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

讨论

  虽然之前我们主要谈论的是直接供职于科技公司的经济学家,但是科技公司与数字化经济学的崛起也对学者产生了重要影响。这个日新月异的领域不仅提出了新的研究问题,而且为学术确定了新的定位,创造出新的合作机遇,并引发潜在的职业转变。本节将探讨这些新的机遇。

  与学者开展合作

  尽管现在越来越多经济学家加盟了科技公司,但与学者的合作仍然对科技公司制定战略以及扩大经济学在科技公司中的影响发挥了核心作用。譬如,爱彼迎、亚马逊、易趣、脸书、Indeed

  *14.Indeed是一个专门提供招聘信息的垂直搜索引擎,也是全球领先的招聘搜索引擎。——译者注、领英、微软、Rover、跑腿兔(TaskRabbit)

  *15.TaskRabbit是一个家政服务平台,帮助用户寻找适合的服务人员,提供洗衣、搬家等服务。、优步、Upwork

  *16.Upwork是全球最大的自由职业工作社区。、Yelp和Zillow都与学院派经济学家开展合作,为公司带来诸多裨益。

  首先,学者往往在特定领域里拥有深厚的专业知识。这些领域不仅包括本文重点介绍的一些核心领域,还涉及其他多个领域。譬如,行为经济学家会阐释习惯养成对用户行为的影响。市场设计经济学家会对驱动市场厚度的机制提出独特的见解。计量经济学家可以为网络效应错综复杂的市场找到开展实验的新途径。由于学者的研究通常不会集中于单一平台,所以他们对深刻理解各种迥然不同的背景得心应手。

  其次,在科技公司全职工作的经济学家往往因要忙于解决迫在眉睫的问题而承受巨大压力(如他们可能要急于为以下问题找到答案:是否要在特定的季度调整定价?某项具体的广告宣传活动是否有成效?)。学者则不会受到这些压力的影响,因此可以潜心钻研影响更加深远的战略问题,如公司采用的发展指标是否适用?改变产品构成是不是恰当的决策?

  再次,科技公司招募经济学家也会带来一定的风险,即公司内部对科技公司的不足之处以及公司业务模式产生的负面影响没有开展太多研究。譬如,爱彼迎一直没有发现自己的平台上存在种族歧视,直到有学者在经济学研究中将其记录在案才引起政策制定者、爱彼迎用户以及爱彼迎管理层的注意。科技公司与学者开展合作并给予他们宽泛的自主权,可以帮助企业更客观地评估自己面对的问题。

  与此同时,科技公司与学者开展合作也面临不少挑战。譬如,学者与科技公司签署合作时通常会规定,无论研究结果怎样,公司都会保证学者发布研究成果的权利。原则上说,这种规定有助于降低发表偏差(publication bias)。然而,如果公司担心某些问题的研究结果可能使人们对研究结果有利于企业的论文产生偏见,无法使人们全面看待这个问题,那么它们会选择不与这些问题有关的研究签署合同。这种现象并非近年来才出现,因为在过去很多年里,经济学家一直在自行决定从哪些公司和政府机构获取数据。然而,随着科技公司与学者之间的合作日益标准化,这个问题的重要性也相应地不断提高。

  数字化经济学家的学术职场

  目前,供职于学术机构的数字化经济学家与日俱增。他们中的一部分人在经济系执教,还有一部分人在商学院的战略、营销、信息系统和创业等院系教书育人。有志于这些领域的博士生应该认识到,尽管有些院系会通过美国经济学会发布招聘广告,但市场营销、运营和信息系统等院系并非如此。

  科技公司还创造出对经济学专业本科生的强烈需求。这些学生在科技公司从事的工作从产品管理到政策研究不一而足。达特茅斯学院、哈佛大学、麻省理工学院、普林斯顿大学、斯坦福大学和耶鲁大学等一流学府都在微观经济学的基础入门课程中开设了关于互联网平台的课程,或推出关于“数字化经济学”的完整教程(“数字化经济学”的教程中包括关于电子商务、互联网平台及相关领域的课程)。麻省理工学院经济系和计算机科学系已经合作开设了一个全新的专业,将计算机科学、经济学和数据科学融为一体。哈佛大学、麻省理工学院和其他大学也推出数据科学项目,吸引了不少计算机科学家、经济学家及其他社会科学家。我们认为在拓宽这些课程的范围,使它们与其他相关教材结合起来满足志在科技公司的学生的需求方面存在丰富的机遇。从经济学角度讲解交易和平台的课程在波士顿大学、哈佛大学、纽约大学和斯坦福大学等商学院里也迅猛扩大规模。

  尽管从很多方面来说,获得博士学位的经济学家很适于在科技公司工作,但笔者认为,他们要想与科技公司开展合作或直接就职于这些公司,还需要在以下领域提升自我,为进军科技行业做好充分的准备。首先,由于预测、确定目标群体和精确估算对科技公司至关重要,所以机器学习在科技公司发挥的作用不容小觑。尽管经济学在因果推断方面一直处于领军地位,但机器学习与经济学的标准“工具箱”融为一体的工作尚未完成。其次,从传统上说,经济学家在编码以及优化编码进行大规模统计算法上接受的训练还是少于计算机科学家。投资于这些技能(并将它们融入博士生的课程)能够帮助打算进入这个行业的经济学家做好更充足的准备。与此同时,经济学家需要在理念层面深刻理解激励和均衡效应等经济学问题,并在本文讨论的因果推断等领域掌握高超的实证技能,这一点仍然至关重要。

  [《比较》印刷版,点此订阅,随时起刊,免费快递。]

版面编辑:刘潇
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