经济学家很容易受到嘲弄，比如他们没有预测到2008年的金融危机，狭窄的学术视角，还有与真实商业世界的脱离。这种对经济学家的攻击很常见，也很难反驳。但是现在，可以说大众错了。经济学在不断进化，解决企业实际问题成为经济学的核心使命。
不出意外，硅谷是最能体现当前这种经济学创新的地方。
这是一家旅游网站，是TripAdvisor的子公司。对该公司的Bryan Balin来说，经济学必须非常快速。浏览旅游网站的用户在跳转到其他网页前，只有1%的用户会订购机票、酒店或假期。拥有许多浏览量的热门网站只能从很小部分用户身上赚取利润。因此对旅游网站来说，最重要的是从众多浏览用户中筛选出哪些是有意购买的，哪些是只看不买的，前者需要被快速引导到其所需的产品，对后者则可投放大量其他商品的广告来提高网站收益。
Balin解决了这一难题。在某个用户开始浏览SmarterTravel网站的几秒钟内，一种算法就建立了用户的模式。该算法包含了对用户点击速度的分析，只看不买的用户倾向于在不同页面中迅速跳转，而认真的购买者考虑的时间则越长。其他重要的数据还包括时刻、以前的访问次数以及地理位置。这种算法可以计算出用户有意购买的概率。有了这个概率，就可以计算出对该用户展示广告的收益和风险（广告会分散购物者的注意力）。网站的调整会在几毫秒内完成。
这家公司专注于人力资源领域先进算法和数据工具的开发，采用的是一种被称为“机器学习”的实证技术——当今世界企业经济学的核心技术。hiQ Labs的数据团队认为机器学习会彻底改变商业。
对大多数企业来说，失去一个高级雇员的代价远远高于维持现有员工gao满意度的成本。离职的高层不仅会带走知识和人脉，而且经常诱导忠于他们的下属一同离职。对此，大企业的应对之策是通过对全体员工的调查和面试来发现不满情绪，从而找出员工中的焦虑分子。企业会给予这些焦虑分子提薪，或儿童看护券等福利，紧接着将这些措施推广到全体员工。
如果企业能知道哪个员工的离职风险最大，这种方法就能变得更完善。hiQ Labs开发的算法就可以解决这个难题。利用企业的内部数据——工资标准、组织系统和职称等，并把这些数据与竞争对手企业的工资和空缺职位信息相比较，该算法可以预测谁可能离职，以及离职的理由。紧接着，经理可以研究那些潜在的离职者，根据他们的需要调整解决办法，往往他们需要的是加薪之外的东西。
“这个经济学新领域中的一个共同挑战是，发现隐藏的‘类型’——有购买意向的和只看不买的，满意的和不满的。” hiQ顾问、斯坦福经济学博士Scott Nicholson说，“原因在于，很多新企业通常是一个集合了买卖双方的平台。” Nicholson之前任职的LinkedIn和Accretive Heath就很相似，前者涵盖了求职者和雇主，后者涵盖了医生和病人。在所有这些企业中，对顾客类型的更多了解可以帮助平台提出更好的链接。
这是一家销售无现金支付终端的公司（Nicholson的最新雇主），也是同样的模式。除了接受信用卡支付之外，Poynt希望为店主和顾客，以及其他店主之间建立一个更好的联系。例如，将不同商店的收银台联系起来，理论上可以帮助店主与本地的其他匿名商店做比较，从而可以解答店主诸如“是所有本地商店经营的都很差，还是只有我？”的疑问。更简单的用处是追踪销售和客户维系情况，可与同行对比。曾经，这种基准管理是被蓝筹公司牢牢独揽的。
这是一家联系旅游人士和家有空房出租的房主的服务性网站。Airbnb的首席经济学家Riley Newman认为要建立一个新平台是非常具有挑战性的，而Airbnb的特定挑战在于对供给（房主）和需求（旅游者）进行匹配。纽约和旧金山是旅游热门地点，当地房主提供的空房往往不足。Facebook广告因其对本地的定向投放，可以有效缓解这种供给不足。另一方面，波士顿和波特兰有大量乐于出租的房主，但游客的需求却不多。这时则可利用谷歌对那些可能想去这些城市的人投放广告，来提升需求。
在该平台建立并运行起来后，Riley和他的团队设法让它更好地工作。早期，有些房主明显比其他房主生意更好。通过数据分析，他们发现房主住所的照片质量是影响其成交率的关键因素。于是，Airbnb测试性地给一些房主提供免费的拍摄服务，以此看看需求的增加是否可以抵消成本。测试结果是可行的，现在Airbnb对大多数房主都提供了免费的专业拍摄服务。
来源：经济学人，经济金融网编译，转载请注明。
（责任编辑邮箱：shengxch@efnchina.com）
