在前几年的舆论中,“共享经济”美好的一面被讨论得比较多,这本书作者做了大量的具体case实证调查,作者认为人类历史上花费上百年时间沉淀下来的劳资平衡,还有诸如租房制度等平衡,都会被打破,这带来的问题就是大问题了。
每个人同时具有“消费者”和“生产者”的双重角色,作为消费者时,甲方角度,一般还是非常欢迎共享经济带来的便利的;作为乙方角度,则好坏皆有。
书中还专门关注到了中产白领阶层,一个趋势是:你从事的工作被“其他共享/外包方”逐渐代替是一个非常主流的趋势,至少美国是这样子的,中国我观察到的情况也有。
我们可自我评测一下:你上一个月做的所有工作,如果有一个先进的技术平台进行可操作的分解,然后有多少比例是别人不能代替你干的;而这些代替者有很大可能性比你薪水要求低多了。
影响变化的进程主要取决于相关“共享平台”的演化程度。
作者认为,所谓“人人可以自由地做自己的CEO”这个想法其实很不靠谱;作者列举了其若干朋友,也算事业上有造诣,结果失业后,开始靠共享平台找活时,为了一个一个琐碎的小单发起无止境的沟通、还有来自全球的竞价时,完全感觉不到自由的美好了。
我们电信行业人士对此逻辑应该很容易有感觉,类似以前各地运营商分别采购设备,突然有一天“集中采购”开始了…
而每个个体从乙方生产者角度,如果是指望靠共享平台来作为主要收入来源,那就是把自己作为一种商品参加全国性乃至全球性集中采购。


新冠疫情对一些共享经济是重大打击,但对另外一些则是利好,至少是持平。
在华尔街日报看到 Uber 的一组数据:Uber Rides (叫车出行) 大幅下滑,而 Uber Eats (外卖)则保持稳定。
车可以不坐,饭不能不吃。
传统的经济预测会依赖美国的供应管理协会制造业指数(ISM)、德国的经济研究所商业前景指数(Ifo)、中国的采购经理人指数(PMI)等。
新冠疫情期间,此类指数的时效性面临一定的质疑;而且很多来自调查对象的反馈,会因为情绪因素而失真。
彭博经济研究(Bloomberg Economics)提出了一种新的方法,基于电力需求、交通拥塞状态等高频数据来编制 26 个国家的经济预测数据。
彭博以 2020Q2 各国 GDP 为例,进行回溯测试发现:利用这些高频数据可以预测到各国经济活动变量的 76%。
而传统采购经理人指数之类的平均预测准确率只有 60%。
这个案例可认为是大数据在经济预测领域的应用。
