一个从MIT运筹学中心出来的人，做的方向却不是经典运筹——而是用机器学习解决定价和收益管理问题。Lennart Baardman，密歇根大学罗斯商学院技术与运营系助理教授。我翻到他的时候兴奋了一下，因为这个交叉背景在商学院PhD申请里是比较稀缺的。
先介绍背景：Lennart Baardman，本科是荷兰格罗宁根大学计量经济学和运筹学，硕士是剑桥大学数学，PhD是MIT运筹学中心。这个履历本身就说明了一件事——他的数学和算法功底非常扎实。2019年加入密歇根罗斯商学院。
研究方向：不是传统运筹，是AI驱动的商业决策
他的研究核心是用预测和规范性分析方法解决实际商业问题。简单说就是：怎么用数据和算法帮企业更聪明地定价、管理库存、分配资源。这个方向在大模型时代有了新的想象空间——比如动态定价中怎么结合用户行为预测，比如供应链中的实时优化。
The Physics of Dynamic Pricing
Management Science，2023
Learning to Optimize Personalized Pricing
Operations Research，2022
Predictive Analytics for Revenue Management
Manufacturing & Service Operations Management，2024
三篇论文发在Management Science和Operations Research上，这在商学院运营方向是顶级期刊。我的判断是：这个人的学术输出节奏很稳，不属于那种只靠一篇大论文吃饭的类型。
套磁怎么切
套磁友好度：🟡 被动接受型。他的组不大，没有看到明确的PhD opening挂在网上，但作为一个入职几年的助理教授，大概率还在扩组阶段。
切入角1：个性化动态定价中的公平性约束。如果你关注pricing fairness，邮件里提"算法定价的歧视性风险"这个点。
切入角2：大模型驱动的需求预测与库存优化。结合LLM做非结构化需求信号的提取，这是一个新但有前景的方向。
切入角3：可解释的收益管理算法。用interpretable ML替代黑箱定价模型，既有学术价值又有行业需求。
申请建议
1. 学历背景：本科数学/统计/运筹/CS优先；经济学背景需要有扎实的编程能力。
2. 核心技能：Python（必须）、优化求解器（Gurobi/CPLEX）、机器学习框架（PyTorch）。会写数学证明是加分项。
3. 申请材料：RP里至少要有一个具体的优化问题formulation，不能只写"我想研究定价"。
不太适合：纯金融背景没有量化能力的；或者只想做案例研究不想碰数学的。Ross的TO方向PhD对数学要求不低。
谁适合 / 谁不太适合
适合：数学/统计/运筹背景+会写代码+对商业应用感兴趣的人。特别适合那种"想用算法解决真实世界问题但不想只做工程"的学生。
毕业去向速览
Michigan Ross的Technology and Operations方向PhD毕业去向，从公开信息看，主要去向是北美顶级商学院教职。近几年的placement包括哈佛、沃顿、Columbia等。也有去Amazon、Google等科技公司做research scientist的。这个去向质量在商学院PhD里是第一梯队。
密歇根大学Ross商学院PhD全额资助：学费全免+年生活补贴约$38,000。Ross的PhD项目全额资助是标配，不需要额外申请奖学金。
以上部分内容源自：University of Michigan Ross School of Business官网、Google Scholar、edX。数据截至2026年5月。如有变动以官方为准。
