沙龙回顾 | 张颖婕：浅谈商业应用研究中的人机协同

2021年10月31日下午，北大光华2021级商业分析硕士班学术沙龙委员会举办了秋季学期第二场学术沙龙。活动有幸邀请到光华管理学院市场营销系助理教授张颖婕老师，作主题为“浅谈商业应用研究中的人机协同”的学术分享。

机器学习在商业研究中的应用

首先，张颖婕老师向大家介绍了机器学习在商业研究中的三大应用：

用机器学习从“unstructured data”中获取有效信息。在大数据时代，信息的来源和种类繁多，传统的数据分析模型无法直接处理部分多媒体信息（例如微博动态中的图像或视频），这种情况下可以通过机器学习算法提取相关特征，进而开展更深入的商业分析。举例来讲，曾有学者利用计算机视觉的方法，从Airbnb平台上来自同一房屋不同拍摄者（专业摄影师和房东）的两组照片中提取特征并进行计量分析，以探究房屋介绍图片的质量是否会对销售产生影响。

利用先验知识（domain knowledge）丰富研究商业问题的机器学习模型。张颖婕老师指出这是必要的，因为商业分析的质量不仅仅取决于消费者行为预测的准确度，还和企业管理等因素相关，在搭建机器学习模型时，要想办法填补这类“GAP”。

探索机器学习的可解释性，通过融入经济学理论来尝试打开黑盒。这里老师举了两个例子：1）研究APP使用频次/时间和喜爱程度之间的关系。在隐马尔可夫（HMM）模型的基础上，结合消费者决策模型以探究隐变量和用户决策之间的关系，最终可以实现翻倍的判断效果；2）研究如何帮助出租车司机做出下一步去哪的决策以减少空载时间。类似地，通过融合贝叶斯模型和消费者决策经济学理论，提升乘客和司机之间匹配的效率。总结来看，将经济学理论合适地融入传统的机器学习模型，在解决商业分析问题上可能会取得更好的效果。

面临的挑战

随后，张颖婕老师指出，商业分析也属于社会科学的范畴，需要考虑社会福利等话题。但很多时候，经济效益和社会福利并不能够相互协调（即此消彼长），机器学习的引入可以更好地处理它们的关系（即同时提升经济效应和社会福利）。以小额贷款机构为例，一方面它要谨慎考虑申请贷款者的违约风险以保证整体经济效益，另一方面受行业道德约束的影响，它也希望为那些更需要钱但无法在银行借到款的人提供支持。这就需要对贷款申请者有较为准确的风险评估，而在使用传统机器学习算法时可能存在训练样本偏差（training simple bias）等问题，大数据的引入可以捕捉更多特征、将更大的人群纳入考量，最终实现双赢。

人机协同的科普性介绍

最后，张颖婕老师就“人机协同”这一话题向同学们做了一个科普性的介绍。她指出，在部分领域（例如医疗），人对机器学习的态度还不足够信任（例如很多医生并不愿意相信AI诊断的结果）。目前有一部分研究在为提升机器学习的信任度寻找证据，也有一部分研究在讨论为什么人们不接受机器学习的结果（例如危机意识等）。此外，老师还介绍了人机协同的前沿应用：设计系统来指导AI应该告诉人什么、不该告诉人什么，以最大化人的效率。

在讲座的最后，张颖婕老师还解答了同学们的疑惑，给予同学们很多思考和启发。

嘉宾简介

张颖婕，光华管理学院市场营销系助理教授，卡内基梅隆大学博士（信息管理系统方向），曾就职于美国德州大学达拉斯分校，主要研究领域包括跨学科方法论研究、智能城市建设、共享经济、社交媒体、消费者行为等。

往期回顾

持续关注北大光华商业分析

第一时间掌握项目信息

长按“上图”识别二维码，关注北大光华商业分析