微信号:gh_a9d9c3cb1ca5

介绍:市面上的教材太水?学了半天还是不知道如何处理工作中的数据?大猫的R语言课堂每期都和你分享一个工作研究中的实际问题,期期干货,就是这么实在!

双语 | 数据科学家抢了经济学家的饭碗吗?

2016-05-03 00:12 大猫
在前面
实在不好意思亲!大猫由于最近论文与工作的压力,R语言课堂更新有点拖(但愿不是有生之年系列Orz)。今天更新的这篇和R没有太大关系,但却讨论了一个很有意思的问题: 在这个“大数据”、“机器学习”通吃四方的时代,经济学模型看起来简直就像乐高玩具一样简单。但是,越来越多的科技巨头愿意雇佣经济学家。在微软供职的经济学家Susan Athey对此谈了自己的看法。文章原载于Quora,我这里仅截取她关于 经济学数据科学的思考,并略加自己的思考。

济学家在科技公司的职位?
More junior economists have a wide variety of roles in tech firms.  They can take traditional data science roles, be product managers, work in corporate strategy, or on policy teams.  They would typically do a lot of empirical work.

越来越多的年轻经济学家在科技公司担任多种多样的角色。他们能胜任传统的数据科学职位,成为产品经理,研究公司策略或加入政策团队。他们通常会从事许多实证工作。

机器学习也有不灵的地方
In terms of complementing existing non-economist workers, I have found that economists bring some unique skills to the table.  First of all, machine learning or traditional data scientists often don’t have a lot of expertise in using observational data or designing experiments to answer business questions.  Did an advertising campaign work?  What would have happened if we hadn’t released the low end version of a product?  Should we change the auction design?  Machine learning is better at prediction, but less at analyzing “counter-factuals,” or what-if questions.  (I’m currently doing a lot of research on modifying machine learning methods to make them more suitable for causal inference—you can search for some of my papers on arxiv.org).

我发现经济学家会给团队带来一些独特的技能,这让他们能与现有的非经济学家职员很好得互补。首先,在使用观察数据或设计实验以解答商业问题时,机器学习或传统数据科学家通常经验不足。这次的广告宣传是否有效?如果我们不推出低端产品,会有什么后果呢?我们是否需要改变现有的竞价设计? 机器学习在预测方面能发挥更好的作用,但是在分析“反现实”或“假如”这类问题上却不太有效。(我目前正在做很多实验来完善机器学习法,从而使其更适合因果关系推断——你可以在arxiv.org上查到我的一些论文)。

大猫观点
经济学的迷人之处在于她能用简单而深刻的数学方程刻画社会经济活动,从拍卖到交友到婚姻无所不包。实际上,经济学模型与机器学习模型有着截然不同的目标: 经济学模型力图刻画人们的选择过程——效用函数、资源约束——哪怕最终的预测效果不是100%,但只要机理make sence就行;而机器学习模型不在乎背后的因果关系,它关注的只是输入与输出,只要预测值和真实值接近,哪怕对背后的原理一无所知也不会感到任何不适。

打个不恰当的比方:假如有个原始人穿越到现在第一次看到电视机,如果他是个经济学家,它肯定先要搞懂遥控器的原理才能安心看电视;如果是个数据科学家,他会先观察别人是怎么用遥控器的,然后照猫画虎自己摸索,而根本不会有兴趣了解背后的原理。

正因为经济学模型需要刻画因果关系,所以它无法考虑太多的变量,因为变量一多模型就会复杂到不可解的地步,因此它的预测能力也就不会太好。

也正因为如此,机器学习的强项在于预测,因为它用上了一切能够获得的数据,但是到了需要“假设”某些反事实(counter-factuals)的时候它就显得力不从心了,因为假设的前提是知道事情背后的原理。

序员不懂得均衡(Equilibrium)
Second, economists are trained to think about equilibrium or feedback effects.  There are many decisions in marketplace or platform businesses where the short term and long term effects of a change go in opposite directions.  If you stop charging people to post pictures on eBay, conversion rates and customer satisfaction and transaction volume rise—but that requires sacrificing a large revenue stream.  If you tighten your criteria for how well a search ad matches a user query, you lose money in the short run, but in the long run the advertisers should bid more for the increased conversion rates of the ad clicks they do receive.  Economists often focus on these types of problems which can be ignored or minimized by engineers.

其次, 经济学家善于思考均衡及反馈效应。在短期与长期的变化效应背道而驰的市场或平台中,需要做出许多决策。比如,如果不再向人们收取在eBay发布图片的费用,转化率、用户满意度及交易量会随之上升——不过这必须损失一笔大的收入来源。如果加强搜索引擎广告与客户查询匹配度的评价标准,那么短期而言会面临亏损,不过长期来看广告商应该会给出更高的竞价,因为他们投放的广告的确获得了更高的转化率。经济学家通常专注于这类会被工程师忽略或轻视的问题。 

Overall adding one economist to a team can bring a really valuable alternative perspective, and I’m not at all surprised that all the top tech firms are hiring them!

总之,一名经济学家加入一个团队,会给团队带来非常有价值的另类视角。因此,我对顶尖科技公司正在招募经济学家的举措毫不诧异。

Quora原文链接:https://www.quora.com/Why-do-technology-companies-hire-economists-and-what-is-their-contribution
 
大猫的R语言课堂

我是 大猫,我是一个高中读文科但却在代码、数学的路上狂奔不止的Finance Ph. D Candidate。

我的微信号是iRoss2007

我的 R语言课堂关注R语言、数据挖掘以及经济金融学。

我与大家分享我的知识,我相信独乐乐不如众乐乐

我还有许多 好玩的计划。

更多的精彩内容正在路上。
长按二维码关注

 
大猫的R语言课堂 更多文章 大猫的R语言课堂开课啦+次回预告 35行代码搞定事件研究法(上) 35行代码搞定事件研究法(下) 如何优雅地添加进度条(上) 如何用R进行中文分词?
猜您喜欢 程序猿媳妇儿注意事项 10款Mac下高效率软件 这位程序员出身的 CEO 都这么拼,你还在偷懒?! 《击溃设计师的16句话》到底击溃了谁? ReactJS 服务端同构实践【QQ音乐web团队】