https://zhuanlan.zhihu.com/p/111412225
编者按：为何国内对运筹学的认识普遍比较低？截止2020年2月25日该问题在知乎上有202人关注，39999人次浏览量和18个回答。本文收集了该问题的三个优秀回答，从不同角度阐述运筹学在国内的发展情况。
作者： @周鸿炜， @王源， @留德华叫兽
文章发表于 微信公众号【运筹OR帷幄】： 网页链接
欢迎原链接转发，转载请私信 @运筹OR帷幄 获取信息，盗版必究。
敬请关注和扩散本专栏及同名公众号，会邀请 全球知名学者发布运筹学、人工智能中优化理论等相关干货、 知乎Live及行业动态
更多精彩文章，欢迎访问我们的机构号： @运筹OR帷幄
知乎问题：为什么国内对运筹学的认识普遍比较低？
面试过一些公司，也了解一些国内主要大学的运筹学培养。感觉国内运筹学的培养强度不高（包括理论的证明与算法的培养），国内企业对于运筹学的了解也很少（绝大多数不知道运筹学是干嘛的）。本科生的教育也只停留于课本，对于案例的解析也比较少。上过运筹学的课程本不等于了解运筹学的研究领域。国外的亚马逊以及台积电的运筹学毕业生薪资不低。
回答1 作者知乎ID： @周鸿炜
回答链接：
https://www.zhihu.com/question/270498281/answer/849211680
开不了天眼，找不到最优解
先说句题外话，不光国内对运筹学的认识低，国外也不高。国外的亚马逊、台积电的运筹学毕业生薪资不低，但是就业率不一定高啊。榜样的力量是无穷的，但是既然选择了榜样，就要承认选择偏差 selection bias 。毕竟优秀的例子比比皆是，中位数才是普遍大众的参照物啊。
说回正题：为什么运筹学不被重视认可呢？企业的销售是市值前面的“1”， 运筹是后面的“0”，没有“1”，“0”毫无意义。运筹学不能让企业起死回生，只能让企业活着更舒服点，但得先活着。企业决策，开不了天眼，找不到最优解。
运筹学主要是围绕着优化理论的一门学科，不设计新的产品，不提供新的功能，往往在现有的基础上提供高效的解决方案，用更高的效率、更低的成本来完成既定的任务。对于数据各方面的依赖程度非常高，但更多时候不能够给企业运营带来有效的收入，稍有不当，还损失严重。同时企业当中，对这方面的需求不是不可或缺。管理层的态度也很是暧昧，如果没有，企业也能活着，如果有，也不一定能活的好到哪里去。如果企业是做技术输出产品的，可能技术层面需要运筹学方面的专家解决一些优化问题，比如
- 数控机床怎么排序完成加工工序
- 外卖小哥怎么优化送餐路线
- 共享单车怎么优化定价效益最优
这些都是一个很窄的技术领域的技术问题。很难成为公司运营的支柱。举个例子，外卖公司没有运筹团队，用个贪婪算法找个局部最优优化一下送餐路线，也能完成任务，就是净利润少点。但是如果花大力气做市场开发，想方设法增加订单数量，订单多了，市场占有率高了，可能优化水平不强也看不出太大的问题。再加上所谓的最优化的解又可能因为数据、时间、市场外部变化等等的因素给实施带来很多的限制，最后实施出来的并不一定是最优解，那么也就很难让公司运营的大佬们提起兴趣，因为他们关注的永远是销量、市场占有率，先能卖出产品卖出服务，才能谈优化。这也是核心运筹学得不到普遍认可的原因吧。企业当中目前这个阶段，数据永远是不完善的，除了很多细小的技术层面的问题，很难创造实验室科研的那样的理想环境，没人开天眼，也难兼顾到方方面面，也就很难用运筹学找到一个最优解。这也是运筹学在应用的企业应用的瓶颈。
反观程序员，哪个app有bug大家上网骂，不好用最后弃用，那这个企业就黄了，那程序员不重要谁重要呢。否则，还没优化呢，产品都没了，企业也就没了。大部分中小型企业需要解决运筹学的问题也着实不多，请个咨询公司做做应急也不是不可以，也没必要花大价钱维护一个运筹学的团队，毕竟没太听说哪个公司没有一个好的运筹团队而倒闭了。
最后说回工资的问题，国外大企业运筹学毕业生工资不低？国外大学单开运筹学专业就不多，大企业只招运筹学的也不多，运筹学基本就是武器库中常规武器。造诣深一点的，做的更specialized的工作，造诣浅的基本理念也能聊。这些大企业招运筹毕业生工资不低，招别的专业的毕业生工资一样不低啊，可能就是大企业对应届毕业生的薪资标准高，和专业关系不大。连知乎劝退大户生化环材的毕业生大企业也有给高工资的，就是岗位少嘛。牛人能人sell的是自己的学习能力，不是自己什么专业，所以高薪也就是买人家的学习能力。牛人读了不好的专业，换个方向冲一冲，还是牛人。非牛人，能以牛人为榜样，但能不能走出牛人的轨迹就因人而异，大多还是脚踏实地，找到适合自己的发展道路，努力给自己的职业发展找到一个近似最优解。
回答2 作者知乎ID： @王源
我认为目前在国内认识比较低的原因有以下几个：
1、研究运筹学的人非常分散
运筹学本就是交叉学科，目前国内在本科阶段学科划分上并没有单独一个叫做运筹学的学科。那么目前研究运筹学的人分散在如下几个学科：1 数学学院下面的二级学科运筹学与控制论，这波人主要是搞应用数学的，主要是从数学角度来研究运筹学；2 工科里边自动化下属的二级学科系统工程，可能看学科名字大家不太能将系统工程和运筹学结合在一起，但是系统工程主要也是研究优化理论的；3 经管学院下属的管理科学与工程，管科不用说了很多问题最后回归到本质还是运筹学的问题，高中生可能觉得管科偏人文学科，但是内行知道管科里边真正硬核的东西都是偏理工科的；4 工业工程专业（IE专业），本来IE专业应该是研究运筹学最正宗的专业了，可是国内的IE专业貌似和国外稍有不同；5 其它一些专业，例如物流相关专业，经济学金融学相关专业，交通运输相关专业，这些专业都会以运筹学为工具来解决自己学科的问题。CS专业中也有做运筹学研究了，例如图论，组合优化等等这些都是CS专业也有研究的。
由此可以看到研究运筹的人分散在各个学科里边，这就导致很多人可能在用运筹优化作为工具解决自己的问题，但并没有特别关注运筹优化这个学科本身。当然你会想目前大火的人工智能，机器学习不也是比较分散嘛，近1-2年是刚成立了人工智能专业，可在这之前人工智能也面临着和运筹学类似的问题。
2 运筹学在业界的应用有着诸多瓶颈（制造业尤为突出）
虽然运筹学在金融领域，物流领域等等新兴行业中也有很多应用，但是个人感觉运筹学在制造业中的推广应用尤为重要。那么运筹学在制造业中的推广应用和前面提到的新兴行业有什么不同？我觉得有以下几点，
1、国内多数制造业企业甚至还未完成数字化和自动化，数字化和自动化是运筹优化能应用的一个基本前提。我们运筹优化问题建模需要数据，分析优化得到的结果也需要数据，很多制造业企业没有数据或者数据不全或者数据质量不高（数据有大量错误）或者数据分散在不同部门不同的软件系统里导致提取数据难度极高，对于做优化算法的人来讲数据是我们的输入，输入不好，你的算法也是巧妇难为无米之炊。这一点是运筹学应用和人工智能的不同，人工智能主要是互联网IT公司来引领的，互联网公司天生就是数字化的，自然这方面问题就少很多了。
2、制造业企业业务人员的素质相比互联网行业新兴产业确实是要差一些，这造成一个问题就是业务人员和优化算法工程师之间沟通成本极高。业务人员不理解运筹优化，算法人员不理解业务逻辑。以前在学校里觉得这沟通应该不是问题，坐下来开个会，你业务人员把你的工艺要求（约束条件）和你的考核指标（目标函数）都告诉我，我咔嚓就把优化模型给你写出来，完事一求解就可以了。实际中企业中沟通成本极高，并不是坐下来开一个会就能解决，可能要开十几个会，还需要去现场调研若干次，和一线操作工沟通和部门领导沟通和IT沟通。举个例子来说：我第一次去业务部门开会，他们PPT里出现十几个英文首字母简写我都不理解是什么意思？一次两次你可以问人家，十次你能都问吗？每个行业甚至每个部门都有自己的术语（黑话），你不理解这些你连对方说啥都听不懂，何谈沟通呢。
我们国家要完成产业升级，我觉得运筹学在制造业的应用就是产业升级，提高生产质量降低成本的最好的一个途径。但是如上所述想推动运筹学在业界的应用绝非那么简单，很多问题并不是算法层面的，我们的任务还任重而道远。
3、运筹学需较高的数学和CS基础，优质人才培养难度大
我本科是自动化专业出身，本科修过运筹学这门课，很多工科专业貌似也有修过运筹学。国内本科阶段运筹学教育仍侧重计算，而且是用手算。我想这都21世纪了，计算机早都普及了啊，我们还在用手算完成单纯性法进基出基那些繁琐的计算，人类聪明的大脑是让你思考有价值的问题的，不是让你做这些重复的运算的。难道就不能编程实现吗，哪怕你不懂单纯型法的原理，你照着书本用C++,Java,Python撸一遍单纯型法也比用手算强太多啊。想想本科课程这么做有两个原因，1是本科课程设计思维模式还停留在上世纪，停留在计算机不发达的时代，还在延续着以前的惯性，2是考计算方便考试。这样的本科教育导致大家学完运筹学课程后感觉就是一通计算，背后的数学原理没掌握，编程实现也没碰过。真正到要用的时候理论和应用两抓瞎。
所以回归到运筹学的基础就是数学和CS，这两项功底深厚了才能支撑住运筹学，否则就像我们本科运筹学的教育一样，流于表面上的计算形式，看着学生们热火朝天的进行了一堆运算，考试考完了大家也都忘记了。最后就是理论理论没搞懂，编程实现编程实现也没做。
回答3 作者知乎ID： @留德华叫兽
『运筹OR帷幄』在国内推广运筹学，因此也算有点体会，从学术界和工业界两个方面聊聊。
1. 学术界
正如所说运筹学集合是数学、计算机、工程以及各个特定应用领域的高度交叉的学科其基础是数学、计算机：运筹学与控制论、优化理论、算法按应用领域又广泛应用于：物流、供应链、交通、能源、电力等国内和运筹学高度相关的专业：
数学系下的运筹学与控制论专业
管理学院下的管理科学系/专业
工程学院下的工业工程系/专业
不仅在国内就连国外也很少存在运筹学这个专业更别说以运筹学命名的院系了。因此
不是这些专业的学生对运筹学这个名词甚至都是陌生的，而上述相关专业的学生因为运筹学只是其中的一个小分支/研究方向并且运筹学学科需要牢固的数学原理和算法基础
大多数人对此怀着敬畏之心因此对于运筹学的认同/归属感不足。
2. 工业界
因为其在美国工业界的经验剖析得已经比较全面和生动了。这里仅作补充在全球范围运筹学只能为企业锦上添花而做不了从0到1开创性的贡献因此其实运筹学在全球的认可度都不高这里举一个导航软件APP的例子：
程序员和前后端开发做出了0到1的开创导航中的核心算法“路径规划、最短路径问题”属于运筹学的范畴，但作为用户你最关心的导航软件一定是它的UI（用户操作界面）以及支持的功能（例如是否有限速提醒、探头提醒等）算法部分只要够用就行（最简单的贪婪算法拿来用），作为用户你会不会打开两个导航软件对比哪个软件的线路更短、用时更快？比如从上海浦东机场到上海大学宝山校区百度地图给出的路径长53.5公里、用时52分钟
而腾讯地图给出的路径长53.7公里、用时56分钟
而作为用户的你是因为这多出来的0.2公里和4分钟才选择的百度而不是腾讯么？
因此全球的中小公司都宁愿选择砸钱雇很多UI、美工设计师也不愿花钱雇第二个运筹学算法工程师
中国当前发展状况而言数据、数据、数据运筹学这门学科的基本假设是建立在数据基础上的这是一个长期基础建设和积累的过程这也是我与国内许多运筹学咨询公司CEO们聊天过程中他们一再向我吐槽的在国内开展业务的痛点例如工厂流程优化的项目需要工厂流水线相关的一系列数据的收集包括人员排班情况、每部机器的运行参数和数据、传感器数据、生产计划数据等并且将之系统地保存在一个大一统的MES系统中以便调用但是目前国内中小企业更关心的只是生存问题根本还没有多余的精力和资金购买昂贵的传感器和管理信息系统更不用说再雇用运筹学算法工程师或额外购买优化系统了而大型公司则是充斥着很多套系统每套系统不互相兼容没有统一的行业规范因此需要招募大量的大数据工程师从不同系统中调出运筹学优化模型所需要的数据并做数据清理、补全等等。
这样一来企业管理者一看上一套流程优化的系统需要伤筋动骨花费这么多人力物力也就望而却步了更不用提真正的业务实施过程中与人打交道的因素人力排班优化后减少了N个head count导致他们失业导致工头手下人数减少不配合你怎么办?
道阻且长但相信明天会更好。
更多精彩文章欢迎关注我们的机构号@运筹OR帷幄
来源：oschina
链接：https://my.oschina.net/u/4264621/blog/3203076