苏联科学家问NASA：你们什么时候能把人送到月球上去？NASA的人回答道：这决定于我们什么时候能把他们安全地接回来。
笔者讲创新课时经常讲到这个段子。目的是告诉大家：行动的时候要一步步地走，但做计划的时候要以终为始地考虑问题。这个讲法是有针对性的。许多年前，笔者曾经评审过一个项目。项目负责人想开发一个数学模型，把运输量降低四分之一。笔者问他：假如这个模型已经有了，你打算如何用这个模型降低运输量？ 他发现自己无法回答这个问题，就主动撤销了项目申请。笔者的这个问题，就相当于问登月飞船的设计师：假如你们已经把人送到月球上去了，如何把他们接回来？
在一个网络会议上感觉到很多科技人员仍然没有具备这种思维方式：很多人谈大数据的时候，就谈到如何用深度学习建模。笔者很想问他们：假如这个模型建立起来了，你们打算如何用这个模型解决问题？在我看来，他们显然没有把后面的问题想清楚，直接就开始建模了。
“模型都是错的，但有些是有用的”。
很多人；但对具体的应用场景来说，精度再高的模型可能都是没用的；反之有些场景可能不需要精度高的模型。所以，要建立一个有用的模型，应该先考虑一下它是怎么用的，再给模型提出要求。正如笔者多次强调的：用户需要的是个孔，用户需要的不是钻头：用户要钻的孔不一样，钻头是不一样的。
在学术界，执迷于模型的正确、模型的精度高做法是一种通病。这大概就是学术界和工程界的思维差异。学术界建立模型的目的，往往是想着通过它发现一些预料之外的规律。他们认为，只要发现了规律，就是成功的。工程界则注重效率。“以终为始”的思维方式，可以大大提高效率、减少失败的概率。
有“欲速则不达”，则有“快到斩乱麻”。矛盾的不是方法和观点，关键是用在什么场景。
科学研究确实是“不问目的”的。直接用数据探索规律，有其合理之处。工程界关注经济性，当然要关注效率，必然要强调以终为始。但我们今天遇到的问题是：学术专家帮着企业和政府解决工程问题，他们把自己习惯的思维方式带入了工程技术研究中。这种思维方式就有问题了，工程师不是这么做研究的。此所谓：“病变而药不变，向之寿民今为殇子矣”。工业场景变了，方法自然不一样。
其实，工程技术问题的数据建模，首先应该对问题本身有深刻的理解。在这个过程中，要仔细研究实际问题，并把实际问题转化成建模的需求。在更具这个需求建模。按照笔者的经验，很多人就是在这个环节上做得不够。他们有了一点肤浅的认识，就开始建模了、开始展示自己的能力了。
换个角度说，他们认为自己对问题的理解是足够的、做法是合理的，但笔者认为他们对问题的理解不够、做法有问题。 那么，凭什么笔者是对的？多年来，笔者经历的失败很多，遇到的坑很多。笔者觉得他们的研究看不到这些坑，就像不懂数学的人谈逻辑，漏洞太多。
希望十年之后，大家都明白“以终为始”的道理。
作者：郭朝晖，工业自动化博士、教授级高工，专注于工业数字化转型及技术创新研究领域
