运筹学（Operational Research）是一门应用于管理有组织系统的科学，最早的朴素思想在中国的古文献中多有记载，比如耳熟能详的田忌赛马的故事。运筹的一般思想是：在各项资源条件优先的情况下，如何确定一个方案，使得预期目标最优；或者为了达到预期目标，确定资源消耗最小的方案。在二次世界大战之后，组织和企业的活动规模更大，信息系统化空前完备（想象一下水晶报表的诞生多么让人兴奋），加之各类数学算法模型层出不穷，研究如何做好决策的运筹学也有了极大的发展。

运筹学方向很多，比如线性规划、非线性规划、整数规划、目标规划、动态规划、排队论、对策论等。笔者偷个懒，找一些在整数规划体系下的例子，让大家感受一下在日常企业中这些方法的应用。

1. 一个简化问题

公司有 4 条生产线，每条生产线的月产量分别为 0.56, 3.11, 3.04, 2.11。近期因为经济不景气，需要将月产量总和控制在 5 以内，但出于总成本摊销的考虑，又要保证产出尽可能的大，那么哪几条产线需要被关闭。我们盲猜结果：3 和 4 需要被关闭。当然这个问题手指头可以掰过来，超过十个手指头怎么办？

话说在遥远的 2012 年的某天，我突然感慨：作为一名数据挖掘工程师，要做好本职工作非常不易。 于是在微博上吐槽了一句，刚好被“数据挖掘和数据分析”的大 V 转发，引发了数据科学圈的广泛转发和讨论， 很多位大佬都给出了自己对于数据科学所需要能力的理解。

话题的争议性体现在一千多个转发上，放在今天必然是一篇 10 万+ 的文章。不扯别的，看看当时吐槽的是什么？

几个关键词：技术、市场、工具、战略、管理、沟通影响力…… 当然数据挖掘的内核已经随着 21 世纪最性感的数据科学家这一职业变的更加与时俱进了，然而我们依然还是有困惑。

距离上一篇《好地段是怎么选出来的-从北京地铁看区域的重要性》已经过去八年有余，一直念叨着重新更新一下北京的地铁数据。话说 deadline 是第一生产力，春节前立了 flag，今天利利索索地把它拔了。

读者可以从本文得到什么信息呢？

1. 从全新的 2024 年北京地铁规划，识别以北京（地铁）交通便利视角的关键区域。
2. 获取这些关键地段的二手房产信息，通过供给量和均价两个角度，帮助大家找到可能的价值洼地。

1. 构建地铁的网络

首先重新认识一下 2024 年的北京地铁线路规划图：

至 2024 年全北京一共 422 个地铁站点（约数，有些懒得调整，比如 13 号线会拆分，没有做调整）。回想二十年前北京只有1号线、2号线两条地铁线，北京的发展速度也确实让人咂舌（回龙观最初房价 2000，一声叹息）。

本篇文章 2900 字，预计阅读时间为 12 分钟，建议找一个安静的时间阅读，以及隔一段时间翻出来再看。

在任何一家公司，每一个对自己职业生涯有规划的员工都希望在更短的时间内晋升，这意味着更多的关注和资源倾斜，更大的责任和职责范围。当然，与之匹配的收益必然也是同步提高的。

对于晋升这件事情本身，我们应该怎样理解？有哪些误解需要澄清，我们需要做什么准备？今天就花一些时间和大家聊一聊你为什么会被提名晋升，或者晋升成功。

本篇关键内容（阅读需要约 15 分钟）：

1. 分析师的职责范围
2. 重定义：数据科学合作伙伴
3. 数据需求的标准流程
4. 工欲善其事，必先利其器 - tapd

为什么写这篇文章？起因是分析师团队的 leader 离职了，作为大老板，我只能选择暂代管理一段时间。在帮团队成员梳理工作内容的过程，我抽象了其中一些关键的要素，以及需要澄清的认知误区。这些总结我不想仅仅封闭在自己的团队内部，还希望能帮到正在职业生涯迷茫的分析师们。