在另一项应用案例中，特大电商上百万个货物的智能定价，也要依托运筹学获得最“精明”的决策。“电商定价涉及很多数据，包括竞争对手的数据，聪明的系统通过对定价数据的分析，甚至能够预测到明天的销量。但是例如促销就会带来的不可预测变化，自己的商品之间也会产生相互影响，这是一个很复杂的动态效应，定价很难决策。”葛冬冬透露，团队设计的定价量化系统在上万种商品中测试，综合效果上，能够实现销量、营收和利润这三项原本会相互制约的项同时提高，“这个系统是集纳数据挖掘、统计学习、机器学习、深度学习、经济学、运营管理、博弈论、优化算法、营销学等综合学科和技术的工具。”
在葛冬冬看来，寻求“最优解”是运筹学的核心任务，运筹学与近年兴起的大数据和人工智能等技术的关系，可以用“0-1”和“在这之后”来理解。他补充道，数据的采集、挖掘、存储属于信息科学范畴，通过数据分析得出一些规律来认识世界属于统计学习、深度学习、机器学习范畴。之后，要在现实中进行决策时，往往会发现，规律之间的关系错综复杂，互相制约，如何权衡建立能够找到最优化的决策的系统，通过算法、建模，运筹学做的就是“从0-1的之后”。
葛冬冬的导师是国际运筹学大师、冯·诺依曼理论的唯一华人获者、斯坦福大学教授叶荫宇，在美国跟随导师求学期间就曾参与过谷歌、波音公司、美国信用评估公司FICO等企业的优化项目。“早年FICO公司积极尝试模型来寻找优化方案，随着数据量激增，就跟我们合作加速算法优化，甚至后来FICO索性收购了专门的优化软件公司来完成这项工作，满足实际需求。十年前，还没有大数据的说法，但是我们已经需要运用数万个美国运通卡（AMEX）用户在6个月的40亿美元的消费行为数据来分析工具，当时已经在运用统计学习、监督学习和优化算法的方法。”
因此，当数据越来越大，问题越来越复杂，如何更高效设计算法，一向对优化算法最擅长的运筹学迎来大施的机会。而另一方面，大数据和人工智能的兴起提高了和企业的认识，尤其是企业越来越意识到大经济趋势中要寻找发展空间，不做精细化管理赚不到钱，优化意识越来越强烈。葛冬冬教授认为，这为运筹学带来机遇，而结合大数据和人工智能，交叉学科合作，运筹学能够发挥巨大作用。
这两年，上海财大交叉科学研究院在这一领域取得丰硕，交叉学科有一支小而精的学者队伍，学者在运筹与优化的国际期刊上发表论文数量人均全国第一，2016年以来在国际和知名刊物发表覆盖管理学、运筹、优化算法、机器学习领域的论文十多篇。葛冬冬去年在优化算法的国际权威A类期刊《数学规划》，今年在机器学习的会议ICML上，均有关于大规模回归问题模型的复杂度和算法结果发表，他的这个系列工作被引用了200多次。包括他自己，学院的教师都有“双重身份”——一方面他们是高校教师，承担科研和教学；另一方面，他们是国内一个AI与运筹结合方向的明星初创公司杉数科技的技术，帮助国内一些有重要影响力的企业合作解决现实中的复杂难题。