主持人：荣鹰 上海交通大学教授

嘉宾：张俊标（Chung Piaw Teo） 新加坡国立大学教授

汪玉兰（Yulan Amanda Wang） 香港理工大学教授

詹若涵（Ruohan Zhan） 香港科技大学助理教授

整理：董昶（杜伦大学）、李娟（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）

主持人：数智化不仅是技术的变革，它也带来了管理理论和实践层面的挑战和机遇。业界的数字化和智能化如何影响管理科学与工程的学术界？特别是它如何推动学术研究的方向以及与企业合作的方式？

张俊标：数智化对决策科学的影响深远。首先，数智化作为企业运营优化的核心，要求决策过程必须基于可量化的数据。这为运营学者提供了巨大的机会，让他们可以应用理论的优化模型参与到企业的决策过程中。在与企业合作过程中，学者不仅要有强大的数学和模型构建能力，更要具备数据采集和处理的实际操作能力。项目的落地与应用远比设计模型、发表论文更加困难。比如，我们在与新加坡航空的合作项目中发现，企业在数智化转型的过程中不仅需要有效地利用现有数据，还需要设计系统来采集并分析未来的趋势，这对学者的综合能力提出了更高要求。

汪玉兰：从供应链的角度来看，数智化令企业管理者和学者能够更清晰地了解物流、资金流和信息流的变化。这种整合不仅有助于优化资源的配置，还能提升决策的透明度。从可持续发展的角度来看，数智化带来的新挑战，算法安全、数据隐私、社会伦理和责任等新问题，值得探究。例如，如何在不破坏隐私的前提下进行数据分析和利用，如何进行机制设计令数据的收集和使用遵循严格的隐私和安全标准，以防止敏感信息的泄露。此外，算法是基于人类历史行动数据而设计和调整的，而人类历史行为数据可能暗含了当时的偏见和偏差。这时就需要根据人类当前的知识对算法纠偏改进。面对未来决策环境的不确定性，需要将人类智慧和基于算法生成的智慧集成在一起，优化算法的设计与应用。

主持人：詹若涵教授从斯坦福大学获得计算和应用数学博士后，先在快手全职工作过一段时间，后入职香港科技大学回归学术工作。这样的学术训练和工作经历会带来什么额外的观察？

詹若涵：在实际应用中，我们经常发现许多现实问题难以符合研究中的标准化假设。这就需要我们与企业进行深入的交流，以确定哪些假设在实际操作中是可以被接受的。例如，我们在企业项目中发现，很重要的经历是与管理人员交流讨论以找到符合企业实际情况的假设，使得在简化问题以方便分析求解的同时，确保解决方案更加贴合实际需要。这种交流不仅有助于理论的应用，也促进了理论的进一步发展。

主持人：张俊标教授在昨天的大会主旨报告分享中提到过学者需要从the world in the head 转向 the head in the world。请问这如何实现？

张俊标：多数学者的研究往往是从对现实世界的理解开始，但随着研究的深入，研究可能会逐渐偏离最初的现实理解，很容易变成学者单方面地对于现实的想象。这种偏离可能源于理论的局限性或是方法的不足，而要做具有现实影响力的研究非常困难。我在个人的职业生涯中经历了多次失败，其中一些是因为虽然研究结果在理论上是成功的，在科研领域内影响很大，但却没有被企业采用。而另一些则是因为虽然改善了企业的运营，但缺乏足够的理论贡献，因此没有形成高质量的学术论文。我这边的经验是大多数没能平衡好学界与业界影响的项目是因为一开始开题时考虑不足，学者有来自于学校产学研的压力，企业也常常缺乏对问题重要性的认知。我们最近与新加坡航空合作的成功尤其依赖企业对于这一问题的重视，愿意与学者共同讨论解决方案并投入资源使方案落地应用。

主持人：计算机科学相关领域的学者在企业合作的过程中表现出了较大优势，这部分源于他们的学科建设与学生培养本身就更关注企业实践，研究问题更加工程。作为运营管理领域的学者应该如何回应并找出自身的特色？

张俊标：对于年轻学者，不建议把自己限制在某几个研究工具或研究话题中，因为现实中企业的决策问题常常关联到多种研究工具，需要避免“拿着锤子找钉子”的困境。于此相对，学者需要具有快速学习的能力，碰到具体的问题，需要在短时间内围绕解决问题学到相应的技术。

主持人：汪玉兰教授特别擅长分析运营管理所碰到的各类矛盾，并通过机制设计来提升运营系统的绩效，请问汪教授对于数智化会给运营系统带来什么矛盾？

汪玉兰：针对数智化，运营管理领域的学者更关心策略性的机制设计，同样在数据隐私的问题上，计算机科学领域的学者考虑采用联邦学习的方法，是偏向技术性、工程性的解决方案。而作为运营管理领域的学者，更会关注于如何监管企业的算法，设计机制平衡各方利益。我先生老家在湖北农村，有很多年轻人从事货运司机。在平台经济兴盛之前，他们还有得赚。但是，随着线上货运平台的进入，个体经营者反而因这些算法变得入不敷出以致宁愿不去工作。因此，在算法设计时，需要考虑公平性和社会责任。这反应了运营管理领域的学者思考研究问题与计算机科学的不同之处。

主持人：詹若涵教授经历过学术训练并非来自于管科，在进入管科领域的教学研究职位后有什么体验与思考？

詹若涵：由于个人的学术训练始于数据科学与计量方法，基本所有问题本质上都可以被视为数据驱动。当进入管科领域时，发现需要结合更加结构化的模型和思考方式。刚刚张骏标教授提到企业合作过程中有的失败经历，从个人而言，学术的体验是满足对世界的好奇，也常常面对学术研究与企业项目的失败。相比之下，失败像是常态，而成功是意外的惊喜。我认同汪玉兰教授关于运营管理领域的研究特色，自己由于具有经济计量的背景，在考虑解决现实问题时，在面对实际问题时会更加注重因果推断和对反事实结果的分析。对于刚刚提到的平台性企业对于微小参与者可能存在的压榨问题，基于过去的工作经验，观察到平台企业在处理与小参与者的关系时，会在参与者成长初期提供额外的流量和支持以帮助他们成长，这种策略不仅促进了参与者的发展，也使平台在长远中获得了收益。这种经验区别于当下关于大平台压榨小参与者的主流观点，大平台对小参与者的影响是复杂的，既有积极的一面，也可能带来压榨和利用。

主持人：可持续发展的企业运营在实践中非常重要，但从学术研究角度来看，如何挖掘其特征作为突破点，从而与过去的文献区分开来？

汪玉兰：可持续运营管理的核心是发展的多目标性。企业考虑经济利益时，还需要考虑环境和利益相关者的影响。因此，以前的研究多侧重于成本、经济分析，在可持续运营管理领域，需要同时考虑上述三个因素。此外，联合国的可持续发展报告提供了许多关于现实世界的独特描述，这为我们的研究提供了丰富的数据和案例。例如，基于过去的研究经验，发现企业在应用区块链提供信息时可能存在动机提供不实信息的问题，因此我们需要更多地关注管理层级中的动机和机制设计，确保信息的真实性和有效性。

张俊标：在与企业合作的项目中，常常能感受到企业对可持终发展的重视，这为我们提供了理论和实践相结合的研究机会。在开展可持续性发展的研究中，学者需要花更多精力需要关注运营的细节，不能仅套用一些笼统的可持续发展的概念，而应深入到具体行业中，关注企业具体运营决策如何影响可持续发展的不同目标。

主持人：接下来，进入观众提问环节。

观众：刚才张俊标教授提到，为了回应主持人提出的问题，昨晚彻夜难眠。这令人联想到学术界的考核压力，令大部分青年学者很难在考核期内放松休息。

张俊标：基于个人经验，难以入睡的体验更多是由于思考研究时大脑过于兴奋，而非面临学术考核的压力。

观众：为了研究可持续发展，运营管理如何在其他管理学科中脱颖而出？相比之下会计金融已经有相对成熟的研究可持续发展的主题和方法。

汪玉兰：基于与其他学科学者的合作发现，不同研究领域所关注的核心问题并不相同，即使从同一个问题出发，各自都倾向于回应自身领域内的核心问题。而目前可持续发展领域，运营管理的讨论核心是供应链以及更具体的企业决策，相比之下其他管理学科会关注并提供更宏观的决策分析。

观众：联合国的可持续发展报告中提到了碳排放范围三，但相关政策还未正式落实。对这些还未落实的政策，作为学者是否应该提早对此进行分析预测，还是等政策落地后观察到部分反馈后再分析其机制并提出改进方案？

汪玉兰：虽然在政策实施前分歧其利弊有一定风险，但是学者应该尝试引领政策讨论，并提供具有前瞻性的学术意见。过去曾经做过关于服务系统中的性别研究，并在早于现实应用提出了匹配同性别员工为顾客提供服务的可能。这一研究发表后，最早在北美受到媒体关注。近期，打车服务巨头Uber和Lyft都不约而同地开始为女乘客匹配女司机的选项。而最近滴滴打车进行的顾客调研中发现，提供匹配女司机的选项是国内顾客当前最期待的新功能之一。这一研究经历正好反应了优秀的学术研究具有引领企业策略与社会讨论的潜力。

主持人：在圆桌论坛开始前，我们提前联系各位教授，希望每人推荐一本读过对研究有一定启发性的书籍，我们很期待他们的推荐和理由。

张俊标：我的推荐是Christian Rudder的Dataclysm: Love, Sex, Race, and Identity--What Our Online Lives Tell Us about Our Offline Selves。这本书从人们在网络世界中的行为数据得出了很多有趣结论，部分结论与我们的认知和常识并不完全一致。我觉得这本有趣的科普读物既能让读者感受到放松有趣，也能启发一些现实研究的新角度。

汪玉兰：就像我之前在回答中提到的，联合国去年发表的Global Sustainable Development Report (GSDR)是一份对有志于可持续发展研究的学者非常有实际意义的材料。我们可以从中了解当前的实践进展与未来的政策框架，据此发掘领域关注问题作为未来潜在的研究方向。

詹若涵：我推荐的是Nate Silver的The Signal and the Noise: Why So Many Predictions Fail--but Some Don't。这本书恰好呼应了我们今天讨论到的一些问题，即从数据直观获得的结论常常是不准确的，因此需要学者应用更严谨的分析的方法去除数据中的的噪音，使得产生的结论及应对策略更加稳健。

4