京公网安备 11010802034615号
经营许可证编号:京B2-20210330
经济学人 新经济、大数据、行为学
美国的金融重心正在从华尔街向硅谷转移,其背后的推手是以高科技与互联网企业为代表的新经济的兴起。新经济带来的不只是对传统商业模式的颠覆,也为经济学引入了全新的思考。微观经济学和行为经济学成为硅谷企业了解消费者、研判趋势、设计未来的利器。
何为新经济?
从基于实物商品的经济转变到基于软件和知识产权的经济。
共享经济,减低信息成本,更简便高效地匹配市场供求。像Airbnb和Etsy这样的新经济网站给人们创造了新的赚钱途径——在自己出外度假时把房子出租,或出售艺术创作和手工艺品。
“组合职业”的兴起,每个人都是自身职业的创业家。新时代的就业者不仅需要不断学习新技能,而且要紧贴时代的经济脉搏,发掘新机遇。
硅谷引领的新经济让微观经济学家如鱼得水。他们精于某个特定领域,通常是某一类型的市场或公司,试图揭示其运转原理。有了科技公司提供的大数据,微观经济学家对人们的行为做出了惊人的准确预测。微观经济学就是数据驱动,挖掘大数据的经济学。硅谷的公司越来越青睐他们:将一位最前沿的经济学家招致麾下,他们就能预测出消费者或者员工下一步可能的动向。
微观经济学家的成功案例比比皆是。以旅游服务公司TripAdvisor的子公司SmarterTravel为例,用户一点开其网站,一项由经济学家设计的算法就开始启动。各种数据,包括两次点击鼠标间隔的时间,都有助于预测该用户究竟是随便看看、打发时间还是潜在的买家。网站会在数毫秒内做出调整——浏览者会看到更多的广告,而买家则会看到一个更为简单的网页,以他们的选购为重点——从而达到利润最大化。其他公司会出售自己的预测能力。任何一家担心员工流失的公司都可以请hiQ Labs的团队通过深入研究公司记录,找出最有可能离职或者被挖走的员工。人力资源总监就可以针对他们做工作。
微观经济学家不再只是研究已有的公司如何运作,而是帮助设计未来的公司。这对经济学家这一职业也提出了新的要求,与着眼华尔街的前人相比,新经济要求经济学家同时驾驭经济学和编程,而不是经济学和交易证券。
微观经济学已开始颠覆经济学研究的出发点和研究方式:
大数据是研究的出发点。微观经济学家非常执着于自己使用的数据是如何收集来的。
假设—求证的研究方法被推倒。微观经济学家更看中电脑对未加工数据的分析,寻求规律。
跨学科的“拿来主义”。为了更好地进行行业分析,微观经济学家博采众长,从心理学到人工智能都有所涉及。
行为经济学,基于人类非理性行为的观察
与微观经济学类似,为了更好去解释人作为个体和群体在日常经济中的行为,经济学的另一重要领域也在快速发展——行为经济学。与经典经济学本质不同之处在于,行为经济学不再把“理性人”作为经济学分析的客观假设,而是把人类行为的不理性纳入到经济学分析当中去。
行为经济学研究的出发点恰恰是对人类非理性行为的观察。我们对意外之财和自己每个月的薪水态度截然不同。自己已经拥有的东西和同等价值可以轻易买到的东西,我们更为珍爱前者。我们对问题的回应很大程度上取决于问题的呈现方式:我们觉得用信用卡支付时加收附加费用不公平,但却认为现金支付的折扣合情合理。
微观经济学家在专注的领域屡有建树,在微观经济层面(即公司和个人行为层面),行为学派也已经站稳脚跟。过去十年,宏观经济学家对整体经济的研判屡屡失误,集合微观经济学的大数据与行为学派的观点,应用于宏观研究,会是很有价值的尝试。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06