一支MLB球队通过优化 scouts' conflicting opinions 来对潜力新星进行排名。

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。

将意见相左的球探转化为统一的选秀排名。

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。

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。

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。