最近很多人问我，你怎么去实习了，你不是要读博吗？似乎在大家眼中，读博等于学术，而学术和业界完全是两个不同的方向。而很多人眼中的学术研究，似乎就是耗费一辈子，过着普通甚至清贫的生活，做出来一些看起来很厉害但是不知道到底有什么用的东西，所以很多人不喜欢做学术。
之所以学术研究看起来会距离业界越来越远，一个很重要的原因是，我们需要解决的基础科学问题越来越艰深，学界和业界以及学界内部分工越来越细，而科研评价体系，比如诺奖，最关注的是在分工链条上最理论端的基础贡献，所以会给人一种这就是全部的科研的错觉。不可否认，他们的成果产生的巨大外部性，是不可估量的。但是科研和学术远远不止一种形态：有人创造基础理论的轮子，有人用轮子拼接理论的车子，有人用车子创造实证的公交路线，有人组合车子到达实际问题的目的地。自然规律是固定客观的，但是应用规律解决问题的路径却往往千千万万，合适的路有且仅有一些，并且我们在看到更合适的路之前往往不知道现在的道路是不是合适。而一个或者一类和所有普通人的生活息息相关的问题，比如淘宝的评价体系，解决起来不一定需要最艰深的模型，但是找到最合适的那一个却无比艰难，而一旦解决，带来的社会价值更加难以想象。一个好的学术研究应该是给社会带来巨大贡献的研究，而无论是基础理论的革新，还是一个精彩的实证应用，都可能成为最一流的研究。随着实际问题越来越多且越来越复杂，解决这些问题的迫切程度会越来越高，但是实证问题仍然严重依赖研究者的个人经验和能力，像研究理论问题一样系统地研究这些实际问题的方法还在被学术界和业界探索。相比于问题的数量，解决问题的思路、方法、工具、人才都还太少太少。
为什么会很少呢？因为一流的问题解决方案需要很广的视野和知识储备，不拘于学科和领域，这样的人才本来已经稀缺，培养这样人才的好体系更稀缺到难以想象。比如，一个数据科学或者计算社会科学的专家，需要同时有问题领域、统计学模型、编程实现和表达科普四个方面的知识积累，这对于传统的大学培养体系是一个巨大的挑战，无论是管理、师资还是各种业界的配套资源都难支持。
所以我为什么要去实习？不仅仅是为了去接触和了解业界最新的问题，更是为了去寻找系统性解决这些问题的解决方案，在这个过程中理解一个新时代的面向业界的学术研究和面向学术的业界研究是什么样、需要什么样的人才、需要什么样的资源、前景可能在哪里。
CPP的最高使命，也正是要在解决各种复杂的学术界和业界的大数据问题的过程中，加深对整个行业和领域的理解，探索一整套配套的管理和培养体系，为这个行业输送一批又一批可靠的人才。能够有机会站在这个时代的前沿，探索这个时代的一种未来，是我的幸运，更是CPP的幸运。既然我们可能有能力，并且只有我们可能有能力，即使要跨越千难万险，我们也会不停尝试，不停前进。
