经济学博士在BATJ公司有啥用呢? 难不成比IT程序员还有能耐
凡是搞计量经济的，都关注这个号了
邮箱：econometrics666@sina.cn
所有计量经济圈方法论丛的do文件, 宏微数据库和各种软件都放在社群里.欢迎到计量经济圈交流访问.译:东北财经大学@Grace群友. 东北财经大学培养出来的研究生能够直接翻译顶尖NBER论文并在计量经济圈发表, 建议报考.
推荐阅读：
科技公司雇佣博士经济学家的事实
拥有博士学位的经济学家（以下简称博士经济学家）在科技公司中扮演着越来越重要的角色——解决例如平台设计、战略选择、定价和政策制定等问题。包括Amazon、eBay、Google、Microsoft、Facebook、Airbnb和Uber在内的大型公司都拥有庞大的博士经济学家团队，致力于设计出更好的产品线以供客户选择。例如，在帕特•巴贾利（Pat Bajari）的带领下，亚马逊在过去5年雇佣了150多名博士经济学家，也因此成为在科技领域里经济学家的最大雇主。事实上，亚马逊现在所拥有的全职经济学家数量，是最大的经济学术机构所拥有人数的几倍，并且还保持着快速持续的增长。Coursera、Expedia、Netflix、Microsoft、Pandora、Uber、Yelp和Zillow等公司也聘请了很多经济学家。图1显示了部分聘请博士经济学家的知名科技公司名单。
图1:雇佣博士经济学家的部分科技公司名称
Alibaba | |
AirBnB | Lyft |
Amazon | Microsoft |
AppNexus | Netflix |
CoreLogic | Nuna |
Coursera | Oath |
Dstillery | OpenAI |
Didichuxing | Pandora |
Digonex | |
eBay | PoliticalSheepdog.com |
ECONorthwest | Prattle |
Expedia | Quantco |
Quora | |
Forkcast | Redfin |
Glassdoor | Ripple |
Rover | |
Granular | Trulia |
Groupon | Uber |
Houzz | Upwork |
Huawei | Vericred |
IBM | Visa |
Indeed | Walmart |
ING | Wealthfront |
Intel | Yahoo! |
Kensho | Yelp |
Lending Club | Zillow |
从直接进入科技行业的新毕业博士，到从被著名学术部门授予终身职位的人中选拔出的首席经济学家，各个行业都在聘用博士经济学家。尽管职位类型有很大差异，但直接从事商业问题研究的经济学家确实在增多，在那里只有一小部分经济学家才发表学术论文。不过，也有一些像微软一样的科技公司，由一位首席经济学家来管理团队，直接关注商业问题，而且在学术期刊上发表不同研究方向的论文，与在商学院或经济学系工作的经济学家相差无几。这些研究中心的经济学家尽其所能地为该领域的前沿提供洞察行的意见，其中的一部分洞见能够指导公司的未来发展方向。
如今，许多科技公司直接通过美国经济学会(American Economic Association)的JOE平台进行招聘(现在很多机构都通过这个平台招聘经济学博士）。在2017-18年，21家科技公司通过AEA下面的JOE平台进行招聘。考虑到很多科技公司都有多个职位，经济学家在科技公司可获得的职位数量要多于在政策学校所获得的。在此背景下，通过JOE招聘的科技公司大约是政策性学校的三分之二。
此外，图2显示，近年来，发布招聘信息的科技公司数量一直在增加，相比之下，有岗位需求的政策性学校和经济部门则呈现不同特征，前者的数量尽管会上下波动，但后者的数量确实在减少。一些推动科技经济学家就业增长的因素也影响了学术就业市场：随着技术平台在经济中扮演越来越重要的角色，与它们相关的话题对商学院的课程和学术研究也变得越来越重要。
商学院对专业教师的需求不断增加，即专注于线上平台、数字化以及依赖于数据分析的领域（实验方法和机器学习）的人才。例如，曾经专注于运营研究或信息系统管理的商学院，最近开始更多地关注经济问题，如市场、定价算法和经济问题的实证研究。
这些变化在一定程度上是由于越来越需要为MBA学生进入科技领域相关的职业做准备。例如，亚马逊是哈佛商学院最新一批MBA毕业生的最大雇主。为与MBA学生职业发展路径的变化相适应，哈佛商学院过去几年新增的课程包括实验方法、线上市场设计、数字营销、技术战略、数据科学。斯坦福大学的类似课程也在以近似的速度的增长。一个事实是，与科技领域直接相关的课程迅速增加，与数字经济相关的内容也越来越多地被添加到更传统的课程（如核心战略和营销课程）中。
私营企业大量雇佣全职的学术经济学家和具有很强研究技能的刚毕业博士的景象，在世界范围内几乎也是没有先例的。一些像兰德公司和数学软件政策研究公司类的机构会大规模招聘经济学家，但主要出发点是让经济学家们在政策评估方面提供帮助。Cornerstone和Analysis Group等咨询公司也招募了大量经济学家，主要是在反垄断和知识产权诉讼等领域的法律事务中提供支持并充当专家证人。
当我们考察像“微软研究院”那般具有研究实验室的科技公司时，就历史脉络而言，也许与它最为接近的是远近闻名的贝尔实验室。贝尔实验室在1968年创建了一个经济学团队并作为AT＆T的一个部门运作。这个团队后来增加到大约30名经济学家，其中包括伊丽莎白•贝利、罗伊•拉德纳和罗伯特•威利格等知名经济学家。1970年，它创办了《贝尔经济与管理科学期刊》（自发布之日起该出版物就作为备受推崇的兰德经济学期刊而存在）。该团队随着AT＆T的解体于1983年被淘汰，其中一些经济学家被分到公司的其他部门，而另外一些经济学家则留在其他行业或学术岗位上工作——包括在哥伦比亚大学、哈佛商学院、纽约大学、普林斯顿大学和宾夕法尼亚大学。
尽管一些科技公司聘用的经济学家使用的是实验室模型，但科技公司的大多数经济学家都在用公司的数据处理与管理相关的问题，而且很多经济学家都在从事与业务有关工作。例如，在微软研究院之外，微软拥有一位以业务为中心的首席经济学家，他的团队积极招募博士经济学家，研究从云计算到搜索广告的一系列问题。亚马逊把经济学家分配到不同的部门来研究具体的业务问题，从电子商务平台到数字内容，再到用来评估变化和创新的实验平台。优步拥有经济学家团队，专注于理解政策问题、定价和激励设计，这些团队中的一些人在学术期刊上发表了面向外部的研究，而另一些人的工作则完全面向内部。更广泛地说，科技公司的许多经济学家将外部研究和内部工作结合起来，继续参加会议并在领先的经济学期刊上发表文章，他们经常从顶尖的博士项目中聘请暑期实习生，或与学术经济学家就此类项目进行合作。由于科技公司所面临的许多问题都处于学术研究的前沿，因此与学术紧密联系以及严谨的原创思想在科技领域受到高度重视。
实际上，科技公司和经济学家之间的互动已经引发了新的智力问题和经济学中的新领域——“数字化经济学”，这个领域已经探索了一系列广泛的问题。例如，人工智能的出现和大规模消费者数据集的使用如何影响行业结构和市场力量？科技公司应该如何被监管？技术部门的数据应如何为政策制定提供信息？聚合器、搜索引擎、信誉系统和社交媒体如何影响我们做出的决策以及我们阅读的新闻？如何设计线上市场以确保实现安全有效的交易？线上平台还创建了新的数据集和测试平台，这些数据集和测试平台被用于了解经济学的各个领域，即从市场设计到产业组织，到劳动经济学再到行为经济学。
到目前为止，我们有机会将自己的职业生涯投入到学术界，一边学习和教授线上平台的运用，一边在实践中帮助塑造它们。除了扮演学术角色，我们还与科技公司密切合作，Susan曾是微软的咨询首席经济学家，目前是Expedia、Lending Club、Rover和Ripple的董事。在与微软合作期间，她还帮助微软在新英格兰的研究部门建立了经济学团队。迈克与许多科技公司合作，并在Yelp创立了一个经济研究方案。作为学者，我们教过数百名现在在科技公司工作的学生和高管。博士生也对科技公司产生了兴趣，我们自己的学生曾在Facebook、Microsoft、Amazon、Wealthfront、Uber和Airbnb等公司工作过。
在科技时代之前的几十年里，经济学家在科技公司中使用的核心技能对经济研究一直很重要。自20世纪60年代鲍勃•威尔逊在拍卖领域所从事的具有开创性的工作以来，市场设计领域一直将新颖的理论见解、实证工作和实验相结合，以解决现实世界中的问题。
过去几十年里，评估因果关系和理解激励问题一直是应用微观经济学和工业组织的核心主题。随着新技术的出现，博士经济学家运用的专业知识已经在科技领域产生了新的有影响力的用途。而且，由于科技行业同时也会产生新的经济问题，这提供了将经济理论的思想付诸实践的新方法，并为新型统计分析提供了机会，因此这些领域中关于经济研究的前沿问题得到了发展。
随着经济学家在科技公司的人数增加，科技公司经常联系我们，询问我们应该聘用谁以及经济学家应该扮演什么样的角色。我们还被问到本科生和博士生如何为这些职业做好准备，以及这些职业会是什么样的。教师通常对他们如何参与到科技公司中感兴趣，以及他们可能在那里从事的问题类型。下面，我们首先说一下博士经济学家能够为科技公司提供的相关技能。
博士经济学家具有哪些与科技相关的技能?
套用连姆•尼森（Liam Neeson）在电影《飓风营救》（the Taken）里所说的一句台词，我们对经济学家的评论是“真有一套非常特别的技能”。经济学家具有的技能作为经济学课程的一部分，是经济学家在科技公司得以发展的核心要素，在这里，我们主要关注三种广义层面的技能：即评估和解释变量间实证关系以及处理数据的能力；能够把握信息环境和战略互动，从而理解并设计市场和激励机制的能力；了解行业结构和公司均衡行为的能力。
评估变量间经验关系的能力？
相对于其他学科专家，经济学家在对数据的考察方面有几个优势。首先，经济学家对哪些实证关系是因果关系、哪些实证关系不是因果关系很感兴趣。在过去的30年里，经济学家开发了一套工具包来识别现实数据中的因果关系。由于在互联网时代我们的数据量达到了前所未有的程度，这直接促成了市场对经济学家日益增多的需求。
例如，实证应用微观经济学已经开发出应用于“自然实验”和评估政策的工具——工具变量、因果面板数据模型和断点回归（参见Angrist和Pischke, 2009年对其中一些工具的综述）。正如我们在下一节中进一步描述的那样，这些工具在科技公司中被广泛使用，用于分析诸如价格变化、新产品的引入、用户界面的变化以及不同的广告效果等干预措施的实施带来的影响。经济学家对识别因果效应、研究结果的统计意义和经济意义的关注，对科技公司开展实证分析实践具有重要贡献。工业组织经济学家和市场设计经济学家也开发了一些工具来分析当价格与现存事实呈反向变动、市场设计发生变化时所产生的影响，不过令人惊讶的是，这些工具在科技公司中的应用范围不如实证微观经济学开发的工具应用范围广泛（当然也有明显的例外）。
在科技领域，实验是决策制定过程的核心。大多数大型科技公司通过“A/B测试”或随机对照试验来评估产品的变化——每年有成千上万次A/B测试进行。从如何选择合适的样本到如何设计干预措施，再到如何根据实验结果作出管理决策，实验在管理和技术方面发挥了重要作用。
许多实验都试图识别出大量用户在应用产品或服务后微妙的变化，改变A/B测试的方法可能是有效的尝试，因此，实验设计科学已经成为科技公司的一个重要课题，往往推动产生科技前沿问题。例如，Blake和Coey（2014）在eBay和Facebook任职期间经历过挑战后，强调了在一些均衡效应会在实验组和对照组之间产生干扰的市场进行实验，是存在挑战的。Athey、Imbens和Eckles（2018）则是在Amazon和Facebook任职期间经历过困难后受到启示，研究了在网络环境中对实验进行评估所出现的问题。
科技行业中广泛使用的实验有时是存在争议的。Facebook做了一项实验以测试——相对于带有负面情绪的帖子，当用户看到更多带有积极情绪的帖子（例如能传递快乐的帖子）时如何做出反应，然而，在实验中，Facebook改变了用户在新闻源中看到的正面或者负面帖子的数量（Krameret al 2014）。尽管这个实验最终发现了用户微小的变化，但是它不仅引起了公众对Facebook的强烈反对(Meyer,2014)，而且引起了发表该实验的即《美国国家科学院院刊》的关注（Verma2014）。由于公众施加的压力和公司内部对实验道德的广泛关注，Facebook据此作出回应，更新了决定运行哪种实验的内部程序。企业和政策制定者仍在探索建立最佳的实践方法，目的是在保护参与者的隐私和安全的同时，进行高效的实验和使用数据。
机器学习在科技公司中的广泛应用也带来了新的挑战和机遇。一开始，学术经济学家在学习机器学习方面速度较慢，原因包括许多机器学习方法背后缺乏渐进的结果，以及学术经济学家往往关注的是机器学习从经济学的角度来探讨预测问题是否重要。因此，一些经济学家来到不熟悉机器学习的科技公司，公司则要求他们学习一套新的方法，以便与机器学习社区进行交流。最近，经济学家与科技公司的互动增加了经济学家对同时关注预测问题和因果推断问题的机器学习的兴趣。
科技公司想要将因果推断技术纳入公司的大型数据集并且充分利用这些丰富数据集的愿望，推动了研究者将机器学习和因果推断结合起来进行研究的做法(Athey，forthcoming)，形成的文献反过来又影响了科技公司的商业实践（例如，Hitsch和Misra（2018）将Wager和Athey（forthcoming）的因果森林方法运用到定向促销的实践中，而Athey和Imbens（2016）的因果效应递归划分方法已经应用于技术公司的A/B测试平台）。从实践的角度来看，机器学习和经济学的交叉使得经济学家能够理解，哪些方法有效，哪些方法无效，以及方法有效的原因。
虽然实验在科技公司中发挥了重要作用，但也有局限性。经济学家利用工具变量、因果面板数据模型和断点回归等方法，帮助引入了一个具有广泛适用性的因果推断工具包来完善技术领域的实验，这意味着，科技公司要在实验难度大或成本高的前提下才能获得理想效果。
除了关注因果关系之外，经济学家还对在不同结果指标中做出权衡选择感兴趣。在许多科技公司，关于产品设计、市场营销甚至人力资源的决策都是通过实证分析（而不是主观评价）来决定的，根据实证分析结果选出来的指标将指导整个公司的激励措施。经济学家一直在寻求更好地理解短期指标和长期指标之间的关系，短期指标例如广告点击量（也称为“代理”，如Athey，Chetty，Imbens和Kang，2016），是容易观察到的，而长期指标（如客户收入或其终身价值），很难观察到，但是能更好的代表公司目标。
例如，一家大型科技公司对通过电子邮件营销的衡量标准做出了一些调整。该公司以往向客户展示的销售页面是十分杂乱的，消费者因此可能需要数周之后才会购买，公司意识到这个问题后，推出了新的方法，即只要消费者打开电子邮件，便立即可以见到商品，而且可以将商品进行合并处理以达到对电子邮件内容迅速调整的目的。该公司对营销邮件所做的上述变化是为了最大化其电子邮件的点击率，这些邮件因为具有吸引人的主题和一些误导性的承诺，被称为所谓成功的电子邮件（用点击率指标来衡量），但是该公司并没有考虑最终的销售额，在几个月内，每封电子邮件中商品的销售数量急剧下降。对于经济学家来说，本能的考虑衡量标准不仅仅局限于一个统计指标，而且还要能够对公司员工形成一种隐形的激励，并提出各种方法，为长期创新提供激励，以及更好地捕捉具有长期效应的短期指标。从广义层面上讲，经济学家感兴趣的是短期目标和长期目标之间的不匹配关系，这通常会导致在产品和市场设计选择以及算法开发中得出截然不同的结论。经济学家关注的是实验、算法和管理决策之间的联系。
最后，经济学家在理论和实证方面接受的训练使他们能够仔细考虑不同决策产生的预期和非预期结果。例如，Airbnb让房东在看到客人的名字和照片后可以很容易地拒绝他们不愿意接受的一类客人，虽然这种灵活程度可能让Airbnb实现短期用户增长（Airbnb一直关注的指标），但Edelman、Luca和Svirsky(2017)进行的一项实验表明，这种灵活性也导致了平台上对非洲裔美国人普遍性的种族歧视。原本市场就在努力地减少种族歧视，Airbnb关于市场设计的选择则增加了将种族歧视重新引入市场的可能性。Fisman和Luca（2016）提出了一系列市场设计以供选择，这些设计可以更普遍地减少线上市场的歧视——比如进一步在平台上实现交易自动化。因为这项工作，该公司组建了一个特别工作组，负责权衡不同的选择，也因此成立了一个全职的数据科学家团队来探索持续存在的歧视问题。监管机构也参与了进来，激励Airbnb继续坚持这些努力。最终，Airbnb做出了一系列改变，在实现增长的短期目标和减少平台歧视的公司目标之间取得平衡。
设计市场和激励机制
科技公司经济学家人数的增多恰逢市场设计的兴起，这一领域由斯坦福大学经济学家鲍勃·威尔逊开创，并由保罗·米尔格罗姆和艾尔·罗斯等（由于在这个领域的开创性工作而获得诺贝尔奖）经济学家将其扩展到各种应用领域。市场设计已经让经济学家们从最初的以描述性为主的视角转向更具规范性的视角，即使用经济学工具设计出运作良好的市场。这些经济学家——特别是罗斯——推动了“经济学家作为工程师”这一理念的产生，依据该理念，经济学家深入参与到经济思想的实施中，并对问题的细节制定针对性的建议。虽然市场设计研究最初侧重于如光谱拍卖、居住匹配计划和肾脏交换的线下市场，但是经济学家最近将市场设计思想融入到了科技行业。例如，罗斯长期在线下市场使用的视角——探索围绕市场层次、饱和程度和参与者安全方面的问题——在设计选择处于最前沿和中心的线上市场中受到了进一步关注。
Google、Yahoo和Microsoft的广告销售市场（Varian, 2007;Edelman, Ostrovsky、Schwarz, 2007; Athey和 Ellison 2011;Agarwal、Athey、Yang 2009；Athey 和Nekipelov, 2013）以及优步的乘车市场（Cohen et al. 2016）都在运用市场设计。许多文献都研究了市场设计中所涉及的定价、分配机制和信誉系统问题，其他的相关工作则集中关注搜索成本(Athey和Ellison,2011;Fradkin 2017; Cullen和Farronato,2018)。经济学家运用其技能的多边平台已经成熟，因为这些平台的设置对经济学家通过战略行为、互动和均衡效应来思考是至关重要的。
经济学家将其评估实证关系的独特视角与他们在市场设计方面的专业知识结合起来，并将这些理论和数据相结合，不仅能够预测决策的直接影响，还能预测决策如何影响市场的均衡行为，因此为科技公司提供了特殊的价值。
分析均衡的市场结构
考虑到当前的和潜在的竞争格局，科技公司对进入哪个市场考虑颇多。例如，在Uber和Lyft的竞争中出现了关于市场结构的问题，并因此推动了扩张和收购策略的产生。经济理论，包括平台和市场设计理论，能够让市场呈现高度竞争的局面，也能使垄断在市场中形成的可能性增大。这不仅有助于平台作出战略选择即决定进入哪个市场，而且对政策制定者和监管者来说也是有利的。目前，市场力量的问题在科技行业中引起了激烈的讨论，即使经济学家们不能完美地预测未来，但是其可以通过对这个问题进行结构分析来帮助解决问题。
Grace群友选择接受大家的认可、建议、批评指正，文后留言区等着你。
所有计量经济圈方法论丛的do文件, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
可以到计量经济圈社群进一步访问交流各种学术问题，这年头，我们不能强调一个人的英雄主义，需要多多汲取他人的经验教训来让自己少走弯路。
计量经济圈当前有几个阵地，他们分别是如下4个matrix：
①小鹅社群：数据软件书籍等所有资料(最多且更新频繁)，
②微信群：服务于计量经济圈社群群友(最活跃)，
③研究小组：因果推断, 空间计量, 面板数据(最专业)，
④QQ群：2000人大群服务于社群群友(最大)。
计量经济圈是中国计量第一大社区，我们致力于推动中国计量理论和实证技能的提升，圈子以海内外高校研究生和教师为主。计量经济圈绝对六多精神：社科资料最多、社科数据最多、科研牛人最多、海外名校最多、热情互助最多、前沿趋势最多。如果你热爱计量并希望长见识，那欢迎你加入到咱们这个大家庭(戳这里)，要不然你只能去其他那些Open access圈子了。注意：进去之后一定要看小鹅社群“群公告”，不然接收不了群息，也不知道怎么进入咱们独一无二的微信群和QQ群。在规则框架下社群交流讨论无时间限制。
只有进去之后才能够看见这个群公告