如何看待数据科学的新发展与数字化转型？| TF46数图回看

讲者：卫强 清华大学管理科学与工程系副教授，副系主任

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。

讲者：常莹 狗熊会研发总监

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。

讲者：王菲菲 中国人民大学统计学院副教授

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。

讲者：单艺 智数资本合伙人

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。

讲者：金雅然 快手经济学家

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。