个人简介：现任智数资本合伙人，从事产业数字化方向的投资和咨询。具有20年以上的数据挖掘和系统研发经验，曾在美国Altera、美国Yahoo、空中网、WPP集团、Omni-Dimension等企业担任资深工程师、VP、CTO和CDO等职务。在SIGIR、ACL、IEEE等重要学术刊物和会议上发表论文6篇，并申请多项专利，其工作成果也多次获得业内大奖。毕业于清华大学和美国University of Arizona，获得了管理信息系统专业的学士和硕士学位。 

个人简介：曾就职于中国搜索、搜狐畅游等互联网公司，现任竞技世界网络技术有限公司首席数据科学家。主要研究领域包括互联网用户行为挖掘、知识图谱、精细化运营、产品分析、社交网络挖掘、反作弊、风控体系、推荐系统、数据可视化等。CCF TF数据科学SIG主席，国家技术标准创新基地（贵州大数据）数字经济专业委员会专家，中国教育创新校企联盟首席数据科学家，北航兼职硕导，西安交大研究生院授课专家，多所高校兼职教师，多个技术峰会演讲嘉宾及出品人。

主题报告一：考虑消费者多阶段购物过程的动态贝叶斯网络产品推荐——营销漏斗视角

主题简介：大数据与AI的快速发展，极大促进了管理决策智能化。但管理场景的跨域高维复杂性，效果评定的主观扰动等，使得机器学习方法在管理决策应用中“黑箱”现象更为凸显，即管理决策可解释差。本次分享将结合营销漏斗理论，基于消费者在线购物的情境特点和多阶段动态性，提出一种基于多阶段动态贝叶斯网络的推荐方法，可对消费者隐性的心理阶段转移和兴趣转换驱动的产品交互行为的生成过程进行建模和学习。该方法在具有良好的推荐精度的同时，还提供了另一种从消费者可观测行为探测不可观测心理阶段的解决方案，具有更好的可解释性，更有益于设计相应的营销策略。

个人简介：卫强博士，清华大学经管学院管理科学与工程系副系主任，长聘副教授/博导，人工智能管理研究中心副主任，医疗管理研究中心副主任。研究兴趣包括大数据与商务分析、机器学习，智能推荐等。在管理科学与信息系统领域顶级期刊（如MISQ、ISR、INFORMS JoC、ACM TKDD）等发表论文40余篇。

主题报告二：基于广告展现数据的竞争环境分析及应用(以SEM广告为例)

主题简介：在线广告正在被越来越多竞争激烈的行业列为推广的必备手段。这些行业大多面临着一系列共性的挑战：竞品众多，市场格局尚未定型，产品/服务趋同。想要在这样的市场中守好自己的用户阵地，广告主不但要充分利用好自己的推广效果数据，还要充分考虑到行业竞争格局和主要竞品的投放策略，在知己知彼的基础上进行做好有针对性的推广。本例以搜索引擎关键词广告为例，展示一种通过爬虫采集公开的广告展现数据和提炼行业竞争格局、竞品投放策略的方法。

个人简介：狗熊会在线实习项目研发总监，西安欧亚学院特聘教师。北京大学光华管理学院商务统计硕士。专注互联网数据的分析与价值实现，曾服务于阿里巴巴集团、美丽联合集团、宝宝树等企业。合著有《数据领导力：人工智能时代数据化转型的关键路径》一书。

主题报告三：智慧零售场景中的标签体系设计与应用

主题简介：人工智能技术的飞速发展为各行各业带来了前所未有的变革与机遇，那“人工智能”+“零售”能碰撞出怎样的火花呢？本报告着眼于人工智能时代下智慧零售的新业态。通过打通消费数据、商品数据和门店数据，构造人（顾客）、货（消费）、场（门店）三位一体的用户标签体系。以此为基础建立丰富的用户画像，准确判断用户需求，并进一步实现商品、服务、广告的个性化推荐，从而助力智慧商超的发展。

个人简介：中国人民大学统计学院副教授。研究上关注文本挖掘及其商业应用、社交网络分析、大数据建模、贝叶斯分析等，研究论文发表于Journal of Econometric, Journal of Machine Learning Research, Information Sciences，中国科学（数学）等统计和计算机领域的高水平期刊上。主持并参与了国家自科基金项目、教育部社科重大项目、国家重点研发项目等多个课题。

主题报告四：数字化转型的挑战和模型可解释性

主题简介：“The world has gone digital, and there’s no going back. ”各行各业都在思考和拥抱数字化转型，试图通过运用互联网、数据分析、统计建模、AI和IoT等技术对业务体系进行改造，达到提升用户体验和降本增效的目的。但是在数字化转型过程中，我们会遇到组织、文化、信任、技术等各方面的挑战。其中，如何打开复杂机器学习模型的“黑盒”，让AI决策为普通人所理解和接受是一个重要问题。围绕上述话题，我将介绍数字化转型的主要挑战、AI“黑盒“问题和相应的解决方法。

个人简介：现任智数资本合伙人，从事产业数字化方向的投资和咨询。具有20年以上的数据挖掘和系统研发经验，曾在美国Altera、美国Yahoo、空中网、WPP集团、Omni-Dimension、猎聘担任资深工程师、VP、CTO和CDO等职务。在SIGIR、ACL、IEEE等重要学术刊物和会议上发表论文6篇，并申请多项专利，其工作成果也多次获得业内大奖。毕业于清华大学和美国University of Arizona，获得了管理信息系统专业的学士和硕士学位。 

主题报告五：因果推断在快手的应用

主题简介：因果推断是数据科学领域一个重要的分支。什么是因果推断？因果推断的两大理论框架(Rubin's Potential Outcome 与 Pearl's Causal Graph)的区别与联系是什么，又怎样应用于互联网公司的用户理解与运营、产品设计与推荐算法的评估中？本次沙龙对因果推断的理论进行简要介绍，和快手业务相关的因果推断体系和工具，以及如何将因果推断与机器学习方法进行有效地融合。

个人简介：清华大学学士，UT-Austin经济学博士，2017年起在福特汽车公司担任数据科学家，从事美国市场电动汽车的长期产量规划与竞争者分析，以及中国市场终端销售补贴策略优化。2019年加入快手，负责流量资源定价与机制设计、评估推荐与产品策略的长期生态影响、复杂实验设计与分析、因果推断的方法论研究等等。