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
数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15在数据仓库建设中,事实表与维度表是两大核心组件,二者相互关联、缺一不可,共同构成数据仓库的基础架构。事实表聚焦“发生了什 ...
2026-05-15 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-05-15【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈 ...
2026-05-14