Uber データで「白鯨」を追う

今回の Freakonomics Radio の配信 "Why Uber Is an Economist’s Dream" は、データ分析をする人にとっては衝撃だと思う。私は「前のめり」になって読んだ。

ところで、このご時世、データ分析できない経済学者は信用できなくなりました。「机上の空論」の多くを淘汰するかもしれないのが「ビッグなデータ」の分析だから。

今回のゲストは Steven Levitt 、番組ホストの Stephen Dubner との関係は、 Freakonomics, Think Like a Freak を始めとする共著者。

Uber ultimately did give Levitt their data— 54 million user sessions from four cities: Chicago, San Francisco, Los Angeles, and New York, from the first half of 2015. The result is a new working paper just released by Levitt and four co-authors, including two economists who work at Uber. You’ll recall that the white whale Levitt wanted to chase with the Uber data was a real-life demand curve.

Uber が、とうとう Levitt にデータを渡した、4 都市の 5400 万件の利用データだ。Levitt と 4 人の共著者（二人は Uber で働く経済学者）が報告書をまとめた。Levitt が Uber データで追い求めたかった「白鯨」とは、実生活の需要曲線。

報告書 Using Big Data to Estimate Consumer Surplus: The Case of User  の Abstract を末尾に引用した。一応、日本語訳をしたが、経済用語の正確性は保証しない。abstract なので、概要だけ掴んでいただきたい。本文は読む予定。

黄色で強調したのが、調査の「キモ」となる経済用語。「まっとうな」社会人であれば、知っているべき用語です。知らなければ、調べなくてはならない用語です。知らない人に限って、「政府には景気回復を求めます」とか何とか言ってるように思う。

さて、その重要な経済用語の一つ demand curve「需要曲線」について。

LEVITT: Exactly. It’s an artificial construct, which turns out to be incredibly valuable for organizing the world and knowing how to analyze problems. And in that sense, who really needs to see one or to find one? But I’m a very tangible person, and I thought, if I could really have an example of a demand curve maybe I could push up the learning of the students. It took me, I don’t know, 15 years between when I took the beginning economics to when I wrote the textbook to actually think hard enough about demand curves to really understand them. I thought if I could show someone a real demand curve, I might help the students learn about it much faster.

「リアルな曲線を誰も見たことがない」には驚いた。考えてみれば当たり前だが、経済の本には、あたかも自然の摂理かのごとくあるように書かれているが、リアルで本物の需要曲線 を誰も見たことがないのだ。経済学者にとっての「白鯨」なのは理解できる。

And that’s why in the last 250 years we haven’t really had any good estimates of consumer surplus.

250 年にわたって、消費者余剰の適切な推定ができたことがない。

この辺の理由は本文に譲るが、需要曲線がわからない限り、消費者余剰も推定できないという繋がり。ちなみに、本番組での consumer surplus「消費者余剰」の解説が絶妙なので引用します。

Okay, let’s. Let’s say you go to the grocery store or the farmer’s market to buy some apples. You happen to want four apples, and you’d be willing to pay $1 each. Four dollars total. But the apples only cost 50 cents each. So the four apples cost you $2 instead of $4. The $2 that you saved from what you would have been willing to pay? That is consumer surplus.

ところで Uber のようなサービスは、今の日本では始まりにくい。タクシー業界の既得権益もあるし、日本人の消費者心理もあるかもしれない。それでも、番組で指摘している「Uber は既存のタクシードライバーを駆逐しない」という理屈には納得。既得権益を守るのも結構だが、規制緩和なくして、サービスや質の向上、新しい市場の構築は難しい。なんといっても、そんなんじゃ「明るい未来」はやってこない。

以下、Abstract の引用。

Using Big Data to Estimate Consumer Surplus:

The Case of Uber

Peter Cohen, Robert Hahn, Jonathan Hall,

Steven Levitt, and Robert Metcalfe1

August 30, 2016

Abstract

Estimating consumer surplus is challenging because it requires identification of the entire demand curve. We rely on Uber’s “surge” pricing algorithm and the richness of its individual level data to first estimate demand elasticities at several points along the demand curve. We then use these elasticity estimates to estimate consumer surplus. Using almost 50 million individual-level observations and a regression discontinuity design, we estimate that in 2015 the UberX service generated about $2.9 billion in consumer surplus in the four U.S. cities included in our analysis. For each dollar spent by consumers, about $1.60 of consumer surplus is generated. Back-of-the-envelope calculations suggest that the overall consumer surplus generated by the UberX service in the United States in 2015 was $6.8 billion.

「消費者余剰」を推定することは挑戦だ、「需要曲線」を特定する必要があるから。まずは「需要曲線」に沿った幾つかの地点の「需要の弾力性」の推定のため、Uber の "surge" pricing アルゴリズムと豊富な個人レベルのデータに頼った。それから「消費者余剰」推定のために、これらの弾力性の推定値を使った。約 5,000 万件の個人レベルの観測データと regression discontinuity デザインを使い、2015年 UberX サービスは約 29 億ドルの「消費者余剰」を、我々の分析した米国の都市で生み出したと見積もった。消費者が使った 1 ドルにつき、約 1.6 ドルの「消費者余剰」が生み出された。単純計算によれば、2015 年米国で UberX サービスが生み出した「消費者余剰」の合計は 68 億ドルになる。