「経済学者」というと、大学で理論を教えていたりIMFのような国際機関で働いているイメージが強いかもしれません。
しかし、実はアマゾンやグーグル、ウーバーなどのテック企業でも重宝されています。その筆頭が、200人以上の経済学PhD人材を抱えるアマゾンです。
「ミクロ経済は、個人や企業がどう行動し、意思決定を下すのかを理解するための学問なんだよ」
アマゾンでも働いていたテック経済学者の先駆け、タデリス教授に解説してもらい、ぐっと解像度が高まりました。
NewsPicksでは今日から2日間、ビジネスで活用される経済学の特集をお届けします。

ビジネススクールの修士課程一年目の学生にまさにこういった内容のクラスを教えていますが、ビジネススクールの学生は数学や統計に弱い（とある意味思い込んでしまっている）人も多く、「アカデミックすぎる」「何の役に立つのかわからない」というフィードバックも多いです。計量経済や統計が主軸なのでPythonでなくRで解析するのですが、それも「できない」と諦めてグループ内のできる人に任せてしまうケースも多数です。AIやDX、そしてさらなるテクノロジーの変化によるビジネスモデルの改革を牽引できるビジネス人材の育成が必要とされる中、現場として実際どのようなカリキュラムで実践するのか模索する毎日です。

データとして企業を見るときにはAIも使えるのではないかと思うことは多々ある。
特にamazonはコンピュータのしくみを本当によく取り入れていると感心する。

だけど、ベンチャーにはフェーズによって合わないし、うまく取り入れるのは難しいように思う。

いろんな記事を聞きかじって何を学ぶとよいかという話題を上げてくれる若手社員にはこんな話をしている。
「会社の舵取りは、経営学、経済学。
会社の現場は心理学。」

理論や法則は学問的にも適用するべき対象と合致すれば普遍性もあり、参考にできるが、究極的には心理学というのがベンチャーや小さな組織の面白いところだ。

でなければ、多くの転職者がその理由に人間関係というのをトップに上げたりはしないだろう。

どちらも大事。

「仮説をみつけデータを元に検証する」やり方は、経済学者など学術的な根拠に裏付けされているという話です。

大学時代、経済学部で学んでいた時にマクロ経済やミクロ計量経済学など「これは社会に出たら役に立つのだろうか・・」と思っていました。こういったeBayなどの具体的な事例をふまえての講義があったら、今の学生はより具体的な活用イメージを持って学べるんじゃないかと思います。

また、アカデミックな世界と実ビジネスの世界がつながって生み出せる可能性が増えたことで、学者、研究者の選択肢が増えるというのは素晴らしいです。経済学でも、金融機関以外での活躍ができる場ができるといいですね。

"我々はこの仮説を検証し、「出品者の取引量に比して、出品者が購入者とネガティブなワードを含むメッセージのやりとりをどれくらいしているか」という値を使って、出品者のクオリティを算出するモデルを生み出しました。"

アマゾンCEOを退任すると先日ジョフ・べゾフ氏が発表しました。

べゾフ氏が重視してきた原則の一つに、「データドリブン」があり、それを支えていたのが経済学者でした。

何度も書かせていただきていますが、AI時代において大切なのは、AIのことだけ学ぶのではなく、AIにかけ算する自分の得意分野を伸ばす努力を惜しまないということだと思います。

テック大手は、プラットフォーマーとしてECや広告など「市場」を運営しているといえる。その観点で、需要と供給や、そこへの価格・インセンティブの働きかけというミクロ経済学の相性の良さは明確にあるだろう。むしろそれが新しい市場ともいえるし、またデータも豊富という観点で、研究場所としても引き付ける部分があるだろう。

Amazonからタオバオ、ebayまで。
「意思決定の方法」とでも言うべきものかもしれません。

「おさえておきたい４つのコンセプト」
①弾力性
②因果推論
③セグメンテーション
④マーケットデザイン

「情報の非対称性がある場合に、情報を持っている側（この場合は出品者）が持っていない側（消費者）に情報を開示する行為を、シグナルと呼んでいます」
「我々はタオバオのデータを使って、この制度の効果を検証しました。同じカテゴリーの商品で比較すると、この制度を適用している商品の方が約30％月間売り上げが高かった」

様々なシーンで因果や相関を知りたくなることは毎日のように発生します。
それを迅速にサイエンスしてくれることはとてつもなく心強いことは間違いありませんね。

経済学がビジネスに効くポイントは、①弾力性、②因果推論、③セグメンテーション、④マーケットデザインとのこと。非常に共感できます。