供稿：畫火禦寒
採訪：留德華叫獸
運籌OR帷幄“深度訪談”本期嘉賓：悠樺林首席優化科學家丁偉軍
微信公眾號後臺回覆“悠樺林招聘”，能獲得獨家BOSS直聘和名企內推機會。
編者按：
悠樺林是以運籌學，機器學習與可視化技術為核心驅動力, 為企業提供由數據驅動的智能決策解決方案的一家創業公司。目前主要應用領域主要集中在航空和物流等行業。
1、嘉賓介紹
丁偉軍，清華大學工業工程學士，佐治亞理工運籌學博士，曾在美國優步工作，現悠樺林首席優化科學家。
2、Q:能否簡單的介紹一下悠樺林，和你在公司的職責？
A：悠樺林的前身Decision Making Technology 是2013成立於美國，2016年3月整個團隊決定回到中國成立悠樺林。它是以運籌優化、人工智能和可視化這三項作為核心技術，幫中國的企業提供決策自動化和智能化整體解決方案的一家創業公司。
我在公司主要是負責優化算法部分，優化算法團隊由我帶領。
3、Q:你們的融資現在到第幾輪了？規模如何？
A：目前公司已完成了天使輪和A輪融資，上次融資是在去年10月份落實，融資金額超過3000萬元。
4、Q:我看公司很多創始人包括你自己都是佐治亞理工畢業的，這裡面有什麼故事嗎？
A：12年東航和佐治亞理工開展了一系列的項目合作，希望通過數據、優化和自動化的決策來為公司進行賦能。當時是和佐治亞理工系統與工程學院有兩個項目，一個是關於機組人員排班，另一個是關於動態定價。我、肖芳芳都是這兩個項目的主要參與人。後來我們是通過某些契機瞭解到國內各個企業無論是航空還是物流,對優化都有巨大的市場需求。這就是成立公司的源頭。
5、Q:你為什麼會加入悠樺林？
A：其實回國一直是我在考慮的問題，我感覺從13、14年開始，國內對運籌學，供應鏈、數據挖掘，通過數據對信息的提取，然後用優化的方法來為企業增加收益，節省成本這種趨勢非常明顯。運籌學近三四年在國內的發展趨勢非常好，所以我一直在關注國內的這些機會，看怎麼能夠把優化這些應用到國內的具體問題中去。
加入悠樺林因為我最早在13年的時候也參與了東航的動態定價的項目，和公司其他創始人的關係非常好，所以一直對公司也比較關注，加入到這裡沒有一個特別明顯的契機，就是說我一直有這個回國工作並在優化領域發揮所長的願望。所以今年3月份決定辭職，加入悠樺林。另外相對來說，在悠樺林這樣一家創業公司，感覺空間和自由度更大，能夠做的事情更廣一些，這也是一個很大的原因。
6、Q:注意到創始人裡還有著名的Ellis Johnson教授，是他支持著成立公司嗎？
A： EllisJohnson就是之前提到的13年成立的那家美國公司DMT主要的創始人，也是悠樺林的創始人。他是絕對支持成立悠樺林這家公司，他是我們公司的首席科學家，在航空、物流領域有很多經驗，也是佐治亞理工物流中心的創始人。我們每過3、4個月到美國或者平時通過Facebook，會不斷地向他請教一些關於行業或者是算法這方面的問題。
7、Q:您們招聘員工有什麼硬性標準？哪一個專業的員工是你們現在最缺的？
A：我這邊比較關注的是算法工程師的加入。沒有非常明確的硬性標準，簡單總結下，就是希望有研究生或者博士生的經歷，對優化算法，優化模型或者統計模型等有更深入的一些瞭解。沒有說一定是國外名校的或者GPA還是論文級別數量等這種硬性要求。但是如果有像類似於亞馬遜，Sabre，Uber，Facebook等這種將算法實際落地實施的經驗的工作經歷，是一個很大的加分項。
專業：優化（工業工程、管理科學與工程）、機器學習、統計
實習要求：歡迎對優化應用、機器學習和統計應用有興趣的學生來學習，希望實習階段長一些，需要在公司至少兩三個月。另一方面如果該學生在實習以後能夠和公司有一些合作也是非常好的契機。
實習生的項目：比如物流領域具體場景的問題，可能需要去測試不同的算法或者模型但是可能這些算法時效性表現不一樣，所以會去請一些實習生來協助開發或測試一些算法；針對某個客戶的具體要求，如何去更改一些經典模型假設，經典模型的建模思路，甚至是設計全新的模型和算法邏輯，使整個模型能夠應用到具體問題中去。
8、Q:悠樺林現在的盈利模式和主要業務方向是什麼？一般一個項目的週期有多久？如何跟進？
A：我們目前有很多產品是面向航空業和物流業的，同時也在向新行業拓展。
盈利模式：主要是產品加輕量諮詢這種形式。產品基本就是以軟件為主要展示形式，只不過是我們的軟件是結合大數據平臺，結合了業務和模型算法的，而不是純IT開發的。諮詢是類似於解決方案的諮詢。目前只針對於公司自己的產品做諮詢，如果客戶購買產品，而不是特別擅長使用，我們公司會根據我們自己的產品提供解決方案。
實際案例:銷售的具體流程各家一般是不一樣的，都有自己的方式。很多是市場和銷售團隊開拓出來的，也有現有客戶推薦的，或者是客戶自己哪裡看到官網找過來的。大單這方面：我們標地高的有一些是過千萬的訂單，也有一些百萬級的。目前客戶主要是航空和物流，最早做的是航空，我們是在航空簽了5家客戶後，開始進入物流行業。
項目週期：取決於具體的合同，例如乘務排班，如果只簽訂一個基地，可能一個月就實施完成了，如果是簽訂15個基地，那時間肯定就會相應長一些。。不過按照目前的感覺，一般標的比較大一些的單子，可能實施週期就長一些，航空的實施週期會比物流的長一些。
如何跟進：一個項目的開展往往會經歷很多階段，尤其是這種運籌優化的項目，比如做科研，首先會有假設建模的過程，再有數據採集的過程和最後實施的過程。在實際中做一個項目，也是這樣的過程，只是比重分配可能不一樣。例如早期我們會花費很多時間去和客戶探索這個問題真正的痛點在哪裡，有一個需求摸索的過程；之後會有一個問題建模，來看些用什麼方法來解決這個問題；最後是怎麼落地，怎麼做一些後續模型的微調。當然中間會包括落地實施、系統設計方面的內容。
9、Q:悠樺林目前有推出產品嗎？
A：我們已經推出相對標準化的產品，目前在航空和物流領域相對成熟一些，並在進行逐步迭代。因為針對於同一類問題，其本質相當類似，所以做產品標準化是比較合適的。產品就是我們會有產品原型，在接新客戶的時候會根據客戶需求有部分微調。
10、Q:以後產品化主要的方向是？
A：我們會持續關注哪個行業對優化的需求量大，然後根據各個行業的需求量和標的價格，我們有先有後的逐漸進入相關行業，目前在考慮的可能有金融、製造業、供應鏈等。
11、Q:我看到公司創始團隊包括您自己都有在 Sabre任職的經歷，接下來的目標是打算做成中國的 Sabre嗎？
A：我們目前沒有目標做成中國的Sabre，而且我們公司很多程度上也和Sabre是不太一樣的。Sabre是一家專注於航空業的企業，但我們並沒有將我們的目光僅停留在航空業。雖然我們公司是從航空業的產品開始的，但是我們很快就把我們的視角範圍擴大到了一些OR和數據科學能夠發揮巨大作用的領域。所以我們從這個意義來說，我們沒有要成為中國的Sabre的想法。但是有些方面是相通的，比如說我們想通過OR的技術去解決一些OR可以發揮巨大能量的行業問題。我們對標的行業要比Sabre更加廣泛一些。
12、Q:你們提供的產品是否在國內民航業有了比較成熟的應用？
A：我們有幾個產品都已經比較成熟，並且有航司實施部署驗收的案例。例如我們公司提供的排班系統，，已經和不同的客戶簽訂了四五份合同。應用下來的反饋都是非常不錯的。就東航來說，可以增加10%以上的休息時間或者減少10%的人力成本我們的產品基本都是是減少成本，提高效率，減少操作員工作量。
13、Q:因為看到您在佐治亞理工的研究方向是定價方向，所以想問下悠樺林在定價方面的核心優勢在哪裡？
A：一方面結合我之前做過的定價方面的研究來說，我認為我們提供的這套解決方案哪怕在國際上，無論從技術水平還是現實角度來說都是比較領先的。另一方面，因為我們服務過國內不少的客戶，對國內的數據和業務的整體情況有一個大致掌握，所以我們對本土市場的瞭解是另外一個優勢。
14、Q:除了做航空優化和物流優化，你們之後有沒有打算進入一些其他領域，例如，金融，電商、製造業?
A：我們對進入其他行業這一點是呈開放態度的，我們目前進入的是航空和物流行業，並且都有比較穩定的客戶下一步針對金融，能源，交通，製造業，醫療這些在已經被證明優化是可以發揮巨大能量的行業會持續關注。同時我們也會有戰略上的考量，比如說先進入哪些行業，後進入哪些行業，我們也想形成自己的核心競爭力，對該行業有個非常準確的把握。
15、Q:您覺得不同行業對運籌優化的業務需求上有什麼不同？你們是如何針對這些不同做出相應的調整的？
A：不同的行業對問題的定義是不一樣的，所以在這個過程中，怎樣能夠做到提供的解決方案最有效就是前期的調研是非常重要的，一定要抓到問題的本質，知道對方真正的痛點在哪裡。
16、Q:機器學習和深度學習在悠樺林運用的具體案例有哪些？
A：機器學習和深度學習在我們公司應用的非常廣泛。就像之前提到的做研究寫一篇論文，我們可以直接假設說我們問題的參數和需求，然後來做一個優化，提供一個算法知識。但是實際中這些參數或者說輸入並不可以假設，是需要在實際中提取。或者另一個角度說，判斷一個實際問題做的好與不好的一個很重要的關鍵是輸入是否準確或者說是假設是否合理。在這個過程中，機器學習的方法就顯得尤為重要。另一種場景，即使不以優化為依託，對於我們服務的很多行業，比如物流是非常希望知道自己未來的需求是多少；再比如航空裡面的收益管理，營銷推薦也是需要知道顧客偏好。同時，我們也有一些產品，是用機器學習的結果去增強優化的落地性，和客戶的真實場景進行更高層次的結合。所以這很多方面，對於機器學習和深度學習來說是一個非常合適的應用領域。
17、Q:現在有很多關於大數據運籌優化的初創企業，悠樺林的核心競爭力是什麼？
A：第一，是我們的團隊，團隊裡面的人員都是有優化或者機器學習的背景。這個是非常難得的。
第二，是我們的技術積累，像航空裡面的優化問題機組排班或者物流裡面的VRP問題都是OR中經典的、實際應用難度非常大的問題。我們公司是從最難的問題開始，花費很大經歷去把對算法、時效要求都比較高的問題解決的不錯，並且得到客戶的認同。我們是從這些問題開始，在這個過程中就積累了很多算法和優化方面的技能。
第三，是我們有很多對業務場景十分熟悉的一些員工，他們非常懂物流和航空的背景知識，都在對應行業有較長時間的這些行業知識是在解決實際問題中非常重要的。
18、Q:能不能談一談運籌學在中國未來發展的前景如何？在中國開展業務有沒有遇到什麼阻力？
A：前景非常光明。中國的很多行業，例如物流、電商可能已經過了快速發展，依靠補貼瘋狂拓展的時期。目前像物流、航空更多的關注怎麼通過優化的方法節約成本、增加收益，像電商更希望對供應鏈進行更精益化的控制，來對客戶響應，服務上面有一個質的提升。總結來說，越來越多的行業對優化、對通過機器學習和統計在數據中提取有價值信息這一概念越來越認可。這與我剛剛在國內研究生畢業出國時期是完全不一樣的場景。
困難：一方面因為是從一個階段轉向另一個階段，所以很多程度上是從更高層上認可運籌學，但是針對於細節還不是很瞭解，所以在做項目的同時也不得不做一些知識普及的過程，這時候就需要一些溝通上的技巧。另一方面國內優化的人才相對於國內運籌學的發展速度還是略顯得不足。
另外微信公眾號後臺回覆“悠樺林招聘”，能獲得獨家BOSS直聘和名企內推機會。
如果你對某個學術大牛的求學經歷和學術經驗感興趣；如果你有特別的問題想要問某個企業高管，又或者有任何意見或建議，歡迎在微信公眾號後臺留言。
原文鏈接：https://mp.weixin.qq.com/s/N1TS1X6SzymEnF873RWoDw
版權說明：本文由『運籌OR帷幄』編譯整理，不作為商業用途，如有內容侵權，我們將隨時刪除。
歡迎查看原文，獲取更多訊息！
閱讀更多 留德華叫獸 的文章
