第四章分享:“业务引领的商业数据挖掘过程”章前导读

人工智能与商业数据挖掘：思维、方法与案例

在人民大学商学院读博士期间，我遇到过一件非常有趣的事情，也是至今依然影响我的一件事。讲授《博弈论与信息经济学》的刘老师竟然在课堂中公开鼓励我们把一份作业交给不同课程的老师！我们起初以为刘老师是在开玩笑，但在刘老师解释之后才明白他的真正意图：《博弈论与信息经济学》是一门偏向于工具的方法课，他希望我们尽可能加入其他课程或学科的知识，以多元融合的视角去发现问题、分析问题及解决问题，毕竟原封不动的一份作业肯定无法满足不同课程的要求。如果要满足不同课程的要求，需要我们将原始版本的作业与其他课程融合，或者在作业设计之初就进行跨课程或学科设计，从而实现“一份作业、多次使用”的目标。

相信刘老师的做法也是很多老师的日常教学理念或实践。对于商业数据挖掘等工作，这种交叉融合的思路一样适用，而且非常关键。有效地融合业务知识与数据分析技术，会让数据分析工作更加接业务的地气。毕竟数据分析技术是工具，具有行业“中性”的特征。换句话说，当我们使用数据分析技术去解决行业问题时，首先要求我们去理解行业背景、掌握领域知识，在此基础上将技术工具与行业知识融合，开展业务（或行业）问题导向的数据分析，才更有可能做出有影响力的成果。

在后来的日子中，我有幸遇到了更多的“刘老师”，他们的经验分享与建议极大地助力了我的学习、科研与教学实践，让我受益匪浅。以科学研究为例，我的研究聚焦于智慧养老与智慧医疗两个主题。但无论是养老还是医疗，都不是商学院或管理学院关注的传统研究对象。如何将这些新兴的现象与数据分析等通用的研究方法结合，构建新的理论来解释和指导这些实践，成了我的日常工作。在合作者的推动下，我们在不断探索“如何开展现象驱动的研究”的些许皮毛，即针对新兴的现象，通过理论（或业务知识）将其概念化、变量化、测量化，在此基础上开展实证研究，从而构建和产生新的理论，解决领域问题和指导政策制订。在探索的过程中，我们不断观察现象，思考、提出和回答了一系列问题。

例如，对于老年人的互联网使用现象，他们在认知及行为等方面与年轻人有什么区别？如何使用合适的概念去刻画这些区别？如何使用变量和数据去测量这些概念？如何解释数理统计的结果？如何将这些结果转化为业务发现或政策语言？又如，对于在线心理咨询平台（如壹心理、简单心理等），可以设计哪些类型的在线服务？如何将传统的无形服务通过线上平台界面或功能传递？针对不同类型的服务，可以设计什么样的运营机制或策略？对于这些运营机制或策略，如何测量它们的实际效果？基于上述工作，如何提出或优化互联网平台治理政策？

针对上面这些问题，我们形成了系列研究成果，幸运地得到了学术界与实践界的认可，肯定了我们在量化平台运营机制与治理策略方面的工作。学术界与实践界的正面反馈，促使我们思考如何将理论研究、数据分析及企业运营进行有效的结合，探索如何讲授本科生的商务数据挖掘课程。例如，尝试在本科生课堂中，逐渐增加企业实践及业务场景的比重，通过实际案例引导学生开展数据分析技术学习，鼓励他们去观察和寻找有趣的社会现象或企业实践，利用专业知识去提出业务问题、设计数据分析方案、收集与分析数据以解决问题、形成业务建议和商业数据分析报告，得到了很多同行、同学的肯定和积极反馈。

正是因为自己读书及工作时期遇到的问题、思考及实践，我们真诚地分享自己的经验，即加强“业务知识与通用技术”的融合，更好地理解和掌握商业数据挖掘的核心。在本章，我们将介绍如何开展业务引领的商业数据挖掘。