この連載について
ビジネスの話題に関するNewsPicksオリジナルのインタビューやレポート
この記事の著者 / 編集者
この記事に関連するユーザー
関連する企業
Amazon is a leading online retailer and one of the highest-grossing e-commerce aggregators, with $386 billion in net sales and approximately $578 billion in estimated physical/digital online gross merchandise volume in 2021.
時価総額
265 兆円
業績
シェア
新規登録またはログインすると
チャートを見ることができます
新規登録する
ログインはこちら
この連載の記事一覧
【トップ直撃】「ワークス」製品を継いだ企業の「今」
262Picks
【核心】ユニクロは「リサイクル」でも稼ぐ
587Picks
【世界が熱狂】薬で「肥満」を治す時代に知っておきたいこと
319Picks
【爆速】メルカリ元幹部が3カ月で「ライドシェア起業」できた理由
304Picks
【衝撃】1LDK10億円でも売れる、中国人富裕層の圧倒的資金力
213Picks
【手本】撤退危機から急成長。COEDOに学ぶリブランディング
317Picks
【1年以上】仕事人間が長期で育休取ったら、人生変わった
339Picks
【新常識】効果抜群。「男性育休」はカネで解決できた
410Picks
【続・北尾】だから僕は「金融の次は半導体」に決めた
601Picks
【北尾CEO】新NISA時代、「SBIは一強に」
1062Picks
この記事は「経済学」に絞られていますが、因果推論と統計分析は学問全般、特に私の知る限り経営学、マーケティング、心理学の中核です。マーケというと広告、心理学(日本では文学部の一部だったりする)というとカウンセリング、のイメージが強いかも知れませんが、アメリカでは定量分析が主流ですし、私も今シグナリング理論を応用したM&Aの論文を書いてます。おそらく、そうした分野のPh.D. もいろいろ採用して生かしているのではないでしょうか。
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。
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。
「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」
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。"
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。
GAFAMが強いのはミクロ経済学者を抱えていたから。その指導のもと、データ分析を徹底しているからだということがよくわかりました。