Uber的秘密武器是一群經濟學家
Uber的秘密武器是一群經濟學家

一個下雨的週六夜裡,你剛和朋友吃完飯,拿出手機、打開Uber,首次發現它居然說因車輛短缺,價格得上漲1.3x倍。當時的你,是按下了「接受」按鈕,還是選擇「多等幾分鐘」?

你也許已經忘了當時的決定,但那個數據對經濟學家來說特別珍貴,因為它們清晰地記載了交易時間、地點、價格以及當時的供需情況。《魔鬼經濟學》作者、美國經濟學家Steven Levitt曾說:

從很多方面來看,Uber呈現了經濟學家理想中經濟應有的模樣。

這樣精確豐富的數據於經濟學家來說猶如瑰寶,但更重要的是,Uber愛這些經濟學家就如經濟學家愛這家公司帶來的寶貴數據和實驗機會。

Uber不僅在內部設立「研究和經濟(Research and Economics)」部門,同時讓這些被稱為「Ubernomics」的經濟學家的研究成功融入到公司的產品設計、戰略設計以及政府遊說支持中。今天,Quartz撰文介紹了這群鮮為人知,卻對Uber發展相當重要的人群。

經濟學家都愛Uber

2016年,Steven Levitt透過分析UberX 2015年上半年在芝加哥、洛杉磯、紐約和舊金山所產生的5,400萬筆交易數據,繪製出基於真實數據的需求曲線。

我們都學過微觀經濟學的「需求曲線」——在其它條件相同時,產品的價格越低,需求會越大,反之亦然。

由於從來沒人能夠準確記錄「其他條件」的改變會怎樣影響人們需求對價格的敏感度(譬如,原本打車回家只要75元,今天下雨漲價到125元你接受嗎?150元呢?),所以需求曲線一直是個「概念性」模型。

直至Uber推出溢價算法,讓類似的消費者對不同價格做出選擇,得到了所需的實際數據。你們每一次的「接受」和「多等幾分鐘」都為經濟學家了解人們對價格的接受預期作出貢獻。

據統計,Uber擁有超過300萬名司機,全球來說,每天將產生1,500萬筆交易數據。QZ在文章中寫道:

Yahoo、Google和Uber等公司能夠提供的數據體量,是十年前經濟學家們做夢都求不來的。

科技公司裡的經濟學家是怎樣的存在?

需要說明的是,Steven Levitt並不是受聘於Uber的經濟學家,但他對於需求曲線的研究的確是和Uber自家的經濟學家合作完成的。

Ubernomics向來保持低調,廣泛研究消費者體驗、測試新功能和激勵措施、根據Uber公共政策需求提供支援素材,以及生產經過同行評議和可在權威刊物上刊登的研究。

2015年,當美國政府官員譴責Uber的溢價是「價格欺詐」時,Uber的首席公共政策和法律經濟研究負責人Jonathan Hall援引一篇研究報告,指出Ariana Grande在紐約開演唱會時,溢價是如何驅動司機前往需求最大區域。

此外,Hall和前歐巴馬顧問Alan Krueger的研究則透過展示司機「可當自己的老闆」、「安排自己的行程」來支持「Uber只是司機的代理人,司機不是公司正式員工」一說。

更隱形的影響是,Hall和Krueger的研究已被數百篇研究論文所引用,影響力默默地擴散。

科技公司對經濟學家的「現代商業」需求也許是從2002年經濟學家Hal Varian和Google合作後才興起,但經濟學家如今在科技公司中的位置已經變得非常多元。據美國經濟學家兼微軟長期顧問Susan Athey分享,目前經濟學家在科技公司中主要負責4個方面的工作:

  • 微觀經濟學方面問題,譬如價格設置和產品設計問題,研究產品是如何影響用戶的;
  • 公司發展策略問題,包括對產業的研究以及對收購、合併等行為的評估;
  • 公共政策問題(知識版權、隱私、數據安全等),Uber拿研究報告去遊說各地政府就是一個例子;
  • 法律和政府監管問題,協助企業面對反壟斷和競爭等領域的挑戰。

此外,Athey 指出,還有不少年輕的經濟學家會在科技公司裡擔任數據研究員和產品經理,因為他們更擅長於使用觀測數據和設計實驗。

近10年來,科技公司的創新速度一直領先著政府政策的發展速度,這為經濟學家提供了發揮小宇宙的空間。

經濟學家甚少能夠在觸及如此多人的產品和平台中體現自身價值,這讓人非常振奮,與給數百位學者提供可引用的研究論文相比,我的工作可以影響整個經濟。

Athey透過郵件對Quartz說。而對於Ubernomic來說,重要的任務是建造證據體系,並圍繞這個體系建立全球政策框架。在QZ看來,Uber在這方面做得很好:

Uber高品質的數據吸引來學術和研究人才,他們將為公司撰寫提高聲譽的研究報告,並吸引更多研究人員來撰寫這方面的研究論文,提高公司政策合理性。

爭議,一直都沒停過

今年3月,MIT發表了文章指出,Uber和另一打車軟體Lyft的司機每小時只能賺3.37美元,遠低於最低薪酬。

沒過多久,Hall就在Uber的官方部落格上抨擊該研究,稱MIT為「Mathematically Incompetent Theories(數學算不好理論)」,並獲得了Krueger和耶魯大學經濟學家Judy Chevalier的支持。

事實證明,MIT發布的研究確有缺陷,隨後他們也將研究數據從3.37更正為8.85美元/小時。但該研究負責人Stephen Zoepf對事件的後續評論同樣值得深思:

透明度和可重複性是學術研究的基礎。Hall和Khosrowshahi的評估所暴露的,是一份我在沒有公開乘車數據,以及除Uber自家分析外缺乏第三方獨立研究下進行的一次假設。

當然,這不是Uber一家才有的問題。

一隊經濟學家已經不再是任何人的「秘密武器」。所有大公司都有自己的(經濟學家)團隊。

O’Reilly Media創辦人Tim O’Reilly說道。正如前文所及,Google就曾在Hal Varian的幫助下打造出最賺錢的AdWords,而AirBnb、Netflix、Pandora等公司每週也在尋找新經濟學家來合作。從某個層面來說,受聘的經濟學家也是公關團隊的一部分,以專業論文來為公司說話,為公司建設軟實力。

本文授權轉載自:愛范兒

關鍵字: #共享經濟
往下滑看下一篇文章
為何台灣製造業在「智慧製造」卡關?AWS白皮書點出問題,提供實踐最佳解
為何台灣製造業在「智慧製造」卡關?AWS白皮書點出問題,提供實踐最佳解
2025.08.13 |

全球製造業正處於前所未有的挑戰中,從勞動力短缺、供應鏈脆弱,到淨零碳排與數位轉型需求的成長,每一項趨勢都正重新定義產業格局。對此,AWS 發布《全球地緣新局時代下的製造戰略:台灣產業韌性與轉型關鍵策略》白皮書,深入剖析製造業在全球地緣政治與市場變化下的挑戰與機會,提供台灣製造業適合的落地策略與最佳實踐方法。

《全球地緣新局時代下的製造戰略》白皮書限時下載

擔心無法回本、缺乏知識技術,台灣升級「智慧製造」卡關中

台灣製造業在全球供應鏈中扮演重要角色,但同時面臨地緣政治風險、技術門檻高、人才缺口大等多重挑戰。其中在供應鏈韌性方面,壓力更為顯著。根據英國營運持續協會統計,全球近 8 成企業在過去 12 個月曾遭遇供應鏈中斷事件,凸顯全球供應鏈的脆弱,台灣製造業也難以倖免,特別在國際局勢不確定性與在地原料依賴度高的情況下,會進一步放大成本與交期風險。

生成式 AI 應用快速擴展,預計 2025 年台灣企業導入將進入早期大眾階段,並以半導體產業為先導,逐步擴散至其他領域。DIGITIMES 調查顯示,已有 18.1% 的企業採用生成式 AI,並積極用於改善營運效率與產品良率,然而仍有 31.5% 的企業尚未規劃導入,主因包括成本考量、缺乏知識與技術、產業需求不明確,使企業在大規模部署時保持謹慎態度;資誠聯合會計師事務所發布的《2023 臺灣企業轉型現況及需求調查》也顯示,37% 的企業擔心智慧製造投資報酬率過低,30% 缺乏導入知識與技術,27% 不清楚如何實踐,導致智慧製造推動困難。在電子製造業迫切需要專業人才之際,許多產業面臨預算與數據分析能力不足的窘境。

AWS
圖/ AWS

此外,勞動力老化也是台灣製造業的問題。以國發會數據估算,2030 年台灣 50 歲以上就業人口將達 23.8%,導致技術傳承與產線穩定性受衝擊;同時 2050 年淨零碳排目標,迫使製造業必須進行碳盤查與能源優化;加上雖然 9 成企業已啟動數位化,但多數仍停留在營運系統,生產端 IoT 與 AI 應用不足,數據價值未被充分釋放。上述都恐將成台灣製造業升級的阻礙。

全球製造業大變局,智慧製造成關鍵突破口

根據媒體《DIGITIMES》研究,全球智慧製造市場規模將從 2024 年的 3,212 億美元,快速成長至 2033 年的 1 兆 1,583 億美元,年複合成長率高達 13.7%。在社會和全球趨勢的推動下,不只對台灣的製造業帶來新的壓力和挑戰,同時也催生了產業升級需求。

所幸,隨著智慧製造的 4 大技術日益成熟,替台灣製造業帶來更多可能。目前,IoT 透過連接感測器與生產設備,已實現即時監控與資料收集,並支援預測性維護與生產最佳化。世界製造業基金會報告顯示,IoT 已成企業智慧製造的首要投資項目;此外,智慧製造上,AI 現已被廣泛應用於品質檢測、生產流程優化與預測性維護,企業若結合機器學習、深度學習與生成式 AI,即能以數據驅動決策,提升生產靈活性並降低成本。

同時,隨著「數位雙生」的發展,企業可藉其進行「虛擬試錯」與「情境模擬」,在導入新技術前,先模擬其對現有產線的影響,或預測潛在風險與資源耗損,避免浪費;另外,在 AI 大規模應用下,數據隱私、安全風險成為顧慮。「主權 AI」確保企業在可信的基礎架構中進行數據分析與模型訓練,降低數據外流風險,並支援在地資料中心部署,以滿足低延遲、高安全需求。企業若在產業升級中,將智慧製造的 4 大技術整合,即能在自家領域有效推進。

《全球地緣新局時代下的製造戰略》白皮書限時下載

加速轉型關鍵夥伴登場!AWS 台北區域重磅上線

AWS 作為全球雲端運算領導者,深耕台灣市場多年,成為製造業升級「智慧製造」的鑰匙之一,提供全方位資料策略、生成式 AI 創新、敏捷性等多種解決方案,協助製造業突破瓶頸。

過往製造業資料分散在 IoT 裝置、舊設備、資料湖、雲端資料庫與內部系統中,缺乏統一結構與命名規則,也受到組織文化與部門隔閡影響,導致難以擴展或有效利用。藉由「AWS 工業資料經緯」框架,能支援多來源數據關聯與脈絡化,可用於分析、AI 模型訓練與數位應用程式開發,讓資料運用最大化。藉由 AWS 的高性價比基礎設施與豐富合作夥伴網路,企業可大規模部署生成式 AI 應用。

製造業期待透過生成式 AI 來加速產品開發、提升營運效率、優化供應鏈並強化客戶體驗。AWS 提供完整 AI / ML 服務,支援模型建置、訓練、推論與部署全流程,助企業快速、安全落實 AI 應用。企業可將專有資料導入基礎模型,進行微調與最佳化應用。

同時,為協助製造業在全球市場中維持高度韌性與營運敏捷性,AWS 已於 2025 年初在台灣設立全新 AWS 台北區域,涵蓋三個可用區,將使企業能就地處理與儲存必須留存於台灣的資料,確保資料主權與合規性,同時降低延遲、提升應變速度。AWS 預期將在台北投入數十億美元於營運、基礎設施與客戶支持,幫助製造業數位轉型。

立即下載 ➤《全球地緣新局時代下的製造戰略:台灣產業韌性與轉型關鍵策略》
掌握產業趨勢、實戰案例與資安關鍵策略,打造下一階段的製造業競爭優勢!

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
蘋果能再次偉大?
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓