从左到右依次是：王洁贤、张耐齐、纳迪什·纳鲁尔和亨特·斯波恩，手捧冠军奖杯。
彼得·克拉斯
准确诊断一种医疗状况可能对医生来说是一个重大挑战，治疗疾病同样可能很棘手。医生如何确定哪种药物最适合患者，尤其是在有十几种合适的药物可供选择时？
据麻省理工学院的一群研究生团队称，答案在于数据分析。他们自称Vitalytics，该团队包括Nidhish Nerur、Hunter Sporn、Jaeyoon Wang和Naiqi Zhang（如上图所示），结合了Sanofi提供的临床和生物医学知识图。
他们的目标：帮助医生找到其他病人，他们的症状与该病人相似，并且对特定药物有良好的反应。“一起，”团队成员Sporn说道，“我们可以改善病友的生活。”
Vitalytics团队的项目“Patient Like Me”，由Tomasz Grzegorczyk指导，成功赢得了今年的MIT Analytics Lab奖项。“这个团队及其项目非常出色，”麻省理工斯隆学院资深讲师雷妮·理查森·戈斯林表示，她也是该奖项的三位评委之一，“他们在技术阐述、团队努力以及展示方面都表现出色。更重要的是，项目的影响非常显著。”团队的名字将被刻在一块大型银质奖杯上。
面对挑战
今年12月13日的分析实验室展示圆满结束了本学期的行动学习项目。更广为人知的是A-Lab，该课程由麻省理工数字经济学倡议（IDE）主导，并由麻省理工斯隆管理学院运作，旨在让学生面对实际商业挑战。
在其 11 年的历史中，A-Lab 吸引了来自麻省理工学院十多个系的大约 800 名学生。他们从事的项目涵盖了物联网、数字平台、金融、市场营销、电子商务、零售、制造、医疗供应链、工作场所安全和全球健康等各个方面。今年的项目赞助商包括 Wayfair、Duolingo 和 MassMutual。这些公司提出了相关问题，并为 20 个团队提供了公司数据以进行分析并找出可能的解决方案。
每个A-Lab团队通常由四名学生组成，他们通过数据分析、机器学习或其他数字实验来解决一个具体问题。在导师的指导下，他们得到了许多之前参加过A-Lab学生的帮助，在友好的竞争中。
除了桑迪亚项目的解决方案之外，团队还展示了从外语学习、提高零售促销的方法，到帮助战区平民安全避开爆炸性地雷等培训的各种方案。
这些项目根据四个标准进行了评判：技术和分析；努力和贡献；商业影响力；以及展示的质量。三位评委对作品进行了评估：ViralGains 的 CEO Tod Loofbourrow；来自伦敦帝国理工学院商学院的访问研究员 Michael Schrage；以及来自 MIT 的某教授 Gosline。
获胜的队伍和评委们。
今日抢先享受明日价格
获得第二名的队伍名为AnalytiXAvengers，与Gordian合作，Gordian是一家为建筑生命周期的各个阶段提供数据驱动服务的公司。
他们的挑战是评估和开发新的方法，来预测各种建筑用材料在波动市场中的价格。
Gordian 已经用上了一个涵盖了大约 70 种材料和大约 750 个地点的预测模型；该模型包含了过去 25 年的数据。但是公司想知道是否不同的方法可以在诸如新冠疫情这样的特殊时期更好地提升模型表现。
这确实可以。学生们结合了机器学习技术、丰富的数据集和领域知识，生成的预测在高度波动期间平均提升了8.5%。“确实存在季节性影响，”团队成员巴迪斯·本-阿卜杜拉说，“但是，要想从预测模型中获得更多性能，你必须深入了解。”
忠有多深？
获得第三名的是 DeepInsights 队，他们与 Cognira 合作，这是一家为零售商提供销售推广工具的公司。学生们被要求解答一个具有挑战性的问题：忠诚卡持有者是否比没有忠诚卡的消费者更愿意响应零售商的促销活动？
使用麻省理工学院开发的一项技术，名为“双重机器学习”，他们建立了一个模型来预测其项目“零售促销对销售额的影响”中的促销因果关系。通过因果推断，他们发现
通常，持卡消费者对促销活动作出反应的次数比非持卡消费者多七倍。
不过，并不是所有的产品都这样。在一种情况下，促销让持卡人比非持卡人多买了64%，而在另一个例子中，结果却是相反的，非持卡人反而买得更多。
在颁发青铜奖的时候，斯拉格描述该团队的努力工作为“非常好的分析，完成得非常出色。”这完美地描述了整个A-Lab课程。
彼得·克拉是麻省理工学院IDE的一名特约撰稿人和编辑。