本文轉自知乎Eric Huang
首先上圖：
第一步:提出問題.
大家可能會想,題目不是已經給出問題了嗎? 是的,但是這裏的提出問題是指：用數學語言去表達。首先，題目一定要通讀若干遍，“看不懂，讀題目；看不懂，讀題目”，如此反覆循環的同時查閱相關資料。這通常需要大量的工作，而且要根據題目的特點做一些假設。
看的差不多了，就開始用數學形式提出問題，當然，在這之前，先引用或者定義一些專業術語。 接下來進行符號說明，統一符號（這點很重要，三個人之間便於溝通，論文便於展現），並列出整個問題涉及的變量，包括恰當的單位，列出我們已知或者作出的假設（用數學語言描述，比如等式，不等式）。 做完這些準備工作後，就開始正式提出問題啦。用明確的數學語言寫出這個問題的表達式，加上之前的準備工作，就構成了完整的問題。
這部分的內容反映到論文結構上，相當於前言，問題提出，模型建立部分。注意，剛開始建立的模型很挫沒關係，我們隨時可以返回來進行修改的。
第二步:選擇建模方法.
在有了用數學語言表述的問題後，我們需要選擇一個或者多個數學方法來獲得解。 許多問題，尤其是運籌優化，微分方程的題目，一般都可以表述成一個已有有效的標準求解形式。這裏可以通過查閱相關領域的文獻，獲得具體的方法。爲什麼不是查閱教材呢？基本上教材講的都是基礎的，針對特定問題的，教材上一般找不到現成的方法，但是教材依然是很重要的基礎工具，有時候想不出思路，教材（比如姜啓源那本）翻來翻去，會產生靈感，可以用什麼模型。
第三步:推導模型的公式.
我們要把第二步的方法實現出來，也就是論文的模型建立部分。我們要對建立的問題進行變形，推導，轉化爲可以運行標準方法解答的形式。這部分通常是借鑑參考文獻的過程，做一些修改，以適應本題的情況。
第四步:求解模型.
這裏是編程的隊友登場的時刻了。
統計模型：SPSS,Eviews，Stata ，都是菜單式操作，easy的。
數據分析：R，數據庫SQL Server，IBM
DB2
微分方程：Maple,Mathematic,MATLAB
運籌規劃：Matlab，Lingo
智能算法：Matlab，R
時間序列：統計模型中的那些軟件，或者R，Matlab
圖像處理：Matlab，C++
總結： Matlab是必須的，再來個SPSS，一般情況下夠用了。
第五步:回答問題.
也就是論文的討論部分。這部分是對你整篇論文成果的總結，一定要寫的有深度。除此之外，通常還要寫上一些靈敏度分析，如果是統計模型的話，要有模型檢驗。論文通常會需要畫一些圖表，可以使用Matlab、R等軟件來畫跟數據有關的圖，使用Visio或者PPT畫流程圖之類的圖。
關於比賽的一些個人體會
1、國賽和美賽是有區別的
國賽講究實力，美賽講究創新。 美賽不一定要多高級的方法，但是一定要有創意。而國賽，組委會往往是有一個模糊的“標準答案”在的，按部就班做下來就好了。
2、文獻爲王
文獻爲王。建模的題目，基本上是某個教授的研究課題，憑我們本科生的水平，基本上做不到對題目的深刻理解。所以要多看文獻。
看文獻也有技巧：剛拿到題目，先查一下相關背景資料，瞭解題目是哪方面的。接下來看文獻，找一下碩士論文，博士論文以及綜述性質的文章，碩博論文一般都會詳細介紹下整個課題的國內外研究情況，綜述就更不用說了，它就是對大量原始研究論文的數據、資料和主要觀點進行歸納整理、分析提煉而寫成的論文。看完這些，就可以比較有深度地把握題目，也知道如果我們要進行創新的話，往哪方面走。
接下來，可以根據小組三人討論的結果，有針對性的看一下有深度的文獻，文獻看得多了，就可以考慮開始創新了，像愛因斯坦那樣開闢相對論等新領域的創新，是很有難度的，但是我們可以退而取其次，不是有句話叫做“他山之石，可以攻玉”嗎？
我們要做的就是組合創新！ 領域內組合創新，把一個學者的方法嫁接到另一個學者的模型上。 以及交叉領域創新，把把自然科學的知識用到社會科學上，或者用社會科學解釋自然科學的結果等等。（這裏就可以體現，跨專業建模隊伍的先天優勢了：不同專業對同一個問題的思維是不同的，可以擦出創意的火花）
PS：圖書館有買很多數據庫，可以免費看論文。免費的話google學術是無敵的，國內文獻貌似沒有良好的分享平臺，實在找不到論文也可以百度文庫死馬當活馬醫。
平時可以多註冊一些網站，數學中國，校苑數模，matlab技術論壇，pudn程序員，研學論壇，stackoverflow等。上傳些資料，攢積分要從娃娃抓起，不要等到比賽了看到好資料還“誒呀，積分不夠”。
想法很重要。建模思維是一種很難學習到的東西，站在巨人的肩膀上，多看文獻，負責建模的同學辛苦了。
3、掌握一點數據處理的技巧
建模的題目，A.B兩道題。基本上是一題連續，一題離散；一題自然科學（理工科），另一題社會科學（經濟管理）。這樣的分佈的，大家平常做題的時候就可以有所側重，曾經有一支美帝的隊伍，專攻離散題，貌似拿了連續兩屆的outstanding.
掌握一點數據處理的技巧是很有必要的。比如數據缺失值的處理，插值與擬合等。尤其是數據缺失值的處理，基本上A,B題都有可能涉及，建議熟練掌握。
4、關於編程水平。More generally,軟件操作水平幾乎決定了一個隊伍的結果上限。MATLAB是必備的，必須要熟練掌握各種模型的實現。此外，SPSS(或者R)也是要掌握的。Mathematic和MATLAB的替代性很強，不掌握也沒關係（僅在建模方面，mathematic 當然也是很強大的）。What’s more建模比賽舉辦這麼多年，用到lingo的情況幾乎很少了，也可以不學lingo. And 現在的題目動不動就要粒子羣等智能算法，強烈建議大家至少熟練掌握一種智能算法.