为深化师生对零售运营与数据智能交叉领域的认知，拓宽学术研究视野，提升科研创新与实践应用能力，6月11日，经济管理学院特邀北京航空航天大学经济管理学院刘冠男教授，作题为《复杂零售网络中考虑价格促销的反事实需求预测方法》的学术报告。

刘冠男教授围绕零售企业价格促销决策的核心痛点展开深入讨论。零售价格促销评估的核心难点在于反事实推断，而连锁场景中的溢出效应、状态依赖和历史依赖性进一步加剧挑战。针对上述挑战，刘教授团队创新性提出G-COM图感知反事实需求预测框架，实现对多重复杂问题的统一建模与求解。他详细介绍了框架的设计逻辑、技术路径与实验验证过程：研究团队在带校准的半合成模拟环境中检验反事实预测精度，同时在真实超市面板数据上验证事实预测效果与政策迁移稳定性。大量实验结果表明，G-COM在全场景下优于13个主流基线方法，即便促销策略偏离历史惯例，仍能保持稳定可靠的预测性能，为零售企业科学制定促销方案提供了坚实的方法支撑。

在互动交流环节，在场师生围绕反事实推断建模、零售网络溢出效应、图神经网络在需求预测中的应用、模型落地实践等问题踊跃提问。刘教授结合自身研究经历与项目经验，逐一细致解答，并分享了人工智能与管理决策交叉领域的研究思路、学术成果产出与科研公关等相关经验。与会师生纷纷表示，本次讲座紧扣商业实践前沿，兼具理论高度、方法深度与应用价值，为开展相关领域研究拓宽了研究视野、指明了实践路径。

主讲人简介：

刘冠男，北京航空航天大学经济管理学院教授、博士生导师，数据智能工信部重点实验室副主任，国家优青获得者。长期深耕人工智能与管理决策交叉研究，主持多项国家级科研项目；近年来发表学术论文50余篇，包括管理科学领域顶刊Information Systems Research, ‌INFORMS Journal on Computing以及数据挖掘领域顶刊IEEE TKDE，顶级会议KDD、AAAI、SIGIR等。曾入选百度全球华人AI青年学者榜单，斩获两项科技一等奖，多项研究报告获中办采纳。