محمد می نویسد

این متن به انگلیسی توی وبلاگ شرکت تایم فولد توسط Tom Cools نوشته شده. یه سری خبرنامه مربوط به بهینه‌سازی و هوش مصنوعی عضو هستم و این متن رو اونجا پیدا کردم. کار شرکت تایم‌فولد اینه که بیاد یه سری مسئله‌ی صنایعی مثل حمل‌ونقل و برنامه‌ریزی رو از شرکت‌های بزرگ حل کنه.

---

من، طبق بیشتر تعریف‌های معقول، موجودی اهل عادت هستم.

هر صبح همان قهوه. سال‌ها همان برند کفش (و هر بار که یک جفت بالاخره از نفس می‌افتد و مجبور می‌شوم برای خرید جفت جدید بروم، یک دوره‌ی کوتاه عزاداری هم دارم). همان مسیر تا محل کار. همان صندلی سر میز شام. شریک زندگی‌ام این ویژگی را هم دوست‌داشتنی می‌داند و هم، گاهی، کمی کسل‌کننده.

حالا، این‌طور نیست که از تغییر بدم بیاید. واقعاً از تجربه کردن چیزهای جدید لذت می‌برم. کشورهای جدید، کنفرانس‌های جدید، رستوران‌های جدید، مسائل جدید برای مدل‌سازی. اما زیر همه‌ی این تجربه‌جویی‌ها، یک ترجیح آرام و مداوم در پس‌زمینه در حال زمزمه کردن است: من دوست دارم بدانم قرار است چه چیزی گیرم بیاید.

مهندسی؛ تقابلِ پیش‌بینی و روتین

احتمالاً تعجب نمی‌کنید اگر بگویم همین ترجیح بود که در وهله‌ی اول من را به سمت مهندسی نرم‌افزار سوق داد. در یک تابع، چیزی عمیقاً رضایت‌بخش وجود دارد. ۲ و ۳ را به آن می‌دهی، ۵ را تحویل می‌گیری. فردا دوباره همان را روی یک ماشین دیگر، در یک منطقه‌ی زمانی دیگر، بعد از یک قهوه‌ی دیگر اجرا می‌کنی، و باز هم ۵ می‌گیری.

بخش عمده‌ای از حرفه‌ی من بر پایه‌ی همین وعده‌ی ساده بنا شده است: با ورودی‌های یکسان، همان خروجی‌های یکسان را به من بده. این قاعده‌ی طلایی، زیربنای اصلیِ اشکال‌زدایی (Debugging) و اعتماد به سیستم است. در نهایت، همین ویژگی باعث می‌شود شب‌ها وقتی کدت در محیط عملیاتی در حال اجراست، با خیال راحت بخوابی.

وقتی به اطرافیانم می‌گویم حالا در یک شرکت هوش مصنوعی کار می‌کنم، گاهی با تعجب به من نگاه می‌کنند. پرسش ضمنی معمولاً این است: «صبر کن. تو؟ همون آدمی که هر بار دقیقاً همان غذا را دوباره سفارش می‌دهد؟ در هوش مصنوعی کار می‌کنی؟» اعتراف می‌کنم که این نگاه، کاملاً منصفانه است.

پارادوکسِ هوش مصنوعی: ابداع یا انضباط؟

در سال ۲۰۲۶ وقتی عبارت «هوش مصنوعی» شنیده می‌شود، ذهن‌ها فوراً به سمت هوش مصنوعی مولد می‌رود. ChatGPT، مولدهای تصویر، دستیارهای کدنویسی؛ همگی در دسته‌ای قرار دارند که ذاتاً برای پاسخ‌های خلاقانه و متفاوت طراحی شده‌اند.

این «عدم قطعیت» در واقع برای مدل‌های مولد یک ویژگی است، نه باگ. اگر از مدل بخواهی «یک هایکو درباره‌ی عذاب کشیدن از آلرژی» بنویسد، هیچ‌کس نمی‌خواهد هر بار دقیقاً همان شعر را تحویل بگیرد؛ ما تنوع و غافلگیری می‌خواهیم.

اما همه‌چیز بر پایه‌ی شعر نیست. بخش بزرگی از صنعت، بر پایه‌ی «برنامه‌ها» می‌چرخد؛ جدولِ مسیرهای تحویل، زمان‌بندی شیفت‌های کارکنان، و لجستیکِ کامیون‌ها. در این حوزه‌ها، «هر بار یک جواب کمی متفاوت» جذاب نیست؛ بلکه یک کابوسِ مدیریتی است.

قدرتِ قطعیت؛ یک مزیتِ رقابتیِ پنهان

چیزی که من در کار کردن در Timefold دوست دارم این است که «حل‌کننده» (Solver) ما هوش مصنوعی است، اما کاملاً قطعی (Deterministic) عمل می‌کند. با همان داده‌ی ورودی و همان بودجه‌ی CPU، دقیقاً همان جوابِ پیشین را بازمی‌گرداند.

تا وقتی چند سال را صرف اشکال‌زدایی از سامانه‌هایی نکرده باشی که این ویژگی را ندارند، اهمیت این جمله را درک نمی‌کنی. تصور کن سیستمی داری که با اجرای دوباره‌ی ورودی‌های یکسان، خروجی‌های متفاوتی می‌دهد و تو هرگز نمی‌فهمی این تفاوت ناشی از هوشمندیِ الگوریتم بوده، یک باگ منطقی بوده، یا صرفاً حاصلِ تابش پرتوهای کیهانی!

چرا مدل‌های ما به «عادت» نیاز دارند؟

قطعیت در سیستم‌های برنامه‌ریزی، امکاناتی را فراهم می‌کند که در مدل‌های غیرقطعی عملاً غیرممکن هستند:

• بازتولید آسان باگ‌ها: اگر برنامه‌ریزی گزارشی از یک تخصیص شیفت عجیب می‌دهد، با اجرای مجدد همان مجموعه داده، دقیقاً همان خروجی را می‌گیری. این بهترین ابزار برای تحلیلِ رفتار سیستم است.
• امکان تست‌نویسی استاندارد: تست‌های واقعی با assertionهای واقعی بنویس که به‌صورت تصادفی در هر اجرای CI شکست نمی‌خورند. تست‌های تو دیگر نمی‌گویند «راه‌حل باید تقریباً این‌طور باشد»؛ آن‌ها دقیقاً می‌گویند «راه‌حل این است».
• تست‌های A/B دقیق: برای سنجش بهبودِ یک قیدِ جدید، نسخه‌ی قبل و بعد را روی داده‌ی یکسان اجرا کن. هر تغییری که می‌بینی، مستقیماً ناشی از بهبود کدِ خودت است، نه حاصلِ پرتابِ تاس.
• جلب اعتماد ذی‌نفعان: برنامه‌ریزهایی که از سیستم استفاده می‌کنند، وقتی یک برنامه را دو بار می‌بینند و هر دو بار یکسان است، به آن اعتماد می‌کنند. اگر هر بار جواب متفاوتی به آن‌ها نشان دهی، کارت تمام است؛ مهم نیست ریاضیاتِ پشت آن چقدر قوی باشد.

این مسئله‌ای کوچک نیست؛ مرز بین سیستمی که به آن تکیه می‌کنی و سیستمی که باید مدام به صورت دستی مراقبش باشی، همین‌جاست.

جمع‌بندی: جادویِ نظم در دنیایِ پیش‌بینی‌ناپذیر

می‌فهمم چرا «قطعی بودن» برای بازاریابی هیجان‌انگیز نیست. اینکه بگویی «هوش مصنوعی ما هر بار همان جواب را می‌دهد»، قرار نیست در لینکدین ترند شود. در دورانی که همه انتظار دارند هوش مصنوعی با نوآوری خیره‌شان کند، این حرف شبیه یک عقب‌گرد به نظر می‌رسد.

اما برای مسائلِ برنامه‌ریزی که تصمیماتش روی شیفت‌ها، تحویل‌ها و زندگی واقعی اثر می‌گذارند، همین به‌ظاهر کسل‌کننده بودن، دقیقاً همان چیزی است که نیاز داریم. تو سیستمی می‌خواهی که سه‌شنبه همان‌طور رفتار کند که جمعه رفتار می‌کند. نتیجه‌ای می‌خواهی که بتوانی از آن دفاع کنی.

به بیان دیگر، تو می‌خواهی هوش مصنوعی برنامه‌ریزی‌ات کمی شبیه یک موجود اهل عادت باشد؛ همان ورودی، همان خروجی. همان قهوه، همان کفش‌ها، همان برنامه.

راستش را بخواهی، این محبوب‌ترین نوع جادو برای من است. 🙂

[بعد از ۹۸ روز دارم وبلاگ رو ادامه می‌دم. وبلاگ رو آوردم روی سرور داخلی و دارم این پست رو توی یه سفر به مشهد، در مهمانسرای دانشگاه با استفاده از اینترنت دانشگاه می‌نویسم. چندین ماهه حالم از همه چی به هم می‌خوره ولی با به سخره گرفتن و خندیدن بهشون دارم دووم می‌آرم.]

مسابقه بر پایه اکسل؟ WuuuuuUUuUUT؟

اگه فکر می‌کنی اکسل فقط برای حسابداری و جدول‌های خشک اداریه، وقتش رسیده با دنیای عجیب و هیجان‌انگیز «Excel Esports» آشنا بشی؛ جایی که بازیکنای حرفه‌ای با فرمول‌ها، منطق و سرعت عمل با هم رقابت می‌کنن، درست مثل مسابقات بازی‌های ویدیویی. خودم اولین بار با این قضیه توی اینستاگرام روبرو شدم و دقیق نفهیدم چجوریه. خواستم هم الان‌ها توی یوتوب برم که ببینم ساز و کارش چجوریه ولی خیلی ویدیوها رو اصلا بالا نمی‌آره!

وب‌سایت رسمی Excel Esports مسابقاتی رو برگزار می‌کنه که توی اون‌ها شرکت‌کنندگان باید در زمان محدود، معماها و چالش‌های پیچیده رو توی اکسل حل کنن. این رقابت‌ها دیگر ربطی به فایل‌های خسته‌کننده مالی ندارن؛ بلکه ترکیبی از منطق، حل مسئله، سرعت، تحلیل داده و خلاقیت هستن.

وقتی اکسل تبدیل به ورزش الکترونیکی می‌شه.

در دنیای Excel Esports، بازیکن‌ها باید تحت فشار زمانی، مسئله‌هایی رو حل کنند که گاهی شبیه پازل، بازی استراتژیک یا معماهای منطقی هستن. مسابقات به‌صورت آنلاین و حتی حضوری برگزار می‌شن و بعضی از آن‌ها جایزه‌های ده‌ها هزار دلاری دارند. فینال‌های جهانی این رقابت‌ها در لاس‌وگاس برگزار می‌شه و بهترین بازیکنان اکسل جهان برای قهرمانی رقابت می‌کنن.

جذاب‌ترین بخش ماجرا اینجاست که تماشای مسابقات هم هیجان خودش رو داره. بازیکن‌ها در لحظه فرمول می‌نویسند، داده تحلیل می‌کنن و هر اشتباه کوچکی ممکن است باعث حذفشون بشه! دقیقاً مثل یک مسابقه حرفه‌ای توی صنعت بازی‌های کامپیوتری!

Excel Esports دقیقاً چیست؟

بر اساس توضیح سایت رسمی، Excel Esports مسابقه‌ای است که در آن افراد «چالش‌های غیرمعمول» را با استفاده از Microsoft Excel حل می‌کنند. تمرکز اصلی روی مهارت‌های منطقی و تسلط بر اکسل است، نه امور مالی یا حسابداری سنتی. (MEWC)

بازیکنان معمولاً باید:

• داده‌ها را تحلیل کنن
• فرمول‌های پیچیده بسازن
• الگوها رو پیدا کنن
• معماهای منطقی را حل کنن
• و همه این کارها را در زمان محدود انجام بدن

این مسابقات به‌قدری جدی شده‌ که حتی سیستم رتبه‌بندی شبیه بازی‌های رقابتی و شطرنج برای آن طراحی شده!

مسابقات جهانی اکسل؛ از سرگرمی تا جایزه ۱۰۰ هزار دلاری

رقابت اصلی این مجموعه با نام Microsoft Excel World Championship برگزار می‌شود. طبق اطلاعات سایت، جایزه مسابقات جهانی ۲۰۲۶ به ۱۰۰ هزار دلار می‌رسد. شرکت‌کنندگان از طریق مسابقات ماهانه «Road to Las Vegas» امتیاز جمع می‌کنند تا به مراحل نهایی برسن.

حتی تورنمنت‌های منطقه‌ای هم وجود داره؛ مثلاً رویداد اروپایی ۲۰۲۶ در آمستردام برگزار شده و شرکت‌کنندگان به‌صورت حضوری با هم رقابت کردن.

چرا این ایده این‌قدر محبوب شده؟

موفقیت Excel Esports فقط به خاطر عجیب بودنش نیست. این مسابقات نشون می‌ده که مهارت‌های دیجیتال و تحلیلی هم می‌تونن مثل بازی‌های ویدیویی هیجان‌انگیز باشن.

در سال‌های اخیر، ویدیوهای مسابقات اکسل در شبکه‌های اجتماعی میلیون‌ها بازدید گرفته‌اند و رسانه‌هایی مثل ESPN، The Verge و Wall Street Journal هم درباره اون نوشته‌ن.

از طرفی، بسیاری از برنامه‌نویسان، تحلیلگران داده و حتی گیمرها جذب این رقابت‌ها شده‌ان؛ چون ترکیبی از سرعت ذهن، دقت و استراتژی هستن.

پلتفرم آنلاین برای تمرین

علاوه بر مسابقات رسمی، پلتفرم آنلاین Excel Esports Online هم راه‌اندازی شده تا کاربران بتونن هر زمان که خواستن تمرین کنن یا با دیگران رقابت داشته باشند. این پلتفرم شامل صدها چالش، جدول رتبه‌بندی و مسابقات آنلاینه. (play.excel-esports.com)

طبق آمار منتشرشده در انجمن Reddit، این پلتفرم در مدت کوتاهی کاربران زیادی از بیش از ۱۰۰ کشور جذب کرده! (Reddit)

آینده‌ای عجیب اما واقعی

شاید چند سال پیش کسی باور نمی‌کرد اکسل هم روزی تبدیل به ورزش الکترونیکی بشه؛ اما حالا هزاران نفر در سراسر دنیا برای قهرمانی در Excel Esports تمرین می‌کنن.

این جریان نشون می‌ده که مرز بین «کار» و «سرگرمی» هر روز در حال تغییره. ابزاری که زمانی فقط مخصوص اداره‌ها بود، حالا تبدیل به میدان رقابت جهانی شده.

نوشته‌ی استفانی اِن. دل‌توفو – دانشگاه دلاور – The Conversation و منتشر شده در مدیوم.کام

• بیایید با یک آزمایش ذهنی شروع کنیم.

لحظه‌ای چشم‌هایتان را ببندید و به صدها سال آینده سفر کنید. فکر می‌کنید انسان به راحتی بین کهکشان‌ها در حال رفت‌وآمد است؟ آیا در سفینه‌های فضایی زندگی می‌کند؟ یا هزاران فرسخ زیر دریا یا روی سیاره‌هایی با آسمان‌های رنگارنگ؟

اکنون، اتاق خواب نوجوانی را تصور کنید. شاید دیوارهای اتاق او پوشیده شده از مانیتور هستند. حلقه‌های زحل از پنجره‌ اتاقش دیده می‌شوند، شاید درخشش آبی نپتون را با حواس پنجگانه به صورت دیگری حس کند و شاید گونه‌های مختلف آب‌زی را می‌بیند. حالا سوال پیش می‌آد: آیا کتابی هم در آن اتاق هست؟…

تصور ما تمام شد. چشم‌ها را باز می‌کنیم و اطراف خود را به دقت نگاه می‌کنیم. حتما یک کتاب کاغذی اطراف ما وجود دارد. چه در کتابخانه، چه روی تخت، حتی کنار دستمان. در حالی این اتفاق می‌افتد که دنیای دیجیتال امروزی پر از پادکست و کتاب صوتی و محتوای شنیداری است.

سوال دیگری پیش می‌آد: اگر می‌تونیم تقریباً هر چیزی را گوش بدهیم، چرا خواندن هنوز از بین نرفته؟

• مغز، هدف مشترک؛ مسیرهای متفاوت

از زبان نویسنده: «من به‌عنوان یک پژوهشگر زبان، بررسی می‌کنم که چگونه عوامل زیستی و تجربه‌های اجتماعی، زبان را شکل می‌دهند. تمرکز کار من این است که مغز چگونه زبان گفتاری و نوشتاری را پردازش می‌کند؛ با استفاده از ابزارهایی مثل MRI و EEG»

چه کتاب دستمون باشه و چه در حال گوش دادن به فایل صوتی، همگی در مسیر هدف والایی قرار داریم: «فهمیدن دنیای اطراف» خواندن و گوش دادن اگر چه خروجی ثابتی ممکن است داشته باشند، اما به شکل‌های مختلف مغز را درگیر می‌کنند. هیچ کدام یک از آن‌ها جایگزین کامل دیگری نمی‌شود.

• وقتی می‌خوانید، مغز چگونه کار می‌کند؟

در خواندن، مغز یک زنجیره‌ی نسبتاً پیچیده از پردازش‌ها را فعال می‌کند. ابتدا شکل حروف تشخیص داده می‌شود، سپس این شکل‌ها به صداهای گفتاری نگاشت می‌شوند، صداها به معنا وصل می‌شوند، و در نهایت این معناها در سطح کلمات، جملات و حتی کل متن به هم پیوند می‌خورند. واقعا این روند جادویی است.

برای همین متن نوشتاری یک مزیت مهم دارد: ساختار بصری. نشانه‌گذاری، پاراگراف‌بندی، تیترها و حتی کلمات برجسته‌شده، همگی به مغز کمک می‌کنند که معماری معنا را بهتر بفهمد. علاوه بر این، سرعت پردازش کاملاً در اختیار خود خواننده است؛ می‌توان مکث کرد، برگشت، یا دوباره خواند.

• هنگام گوش‌دادن چه اتفاقی می‌افتد؟

در گوش‌دادن، مغز باید خود را با سرعت گوینده تطبیق دهد. زبان گفتاری گذراست؛ چیزی نیست که بتوان آن را «نگه داشت» و دوباره نگاه کرد. بنابراین، حافظه نقش بسیار پررنگ‌تری پیدا می‌کند. {برای مترجم هضم این اتفاق بسیار سخت است}

از طرف دیگر، گفتار یک جریان پیوسته است. کلمات مثل متن چاپی از هم جدا نیستند. صداها در هم ادغام می‌شوند؛ پدیده‌ای که در زبان‌شناسی به آن هم‌تلفظی (coarticulation) گفته می‌شود. مغز شنونده باید به‌سرعت مرز کلمات را تشخیص دهد، صداها را به معنا وصل کند، و هم‌زمان به لحن، هویت گوینده و زمینه‌ی موقعیت توجه داشته باشد.

• آیا گوش‌دادن «آسان‌تر» است؟

بستگی داره!

یک تصور رایج این است که گوش‌دادن همیشه ساده‌تر از خواندن است. اما شواهد علمی معمولاً چنین چیزی را تأیید نمی‌کنند. در بسیاری از موارد به‌ویژه وقتی موضوع پیچیده یا ناآشناست، گوش‌دادن حتی می‌تواند دشوارتر باشد.

در داستان‌های ساده و روایی، درک شنیداری و خوانداری شباهت بیشتری به هم دارند. اما در متن‌های غیرداستانی، مثل مقاله‌های تحلیلی، علمی یا آموزشی، این فاصله بیشتر می‌شود.

پژوهش‌های نویسنده نشان می‌دهد که ژانر متن اهمیت زیادی دارد. داستان‌ها بیشتر شبکه‌های مغزی مرتبط با فهم اجتماعی و روایت را فعال می‌کنند، در حالی که متن‌های غیرداستانی به شبکه‌هایی متکی‌اند که با تفکر راهبردی، کنترل توجه و هدف‌گذاری شناختی در ارتباط‌اند.

از نظر عملی هم، خواندن دست بالاتر را دارد. می‌توان بین بخش‌های متن جابه‌جا شد، قسمت‌های دشوار را دوباره خواند یا نکات مهم را علامت‌گذاری کرد. در مقابل، مکث و عقب‌بردن یک فایل صوتی دقت کمتری دارد و اغلب جریان فهم را مختل می‌کند.

البته این قاعده برای همه یکسان نیست. برای مثال، افرادی با نارساخوانی رشدی معمولاً در رمزگشایی کلمات نوشتاری مشکل دارند. برای آن‌ها، گوش‌دادن راهی است که مغز بدون درگیر شدن با این مرحله‌ی دشوار، مستقیماً به معنا دسترسی پیدا می‌کند.

• عامل پنهان: درگیری ذهنی

نکته‌ی کلیدی دیگر، میزان درگیری ذهنی است؛ یعنی این‌که فرد چقدر واقعاً حاضر، متمرکز و فعالانه در حال پردازش اطلاعات است.

بسیاری از افراد هنگام گوش‌دادن، هم‌زمان کارهای دیگری انجام می‌دهند: ورزش، آشپزی، یا گشت‌وگذار در اینترنت. کاری که هم‌زمان با خواندن، تقریباً غیرممکن است.

در یک پژوهش، دانشجویان یا یک متن را خواندند یا به نسخه‌ی صوتی آن گوش دادند. نتیجه روشن بود: کسانی که متن را خوانده بودند، عملکرد بهتری داشتند. بسیاری از شنوندگان اعتراف کردند که هم‌زمان چندکار انجام می‌دادند. این نکته مهم است، چون به نظر می‌رسد  توجه برای درک شنیداری حتی نقش مهم‌تری را نسبت به درک از خواندن ایفا می‌کند.

خلاصه که برای خودتون ژانرهای مختلف رو شخصی‌سازی کنید تا بتونیم دنیای پیچیده امروزی که رسالت ما هست رو بهتر بفهمیم.

 

Many Thanks to Michael Mo for providing me a premium subscription on   <3 Medium.com

 

برای من باعث افتخاره که دوستانی از دبیرستان دارم که حالا به کانادا مهاجرت کردند و با وجود فاصله‌ی هزاران هزار کیلومتری با هم، معرفت به خرج می‌دن که با هم گاهی تماس تصویری داریم. توی تماس تصویری اخیری که با هم داشتیم، مسئله‌ای پیش اومد. از این لحاظ که روانشناسی و اقتصاد هر دو شبه‌علم هستند و حتی یک بین‌رشته‌ای به وجود اومده که بهش می‌گن «اقتصاد رفتاری» یا همون Behavioral Economics.

در واقع این رشته می‌آد عواملی، مثل احساسات، روندهای اجتماعی و شناختی جامعه رو بررسی می‌کنه تصمیم‌گیری‌های مالی رو تحلیل یا پیش‌بینی کنه. جا برای بحث توی این زمینه زیاده که توی این پست نمی‌گنجه.

اما چرا توی عنوان گفتم که من رو کنجکاوتر کرد؟

وقتی حرف این شد که اقتصاد یه شبه‌علمه، به خودم گفتم واقعا چرا این فکر رو می‌کنه؟ ولی بروز ندادم. برای من که اقتصاد اصلا شبه‌علم نیست. اگر بخواهیم حتی سطحی هم فکر کنیم، مگه می‌شه یه رشته نوبل داشته باشه و شبه‌علم باشه؟ حتی این رو توی ذهن خودم داشتم که چجوری مهندسی تحقیق درعملیات که ریاضی کاربردی هست رو می‌شه به اقتصاد ربط داد.

در ادامه به این می‌پردازیم که یه مهندس تحقیق در عملیات که حتما پایه ریاضیاتی قوی‌ای قراره داشته باشه، به توسعه مدل‌های اقتصادی قراره کمک کنه.

وقتی بخواهیم به عنوان «مهندس تحقیق در عملیات» کار کنیم، به اختصار باید کارهای زیر رو انجام بدیم:

• مدلسازی ریاضی مسائل واقعی
• حل مسائل بهینه‌سازی
• تحلیل سیستم‌های پیچیده و عدم قطعیت
• پشتیبانی تصمیم‌گیری مدیران
• ترکیب با علم داده که کمی مدرن‌تر است

کجا یه مهندس تحقیق در عملیات کار می‌کنه؟

• تولید و کارخانه
• لجستیک و حمل و نقل
• بانک و بیمه
• انرژی
• سلامت
• استارتاپ‌های تکنولوژیکی
• تیم‌های تحلیل داده

---

حالا من می‌آم چند حوزه کلیدی رو که مهندس تحقیق در عملیات در اقتصاد می‌تونه ایفای نقش کنه می‌گم:

۱- مدیریت و تحلیل ریسک:

اقتصاد مالی و اقتصاد سنجی، ابزارهای کمی قدرتمندی برای مدلسازی عدم قطعیت، قیمت‌گذاری ریسک و تصمیم‌گیری در شرایط احتمالی هستند. در پروژه‌های واقعی تحقیق در عملیات (مثل مدیریت زنجیره تامین، برنامه‌ریزی تولید یا سرمایه‌گذاری) درک عمیق مفاهیمی مثل «ارزش در معرض خطر»، «بازده مورد انتظار» و «تنوع بخشی» حیاتی هست.

۲- اقتصاد مدیریت و طراحی مکانیزم:

در این قسمت بحث می‌شود که چگونه انگیزه‌های افراد و بازیگران مختلف (مشتریان، رقبا یا تامین‌کنندگان) در مدل‌ها لحاظ بشن.

۳- بهینه‌سازی در سطح کلان و سیاست‌گذاری:

از ایده‌ها در حوزه‌های مختلفی که قبل‌تر هم اشاره شد، مثل حمل و نقل یا سلامت (مربوط به رفاه عمومی)، اقتصاد کلان و اقتصاد سنجی می‌شه کمک گرفت.  در واقع ارزیابی اقتصادی پروژه‌های بزرگ یه مهارت ارزشمند قراره باشه.

۴- تحلیل بازار و پیش‌بینی:

در مدلسازی تقاضا در زنجیره تامین، برنامه‌ریزی ظرفیت یا قیمت گذاری، درک رفتار مصرف‌کننده و ساختار بازار ضروری هستن. اینجا هم با استفاده از اقتصادسنجی که بخش جدایی ناپذیری از مدل‌سازی اقتصادی هست مکمل قدرتمندری برای مهندس تحقیق در عملیات می‌تونه باشه.

---

توی بررسی دو تا رشته‌ای که گفتم، خودم هم نمی‌دونم چجوری دقیق می‌شه ربطشون داد، ولی حداقل این رو می‌دونم که پایه ریاضیاتی و درک عمیقی از آمار و احتمال می‌خواد. این آمار و مدلسازی یه ابزار قدرتمنده که باهاش خیلی کارا رو می‌شه انجام داد. خیلی دوست دارم به زودی سایدپروجکت‌هایی رو انجام بدم و با شما هم به اشتراک بگذارم!

چند سال پیش علاقه داشتم توی ماراتن‌ شرکت کنم تا اسفند پارسال رسید و توی اولین ماراتن دوچرخه‌سواری لوت شرکت کردم ومهر هم توی ماده ۱۵ کیلومتر لوت دویدم. حد فاصل این دو ماراتن ۱۲ کیلو هم لاغر شدم. اگر هم عضو کانال تلگرام بنده هم باشید در مورد ۳ ورزش هوازی‌ای که انجام می‌دم هم حتما مطالعه کرده‌اید!

خلاصه که من هم سرم درد می‌کنه واسه آمار و ارقام. به خودم گفتم یک سری پست در مورد ماراتن‌های جهان را گرد هم بیاورم تا محتوای فارسی از این قافله عقب نمونه! اولین پست در مورد بزرگ‌ترینشان هست یعنی نیویورک! (۱۰۰۳ کلمه)

ابتدا به طور خلاصه بررسی می‌کنم که اهمیت ماراتن نیویورک برای تمام برگزارکنندگان ماراتن‌های سراسر دنیا چیست؟

[این ولاگ انگلیسی توی یوتوب رو هم از دست ندید]

برگزاری ماراتنی در این ابعاد مدل بی‌نظیر مدیریت و سازماندهی رویداد هست. در ادامه به صورت تیتر وار می‌گم که چجوری:

استانداردهای عملیاتی

• سیستم ثبت‌نام و مدیریت شرکت‌کنندگان: مدلی برای مدیریت حجم عظیم متقاضی
• برنامه‌ریزی لجستیکی: الگویی برای هماهنگی منابع در کلان‌شهری پیچیده
• مدیریت داوطلبان: ساختار بهینه برای سازماندهی هزاران داوطلب

نوآوری‌های اجرایی

• سیستم گروه‌های شروع (Wave Start) که در بسیاری از ماراتن‌ها اقتباس شده است
• تکنولوژی‌های ردیابی زمان‌بندی واقعی
• برنامه‌ریزی امنیتی جامع برای رویدادهای بزرگ

---

کار به این بزرگی حتما باید مدل اقتصادی و درآمدی باثباتی داشته باشه:

منابع درآمدی الهام‌بخش

• شهریه ثبت‌نام: ساختار قیمت‌گذاری مرحله‌ای
• حامیان مالی: مدل جذب اسپانسرهای متعدد و متنوع
• محصولات جانبی: فروش البسه و سوغات مسابقه
• حقوق پخش: الگوی رسانه‌ای برای ماراتن‌های دیگر

تأثیر اقتصادی قابل مطالعه

• مدل سنجش تأثیر اقتصادی بر شهر میزبان
• الگوی همکاری با کسب‌وکارهای محلی
• سیستم توزیع منافع اقتصادی

---

بازاریابی در سطح جهانی و الگوی جذب مشارکت

استراتژی‌های برندسازی

• داستان‌سرایی موفق: خلق روایتی فراتر از یک مسابقه ورزشی
• شهرت جهانی: مدل ساخت برند بین‌المللی
• مشارکت اجتماعی: تلفیق ورزش با مسئولیت اجتماعی

جذب شرکت‌کنندگان بین‌المللی

• سیستم لاتاری و شرایط ثبت‌نام که تعادل بین المللی و محلی را حفظ می‌کند
• استراتژی‌های هدف‌گیری بازارهای مختلف جهانی
• برنامه‌های ویژه برای گردشگران ورزشی

---

بحث بسیار مهمی که دنیا را زیر و رو کرده: دیتا و تحیل آن

سیستم‌های پیشرفته

• ردیابی و زمان‌سنجی: استانداردهای صنعت در جمع‌آوری داده‌های عملکرد
• اپلیکیشن‌های موبایل: مدل تعامل با شرکت‌کنندگان قبل، حین و بعد از مسابقه
• تحلیل داده‌ها: استفاده از آمار برای بهبود مستمر رویداد

بینش‌های ارزشمند

• داده‌های دموگرافیک برای برنامه‌ریزی بازاریابی
• الگوهای عملکردی برای طراحی مسابقات
• معیارهای سنجش موفقیت قابل اقتباس

---

هر جا سخن از مشارکت اجتماعی هست، نام پایداری می‌درخشد

برنامه‌های زیست‌محیطی

• استانداردهای مدیریت پسماند در رویدادهای بزرگ
• برنامه‌های جبران کربن
• همکاری با سازمان‌های محیط زیستی

مشارکت اجتماعی

• مدل همکاری با سازمان‌های خیریه
• برنامه‌های شمول اجتماعی و دسترسی برای همه
• تأثیرگذاری بر جامعه محلی

---

خیلی خوب هست که دانشی که در برگزاری کسب می‌شه مستندنگاری بشه، چون:

قابلیت‌های قابل انتقال

• مقیاس‌پذیری: نحوه مدیریت رشد تدریجی رویداد
• انعطاف‌پذیری: سازگاری با شرایط متغیر
• تداوم: حفظ کیفیت در طول سال‌ها

معیارهای ارزیابی موفقیت (خوراک کار مهندس صنایع!)

• رضایت شرکت‌کنندگان (فراتر از زمان پایان‌بندی)
• تأثیر اقتصادی بر جامعه میزبان
• پوشش رسانه‌ای و برندآگاهی
• نوآوری و بهبود مستمر

---

 رکوردشکنی در دنیای ماراتن‌ها

پیشگامی تاریخی

ماراتن نیویورک در دهه ۱۹۷۰ اولین مسابقه‌ای بود که یک رویداد رقابتی کوچک را به یک نمایش مشارکتی عظیم تبدیل کرد. از آن زمان، این مسابقه معمولاً به عنوان بزرگترین ماراتن جهان شناخته شده است، اگرچه ماراتن‌های لندن، برلین، شیکاگو و پاریس در سال‌های مختلف به طور مختصر این جایگاه را به چالش کشیده‌اند.

رقابت برای عنوان بزرگترین ماراتن جهان

رکوردشکنی امسال

• ماراتن نیویورک ۲۰۲۵: بیش از ۵۹,۰۰۰ نفر
• رشد قابل توجه: افزایش ۶.۵٪ نسبت به سال گذشته
• پیشی گرفتن از لندن: با اختلاف حدود ۲,۵۰۰ نفر

آمار دقیق شرکت‌کنندگان

• تعداد نهایی دونده‌ها: ۵۹,۱۳۳ نفر (تا تاریخ ۱۱/۸/۲۰۲۵)
• عدد کلی شامل ورزشکاران ویلچر و هندسایکل: ۵۹,۲۳۰ نفر
• رکورد قبلی (۲۰۲۴): ۵۵,۰۰۰ نفر
• اوج قبلی (۲۰۱۹): کمی کمتر از سال ۲۰۲۴

جایگاه در میان ماراتن‌های جهانی – باشگاه انحصاری ۵۰,۰۰۰ نفره

تنها پنج ماراتن در جهان به طور منظم از مرز ۵۰,۰۰۰ شرکت‌کننده گذر کرده‌اند: نیویورک، لندن، پاریس، برلین و شیکاگو

رقبای جهانی در سال جاری

• لندن: ۵۶,۷۲۵ نفر با وجود شرایط آب‌وهوایی گرم
• شیکاگو: ۵۴,۰۰۰ نفر با رشد ادامه‌دار
• پاریس: ۵۵,۰۰۰ نفر (همیشه نزدیک به رکورد)
• برلین: کاهش به ۴۸,۰۰۰ نفر پس از تاج‌گذاری مختصر در ۲۰۲۴

روند رشد در یک دهه گذشته – رشد تدریجی تا جهش ناگهانی

• از ۲۰۱۳ تا ۲۰۲۴: رشد افزایشی و محدود
• سال ۲۰۲۵: جهش ۶.۵٪ به بیش از ۵۹,۰۰۰ نفر
• ثبات در مرز ۵۰,۰۰۰ نفره از سال ۲۰۱۳

چشم‌انداز آینده و چالش‌های رشد – رقابت برای عبور از مرز ۶۰,۰۰۰ نفری

• لندن: با بیش از یک میلیون متقاضی در لاتاری امسال، پتانسیل افزایش تعداد
• نیویورک: با رکوردشکنی امسال، موقعیت رهبری را تثبیت کرد
• سایر ماراتن‌ها: همچنان در جمع پنج ماراتن بزرگ جهان قرار دارند

---

تحلیل محل سکونت دوندگان

تحلیل شرکت‌کنندگان داخلی (ایالات متحده)

سهم تغییرات نیویورک:

• سال گذشته: ۵۶.۵٪ از کل شرکت‌کنندگان آمریکایی
• سال جاری: ۵۷.۱٪ از کل شرکت‌کنندگان آمریکایی
• تغییر: افزایش ۰.۶٪ در سهم

سهم تغییرات نیوجرسی:

• سال گذشته: ۹.۶٪ از کل شرکت‌کنندگان آمریکایی
• سال جاری: ۱۰.۲٪ از کل شرکت‌کنندگان آمریکایی
• تغییر: افزایش ۰.۶٪ در سهم

ترتیب ایالت‌های برتر (بدون تغییر):

۱. نیویورک (۵۷.۱٪) – ۲. نیوجرسی (۱۰.۲٪) – ۳. کالیفرنیا –۴. ماساچوست – ۵. تگزاس – ۶. فلوریدا – ۷. ایلینوی – ۸. پنسیلوانیا –۹. کانکتیکات – ۱۰. اوهایو

تحلیل تغییرات

• ثبات ساختاری: ترتیب ۱۰ ایالت برتر بدون تغییر باقی مانده است
• تمرکز جغرافیایی: افزایش جزئی در سهم ایالت‌های مجاور (نیویورک و نیوجرسی)
• فرضیه برنامه ۹+۱: احتمال تأثیر برنامه‌های محلی بر افزایش ساکنین منطقه

---

تحلیل شرکت‌کنندگان بین‌المللی

نقشه جغرافیایی کشورهای مبدأ

(در این بخش نمودار کشورهای مبدأ ارائه می‌شود که نشان می‌دهد دوندگان از کدام کشورها در ماراتن شرکت کرده‌اند)

نکات کلیدی جغرافیایی

• تغییرات محدود: الگوی کلی مشابه سال گذشته
• افزایش منطقه‌ای: رشد در ایالت‌های همجوار نیویورک
• پایداری رتبه‌بندی: ثبات در ترکیب جغرافیایی شرکت‌کنندگان

بینش‌های استراتژیک

برای برگزارکنندگان:

• تمرکز بازاریابی: اهمیت حفظ حضور قوی در ایالت نیویورک و مناطق همجوار
• برنامه‌های محلی: تأثیر مثبت برنامه‌هایی مانند ۹+۱ بر مشارکت منطقه‌ای
• ثبات بازار: پایداری الگوهای مشارکت در بلندمدت

برای تحلیل‌گران:

• شاخص رشد سالم: افزایش متعادل در مناطق مختلف
• پتانسیل توسعه: فرصت‌های رشد در ایالت‌های با سهم کمتر
• تحلیل آینده: نیاز به بررسی دقیق‌تر تأثیر برنامه‌های ثبت‌نام محلی

این پست قراره دو یا سه تا قسمت داشته باشه! عنوان بعدی «چهره متغیر ماراتن: تحولات سرعت شرکت‌کنندگان» خواهد بود.