本期嘉宾
Harriet
- 约翰霍普金斯大学 系统工程博士
- 参与多个公共卫生相关大型课题
Susie：那我们先请老师简单介绍一下自己的背景，以及目前的研究方向。
Harriet：
大家好，我现在是在美国读系统工程方向的博士。系统工程本身是一个非常综合的学科，它结合了工程、数学、统计以及计算机科学等多个领域的内容。我的研究主要集中在系统建模、优化以及数据驱动的决策分析上。
在系统工程领域，很多研究都会围绕复杂系统展开，例如交通系统、供应链系统、能源系统或者大型工业系统。研究者通常需要通过数学建模和算法设计，去理解这些复杂系统的运行规律，并且通过优化方法提高系统的效率和稳定性。
我在博士期间的研究主要是利用数据分析和优化方法，对复杂系统进行建模，然后通过算法来改进系统的决策过程。这类研究既有理论部分，也有比较强的实际应用背景。
Susie：刚刚听起来系统工程其实是一个比较交叉的领域。那在系统工程这个大方向下面，一般会有哪些比较常见的研究分支呢？
Harriet：
系统工程其实有很多不同的研究方向。像我们组现在做的方向比较偏 policy design 和 intervention analysis，也就是政策设计和干预策略的分析。我们的研究更多是在思考，当一个系统需要做决策的时候，如何通过优化方法来设计更好的政策，从而让系统整体表现更好。
另外还有一些组是在做 inverse optimization，也就是逆优化问题。简单来说，就是当你已经观察到系统的最终决策结果之后，研究者需要反过来推断这个系统内部的参数或者目标函数是什么。这一类研究会更加理论化，需要做比较复杂的数学推导。
还有一些研究组是在做自然灾害相关的系统研究。例如模拟自然灾害发生时的人口迁移、交通网络变化以及资源调配。这类研究往往需要进行大量 simulation，比如使用diffusion model或者蒙特卡洛模拟来分析不同情境下系统的变化。
另外还有一些研究会使用 agent-based modeling。也就是说研究者会对系统中的每一个个体进行建模，然后模拟这些个体在不同情境下的决策行为。现在也有人开始尝试用大语言模型来模拟这些agent 的行为，比如通过给模型输入大量关于某类人群的数据，让模型去预测他们在不同情况下会做出什么样的决策。
Susie：很多同学其实对系统工程这个专业不是特别熟悉。您当时是为什么会选择这个方向的呢？
Harriet：
系统工程其实是一个非常跨学科的领域。很多时候我们研究的问题并不是单一学科可以解决的，而是需要结合多个学科的方法。比如在交通系统中，你不仅需要数学建模能力，还需要了解算法、数据分析以及工程背景。
我当时选择这个方向，一方面是因为我本身对数学建模和优化问题比较感兴趣，另一方面也是因为系统工程的研究内容非常贴近现实世界的问题。很多研究成果可以直接应用在实际系统中，例如交通调度、能源管理或者供应链优化等。
相比一些更加纯理论的学科，系统工程的研究往往更强调“如何解决真实问题”。这也是我觉得这个方向非常有吸引力的一点。
Susie：那在博士阶段，系统工程的研究通常是怎样展开的？
Harriet：
在系统工程的博士阶段，研究通常会从一个具体的问题出发。这个问题可能来自现实世界中的某个系统，例如交通系统、物流系统或者能源系统。研究者需要先对这个系统进行抽象和建模，然后通过数学和算法的方法去分析系统行为。
在建模完成之后，接下来就是设计优化方法或者算法来改进系统的运行。例如，你可能会研究如何减少交通拥堵，或者如何优化供应链中的库存和运输策略。
在这个过程中，数据分析也非常重要。很多系统工程研究都会使用真实数据来验证模型的效果，并且通过实验来评估算法是否能够提升系统性能。所以整体来说，系统工程博士的研究通常会包括三个部分：系统建模、算法设计以及数据分析。
Susie：如果有同学想申请系统工程方向的博士，他们需要提前具备哪些技能呢？
Harriet：
首先是数学基础。系统工程很多研究都涉及优化、概率、统计以及线性代数等内容，所以数学基础非常重要。
其次是编程能力。很多算法实现和数据分析都需要通过编程完成，常见的语言包括 Python、MATLAB 或者 R。
另外一个比较重要的能力是建模能力。系统工程的研究通常需要把现实问题抽象成数学模型，因此需要具备一定的抽象能力和逻辑分析能力。
当然，这些能力并不是要求在申请之前全部都非常熟练。很多技能是在博士期间逐渐培养起来的。但如果在本科阶段已经有一些相关基础，会对申请和后续研究都有很大帮助。
Susie：很多同学其实都很关心一个问题，就是博士毕业之后的就业情况。系统工程这个方向在就业上有哪些常见的去向？
Harriet：
系统工程的就业方向其实还挺多的。一部分人会继续留在学术界，比如做博士后或者走教职路线。但现在越来越多的人会选择进入工业界。
因为系统工程本身涉及很多数学建模和优化方法，所以很多行业都会需要这种技能。例如金融行业、保险行业、物流行业或者科技公司。
如果是金融行业，他们其实更看重的是数学能力。很多做量化或者做模型的人，并不一定是金融专业出身，反而很多是物理、数学或者计算机背景的人。
另外像保险行业其实也很需要系统工程背景的人，因为他们需要做灾害风险建模，比如分析自然灾害发生时可能带来的损失，这些问题都需要大量 simulation 和概率模型。
Susie：刚刚您也提到一些行业其实存在人才缺口，那您觉得未来哪些行业会比较有前景？
Harriet：
有时候反而是一些传统行业更有机会。因为现在很多人都集中在互联网或者科技行业，但一些传统行业其实也需要很多技术人才。
比如有些行业其实存在人才缺口，但因为工资比互联网行业低很多，所以很多人不愿意去做。这就导致这些行业长期招不到人。
比如有些岗位工资可能只比 designer 稍微高一点，但比传统的科技行业可能低一半左右，所以很多人就不愿意去。这种情况下，其实这些行业反而是有机会的。
所以如果问我未来哪个行业更有前景，其实有些传统行业反而可能会有不错的发展空间，因为还没有那么多人进入。
Susie：博士申请的时候，很多学校是不是更倾向于录取本校学生？
Harriet：
这个情况确实在一些项目里存在。比如有些项目会先从本校的 master 或本科学生中选人，他们会在内部进行竞争。可能很多 master 学生会去争实验室的 RA 位置，而这些位置最终可能只有很少一部分人能够继续读 PhD。
这样一来，留给外校申请者的名额就会比较少。除非你和某个导师有比较强的合作关系，或者之前有比较密切的学术联系，否则竞争会比较激烈。
