運作優(yōu)化是一種典型的工業(yè)大數(shù)據(jù)應用，包括生產計劃優(yōu)化、車間生產調度、庫存優(yōu)化、物流優(yōu)化、運維路線優(yōu)化等典型場景。在技術上，運作優(yōu)化通常基于運籌優(yōu)化算法，與基于數(shù)據(jù)挖掘（或機器學習）的大數(shù)據(jù)分析題目有明顯的區(qū)別。本章從二者的技術差異性開始，討論運作優(yōu)化課題的推進方法。
1、運籌優(yōu)化與數(shù)據(jù)挖掘課題的差異
數(shù)據(jù)分析課題的目標通常是從大量數(shù)據(jù)中，去發(fā)掘隱含的規(guī)律與知識，也就是說，其背后的運行機理并不完全清楚。數(shù)據(jù)分析課題的成功在很大程度上依賴于數(shù)據(jù)（以及數(shù)據(jù)是否可以完美反映物理世界），其技術風險在課題定義階段并不能完全識別，只有在執(zhí)行階段，隨著對數(shù)據(jù)和業(yè)務的不斷深入，才能發(fā)掘其技術風險，因此在CRISP-DM等方法論，特別強調數(shù)據(jù)分析課題的迭代性。
而運籌優(yōu)化課題，是在運行機理相對清楚的前提下，平衡各個因素間的制約關系，獲取一個相對優(yōu)的目標量。分析優(yōu)化題目的技術難度與運籌優(yōu)化課題類型直接相關，其技術風險也取決于題目的應用范疇。因此，運籌優(yōu)化課題的風險集中體現(xiàn)在課題定義階段。
在過去，我們看到很多失敗的運籌優(yōu)化課題都是因為前期的課題定義階段，通常表現(xiàn)為幾種類型：
2、運作優(yōu)化課題的核心要素
運籌優(yōu)化的三大建模要素是“目標函數(shù)”、“決策變量”、“約束條件”。具體包括：
運作優(yōu)化課題的三大Context要素是：業(yè)務Context、數(shù)據(jù)Context、IT應用Context
3、運作優(yōu)化的課題定義
課題定義階段的目的是：
課題定義的通常方式是業(yè)務訪談，常常采用“建模要素”與“Context驅動”穿插的方式進行。一邊了解業(yè)務需求/邏輯/限制，一邊思考技術實現(xiàn)（模型/算法/計算性能等）。因此，課題定義通常由經驗豐富的優(yōu)化專家擔任
問題定義一般分為4個迭代階段
運作優(yōu)化的業(yè)務訪談與第3章討論的套路與原則相同，要特別注意以下幾點：
4、運作優(yōu)化的課題探索
可以用OPL/AMPL等高級語言，借助ILOG等成熟引擎，進行初期的技術可行性驗證，方便與業(yè)務部門的迭代交流。
在技術實現(xiàn)中，根據(jù)應用架構和項目預算，選擇合適的優(yōu)化引擎或啟發(fā)式算法實現(xiàn)。
來源：K2研究院
