“互联网+”时代管理学研究

神经管理学能做什么

■马庆国 浙江大学管理学院教授

2003年，美国贝勒医学院人类神经影像学实验室主任蒙泰古开始用核磁共振的方法研究可口可乐和百事可乐的竞争问题。这两家公司在美国的市场份额非常接近，各自都认为自己的产品口味更佳。百事可乐为此还做过盲喝实验，得出了百事好喝的结果，但可口可乐并不认账——天晓得你找的顾客是不是专门喜欢喝百事的。此时，蒙泰古选择用这个核磁共振实验，观察受试者喝可口可乐和百事可乐时的大脑变化。

这个实验出来以后，专业杂志《柳叶刀》就使用了“神经学营销”的术语来形容它，2006年基于这些变化和对管理学科的了解，我们发文提出了神经管理学的概念以及神经工业工程的概念。

神经管理学的主要分支，除了神经学营销之外，还有神经学金融、神经工业工程等。在我看来，现在技术进步一个不可逆转的趋势就是让体力被脑力所替代，而我们所面临的危机是，从理论到教材重视的是过程中的动作行为和设备的协调，但随着技术进步，更重要是脑力对它的协调。

毫无疑问做神经科学研究的投入会更高一些，最便宜的是眼动仪，你看一个广告，停多久，瞳孔多大，所有的数据都能提供，因为这是心灵的窗户。有一个营销大师说，我知道广告中有一半钱是浪费的，但是我不知道是哪一半，我们这个科学可以告诉你哪些是浪费的，哪些是没有浪费的。

问卷的主要优点是可以大面积地调查，缺点是受环境、同伴等影响太多。事实上，在美国早期的市场营销研究中，商业界比学术界发展得更快，商业界成立大量的联盟做实验，到底消费者需要什么，相反学术界倒是后面进入的。

大数据经济

■汪寿阳

中国科学院数学与系统科学研究院研究员数据时代的经济系统有什么特征呢？变量多杂，今天决策主体多，因素多，层次多，内外乱，关系复杂，层次杂、非线性、强耦合、突变型。数据海杂，海量级、非平稳、多种类、多尺度，参数繁杂。对应研究的新范式，我们大数据时代经济系统的研究范式有这么多的+，包括非线性建模+、动态建模+、多尺度建模+、混频建模+、区间数据建模+等。

过去的思想是用最少的变量去建模，但现在要处理的是海量数据，数万个变量、关系又非常复杂，解释的难度就可想而知。因此，复杂数据处理方法，尤其是特征提取方法，以及高频数据建模，逐渐用于宏观经济预测与预警、宏观经济分析。

例如，利用中国股市的高频数据波动率来研究宏观经济与产业之间的关系。引入高频波动率，成分波动率模型及加入行业维度，探讨多个宏观变量及其波动对股市波动率的影响，得到若干有价值的研究结论。

与此同时，混频数据建模与分析也在兴起，包括GDP季度数据，用电量月度数据，铁路货物运输输量周度数据，CPI月度数据，进出口月度数据等。这些数据频率相差很大，包括微秒级数据、毫秒级数据、秒级数据、分级数据、小时级数据等。

此外，还有多尺度数据建模，这意味着今天的世界经济模型，需要涵盖大多数国家的宏观经济变量、主要国家主要行业变量、区域经济变量、主要国家的市场指数变量和情绪指数变量。另外，我们的模型领域不仅仅有常规的经济变量，还分类编制了很多指数，而这些指数可以帮助我们建模分析。

最后经济地图也很有意思，比如说现在的经济景气跟踪图，已经开始运用一些计算机的图形学来直接运算，完成经济的监测。

未来可以研究的问题很多，但到底准确度如何，科学性怎么样，我们其实还有很长的路要走。