案例库 · 研发与科研 · 运营决策 · 2010–2012
一支MLB球队通过优化 scouts' conflicting opinions 来对潜力新星进行排名。
佐治亚理工学院的模型将 scouts 相互矛盾的评价转化为共识选秀排名；球队使用了两年，随后另一支球队也来咨询。
美国职业棒球大联盟（未具名球队）
解法
备战一年一度的美国职棒大联盟选秀很艰难：每年约有1500名球员被选中，球队必须评估和排名数百名潜力新星。球探提交定性和定量报告，但他们的意见往往存在严重分歧。
佐治亚理工的研究人员与一支大联盟球队合作，将问题建模：建议一个共识排名，涵盖球队代表所评估的所有球员。同样的方法论还推荐了赛季中的球探日程安排，基于每位球探能增加的信息量以及每名球员真实排名的不确定性。
该球队使用了这个优化工具两年，之后另一支大联盟球队也请求研究人员评估其排名数据。
生效的原因
- 从许多有噪声的专家意见中形成共识正是优化擅长的事情。
- 球探日程安排自然源自同一个模型，针对不确定性。
- 两支球队采用该工具表明它在真实的选秀室使用中经受住了考验。
取得的成效将意见相左的球探转化为统一的选秀排名。聪明
可借鉴之处
当专家意见不一致时，不要手动平均他们的列表——明确地建模聚合，你不仅能得到排名，还能洞察到下一次观察最可能产生价值的地方。
后续进展
这个案例于2012年发表在《Interfaces》上；该工具继续被使用，并且另一支球队也请求了评估。
资料来源
- A Major League Baseball Team Uses Operations Research to Improve Draft Preparation
- A Major League Baseball Team Uses Operations Research to Improve Draft Preparation
- A Major League Baseball Team Uses Operations Research to Improve Draft Preparation
发现哪里写错了？告诉我们。