访谈对象：

代宏砚教授  中央财经大学商学院教授，博士生导师。现任中国物流学会特约研究员和理事，中国运筹学会行为运营管理分会理事。主持国家自然科学基金重大研究计划培育项目、国家自然科学基金面上项目等多项国家省部级科研项目。

姜海副教授 清华大学工业工程系长聘副教授、博士生导师，国家优青，中国运筹学会-行为运营与管理分会副理事长。

采写：李娟（南京大学）、崔竞时（南京大学）、孙凌儿（香港中文大学（深圳））、董亚男（南京大学）

学术顾问：薛梅（波士顿学院）、何龙飞（天津大学）、罗俊（上海交通大学）、姜广鑫（哈尔滨工业大学）

总顾问：陈方若（上海交通大学）、张维（天津大学）

按：中央财经大学代宏砚教授团队和清华大学姜海副教授团队关于“大数据驱动的新零售众包即时配送管理”工作获得了2023年华人学者管理科学与工程国际年会（CSAMSE）的管理实践奖（二等奖），CSAMSE理事会于2024年6月28日在合肥采访了代宏砚教授，于2024年7月8日在线采访了姜海副教授。希望他们的分享可以对同行们应用管理科学与工程方法解决实际管理问题、提升实践能力有所借鉴。

 

CSAMSE：恭喜代老师和姜老师团队关于“大数据驱动的新零售众包即时配送管理”工作获得了CSAMSE管理实践奖（二等奖）！我们汇总了研究选题、学生培养、发展之路、家庭与事业的平衡的相关的问题，希望请教您们。

代宏砚 & 姜海：非常感谢CSAMSE理事会对我们工作的认可，也希望借此机会与大家交流一些研究经验。

 

***研究选题***

CSAMSE：数据驱动的研究具体应该怎样获取数据、分析数据，并且从管理科学与工程的角度提炼出研究问题呢？

代宏砚：数据驱动研究中，数据是基础，如何获取数据可能是大家都面临的挑战。我认为有两个可行途径：首先是主动与企业进行沟通和交流。这包括积极介绍自己的研究方向，争取合作机会。例如，我曾与京东到家开展合作，最初是去公司介绍自己在机器学习领域的研究，并未涉及具体合作事宜。我详细讲解了我们之前的研究工作及对相关问题的理解。随后通过进一步沟通，基于他们目前的战略是想为大客户赋能，我们就利用基于机器学习的需求预测系统来服务大客户这一方向达成了合作意向，进而开发了这样一个系统。

另一个获取数据的方法是参加会议，尤其是参加一些业界也会参与的会议。通过在会议上相互介绍正在进行的工作，争取到与业界交流的机会，了解行业当前的需求和趋势。我在一次会议中，认识了一家物流货运平台的联合创始人，通过交流，发现我们现在的研究可以帮助他们解决公司实际运营问题，从而展开进一步合作。所以双方有合适的契机进行交流彼此的工作是获取数据的关键。我始终相信“主动走出去”是获取数据的关键。虽然不是每次沟通都能达成合作，但通过这些对话，至少能增进对企业的理解。

我认为提炼研究问题的关键在于理解自己的研究需求与企业需求之间存在的差异。为了说明这一点，我可以分享我们当前的一个实际案例。我们正在与一家香港上市公司合作，该公司希望进行更加精准的需求预测。在合作过程中，通过分析数据深入了解公司的业务流程，发现除了需求预测外，公司的库存管理也存在明显改善空间。我提出是否可以从改进需求预测开始，同时帮助公司优化其库存管理。其实，库存管理也是一项经典的研究问题，但通过文献调研，我们发现了一种新的方法——端到端的库存决策，使用深度学习进行动态优化。这种方法不仅对学术界是一个创新，对业界的实际应用也具有重要价值。因此，通过结合双方的需求，我们可以定义一个双方都认同的研究问题。这个问题定义的过程要求我们深入了解各自的出发点，并通过协调与沟通，找到一个共同的研究议题，从而推动合作项目的进展。

姜海：我们组的研究工作大多来源于企业的实际需求。因此，我们极少去“提炼研究问题”，因为企业已经定义好了问题。我们围绕企业提出的问题，询问它有哪些数据，或者告诉他们应该收集哪些数据，从而基于这些数据去设计相应的模型和算法。

 

CSAMSE：代老师提到端到端的库存决策，这个是通过实时跟踪文献的进展提出的吗？

代宏砚：针对端到端的库存决策问题，我们研究过一篇发表在Management Sciences的论文，并对该论文处理方法进行了复现，这对我们了解和解决当前合作公司的问题提供了宝贵的参考。因此，在研究和实践的结合过程中，理论储备的重要性不容忽视。当我们遇到新公司提出相似问题时，我们能够迅速将现有的理论知识与实际情况相结合，形成有效的解决策略，这种能力源自于对理论的深入理解和之前研究成果的积累。

 

CSAMSE：请问老师们如何看待研究选题的合理性与可行性呢？

姜海：优秀的研究问题应当源自实际运营场景。如果缺乏实际的业务问题作为背景，研究可能仅仅停留在理论应用层面，成为空中楼阁。从实践出发的研究问题，不仅使得研究的动机更加合理，而且在撰写论文时，论述将更加充实和有说服力。至于可行性，则需通过文献调研来评估，并结合课题组之前的研究经验。熟悉的研究领域和已有的研究基础会帮助研究者判断所提问题的可操作性，以及可能达到的研究成果。

代宏砚：好的选题应该是自己“想做”、“能做”、“有价值做”。首先是找到自己真正感兴趣的领域。我坚信兴趣是持续研究的驱动力。研究选题的另一个考虑因素是评估自己是否拥有完成研究所需的技能集。每个人的基础和专长不同，一些学生可能在实证统计上非常扎实，而其他人可能在不同的领域更为出色。建议基于自己擅长的技能进行选择。最后，评估一个研究选题的优劣，除了个人兴趣外，还应考虑其是否能为社会带来实际价值。在数据驱动的研究中，这一点尤为重要，因为数据往往来源于企业和社会，研究成果也应当回馈给企业和社会。所以，我在选择题目时，会先评估自己是有兴趣，是否有能力，及它是否具有社会影响力和实际价值。

 

CSAMSE：在研究过程中，我们可能会发现许多方法已被广泛探索，自己的研究可能在理论贡献上显得不足。这种情况下，继续研究往往需要较长时间，且难以找到创新点。面对这种情况，应该如何做呢？

代宏砚：面对这种挑战，我们需要权衡利弊，进行“取舍”。通常决定要做什么是容易的，放弃做什么是难的。如果研究已投入大量时间和努力但仍难以取得突破，我建议可以考虑适时止损，合理规划时间和精力至关重要。研究生应当具备探索精神，但同时也需要现实地评估自己的研究方向和进展。如果发现一个问题本身有局限性，或者不符合自己的兴趣和能力，适时调整方向是理智的选择。

 

CSAMSE：想请问代老师在数据驱动的研究中，尤其是涉及机器学习的方法来进行预测和处理数据，这些方法是否需要一定的理论支撑？在实际操作中，是先根据特定问题寻找解决方法，还是先建立理论基础再进行应用呢？

代宏砚：就机器学习开展的研究来看，我认为分为三个“段位”。在初级阶段，主要任务是能够直接应用现有的算法和工具包进行模型训练和预测。例如，在我的课堂上，我会提供数据让学生预测某店铺的未来销量。这个过程主要涉及使用现成的软件包，掌握利用机器学习解决问题的基本流程和方法。

进入中级阶段后，如果发现单纯调用现成的算法包无法满足精度要求，就需要在理解算法原理的基础上进行调整和优化。这可能涉及到修改损失函数以适应特定的业务需求，例如，在误差近似的情况下，企业要求预测结果宁可偏高也不要偏低，以避免库存短缺。在这个阶段，对机器学习的理论和算法结构需要有更深入的掌握。

更高级的应用涉及设计新的算法，特别是针对具体问题的特定解决方案。例如，在即时物流配送决策中，如果使用基于深度学习的端到端的方法，可能需要根据问题的特性，自己去构建深度学习的网络结构。

 

CSAMSE：请姜老师分享一下在确定研究选题到开展正式研究之前的过程吧。

姜海：确定研究选题和开展正式研究并没有一个明确的先后顺序，一般情况下，我们通常可以先探索再确定选题。因此，研究生在开展正式研究一年之后再进行开题报告，那时候所要研究的内容和方法就可以基本确定了。当然，即使是来源于企业实际的选题，在开展研究的过程中也可能不是一帆风顺的。比如是定价或者调度这类具体的问题是存在明确的解决方案的，所以一开始看起来很有研究前景，但在实际操作中可能会行不通。还有一些研究问题可能初期只能通过数值方法来解决，但通过进一步的研究，可能会得出一些可推广的分析结果，从而提高研究的科学价值。总之，研究初期可以进行大胆的探索，然后根据研究的具体情况再决定是否继续前进，实现迭代、更新和进步。

 

***学生培养***

CSAMSE：请问对于数据驱动的管理科学与工程领域的研究，对研究生和博士生的招生有哪些要求呢？

姜海：在招收研究生和博士生时，我比较看重学生对研究的理解和研究过程的把握。尤其是已经完成了论文撰写或投稿的学生，能够看出他们对研究的兴趣和理解，并且具有一定的时间管理能力，这些都是后续研究中非常重要的素质。针对基于数据驱动的研究，在招收学生时，我不会特别偏重考察他们的数据处理能力，因为不同的学生有不同的技能和偏好。有些学生数理基础比较好，擅长进行分析性研究，有些则偏好编程也可以进行深度学习的研究。在这方面，我鼓励学生根据他们的兴趣和能力来选择适合自己的研究方法。

代宏砚：在数据驱动的研究中，我认为有三点要求是至关重要的。首先是扎实的数理基础，不仅包括能够处理复杂数据集，还要求能够理解和应用基本的数学和统计方法来支持决策过程。第二个是强大学习能力。随着技术快速变化，持续学习和适应新技术是必不可少的。研究人员必须能够迅速掌握新工具和方法，以保持研究的前沿性。对于学习能力的考核，我会给学生发两篇文章，然后让他来给我讲，看他能理解多少。第三，良好的英语能力也是必需的，特别是在全球领先的人工智能研究大多使用英文进行的现状下。掌握英语能够让研究人员更有效地获取最新的科研资讯和参与国际学术交流。

 

CSAMSE：请问老师们是怎样和学生合作开展研究呢？在这个过程中怎样与学生配合高效率地解决问题呢？

代宏砚：在指导学生时，我首先区分高年级和低年级学生。对于新加入的学生，我通常让他们先跟随高年级学生或参与当前正在进行的项目。通过参与一个或多个项目，学生可以获得更具体的实践经验，这有助于他们逐渐形成对数据处理和问题解决方法的理解与认识。对于高年级的学生，更注重他们的发现问题、定义问题的能力，通常会让他们lead一个项目，自主去企业调研和通过文献理论研究来找到一个有价值的问题。

姜海：我认为作为老师在不同阶段对学生的指导方式也会有所不同。回想起我刚参加工作时的指导风格，更倾向于逐步地指导学生，帮助他们解决困难，这是一种相对比较有效率的指导方式。但现在，我逐渐放手，让学生自主学习，这样他们的自我驱动力和责任感得到了显著提高。进一步，随着学生能力的提升，他们开始学会承担责任，管理时间，逐步变成独立学者。

 

CSAMSE：有很多想选择教职工作的学生，可能抗拒去做一些和企业合作的项目，因为如果需要处理大量数据的话，会浪费很多的时间，您们觉得做企业项目对于想找教职工作的学生来说，真的是一种浪费吗？

姜海：与企业的合作对学生的就业和职业发展极为有益，可以帮助他们在未来的工作中更好地利用和管理资源。确实并不是所有学生都对与企业合作感兴趣。当有企业合作的课题出现时，我通常会首先询问学生的兴趣，当然，适当的经济激励可以提高学生参与企业项目的积极性。虽然企业项目的对学生的选题来说相对简单，但可能会涉及到一些学生不愿意从事的工作。因此，事先需要与学生进行开放而坦诚的对话，讨论参与或不参与企业项目的利弊。

另外，我认为与企业的合作对于学科的发展至关重要，能增强学科的活力，还能确保学术研究的实际应用价值，避免学术自娱自乐的现象。我常与其他同事交流，强调理论教育和实际操作能力的重要性，特别是对于管理学科，这种结合尤为关键。希望年轻教师和研究生把握与企业合作的机会，以实践为研究起点，从解决实际问题中学习和成长。

代宏砚：对于从事数据驱动研究的学生来说，基础数据处理是不可或缺的初步工作。处理原始数据，如数据清洗和梳理，是理解数据本质的关键步骤。没有深入了解数据的结构和含义，学生很难在模型建立和结果解释上做到准确。因此，初始阶段要求学生先从基本的“杂活”做起，这对于他们深入理解企业运作和数据逻辑非常有价值。

在学生熟悉数据处理后，下一步是探索感兴趣的研究方向。这通常是一个迭代过程，学生需要与导师讨论并确定值得研究的方向。完成这一阶段后，学生将独立进行编程和文献查阅，产出一些初步的研究成果。之后，学生需要评估这些成果的研究价值，包括研究的创新点和学术定位。这一阶段，学生应该反思自己的研究动机和成果的潜在影响，与导师共同确定是否存在足够的研究动机来推进到下一阶段。

随着学生年级的提高，他们将逐渐从基础数据处理转向更高级的研究任务，而新来的低年级学生则接手这些基础工作。这种层次进阶的结构不仅有助于新生快速学习和成长，也使高年级学生能够专注于复杂的研究问题。最终，这种团队合作和知识传承模式促进了学生间的互相学习和整个研究团队的前进。

 

CSAMSE：老师们管理学生层次分明，管理预期做的很好，并且给了学生自由发展的空间。老师们都有和企业合作的丰富经验，在这些合作的企业中，您们认为企业更需要一些什么样的人才呢？需要求职者尤其是博士毕业生，具有什么样的技能？

代宏砚：之前，企业可能会关注学生具体的技能或语言，比如强大的编程和建模能力，需要的是解决问题的能力。然而，在人工智能时代，光有解决问题的能力已不够。未来3-5年内，技术可能发生翻天覆地的变化。目前，AI已经取代了大量重复性工作。我们进行人机交互的研究时观察到，企业里许多简单重复的工作已经由AI解决。那么，什么样的复杂工作会留给人类呢？

我认为学生需要具备定义问题的能力。在数据驱动和AI相关的行业中，能否定义问题比解决问题更为重要。在我与企业的合作过程中，有些产品经理无法清楚地定义需要解决的问题，导致项目进展不顺利。因此，从公司角度来看，能够明确定义问题的人才是最需要的，因为不明确的问题会导致产品难以落地，进而影响项目的成功。未来，学生培养过程中，编程和建模能力可能会变得相对次要，更多的关注点将放在问题定义和研究定位上。

姜海：可以从三点去考虑博士毕业生应该具备的能力。第一是理解问题的能力。本科生和硕士生往往专注于完成特定任务，可能不完全理解任务背后的深层原因。相比之下，博士生通过严格的论文训练，不仅学会了为自己的研究辩护，而且能够深刻理解和明确定义问题。在寻找解决方案的过程中，可能会遇到许多挫折，这种经历对博士生而言是常态，使他们习惯于不断尝试，直至找到有效的方法。此外，在撰写论文时进行的详细文献综述，实际上是一种市场调研。博士生应当把这种科研训练后的心态和规范的学习范式应用到理解企业的实际问题中。

第二是解决实际问题的能力。在学术研究中，我们可能追求解析解或最优解的结构，但在企业中，更需要的是解决实际问题的能力。与数据打交道是企业中的一项重要技能，因此熟悉Python和R等编程语言是必不可少的。

第三是沟通能力。在企业中工作，不仅需要与老板和同事进行有效沟通，还需要能够在公司内部展示和推广自己的成果。这不仅要求他们有清晰表达自己观点的能力，还需要在学术和企业环境中进行有效的协作和交流。

 

CSAMSE：像美团和京东都有自己的技术或者算法团队，打动这些企业去寻找高校合作的动机是什么？或者说校企合作的优势在哪里？

姜海：企业中的专业人员通常扮演“救火队员”的角色，他们的时间和精力往往被紧急的日常问题所占据，难以从长远和深入的角度进行科研探索。相反，学校的环境允许我们以较低的成本进行深入研究，这对企业而言非常有吸引力。学生虽然是“白纸”，但正因为如此，他们更愿意学习新知识和技术，有可能为企业的发展带来新的活力。另外，一些企业可能出于公关需求，希望通过发表研究论文来提升自身的学术影响力；另一些则是因为成本考虑，与高校合作的研发成本相对较低。与其直接雇佣高薪研发人员，不如投资给高校，利用学校的资源和专业知识，以更低的成本获得相应的研究成果。

代宏砚：我们可以将公司分为两类：第一类是技术相对较弱的公司，虽然这些公司在规模和市场影响力上很大，但其内部技术水平并不如预期，许多决策仍然依赖主观判断。因此，这类公司需要与高校合作来提升其技术水平。第二类就是技术发展已经成熟的企业，这些企业和高校在看待问题时的视角有所不同。企业通常从内部管理的角度出发，其员工的行为受到绩效的驱动，而高校则能够提供技术性较强的外部视角，带来新的思路和拓展。比如，我们与某大型公司的货运平台合作，他们希望最大化派单绩效。然而，这种绩效最大化的算法往往忽视了配送员的安全问题。通过与高校合作，我们能够综合考虑企业的利润和配送员的福利进行算法的设计和优化，从而帮助企业提升自身的公共形象和社会责任感。

 

CSAMSE：请问老师们在日常的工作和对学生的培养过程中，会利用人工智能工具辅助研究吗？

代宏砚：我注意到在使用人工智能工具方面，学生的行为有了显著变化。以前，学生主要使用Google Scholar等传统方法进行文献搜索。现在，我有两名学生正在进行人机交互研究，他们现在几乎所有的任务都采用AI工具来辅助完成，这些人工智能工具不仅提高了效率，而且还改变了他们处理信息的方式。例如，我有一个硕士研究生，他使用Research Rabbit来辅助文献检索，能够展示文献之间的关联；在编写代码时遇到问题，也会用GPT来查找解决方案，表明这一代学生已经完全融入了这种以AI为中心的技术环境。

对现代AI工具的熟练使用，不仅仅是一个技术习惯，更是一种对当前和未来工作环境的适应。最近，我的一名学生成功获得了某大厂的大模型产品经理的实习职位，这个职位之前一直难以招到合适人选。面试官对他使用的人工智能工具表示了兴趣，这表明学生适应现代技术的能力对于企业来说是极具吸引力的。

姜海：我鼓励同学们使用AI工具来辅助学习，尤其在改善语言表达和修正语法错误方面还是可以实现比较好的效果。

 

***发展之路***

CSAMSE：在开展研究的过程中，有没有过一些艰难时刻？是怎样应对和克服的呢？

姜海：在与企业合作的过程中，有时会遇到预期结果与实际不符的情况，这无疑是比较艰难的。初期，企业对我们的期望很高，但随着项目的深入，可能会发现一些问题难以按预期解决。在这种情况下，我认为最重要的是从一开始就明确科学研究的局限性和潜在的风险。我们会在合作伊始向企业明确两个基本的理念：首先，科学研究是有其边界的，不是所有问题都能通过合作得到解决。其次，我们会尽力控制项目风险。通常可以先分析数据，预测可能的结果，然后再正式签订合同。此外，技巧之一是在合作初期选取熟悉的题目，确保第一个项目能够成功，从而建立企业对我们的信任，争取进一步的合作机会。

代宏砚：看我文章发表的时间线可以看出来我有几年没有发表任何文章，这是因为我在转换研究方向。我原先专注于库存管理和牛鞭效应，这也是我的博士论文的主题。尽管我在这个领域有一段时间的研究，但我发现自己并不是特别感兴趣。在决定转换方向后，我花了很长时间来探索新的研究兴趣。我的方法主要有两个：一是直接与各个企业进行交流，了解他们的实际需求和面临的问题；二是通过广泛阅读非学术性的材料，如新闻、商业课程、博客等，感知社会的热点和关注点。

这种广阔的探索帮助我发现了即时物流这一新兴领域，特别是众包即时物流。我开始通过与企业合作，获取相关的数据和实际案例。对这一领域的深入研究最终促使我找到了数据驱动的研究。我的硕士专业是模式识别与智能系统，这让我能够自然地将这些技术应用于当前的研究中。这种跨学科的技能使我能够有效地结合理论与实践，从而更好地服务于业界和学术界。

随着技术的进步，特别是在深度学习和大型语言模型的发展，新的挑战和机会不断出现。现在，人机交互成为我关注的新领域。在我职业生涯的某个阶段，尽管我经历了方向的迷茫和探索，但这些经历最终丰富了我的研究和教学。因此，我认为遇到研究瓶颈时，有时暂停和向外看是必要的。通过跳出常规框架，与不同的人交流和观察，可能会找到新的灵感。

 

CSAMSE：如何让业界理解并接受研究方案和研究成果呢？

代宏砚：要与他们站在同一战线。不能简单地说这个项目很有趣或值得尝试，而是需要具体说明采用这个新方法后将如何从公司的角度带来实际利益。例如，可以说明这个项目如何确保配送员的安全和公平，这不仅有助于保护员工，也提升公司的社会责任形象。进一步阐释这种变化长期对公司的积极影响，如提升公众形象和增加长期利润。展示这种方法是如何实现双赢的，即在不损害当前业务的同时，为公司带来长远的好处。最终，公司是否采纳这个方案，并不取决于我们的意愿，而是基于公司是否认为这能带来确切的利益。因此，向合作伙伴清晰地表达从他们的角度看到的利益至关重要，这包括对当前和长期效益的全面评估。

 

CSAMSE：与企业合作的过程中，哪些环节最关键？

代宏砚：在与企业合作时，定义问题的清晰性至关重要。经常会发现，尽管企业内部信息流通，但他们往往难以明确表达自己的需求。这种不确定性可以通过与他们站在同一战线上，并明确地讨论和定义问题来解决。

交付阶段是另一个关键点。很多时候，尽管我们提供了解决方案，但企业可能因为领导层更迭、战略调整或其他外部因素影响等种种原因不采用。因此，在交付时，需要确保企业不仅接收方案，还要确保他们将其投入实际使用。在整个合作过程中，不仅是要提供解决方案，还应该追踪其实际应用情况。这样可以确保项目的成效，同时也能从中获取反馈，以优化未来的工作。虽然合作的初衷可能是为了解决具体问题，但我们也希望能通过这些项目获得科研产出，或在实践中验证理论。

 

***家庭与事业的平衡***

CSAMSE：请问老师们是如何实现照顾家庭和发展事业的平衡呢？

姜海：最近我看到一个关于如何平衡事业和家庭的讨论，是关于中国首位女宇航员刘洋。她说：“这个平衡的问题不应该只问母亲，不应该只问妻子，这是夫妻双方甚至全家共同来完成的一件事”。她特别感谢她的家人在这方面给予的帮助。对于在中国的女性教师来说，这种平衡可能更为困难。对此，我深有同感，尤其是理解那些承担了家庭重任的女教师们。在我的个人生活中，我尽量减少不必要社交活动，更多地关注家庭和事业的平衡。我认为重要的是根据自己的价值观和生活方式来设定家庭和事业的界限，保持道路自信，不受外界干扰。

代宏砚：设定合理期望至关重要。每个人的情况不同，我设定一个适合自己的、实际可达到的目标。这样做可以帮助我控制工作量，从而保持生活和工作的平衡。我有两个孩子，家庭生活相对繁忙。为了避免工作和家庭责任相互干扰造成焦虑，我会明确划分工作时间和家庭时间。我会利用孩子上学的时间专心工作，一旦孩子放学，我就会停止工作，直到她们睡觉。这样的安排可以确保我在工作时间高效完成任务，在孩子放学后完全投入到陪伴她们的时间中。通过这种方式，我可以保证高效工作并且安心享受与家人共处的时光。

 

 

 

代表性研究论文和专利：

[1] Xu Y, Lu B, Dai H, Zhou W. The Interplay of Earnings, Ratings, and Penalties on Sharing Platforms: An Empirical Investigation[J]. Management Science, 2023, 69(10): 6128-6146.

[2] 代宏砚, 陶家威, 姜海, 周伟华. 大数据驱动的决策范式转变—以个性化O2O即时物流调度为例[J]. 管理科学学报, 2023, 26(5):53-68.

[3] Tao J, Dai H*, Chen W, Jiang H. The value of personalized dispatch in O2O on-demand delivery services[J]. European Journal of Operational Research, 2023, 304(3): 1022-1035.

[4] 代宏砚；陶家威；姜海；一种基于场景推演的物流配送调度算法，2023-12-31，中国，授权号202010020350X.