专访|数据科学界的社交达人-定价科学家

关于转载授权

大数据文摘作品，欢迎个人转发朋友圈，自媒体、媒体、机构转载务必申请授权，后台留言“机构名称+转载”，申请过授权的不必再次申请，只要按约定转载即可，但文末需放置大数据文摘二维码。

采访| 纪思亮 刘小娇 阚玺 米格机

撰文| 阚玺 米格机

前言

数据科学家在多数人看来是一群对电脑和数据痴迷的人。他们可以熟练运用各种机器或者编程语言与计算机进行互动，从他们口中，会高频的出现“数据”，“算法”，“模型”，“机器学习”这些高大上的专业词汇。正因如此，他们常被看做“埋头数据中，不闻窗外事”的代表。

其实在数据科学家中并不乏诙谐有趣的社交达人。定价科学家就是他们的典型代表，他们也因此被称作为“数据科学界的社交达人”。

原点团队这次有幸采访到了两位在Zilliant公司工作的定价科学家SteveTao和TianLan。用计算机进行建模，分析数据仅仅占用了在Zilliant工作的定价科学家们日常生活中的一小部分。那么其余大部分时间他们都会做些什么呢？原点团队今日就来跟大家解读这群懂数据、善于沟通、同时具备商业洞察力的定价科学家们到底是如何炼成的。

被采访人介绍：

Liqin(Steve) Tao(陶立秦) is the director ofpricing science at Zilliant, where he oversees designing and implementation ofdata-driven pricing optimization solutions. For over 10 years, Steve has beensolving pricing problems for more than 30 B2B companies (many of them are amongFortune 100 companies) in over 15 industries. He holds a master’s degree inStatistics and an MBA in Marketing Intelligence, both from the University ofConnecticut.

Tian Lan（蓝天）has worked more than two years implementing prescriptive pricing solutions formore than 8 B2B companies. Tian holds a master’s degree in Statistics from theUniversity of Texas at Austin.

最懂数据的社交达人，最懂社交的数据科学家

Zilliant是一家坐落于美国德州奥斯丁，B2B的跨国公司，是北美定价行业中的领头企业。Zilliant具有强大的定价科学家团队，这使得Zilliant的定价科学成为其核心竞争力。

作为Zilliant现任的定价科学总监(Director of Pricing Science) ，Steve在定价科学领域中已有了10多年的实战经历。十多年中，他为超过15个行业的30多家公司解决了定价这个“大难题”，客户不乏世界著名500强的企业，比如西门子，施耐德等等。

原点君:“定价科学家到底与普通的数据科学家有什么样的区别和共同特征？对于那些刚刚毕业的学生或者有一定数据分析基础的初级分析师们来说，如果希望成为定价科学家，应当着重培养哪些技能呢？”

Steve:“每一位数据科学家都是在各个领域行业里用数据解决不同的问题。定价科学家要解决的主要问题是‘什么是最合理优化的价格，能够使产品或服务为公司带来最大的利润？’要回答这个问题，一个定价科学家要懂得客户怎样认识公司产品的价值，产品价格要和这个价值基本对等才能使公司最大盈利。然而每一类客户对同一个产品价值的认识和愿意付出的购买价格是不一样的，而且每个市场的竞争情况也不一样。每个市场的价格弹性，价格需求关系都不一样。定价是最重要的也是最困难的商业决策之一。

一般来说，定价科学家的教育背景是来自统计，优化，工业工程，经济学，应用数学和工商管理。一个定价科学家需要精通以下三个方面：

（1）价格需求模型的理论和应用。

（2）由于定价方案的最终目标是实现利润或者收入的最优化，所以最优化理论是定价科学的重要组成。

（3）最后也是最重要的，并且区分于普通数据科学家的是，定价科学家必须具备敏锐的商业洞察力，以及强大的沟通能力。这主要是由于定价的最终方案并不是孤立的，而是几乎与商业和市场战略的所有方面相联系的。”

我们的另一个被访者，蓝天，则是一位刚刚步入“定价科学家”行列两年的新人，拿到统计学硕士学位的蓝天认为“定价科学家”给自己最大的挑战就是培养更有效商业沟通的能力。

“我们和数据科学家的不同点就是专注在定价，我们所有的产品都是围绕定价。我们的客户都是经销商或生产商，他们可能有成千上万的产品和客户，当他们的销售去卖这些产品的时候，会碰到很多困难。每个产品的价格数字不是凭空就能来的，这里面包含了很多人类决策和产品价值的问题，都是很难解决的。销售人员是很难又快又准确地定价并反映给客户。所以我们的价值就是，尽可能的收集信息，最后综合得出解决方案反馈给客户，让销售人员能更迅速、更自信地跟客户进行协商。因为所有的价格数据都是建立在数据的支撑上的。”

原点君总结：定价科学家的工作性质决定了他们需要和商业紧密结合，“跳进这个圈子里”。拿到一个项目后，定价科学家一般会先跟商业决策者、消费者等市场参与者沟通，再结合数据分析，两种因素结合得出定价策略。如此高强度的人际交往训练下，定价科学家也就成为了名副其实“最懂数据的社交达人”，和“最懂社交的数据科学家”。

定价科学家的“数据技能”

原点君：“同在数据行业中打拼，十分好奇我们所学的数理建模，统计学技能到底是如何在定价科学中得以实际的运用？主要运用哪些分析工具和手段？”

Steve&蓝天：应用于定价科学的常用算法模型有：

（1）价格需求模型(Pricing Demand Model)：用于判断价格变化对市场需求的影响，学习收入和利润的权衡。

（2）多层次贝叶斯模型(Hierarchical Bayesian Model): 用于估计价格弹性 (pricing elasticity) 。在市场细分的树性结构里，如果树叶节点的数据量稀少，就需要木市场节点的信息（先验信息）来辅助子市场节点的信息估算（得到后验信息）。这样解决子市场数据量稀少的问题。

（3）聚类分析，决策树模型(Clusteringand Decision Tree Model): 用于对市场进行细分(segmentationanalysis)。比如：产品属性，客户行业类别，大小，地理位置，市场竞争情况，市场占有率，库存或项目定价，订单大小等等。

（4）最优化模型(Optimization)：用于价格利润百分点约束，价格区分或对齐，设定市场收入或者利润最大化的目标函数。

（5）时间序列及回归模型(TimeSeries & Regression Model)：用于例如半导体元件，LED照明灯具市场的价格或产品季节性需求模型）。

（6）协同过滤模型(Collaborative Filtering Model)：用于提供产品交叉销售建议。

主要运用的数据建模和分析工具有：

（1）在SQL环境下进行数据处理，操作。

（2）运用Tableau进行数据可视化。

（3）运用R,Python以及SAS进行统计分析。

（4）运用CPLEX平台进行最优化分析。

定价科学家的“商业洞察和社交技能”

原点君：“定价科学最终交付客户的产品是什么？定价科学家们又是如何将自己对价格的分析和洞见展现给客户的呢？”

Steve: “在Zilliant我们提供两种商务应用软件产品：“利润优化”和“销售优化”以帮助销售人员决定– 向哪些客户销售（打电话），推销哪些产品，如何对这些产品定价。Zilliant应用输出的价格和产品销售建议可以和客户现有的各种系统连接，包括CRM- 客户关系管理系统，ERP - 企业资源管理系统，Quoting - 报价系统，email系统（用于建议可直接输出到销售人员的电子邮件），以及手机应用。

原点君:“如何评估产品的价值？如何向客户展现定价产品比较于人工定价的优越性？”

Steve: “定价是一个极为复杂的决策系统：上万的产品，上万的客户，大量的决定，市场竞争复杂，客户类型众多，价格关系复杂（产品之间的价格关系，客户之间的价格关系，与竞争对手之间的价格关系），同时B2B需要准确快速的定价系统。人工定价不能满足这些定价的要求，更不能将公司宏观的决策（譬如市场渗透，市场收获）反应到每一个细小又繁多的的定价方案里面。

相比之下，一个由数据驱动的，系统化的，基于大多数重要商业价格驱动和商业策略的最优化价格，提供了更好的价格指导。并且这种最优化的价格可以极大的提升公司的市场及金融立场。打个比方，人工定价就如同步行周游世界，数据驱动的最优化定价则如同搭乘全国联网的高速火车准确而高速。

为了证明数据驱动定价的价值，我们通常通过测试进行收益分析。产品，顾客和销售代表被随机分配进入测试组和控制组。我们对测试组和控制组的成绩结果进行对比分析，产生的最终差别是我们汇报给客户的重要数据，也是证明数据驱动定价优越性的重要指标。在客户使用了最优化定价之后，我们也会进行跟踪分析以确保产品的优越性。”

定价科学家和定价科学的未来

原点君：”当你同时具备了数据和社交技能成为了一名优秀的定价科学家，那么下一步的职业方向又将会是什么呢？定价科学未来将如何发展呢？”

Steve&蓝天：“通常情况下，一个自身的定价科学家可以往这两个方面进行发展：

（1）咨询公司或软件公司发展：大型咨询公司很多都设有定价咨询服务部门，例如麦肯锡，德勤，Simon & Kucher；软件公司例如Zilliant,PROS, Revionics, Vistaar等等。可以接触到各个不同的行业，获得大量的商务经验。

（2）在某一个公司内部发展，一个定价科学家所具备的知识技能和经历可以用作许多领域的商业决策。定价科学无论在数据科学或是公司管理领域都具备广阔的前景。优秀的定价科学家在公司里可以胜任的职位例如定价技术总监，副总裁(director/VPof pricing) 或是CDO(ChiefData Officer)。另外也可以为公司建立数据驱动的商业文化并且构建在市场，金融和供应链管理领域的数据方案。”

“定价科学对于许多公司来说仍然是一个新鲜事物。它正在飞速的成为公司收入和利润的一个最重要的驱动。在公司里有很多潜在的定价科学专家。

随着数据数量和种类的增长，更多的公司正在建立报价系统来获取盈亏信息，收集客户的竞争价格,由此得到的定价方案能够更加机动灵活的反应市场动态。

同时，随着人才的不断聚集和增多，拥有高等统计建模，机器学习，和定价科学技能的专业人士，将会对某个特定的顾客或者产品的历史购买趋势和特征有更深入的理解。这一深层次的洞见帮助我们更好的理解顾客喜好，并且更好的建立针对客户的定价方案。