近日，由清华经管学院管理科学与工程系徐心教授、刘登攀教授及王纯教授共同开设的清华大学-哥伦比亚大学商务分析双硕士学位项目专业课之一“商务分析整合实践”课程圆满结束，课上2021级同学顺利完成了课程的终期汇报。

本次课程联合百融云创、滴滴出行、灵伴科技、快手、众安保险五家公司，为同学们提供了若干个充满挑战的数据驱动课题。消费金融场景下用户信用应如何进行评级与优化？如何投放两轮车以满足用户、企业、政府三方面的需求？如何设计人机协作机制来改进营销转化率？哪些因素对APP用户活跃度与流失有影响？保险短视频中的文本数据应如何充分挖掘以提高产品的转化率？这些课题都由各企业根据自身的痛点与同学们的实际情况精心设计。

图/参与结课汇报的同学们线上合影

本课程于2022年3月末启动。在聆听企业导师对项目周到详细的介绍后，同学们结合自身的兴趣导向与职业规划对课题进行选择，助教则结合同学们的志愿与技能点进行分组。在为期2个月的实践探索中，针对企业提出的课题，同学们需要先理解业务背景，自己定义问题与目标，规划工作的时间线，再收集、清洗、处理数据，最后对数据进行建模与分析。在这一过程中，同学们深感企业实践与校内授课的不同。2021级姜依依同学列举了她们组所遇到的诸多困难：数据量大到Jupyter内存爆炸，传统预测模型无法满足可解释性需求，模型跑不出想要的结果。而这些都是传统课堂上所想象不到的挑战。

这也正是“商务分析整合实践”课程的意义。项目学术主任王纯教授希望同学们能通过这门课程，将课堂所学的专业知识与具体的业务实践相结合，提高解决实际商务分析问题的能力，感受一线业务场景。幸运的是，在企业实践的过程中，同学们从来不是孤独的：助教、学长学姐们时刻陪伴左右，结合自己的研究与实践经验给予相应的帮助；经验丰富的行业导师从技术上给予指导，从心态上给予鼓励，从业务上给予建议，时刻引导同学们稳步前进；三位任课教师则从学术视角出发，提出不一样的改进意见，指导同学们完善课题成果。即使在疫情形势多变的情况下，同学们也积极发挥主观能动性，灵活采用“线上+线下”的模式，定期与企业对接沟通，推进研究。最终，每一项课题都顺利收官。

刘登攀教授表示，“商务分析整合实践”课程对于同学们来说具有与校内其他课程不一样的意义。从同学们丰富的产出和企业导师的反馈中也能看到本次实践课的初衷得以实现：同学们能充分理解真实业务场景下业界的需求和思路，进而更好地将所学的知识付诸实践。刘登攀教授对企业导师的辛勤付出和悉心指导、助教的大量工作表示了衷心的感谢。王纯教授也对企业反哺教育表示诚挚的谢意，希望同学们结合企业导师和学院老师的反馈、以及同学们互相点评中的建议，继续完善本次实践课程的成果，为课程画上一个圆满的句号。

学生感言

在快手进行整合实践的这八周，是一次不断挑战自我、追求卓越的旅程。我们小组的课题是“关注页用户活跃度提升分析”。这个课题非常重要，因为关注页承载平台私域流量，直接影响快手DAU和营收。这个课题足够开放，没有预设的方法，我们可以自由地构思、取数和建模。在整个过程中，我们遇到了非常多的挑战，向公司申请更多计算资源；现有方法不够，就参考最前沿的论文并复用和改进；发现异常问题，就去拆解，一路拆到最底层的源代码。最终，所有的问题都得到解决，而我们在过程中的收获远大于结果本身。

感谢项目和快手为我们提供这样宝贵又有趣的实践机会，完全激发了我们的探索欲。在老师和学长学姐的帮助下，我们一次次改进方案，最终交上一份相对满意的答卷。感谢小伙伴们一起奋斗的时光！

快手1组 姜依依

图/快手1组同学线上汇报合影

在快手学习的这段时间，我们切身感受到了实战企业的业务分析和我们平时在课堂上数据分析的不同之处。首先，我们第一次感受到了什么叫“白手起家”，不同于以往研究，可能数据都是已经准备好的，这一次我们需要自己从头去设计指标体系，去构思因变量的定义，从海量数据底表中用SQL筛选我们需要的数据，这也使我们从源头上更加深入地了解了每一个指标是如何来的，以及它们为什么要如此定义；其次，我们经历了无数次的方法迭代和推倒重来，在每一次和企业导师、学长学姐以及友组的沟通过程中，都能够使我们发现自己方法目前的局限性，并且迸发出新的灵感，从而一次次将自己的想法推倒重来。这或许就像是企业中一个产品不断更新迭代的过程，虽然每一次重来的过程都是一次漫长的煎熬，但那些更加优秀的思考也总是浴火重生；最后，我们经历了一场角色的转换。如果说曾经的我们关注的更多是模型的高级和评估指标的提升，那么这一次我们试着去站在企业的角度，去思考我们为什么要做这个，我们能做些什么，以及它能够给我们的业务带来多大的价值。

当然，不会忘记第一次去快手园区给我们带来的心动，不会忘记和小组一起激烈的头脑风暴和熬过的长夜，更不会忘记最后那天打了13个小时的视频电话……最后，感谢学校老师提供的这次商务分析整合实践的机会，感谢快手导师和学长学姐在过程中的指导和帮助，感谢每一位队友的辛苦付出！那些从这次实践中学到的宝贵的经验，将使我们一生受益！

快手2组 沈心迪

图/快手2组同学线上汇报合影

回顾过去两个月，我们在企业导师的带领下，和队友一起，从项目kickoff开始便不断地头脑风暴，迭代问题，整理思路，在企业真实数据的基础上解决实际问题。还记得大家一起在办公楼迷路，因为订不到会议室一起在咖啡厅开会，为了午睡进入上下铺的员工休息室，这些难得的回忆仿佛还在昨天。

在滴滴的实践中，我们感受到如何站在企业管理和实际运营的角度去思考数据驱动下的决策和优化问题。不同于平时课堂大作业和学术项目中对于理论模型和技术细节的关注，在滴滴导师们的帮助下我们更多从宏观的角度理解了单车运营的业务逻辑和企业痛点，学会了独立地从定义问题到搭建框架分解研究问题、确定指标、迭代模型，而且在整个过程中都从用户、政府和企业端不断思考我们所学的知识、我们的分析框架能如何为车辆分布合理性的业务决策带来实际的价值。最终，我们得以产出四个模型，并也在企业导师的帮助下，获得了向上级和业务方汇报交流的机会。

我们四颗小桔子在这两个月收获了难能可贵的成长，非常感谢商务整合实践课程为我们提供这样宝贵的机会，以及老师们在实践中细致的指导和帮助，还有助教师姐的辛苦付出！

滴滴组 张隽若 

图/滴滴项目组在滴滴公司与企业导师讨论实践项目

在为期两个月的课程中，我们深入了解了广告投放的需求、供给与运营规则的业界生态，并从提升广告投放效果的目标转化为关注点，以广告视频脚本数据为分析基础，实践了探寻广告视频良好效果的影响因素、为脚本创作提供意见。首先，企业的项目实践重视形成系统的实践方法和体系，例如对脚本、对广告投放效果的研究中，企业希望得到除了影响因素等基本结论，更希望从中概括出适用于提升脚本创作的规范化的程序或体系，是为“从结论到实践”。其次，解答一个实践性的问题，我们往往会将问题分为多个步骤，在我们的脚本分析中，就分为如何有效提取相关要素、分析要素的影响以及利用要素构建对脚本做出评估的模型。直至我们项目最后，每个步骤仍有许多方法值得探索和提升。企业的实际问题往往比课程项目更复杂，选择更多样，更不具经典特征，也正是这样，对问题的理解的重要性或胜于技术。

企业的业务成果提升有时如齿轮般环环相扣，诚然，一次优良的广告投放，影响因素很多，诸如广告平台的选择、投放时间的选择以及投放视频的创意等。这连接了企业的财务、广告、创意设计、法务等多个部门，而聚焦于任何一个环节的优化对最终结果均有帮助。因此，每一个小项目都是推动企业走得更远、越来越好的动力。

众安组 周诗涵

图/众安项目组在众安保险公司与企业导师讨论实践项目

5、我们小组在这次的商务分析整合实践课堂上体验了一次真正的“业界感”，有机会跟百融云创的导师们一起，从0开始了解真正的消费金融行业场景，听取并学习百融对行业和业务的理解，拟合出真正具有商业洞察力的模型。之前我们学习的技术手法总是停留在纸面上和代码里，但在这一次的实践课堂中，我们真真切切的体验到了技术模型在商业世界的落地应用。这也正是商务分析的核心：数据+数据的商业价值。

在为期八周的时间里，虽然疫情阻隔了物理上的距离，但百融云创的企业导师的指导并没有变少。他们非常细致、耐心且专业，帮助我们快速理解了消费金融的场景、信贷用户信用评级的建模步骤、用户评分卡的构建等等细节，这些都使我们受益良多。他们规范的步骤讲解使得我们的数据清洗、特征工程、模型建立、调节参数等环节环环相扣，产出了准确性和稳定性俱佳的模型结果。

最后要感谢小组中共同合作的同学们，是我们一起的合理分工和团结协作才有了这次圆满的实践过程。当然也要特别感谢百融云创的老师、学院项目的老师和助教给予我们这次宝贵的机会，以及在实践过程中给我们小组的支持和帮助！

百融1组 吴天阔

在学习之前，我们从未设想到营销响应率这样一个简单的变量背后，竟有数百个影响因子。我们也不知道如何系统性地利用好手上宝贵的数据。

但是经过企业导师的悉心讲解和组员们的用心钻研，我们对于业务的理解更加深刻，也手把手完成了一系列的数据分析过程。经过变量理解、可视化分析、特征工程、变量筛选、模型建立、评分卡构建等一系列工作，我们提升了自己的数据分析能力，也更加理解企业的分析过程。

非常感谢“商务分析整合实践”课程让我们在短时间内高效地将所学知识应用到业界实践中。金融场景下的数据分析不光可以帮助企业控制风险、提升效率，更可能重塑整个业务逻辑。能够参与到我国金融SaaS的头部企业——百融云创公司的金融营销数据分析项目，是我们全组同学的荣幸，也让我们获益良多。

百融2组 邓娜雯

在此次“商务分析整合实践”课程中，我们第一次有机会如此“近距离”的将课堂所学应用到实践，收获良多。

首先 ，灵伴科技是结合了机器人呼叫和人工呼叫的呼叫中心，利用上学期机器学习的课程里所学的模型，通过提取成功转接人工前的特征，构建了预测该次通话是否能够成单的模型，该模型可以在现实的业务场景中运用，带来巨大价值。这不但增强了我们的信心，还为我们进一步学习理论知识提供了巨大动力。

其次，我们深深的感受到了实际业务场景和课堂中构建的理想情况存在着很大的不同。现实的数据可能质量不完美，一些模型需要的假设要和运营同学反复确认，也难以构建出理论上的完美模型需要的条件，这个过程锻炼了我们的沟通能力和不断克服困难解决问题的能力，相信会对我们的未来产生巨大帮助。

最后，感谢企业导师、老师和助教们对我们的谆谆教诲和暖心鼓励！

灵伴组 张逸雯

图/灵伴项目组同学与企业导师在灵伴科技公司讨论实践项目