财新传媒
《比较》 > 视界 > 正文

科技公司中的经济学家和经济学

来源于 《比较》 2019年第3期 出版日期 2019年06月01日
文|苏珊·阿西 迈克尔·卢卡

  *Susan Athey,斯坦福大学商学院科技经济学教授,微软顾问,2007年克拉克奖得主,是首位获得该殊荣的女性经济学家。研究领域为产业组织、微观经济学理论和应用计量经济学。目前主要关注拍卖市场的设计,互联网经济学中的在线广告和新媒体经济学,大数据、计量经济学和机器学习,基于数学的货币。她还研究不完全信息下的动态机制和动态博弈,不确定性下的比较静态以及用于分析拍卖模型的计量经济学方法。Michael Luca,哈佛商学院Lee J  Styslinger Ⅲ工商管理学副教授。原文:“Economists(and Economics)in Tech Companies,”发表于Journal of Economic Perspective,vol 33(1),第209—230页。版权归AEA(美国经济学会)所有,由JEP授权翻译。

  作者衷心感谢Duncan Gilchrist和Guido Imbens对本文的宝贵反馈。Stephanie Chan和Byron Perpetua提供了卓有成效的研究支持。

  获得博士学位的经济学家在科技公司发挥的核心作用日益加深,他们致力于解决平台设计、战略、定价和政策等方面的一系列问题。亚马逊(Amazon)、易趣(eBay)、谷歌(Google)、微软(Microsoft)、脸书(Facebook)、爱彼迎(Airbnb)和优步(Uber)等大公司都招募了大批获得博士学位的经济学家,组建庞大的团队优化设计选择。譬如,在过去五年里,亚马逊在帕特·巴贾里(Pat Bajari)的带领下将150余名获得博士学位的经济学家招至麾下,成为拥有科技经济学家最多的科技公司。事实上,目前亚马逊员工中的全职经济学家人数比规模最大的经济学系还要超出数倍,而且这个团队的规模仍然在快速扩张。Coursera

  Coursera是免费大型公开在线课程项目。它同世界顶尖大学合作,在线提供免费的网络公开课程。——译者注、亿客行(Expedia)、网飞(Netflix)、微软、潘多拉(Pandora)

  Pandora是一家美国流媒体音乐服务商,致力于为用户提供免费的音乐和广播,在北美具有较广泛的用户基础。——译者注、优步、Yelp

  Yelp是美国著名商户点评网站,涵盖各地餐馆、购物中心、酒店、旅游等多个领域。——译者注和Zillow

  Zillow是一家提供免费房地产估价服务的网站,主要向网民提供各类房地产信息查询服务。——译者注等公司也雇用了全职经济学家。表1列出了许多雇用了获得经济学博士学位的人才的科技公司,不过这个清单并未穷尽所有相关科技公司。  

sb1

  科技公司雇用的经济学家涵盖了各个层面,从毕业后直接进入科技产业的博士,一直到从权威学术院系终身教授中挖来的首席经济学家等,不一而足。这些经济学家担任的职位也五花八门。近年来在科技公司针对经济学家发布的职位中,数量增长最多的是直接解决商业问题的职位,只有少数职位的目标是发表学术论文。与此形成鲜明对比的是,有些科技公司(如微软)不仅有首席经济学家带领团队集中精力攻克商业问题,也有不少经济学家在研究中心工作,自行开展研究并在学术期刊上发表研究成果,后者与商学院或经济系的经济学家的工作相差无几。这些研究中心在鼎盛时期可以提供最前沿的洞见,部分成果会给公司指明未来的发展方向。

  目前,很多科技公司都直接在美国经济学会(American Economic Association)的“经济学者就业平台”(Job Openings for Economists)上招贤纳士,绝大多数获得经济学博士学位的人才也是从这里开启自己在科技公司的职业生涯。在2017/2018学年,21家科技公司通过“经济学者就业平台”招募到经济学人才。与此相关的背景情况是,科技公司通过“经济学者就业平台”招募的员工人数达到政策学院(policy school)从这里招聘的人数的三分之二。如果考虑到另外一个事实,即这些科技公司中都有不少职位虚位以待,那么它们为经济学者提供的职位数量远远超过了政策学院。

  此外,表2表明科技公司发布的职位数量在过去几年里持续上升,与政策学院(它们招聘的职位数量上下起伏)和经济学系(它们招聘的职位数量不断下降)的情况形成了鲜明对比。推动科技经济学家的就业岗位数量不断增长的某些力量也影响了学术就业市场:随着科技平台在经济中发挥的作用越来越大,与它们相关的问题对商学院的课程设置和学术研究的重要性也愈发显著。 

sb2

  近年来,商学院对以下两类教师的需求与日俱增:专长于网络平台和数字化的教师;在数据分析的关键领域(如实验方法和机器学习)颇有建树的教员。譬如,过去一直致力于研究运筹学和信息系统管理的商学院,近年来开始将重点放在经济学问题上,如市场、定价算法和经济学问题的实证研究。

  出现以上这些转变的部分原因在于,MBA(工商管理学硕士)学生需要对投身科技行业做好准备且这种需求日益强烈。譬如,在近年哈佛商学院毕业的MBA学生中,被亚马逊招至麾下的人数最多。与MBA学生改变职业轨道相对应的是,过去几年哈佛商学院在课程设置中纳入了关于实验方法、网络市场设计、数字化营销、科技战略和数据科学等课程。在斯坦福商学院的课表中,此类课程的数量也在不断攀升。从更广泛的层面看,与科技产业直接相关的课程数量在迅速增长。核心战略和营销等传统课程中也加入了大量与数字经济有关的内容。

  就科技产业本身而言,过去几乎没有私营公司招募学院派经济学家或研究技能突出的博士毕业生从事全职工作。兰德公司(RAND Corporation)和美国麦斯迈提卡政策研究所(Mathematica Policy Research)之类的机构会大规模雇用经济学家,但主要是从事研究和政策评估。基石咨询公司(Cornerstone)和安诺析思国际咨询公司(Analysis Group)等也会招募大批经济学家,主要为反托拉斯和知识产权诉讼等法务领域提供支持和专家证人。

  如果考虑到科技公司的研究实验室(如微软研究院)招募经济学家的情况,或许历史上与此相似程度最高的案例是贝尔实验室(Bell Labs)。1968年它组建经济学家团队时,还是美国电话电报公司(AT&T)的一个部门,随后这个团队日益壮大,拥有约30名经济学家,其中不乏知名经济学家(如Elizabeth Bailey、Roy Radner和Robert Willig等)。到1970年,它推出了《贝尔经济学和管理科学杂志》(Bell Journal of Economics and Management Science)(这份期刊后来转为备受学术界推崇的《兰德经济学杂志》,至今仍然颇有影响)。1983年,贝尔实验室逐渐停止运营,当时美国电话电报公司正在根据美国反垄断法的要求分拆成若干个公司。团队中的部分经济学家转到公司内的其他部门,而其他经济学家则跳槽至其他行业,或进入哥伦比亚大学、哈佛商学院、纽约大学、普林斯顿大学和宾夕法尼亚大学等院校从事学术工作。

  尽管部分科技公司以实验室的形式招募经济学家,但科技公司中的绝大多数经济学家都在利用公司数据从事管理方面的工作,还有不少经济学家在业务领域施展拳脚。譬如,除了微软研究院以外,微软还有一个主攻业务领域的首席经济学家,率领团队积极招募获得博士学位的经济学者解决从云计算到搜索广告等诸多业务问题。亚马逊指派经济学家处理各个部门的具体商业问题,从电子商务平台、数字内容以及用来评估公司调整和创新的实验平台等。优步的经济学家不仅负责研究定价和激励设计问题,还致力于理解政策问题,该团队中的部分成员从事面向公司外部的研究,在学术期刊上发表文章,而其他成员则完全聚焦于公司内部的问题。从更广泛的角度看,科技公司的很多经济学家确实将外部研究和内部工作相结合,持续不断地参加会议并在主要的经济学期刊上发表文章。他们常常从顶尖的博士生项目中招募夏季实习生,或与学院派经济学家共同开展研究。由于科技公司面临的很多问题都处于学术研究的最前沿,所以科技产业极其重视与学界保持密切联系,并坚持采用严格缜密的原创思想。

  科技公司和经济学家之间的互动确实提出了新的学术问题,并创造了全新的经济学领域——“数字化经济学”。这个领域探索了一系列宽泛的问题。譬如,人工智能和消费者大数据如何影响产业结构和市场力量?应当如何监管科技公司?科技业提供的数据可以给政策提供什么信息?聚合器、搜索引擎、信誉体系和社交媒体如何影响我们的决策以及我们阅读的新闻?应该如何设计网络市场确保交易过程安全高效?网络平台还创造出创新型数据库和试验场,几乎可以为市场设计、产业结构、劳动经济学和行为经济学等所有经济学领域提供相关信息。

  我们有机会在自己的职业发展中“脚踩两只船”:一边从事网络平台的学术研究和教学工作,一边从事实践工作,帮助网络平台逐步成形。除了学术研究外,我们还与科技公司开展密切合作。苏珊·阿西曾经担任微软的首席咨询经济学家,现在坐镇亿客行

  *5.Expedia是全球知名的全方位服务在线旅游网站,提供优惠的热门酒店预订及机票预订。——译者注、Lending Club

  *6.Lending Club 是美国领先的P2P平台。——译者注、Rover

  *7.Rover是全球领先的宠物(以狗为主)寄养/遛狗/白天看护的服务中介平台。——译者注和瑞波(Ripple)

  *8.Ripple是一个开源、分布式的支付协议,使商家和客户乃至开发者之间的支付几乎免费、即时且不会拒付,同时支持任何货币。——译者注的董事会。她供职于微软时还帮助微软在新英格兰的研究部门组建了经济学家团队。迈克尔·卢卡就职的科技公司涵盖多个领域,他还在Yelp发起一个经济研究项目。作为学者,本文作者曾经为数以百计现在就职于科技公司的学生和管理人士上过课。博士生对科技公司的兴趣也日益浓厚,本文作者的学生就职于脸书、微软、亚马逊、Wealthfront

  *9.Wealthfront 是全球知名的智能投资顾问平台,基于软件为客户提供与传统理财行业质量相同但进入门槛更低、费用更加低廉的理财咨询服务。——译者注、优步和爱彼迎等诸多科技公司。

  早在科技时代降临前的几十年里,经济学家在科技公司施展的核心技能就对经济研究至关重要。自从20世纪60年代鲍勃·威尔逊(Bob Wilson)对拍卖开展开创性的研究之后,市场设计这个领域就将创新理论、实证和实验结合起来解决现实世界的问题。在过去几十年里,评估因果关系和理解激励机制始终是应用微观经济学和产业组织学的核心问题。随着新技术不断问世,获得博士学位的经济学者掌握的技术专长在科技领域找到新的用武之地,而且影响深远。与此同时,科技产业也在不断提出新的经济学问题,推动相关领域的经济学研究不断向前发展,为经济学理论转化为实践找到新的途径,并为新型统计分析创造机遇。

  随着经济学家在科技公司中的地位徐徐上升,科技公司常常请本文作者推荐员工人选,并对经济学家应该发挥哪些作用提出建议。他们还经常询问本文作者如何使本科生和博士生为从事科技行业做好准备,他们会从事哪些工作。教师感兴趣的往往是他们如何参与科技公司,可以解决科技公司面对的哪类问题。本文描述了获得博士学位的经济学者可以在科技公司施展的技能、哪些科技公司会招募他们,经济学家在科技公司主攻的方向以及这些问题创造出的经济学研究领域。

  获得博士学位的经济学者掌握了哪些与科技行业相关的技能?

  电影《飓风营救》(Taken)中连姆·尼森(Liam Neeson)的一句台词给本文作者提供了灵感。经济学家掌握了“一系列极其特殊的技能”。本文集中探讨三类宽泛的技能。它们都融入经济学的课程中,可以帮助经济学家在科技公司大展宏图。这三类技能分别是:评估和解读实证关系,并和数据打交道的能力;理解和设计市场及激励机制,并将信息环境和策略互动考虑在内的能力;理解产业结构和企业均衡行为的能力。

评估实证关系

  相对于其他学科而言,经济学家在数据的思考上表现出多重优势。首先,经济学家对于哪些关系具有因果关系,哪些关系没有因果关系很感兴趣。在过去30年里,经济学家开发出了“工具箱”来鉴别真实世界里数据之间的因果关系。当互联网将人们带入前所未有的数据爆炸时代,对经济学家的需求因此水涨船高。

  举例来说,实证应用微观经济学家开发了用于开展“自然实验”和评估政策的工具,如工具性变量、因果面板数据模型和断点回归[请参见Angrist and Pischke(2009)对此类工具的述评)]。科技公司广泛采用这些工具解答自己面对的诸多问题,如调整价格、引入新产品、调整用户界面等干预措施产生的影响,以及广告宣传的有效性,我们会在下一节详细阐述这些问题。经济学家的关注点往往放在寻找因果关系,探讨研究成果的数据意义和经济意义,这些对科技公司的实证分析非常重要。擅长于产业组织和市场设计的经济学家还研发出各种方法,以此估算反事实价格变化或市场调整产生的影响。或许让人们感到意外的是,这些工具在科技公司的应用并不如实证应用微观经济学的工具那么广泛,虽然有些令人注目的例外情形。

  在科技行业的决策过程中,实验占据着相当核心的地位。绝大多数大型科技公司每年都会通过数以千计或数以万计的“A/B测试”或随机对照试验来评估产品调整。实验会提出意义重大的管理和技术问题,涵盖如何选择合适的样本、如何设计干预措施、如何将实验结果转化为管理决策等各类问题。

  很多实验力求找到对海量用户产生的微小影响,因此调整A/B测试的方法也会产生重大影响。也正因为此,关于实验设计的科学是科技公司内部的一个重要议题,而且不断开拓出新的研究领域。譬如,布莱克等人(Blake and Coey,2014)强调了在均衡效应导致实验组和控制组互相干扰的市场上开展实验面临的挑战——他们在易趣和脸书面临的挑战激励他们开展了这项研究。阿西等人(Athey、Imbens and Eckles,2018)研究了在网络设定下评估实验出现的问题,正是他们在亚马逊和脸书面临的挑战促使他们开展了这项研究。

  有时,事实证明科技产业广泛采用的实验也是有争议的。譬如,脸书曾经做了一个实验,测试相对于看到内容消极的帖子,用户看到更多带有积极情绪的帖子(如快乐的帖子)时会做何反应。在这个实验中,脸书在其“新闻推送”中改变了用户收到的积极帖子或消极帖子的数量(Kramer et al,2014)。尽管这个实验的最终结果表明用户受到的影响很小,但仍然引发了公众对脸书的强烈抵制(Meyer,2014)。发布实验报告的期刊《美国科学院院报》(PNAS)也很关注这项研究,并为此刊登了一篇评论文章(Verma,2014)。为了减轻公众对公司的压力,缓解人们对公司内部实验的道德标准的担忧情绪,脸书更新了公司内部实验的遴选决策过程。公司和决策者仍然在努力探索这方面的最优方法,既可以卓有成效地开展实验,充分利用数据,又能保护参与者的隐私和安全。

  科技公司内部广泛使用的机器学习也创造出全新的挑战和机遇。起初,学院派经济学家因为种种顾虑,如机器学习的很多方法缺少渐近结果(asymptotic results),不确定预测问题是否具有经济学意义等,而迟迟不愿从事机器学习方面的研究。因此,有些经济学家加入科技公司时对机器学习并不熟悉。他们需要学习一系列全新的方法,才能在机器学习社区的沟通中畅通无阻。近来经济学家与科技公司的互动也促使经济学家对机器学习的兴趣迅速膨胀,他们的关注点都放在预测问题和因果推断上。

  由于人们需要将因果推断技巧应用于科技公司的大数据,而科技公司渴望充分发掘其海量数据,所以最近学者整理的文献将机器学习和因果推断结合起来(Athey,即将发表),而这些文献又相应地影响了科技公司的商业实践[例如Hitsch and Misra(2018),将Wager and Athey(即将出版)的因果预测法用于定向促销的应用程序,Athey and Imbens(2016)也将递归分区研究因果效应的方法用在科技公司的A/B测试平台上]。从实践的角度看,机器学习和经济学的交融使经济学家理解了什么方法有效,什么方法无效,以及为什么会这样。

  尽管实验在科技公司内部发挥的作用至关重要,但它们也存在不少局限。经济学家采用工具变量、因果面板数据模型和断点回归等方法为科技公司提供了宽泛的因果推断“工具箱”,帮助它们开展实验以规避其局限性。这样科技公司就可以在难以开展实验或实验成本过高的情况下获取处理效应(treatment effect)。

  除了关注因果关系外,经济学家感兴趣的另外一个领域是如何理解各种结果指标之间的取舍关系。在很多科技公司,与产品设计、营销甚至人力资源相关的决策都是通过实证分析(而不是主观评估)做出的,而且对指标的选择会指导整个公司激励机制的设计。经济学家力求更加深入地理解较容易观察的短期指标[如广告点击量,Athey、Chetty、Imbens and Kang(2016)称之为“代理”指标]和较难观察但能更准确代表公司目标的长期指标(如营收或用户的终身价值)之间的关系。

  举例来说,一家大型科技公司对邮件营销的措施进行了以下调整。过去的客户销售模式干扰因素太多,可能需要几个星期才会转化为一个消费者订单。邮件销售这种新措施的效果即时可见,而且公司可以迅速调整邮件的内容。然而公司发现,在几个月的时间里,每封邮件的销售量都在直线下滑,因为公司在不断完善营销邮件以最大化潜在用户打开邮件的概率,但并没有考虑到最终销售量。譬如,效果突出的邮件(用“邮件点开率”这个指标衡量)的标题极其引人入胜,但多多少少存在误导性的承诺。对于经济学家来说,他们不仅把指标看作统计度量,而且会很自然把它视为能够激励员工的工具,同时能据此提出激励长期创新的方式以及能更充分反映长期效果的短期指标。从更宽泛的角度来说,经济学家感兴趣的是短期目标与长期目标之间的差异。这往往会使科技公司在选择产品和市场设计以及算法开发等问题上得出截然不同的结论。经济学家将重点放在了实验、算法和管理决策之间的关联上。

  最后,经济学家所受的理论和实证训练促使他们审慎考虑不同决策的预期和非预期结果。譬如,爱彼迎允许房主看到住客的姓名和照片后轻易地拒绝住客的租住请求。尽管这种灵活机制原本会在短期内推高用户增长(“短期用户增长”一直是爱彼迎重点关注的指标),但卢卡等人(Edelman、Luca and Svirsky,2017)开展的实验表明,这也会使非洲裔美国人在这个平台上饱受种族歧视。因此,爱彼迎的市场设计提高了歧视的可能性,而在此之前这个市场曾竭尽全力消除歧视。菲斯曼和卢卡(Fisman and Luca,2016)对可以广泛降低网络市场中歧视现象的市场设计提出了一系列建议,如进一步提高平台交易的自动化程度。这项研究促使爱彼迎成立了一个工作组来权衡各种选择,并进而创建一个由全职数据科学家组成的团队持续研究歧视问题。监管者也参与进来,敦促爱彼迎继续开展这些工作。最终爱彼迎推出各种调整措施,在公司实现短期增长的愿望与消除平台歧视的长期目标之间达成平衡,这两者并不总是协调统一的。

  [《比较》印刷版,点此订阅,随时起刊,免费快递。]

版面编辑:刘潇

视听推荐

财新网主编精选版电邮 样例
财新网新闻版电邮全新升级!财新网主编精心编写,每个工作日定时投递,篇篇重磅,可信可引。
订阅