- UID
- 1488519
- 在线时间
- 小时
- 注册时间
- 2021-3-15
- 最后登录
- 1970-1-1
- 主题
- 帖子
- 性别
- 保密
|
发表于 2022-3-6 23:17:07
|
显示全部楼层
Data-driven火起来主要还是数据越来越多,同时计量(causal inference),优化(distributional robust optimization)和机器学习(Meta learning, Transfer learning, Metric Learning, Deep learning......)提供的methodology也越来越多。OM/OR从二战那时候诞生之初就是empirical导向的,服务于军事行动,之后因为种种原因analytics一直占据主导地位,在Inventory, Queuing,Transportation,Healthcare等各个领域都建立了很深厚的理论研究基础,21世纪之后empirical又开始pick up。Analytics感觉并不能定性式微,现在去某一个领域的seminar,大部分研究还是analytics为主,和data的结合倒是越来越多,不少做优化的展示case study的时候也会用实际的数据,不只是简单的simulations了。
即使做empirical,modeling需要的技能也特别重要,你自己的skill set决定了能做的研究的上限,而operations这个领域有不少问题都是适合结合不同methodology来解决的(代表性的就是ML+Optimization/ML+Causal Inference),问题导向比方法导向更重要。 |
|