1、应用范畴太大：一味追求“全局优化”，而没有意识到“全局优化”是建立在“全局信息”质量、及时性的基础之上，没有意识到优化算法计算时间随变量数目而多项式甚至指数增长的。在航空运作领域，已经有了很清晰的分解与定义（航线优化、航班计划、Tail Number Assignment, 大规模延误恢复）
2、业务应用场景考虑不完备：仅仅考虑“完美”情形，没有考虑例外情形，造成解决方案不能落地，比如、航班可能存在延误/取消/备降/跳过/紧急调用等各种情形。对分析算法的“非功能性”需求缺乏乐姐（比如计算时间窗口）
3、业务目标不清楚：实际中的业务问题通常是多目标的，如何平衡这些目标；有些“隐藏”的业务目标，灭有访谈出来（或者有些不能摆明面的业务规则）
4、业务逻辑（约束）的变动性：优化算法我们通常期望约束条件是明确固定的（这样优化算法才能有效求解），但实际业务运作中，有很多“软”约束（在可能的情形，尽量满足；如果不能完全满足，就逐步放松）
5、信息源了解不充分：很多数据/信息的获取是有成本的（甚至没有数据源），获取的数据存在时延和数据质量问题。比如，集装箱码头的Yard（堆场）优化建立在对集装箱Arrival相对精准的预测之上。
6、缺乏业务价值的客观估算：相对于当前的手段，到底能带来多大提高。一般来说，运筹优化的提升通常在10%之内（10%之上的提升通常靠业务模式创新、基础设施更新、管理流程优化或信息系统集成），对优化带来的业务价值要保持谨慎的乐观。
