Aries Wong
  • Home
  • Research
  • Knowledge Transfer
  • Teaching
    • Service-learning in Sustainable Development
    • Economics for Hong Kong
    • Economics for Digital Economy
    • Economics for Sustainable Development

數據世界中的經濟學

4/11/2019

0 Comments

 
年初政府公布開放數據計劃,希望藉此鼓勵智慧城市的發展,雖然現存數據的深度和密度跟發展智慧城市所需仍有頗大的一段距離,但始終屬於正確的一步。無論是城市管理還是商業決策,數據從來都是重要關鍵,過去數據難求,但是隨著包括互聯網、流動通訊在內的科技發展,個人習性、交易數據變得唾手可得。

科技企業的經濟師

正當數據泛濫之時,各間科技巨企近年開始積極吸納大量經濟學家,甚至請來知名教授管理團隊,加州大學的經濟學教授范里安(Hal Varian)是谷歌的首席經濟師;史丹福的科技經濟學教授埃塞(Susan Athey)則曾是微軟的首席經濟師。在急起直追的阿里爸爸,達摩院和羅漢堂中也會發現金融泡沫專家、普林斯頓大學經濟學教授布魯納米爾(Markus Brunnermeier)的身影。業界中其實從來不乏經濟學人,大眾對於經濟師一職也不應陌生,然而這些職位過往大多是在政府或是金融機構中,負責分析和預測經濟增長、息率等宏觀經濟表現,惟這些明顯都並非現今科技企業最為關心的議題。

早前學院剛好邀請了亞馬遜日本的渡邊博士(Yasutora Watanabe)到校演講,雖然渡邊在保密協議下不能直接披露在亞馬遜日本的工作,但作為業界中的經濟學人,正好解開科技巨企內經濟學家的神秘面紗(渡邊博士的分享,某程度跟埃塞早前的文章不謀而合(註1),有興趣的讀者亦可一看)。渡邊博士指出,跟以往政府或金融機構面對的宏觀經濟風險不同,科技企業面對的是科技發展引致市場結構的急劇改變(例如由企業對消費者轉為個人對個人),因而需要擅長相關理論的微觀經濟學者,設計及硏究隨著新市場結構興起的各種諸如推介系統、評分制度、動態定價等市場機制。

科技企業的數據分析

除了微觀經濟學的理論大派用場之外,渡邊博士認為科技企業也看中了經濟學在驗證理論方面的嚴謹要求下,所發展出來的大量數據分析方法和工具。范里安教授也曾在另一篇文章談及計量經濟學工具在分析大數據方面的應用(註2),其中特別提出計量經濟學的一個特點是較為著重驗證事物之間的因果關係,而科技企業正正需要這種能力去驗證各種新興巿場機制的實際成效。

渡邊博士在另一個場合分享他一個關於推介系統的研究正是一個例子。在早前關於共享經濟的文章,解釋過推介系統是個人對個人市場中的重要元素,原因是有不少證據顯示我們都有選擇困難症,在面對龐大的選項時可能是出於害怕會後悔也可能是出於認知上的防護機制,往往會傾向放棄作出決定。推介系統的作用就是希望避免出現這種情況。

不過要找出推介系統的成效一點也不容易。推介系統都是根據某些規則推介産品,其中固然會考慮到產品本身的受歡迎程度。假如只是簡單比較被推介與不被推介產品的銷量差別,被推介產品得到更高的銷量很可能是系統選擇了本身受歡迎的産品作推介,而非系統推介有功。

渡邊博士研究的數據來自一個感覺頗為老舊的行業—自動售賣機。自動售賣機並非新事物,但原來日本已有服務提供者利用鏡頭和面部識別科技來初部鑑別潛在顧客的性別和年齡,從而推介產品。渡邊博士為找出推介的成效,利用相關企業的自動售賣機做了一個對照實驗( 行內較常稱之為AB測試),在一些售賣機隨機推介產品,最終發現推介的成效不但增加被推介產品的銷量,而且同時增加了同機其他產品的銷量(註3),某程度證明作出推介的銷量平台相較沒有推介的更為吸引。

對照實驗算是較為直接找出因果關係的方法,但社會大眾也開始愈來愈關注科技企業把他們作為「白老鼠」般測試,可見將來在某些環節(特別是涉及消費者支出的)進行對照實驗的難道可能會愈來愈大。可幸社會議題本身少有實驗可做,因此經濟學的硏究也比較習慣把握政策實施時的細微差異找出因果關係。類似的研究題目,經濟學者在無法進行對照實驗的情況下,也曽利用業務遍及全球的時裝網站在歐美兩地推介產品的差異,嘗試驗證推介系統的成效(註4)。

科技帶來了大數據,致使數據不再如過往般稀有,然而數據跟決策所需的資訊仍有頗大的一段距離。科技企業似乎早已深明此道,發展智慧城市也不應忽視這個經驗。

註1: Athey, Susan, and Michael Luca. "Economists (and Economics) in Tech Companies." Journal of Economic Perspectives 33.1 (2019): 209-30.
註2: Varian, Hal R. "Big data: New tricks for econometrics." Journal of Economic Perspectives 28.2 (2014): 3-28.
註3: Kawaguchi, Kohei, Kosuke Uetake, and Yasutora Watanabe. "Effectiveness of Product Recommendations Under Time and Crowd Pressures." Marketing Science (2019).
註4: Helmers, Christian, Pramila Krishnan, and Manasa Patnam. "Attention and saliency on the internet: Evidence from an online recommendation system." (2015).

刊於2019年4月11​日信報
0 Comments



Leave a Reply.

    Author

    Write something about yourself. No need to be fancy, just an overview.

    Archives

    July 2022
    October 2021
    May 2021
    February 2021
    December 2020
    November 2020
    July 2020
    June 2020
    February 2020
    December 2019
    September 2019
    May 2019
    April 2019
    February 2019
    November 2018
    September 2018
    August 2018
    July 2018
    June 2018
    May 2018
    March 2018
    November 2017
    October 2017
    September 2017

    Categories

    All
    Behavioral Economics
    Data Analytics
    Development Economics
    Economy Of China
    Family Economics
    Hong Kong Economy
    International Economics
    Labor Economics
    Monetary And Financial Economics
    Public Finance
    Technology
    Urban Economics

    Categories

    All
    Behavioral Economics
    Data Analytics
    Development Economics
    Economy Of China
    Family Economics
    Hong Kong Economy
    International Economics
    Labor Economics
    Monetary And Financial Economics
    Public Finance
    Technology
    Urban Economics

    RSS Feed

Powered by Create your own unique website with customizable templates.