明天随意聊聊一篇Susan在2017年发表在《科学》杂志上的文章：《超越预测：大数据在政策问题中的应用》。Susan Athey是美国著名经济学家，现任教于斯坦福大学商学院。她在平台和大数据领域的研究，堪称经济学界的佼佼者。值得注意的是，她的丈夫Guido Imbens在计量经济学领域享有更高的声誉，可以说在学术圈内两人各有千秋。

这篇文章之所以引人注目，是因为它探讨了大数据在未来产业经济领域的发展方向。众所周知，大数据和机器学习技术的进步极大地提升了我们利用数据进行预测的能力。例如，许多平台软件通过大数据分析实现个性化内容推送，每个人搜索相同的关键词可能会得到不同的结果。

对于社会科学工作者而言，一个自然而然的问题是：我们如何将大数据方法融入未来的发展方向？换句话说，社会科学工作者或企业领导者是否可以直接采用大数据来制定政策，优化社会福利或提升公司运营？

在她的文章中，Susan Athey提出了大数据在实际应用中的三个主要领域：

医疗 在医疗领域，大数据的一个典型应用案例是通过大数据预测哪些病人更适合接受髋关节置换手术。医生们利用机器学习算法来预测手术后一年内的死亡风险，以此决定手术的可行性。这种方法体现了经济学的核心理念：只有在手术能显著延长寿命的情况下，手术才有意义；否则，手术带来的额外痛苦可能只是浪费资源。

这个例子具有现实意义，比如在应对流行病时，我们是否可以通过大数据区分不同严重程度的感染者，从而合理分配有限的医疗资源？然而，一个关键问题是，我们能否简单地通过风险分类来决定手术的优先级？此外，单纯依赖机器学习的结果可能忽视了患者之间的复杂差异。当前，我们还无法仅凭预测结果判断某些患者是否会比其他患者更容易出现并发症。

城市发展 大数据在城市规划和公共管理中也有广泛应用。例如，在波士顿地区，通过大数据重新安排卫生监察员的工作，可以提高30%至50%的监察效率。然而，这一方法并非没有局限。首先，效率提升的前提是人类行为不会因资源重新分配而变化。其次，即使假设成立，重新分配资源的成本必须低于收益，否则政府将缺乏动力优化现有系统。此外，大数据也可能导致犯罪行为的改变，从而使警力重新分配变得无效。

企业决策 在企业决策方面，特别是在平台型企业中，大数据的应用同样值得关注。2015年，Blake、Tadelis和Nosko发表了一篇关于Ebay的研究，揭示了大数据在企业营销中的应用。研究表明，通过付费搜索广告吸引消费者的策略确实有效，但其实际效果远没有想象中那么好。最初的数据分析显示，广告投入带来了高达1400%的回报率，但后来的研究发现，这是由于点击广告的人中有很大一部分本来就会购买产品，而非广告导致的购买行为。修正了这种偏差后，实际回报率仅为-69%。

大数据的发展无疑拓展了人文社科领域的研究边界，但作为方法的使用者，我们应该更加谨慎地对待大数据的应用。不仅要知道如何使用这些工具，还要深刻理解其背后的假设和局限性。正如Susan Athey的丈夫Guido Imbens所言：“除了随机实验外，所有的因果推断都依赖于分析者对预测模型的合理假设。”

参考文献：

Blake, Thomas, Chris Nosko, and Steven Tadelis. "Consumer heterogeneity and paid search effectiveness: A large-scale field experiment." Econometrica 83.1 (2015): 155-174.

Athey, Susan. "Beyond prediction: Using big data for policy problems." Science 355.6324 (2017): 483-485.