部门号召大量科学家使用科学手段处理战略和战术问题。事实上，他们被要求研究军事资源的有效匹配，而这些科学家是最早的作战团队。

战后，运筹学不仅出现在军事领域，而且渗透到各个领域，发挥着越来越重要的作用。目前，运筹学被广泛应用于市场营销、生产计划、库存管理、收益管理、供应链优化、生产过程优化等领域。

在这种背景下，斯坦福大学教授冯&米德；叶教授是唯一一位获得诺依曼奖的中国人，他领导了四位斯坦福大学的医生。2016年，以理论与实践相结合、科技助产业为初衷的糖业科技成立。

简而言之，这是一家人工智能和大数据公司，它使用运筹学算法来帮助企业智能推动决策。

创始成员还包括来自国内外顶尖大学的科学家团队:首席执行官罗小曲是创业黑马的战略副总裁；联合创始人兼首席科学家葛东东和首席技术官王是斯坦福大学的运筹学博士；戴蒙是斯坦福大学决策分析和风险分析博士。

最近，b2b圈子(ID: b2bcyj)采访了山书科技的联合创始人兼首席执行官达蒙(Damon)，并与他讨论了运筹学如何帮助企业用智能来推动决策。

图片来源:中国视觉

运筹学型商业决策

在一个复杂的商业世界中，一个商业问题往往受到许多因素和变量的影响，实时做出最佳决策可以帮助企业获得更多的利润。

然而，在实际操作中，企业仍然使用传统的手工经验，用大脑进行预测和决策。这样的预测是不及时和不可靠的，他们不能根据客户的需求立即给出最合适的反馈和建议。

例如，在生产计划、库存管理、营销等方面。如今，企业管理者往往严重依赖有经验的员工来判断和预测库存，并制定营销计划。因此，很难保证期望与成品质量之间的一致性，特别是在扩大生产经营时，产品不均衡，严重影响了企业营销计划的制定。

此外，随着大数据技术的发展，越来越多的企业意识到数据驱动决策的重要性，希望利用大数据进行分析、预测和决策，从而带动企业的粗放经营管理，转变为科学精细的管理模式，从而帮助企业提高经营效率，降低成本，增加利润。

达蒙指出，企业通过数据驱动的决策必须经过三个环节:数据收集与处理、数据规律性分析和数据决策分析。目前，大多数企业只完成前两个环节。如何利用数据规律来实现最终决策，需要对这一过程中的数据进行分析、建模和求解，而这往往是企业所不具备的。

缺乏数据决策分析会使企业的数据缺乏完整性，使数据的价值无法挖掘，也无法应用到业务场景中，从而影响决策的正确性。

山书科技首先从大中型企业入手，利用运筹学的深层次数据优化算法和复杂决策模型的求解能力，帮助企业在海量数据环境下，尤其是供应链环境下，找到最优决策方案，提供智能决策服务，从而提高企业的运营效率，带来收益和成本的显著变化。

同时，运筹学中有两个关键步骤:第一，建模，用数学形式准确有效地表达问题；其次，求解，得到优化目标函数的决策。

那么，最好的决定是什么？

Damon告诉b2b circle (ID: b2bcyj)，当企业面临大量大数据时，Shanshu可以在决策端告诉企业决策者如何将时间、资源和金钱放在最佳和最合理的地方，而不是仅仅告诉他们通过数据分析得到趋势、变化和描述等简单结论。

事实上，杉木数的切入点称为数据驱动的经营决策，就是将决策优化的内容转化为数学模型，通过数据和高效的优化算法进行求解，使企业能够根据现状做出最佳决策，提高决策质量，提高效率，降低成本。