现如今，大数据与人工智能的应用已涉及到生活的各个领域。无论是日常玩游戏，看短视频，还是在工业领域的创新应用，“数字化”三个字已深入人心。那么在大数据时代，互联网人员的职业路径又如何规划？4月18日，国发院MBA学生大使互联网组开展了线上分享讲座，就“场景驱动的数据智能和数字化转型之路”话题展开探讨。

北大国家发展研究院助理院长、MBA中心主任刘长艳老师进行了开场致辞，她表示此次分享所探讨的话题是目前人类社会一直面对的，尤其是新冠疫情之后，大家在工作和生活中深深体会到了数据智能的强大和数字化转型的必然。国发院一直在关注这样的课题，MBA课程中也在渗透着大数据、智能化等相关内容，这次希望能继续做一次互动和探讨。自疫情以来，很遗憾大家没办法面对面交流，但国发院在线学习从未停止，学院安排了很多知名教授和校友讲座分享，希望同学们可以一直保持学习、分享以及成长的状态。

此次分享是学生大使系列分享第二期，参与分享和答疑的学生大使主要有：

• 丁恺， 2018级北大-UCL MBA全日制班学生，现就职于亚马逊（中国）任大客户经理
• 葛姗姗，2019级北大-UCL MBA在职班学生，现就职于哈工大机器人集团股份有限公司任市场总监
• 巩光耀，2019级北大-UCL MBA在职班学生，现就职于Holla Group 任CTO
• 何欣，2018级北大-UCL MBA全日制班学生，曾就职于SAP任咨询顾问
• 戚小玉，2019级北大-Vlerick MBA在职班学生，现就职于中国铁道科学研究院任技术研发部可视化组组长
• 杨振南，2019级北大-UCL MBA在职班学生，现就职于字节跳动任高级解决方案经理
• 姚晔舟，2018级北大-UCL MBA全日制班学生，现就职于百分点任数据科学家
• 于博，2019级北大-UCL MBA在职班学生，现就职于中国民航信息集团有限公司任新疆公司总经理
• 赵绛波，2019级北大-UCL MBA在职班学生，现就职于小米公司任高级产品经理

杨振南：智慧生活中的计算机视觉

正式进入话题分享前，杨振南首先带领大家观看了智慧生活图景：从无人驾驶、智慧家居、到智慧楼宇、无人零售店等等，几乎涵盖了日常生活方方面面，并就此引入今天探讨的话题——计算机视觉在其中扮演了哪些角色。

对于人来说，83%的感知方式是依靠视觉，视觉占据了重要的地位，计算机视觉也如此。杨振南介绍了计算机视觉的概念，并介绍了计算机视觉训练方法——深度学习法，即通过大量图像信息，倒入计算机深度神经网络模型，进而层层学习具体特征并组合成局部特征，最终整合形成结果。 

实际上，计算机视觉在生活中已有非常广泛的使用场景，衣食住行各方面都有体现。打开手机app，行走在路上，去餐厅吃饭……不知不觉中，已渗透到我们日常生活。在衣着方面，可以帮助消费者在购买前更好地决策，实现便捷购买，比如淘宝上就可以看到的“拍照即购”“同款比价”功能；通过识别穿搭可以实现线上刷剧边看边买的应用场景；还有AR商品体验，虚拟体验衣服搭配的风格。

饮食方面，华为智慧视觉能进行餐前卡路里测算，为科学饮食提供指导；又如海底捞等打造的一些智慧餐厅，机器人能够设置路线规划，进行vip顾客识别。居住方面，宜家已实现家具的3D模型展示，这为装修家的布置风格提供了更便利的条件，还有智能安防、扫地机器人等，越来越多走入寻常百姓家，成为安全防护、解放双手的有利工具。在出行领域，目前自动驾驶的技术已愈来愈成熟，机器不仅能探测行车过程中的路况，庞大的数据收集储备可以识别红绿灯，甚至对驾驶员疲劳进行监测等等。

现代技术发展迅猛，随之而来也有非常多的挑战。比如计算机视觉如何实现商业化应用，数据隐私与安全，伦理道德法律界限等等，都需要做进一步的梳理和探讨。实际上，这些其实并不能单纯依靠技术去解决。杨振南最后补充道，也正因如此，他选择加入MBA，希望商业赋能技术，自己能发挥更多能量。

赵绛波：数据如何喂养你的语音助手

现如今，你一定对Siri或小爱同学并不陌生，那么你真的了解它们吗？当你和Siri或小爱对话时发生了什么？赵绛波带来了话题分享——人工智能在语音层面的应用。
抖音上有很多对Siri或小爱的调侃视频，表面上看是唤醒它们然后等待做出回应，实际上语音助手们发生了三个步骤：语音识别、语义理解、语音合成。先识别，再理解，然后用合成的声音回复，这就是整个过程。

赵绛波对三个模块分别进行了阐述。在语音识别部分，赵绛波解释了为什么语音助手很难识别方言和儿童话。因为训练数据量的多少，直接决定了语音助手是否能识别你说的话，而正常人的普通话识别已有大量数据，所以吸纳较少数据的方言和儿童话就很难识别。在语义理解模块，赵绛波通过罗素鸡的故事，生动地说明了当前AI对话系统的本质——基于大量数据对文本特征进行的归类，所以这些语音助手们非常擅长处理不需要任何推理、逻辑的填表式问题。也提出了AI语义理解所面临的挑战，就是试图用低维的对话解构高维的思想和世界模型。在语音合成模块，赵绛波介绍了最近小米10的发布会上，发布了可定制语音的小爱同学，而实现这个功能，背后大约需要的数据量约5000句，6个小时。

最后，赵绛波用一张图总结了大数据喂养的人工智能语音助手的表现，并说明，很可能在未来一段时间，这些语音助手们还是会被认为是“人工智障”。

姚晔舟：大数据在工业领域的应用

姚晔舟就大数据在生产制造和供应链中的应用展开分享。

姚晔舟介绍，目前传统的制造业正面临着大数据的冲击，在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生，来应对工业背景下的大数据挑战。例如在半导体行业，芯片在生产过程中会经历很多复杂的工艺制程，每一步都必须达到极其苛刻的物理特性要求，高度自动化的设备在加工产品的同时，也同步生成了庞大的检测结果。那么，基于机器视觉的产品质量控制，能够提升检测效率，并能节省一定成本。

除了产品质量控制的应用场景外，设备故障诊断和预测（即PHM）也被广泛应用到制造、能源、交通、军事、民生、广电等领域，精确预测设备及其部件等运行状态，并能实时预警，大量减少设备的维修费用，提高维修准确性。例如马航MH370失联客机搜寻和通用电气GE的应用，基于异常值检测模型，对实时数据检验。此外，姚晔舟就此介绍了信号发射机故障预警的案例，过去维护发射机存在很多问题，而目前在大数据背景下提供了更为可靠的预警效果，极大降低人力成本等等。

在供应链方面，姚晔舟谈到了库存管理和需求预测。在供应链模型中，生产者在什么时间、生产什么品类的商品、配送到什么样的位置（区域仓库或终端门店）才能最大化满足消费者潜在需求，需要大数据预测模型提供解决办法。随后介绍了建模流程，并分享了某制造业企业需求预测的案例，在电视生产中最终预测结果和实际销售的概率误差在20%-30%之间，比人工判断提升约50%，非常有效地对生产量进行了控制。

巩光耀：大数据与AI对游戏产业的助力

游戏产业作为“宅经济”和数字产业的重要部分，近年来一直保持着稳定增长。巩光耀的分享从“游戏是什么”的话题开始引入，从技术和运营的角度，谈到了三个点：海量数据，频繁迭代的需求，离钱最近。之后，又分享了自己参与的一款游戏在爬升期的一些数据。

那么，如何用大数据来指导游戏产品和运营实现利润最大化呢？巩光耀介绍可以采用“开源节流”的方式，即减小支出和损耗，增加收入。现如今，广告买量非常普遍，但很容易产生虚假广告点击和注册，造成投入浪费，在节流方面，可以利用新用户数据模型抵制广告买量中的假量。另一方面，外挂、脚本等严重危害游戏生态，可以用反欺诈小组来对抗游戏内的黑色产业链的手段。

在开源方面，广告投放购买数据可以自动进行优化：借助模型来进行预测，设计自动伸缩阈值，根据多行业数据进行精准投放。过去，人工根据报表的ROI表现拿出解决方案需要7天以上，现在利用模型已达到2天以内的即时反馈效果。此外，大数据BI实时反馈能够带来效率提升，具体表现如下。

何欣：企业数字化转型和职业转型

我们目前处在VUCA（volatility-易变性，uncertainty-不确定性，complexity-复杂性，ambiguity-模糊性）世界，未来外部环境日新月异，企业竞争优势可能稍纵即逝，表面上一切杂乱无章，但内在却有着深刻的联系。何欣具体介绍了以下四个特点：波动性，复杂性，不确定性，模棱两可，并指出，处在这样动荡的时代，企业是很容易被颠覆的。

从农业时代，工业时代到目前所处的数字化时代，不同时代有不同标准，数字化时代下企业规模已不再重要，重要的是变化速度和普及速度。无法借鉴过去的经验，无法摸清未来的规律，企业在这样的环境下如何生存？何欣说明了点亮企业的四盏明灯，分别是愿景，敏捷性，共生进化，信任。

总结数字化转型的概念，是利用科技化工具来转型客户体验、运营方式、商业模式、产品和服务、资源配置。何欣认为，科技只是工具，数字化转型的关键是文化和组织，这是第一步也是成功的关键。

在这样的大环境下，如何进行职业转型？何欣谈道，首先需要找到适合自己的方向，可以利用以下的三元模型，通过“环境大势”、“创新学习能力”、“热情”三者的交集来判断是否是理想职业。此外，切换思维方式对于职业路径发展非常重要。何欣提到，读商学院是一个很好的路径，她本人在MBA中收获匪浅，包括此次的分享也参考了很多课程学习。

互联网工作人员的职业路径

在最后一部分的分享中，互联网小组大使们分别谈了他们的职业路径和观点，更真实地为互联网人提供参考。

丁恺：个人拥有多年非洲及中东基建投资经验，曾负责海外市场拓展工作，参与过互联网电商创业。因认为之前对工作的认识和总结都来自经验，没有理论基础支持，所以选择MBA学习十分必要。在国发院，中外结合，北大和UCL强强联合，同时各类知识涉及领域很广，助于掌握最新的思维方法。另外，他也逐渐认识到战略的重要性，并能有充分的思维去思考问题。最后，老师和同学情谊也是他认为非常宝贵的财富。

葛姗姗：曾在航天系统内九年，后加入机器人行业从事品牌市场相关工作。因工作十多年到了瓶颈期，加之近年来经济大环境一般，于是去年申请就读国发院MBA，适时投资自己，希望能系统建立商科学习体系，拓展认知，并与行业内外优秀人士交流。选择BiMBA是因为独特的“智库”定位，即最优秀人的聚合，包括林毅夫、陈春花等优秀的大咖教授还有UCL顶级教育资源，这些是其他国内MBA项目无法比拟的。她希望大家能用长期主义的思维看待MBA，因为这种学习能更清晰地认识自己，通过这种认知的改变有可能能改变一生。

巩光耀：以技术背景出身，读MBA主要希望能进行商科知识补充和管理知识体系的补充。他以个人的职业路径分享，对于纯技术背景的人来说，首先需要夯实技术知识，拓展广度，然后再提高管理技能，这是非常适合他个人的路径，也希望能对大家有所启发。

戚小玉：个人主要从事数据可视化相关工作。到国发院的初衷，主要是因为随着近年来大数据技术的发展，铁路行业也在展开应用，而影响项目应用实施的不仅仅是技术，还有项目管理、沟通协调、试错风险管控各方面的内容。工作近十年，经历了中国高铁近几年的飞速发展，也感受到传统行业在发展过程中遇到的艰难和局限，想要尝试寻找突破困难、解决问题的办法，于是便跳出舒适圈，也希望在MBA中能和更多的同学、老师交流。同时她认为，这也是提升职场竞争力的良好方式。

杨振南：毕业于新加坡国立大学，毕业后在新加坡苹果公司工作，后回国加入一家初创企业，负责AI产品的市场拓展，目前入职字节跳动，负责AI产品解决方案。职业路径即为从海外转到国内，从成熟大企业到创业团队再到快速发展的互联网企业，从0到1开展业务。读MBA是他个人认为职业规划中很重要的部分，因自己是技术背景需要有商科背景补充，也需要一定的人文素养。杨振南认为，未来都是世界公民，需要有世界视角，而在北大国发院，本土高屋建瓴的视角，北大人文精神，以及和国际商学院的联合能拥有的国际化视野和创新创业机制，有助于大家能够适应未来世界的变化。

姚晔舟：毕业后从传统领域公司，后转入进行大数据解决方案工作。读MBA是因为在实际工作过程中遇到了业务瓶颈，希望能提升自己更好地理解客户业务逻辑。在北大国发院，提供了最开放的氛围，能让大家尝试更多可能性，发掘自己的潜力。课余之外，能够参与优秀的讲座，并和其他同学共同讨论、做项目。姚晔舟谈到很多收获是预期之外的，通过与优秀人才的交流发现了自己身上更多的可能性。全日制课程后他又选择回到之前所在公司，也是在学习过程中进行思考判断做出的慎重决定，与个人能力匹配，同时符合未来的发展。

于博：毕业后在一家公司工作了十六七年，选择MBA和其他人的想法不同，是希望自己能始终保持一个学习的状态。建议同学们不必纠结于读MBA必须有清晰的目标，有时候学习本身就是一个目标，保持良好的学习状态和有一段成长过程很重要。在国发院积极向上的环境以及和谐共生的氛围下，每个人的状态都不一样，更有助于个人提升。

赵绛波：个人在美国留学并工作一段时间后回国，一直在互联网公司从事产品经理工作，有创业公司和成熟公司的经历。选择MBA可以用一个关键词来说明，视角。从职业层面，MBA能更全面地了解商业，系统化学习商业知识；从生活层面，各行各业的同学、还有老师在交流中进行能思维碰撞，这些都可以应用到生活中，能让自己有更全面化的视角。

此次关于互联网领域的大使分享探讨就此结束。实际上，在北大国发院除了优秀的大使外，每个同学也都很优秀，每个人都愿意用一定的时间与更多人共享自己所学所得。这也是这个平台的魅力所在，集更多优秀人才，分享更多优秀观点，积极向上，共生共长。