经济学

弄清楚一个数字是在跟什么比:如果没有这件事会发生什么、是谁把自己选进了你正在看的这一组、以及这个比较到底有没有可能得出相反的结果。

读一个价格、一条规则或一个考核指标时,看出它一旦存在、人会怎么做 —— 谁会够上一个本来不是给他设的条件、谁会停下那件现在被考核的事、以及哪一部分后果要过一年才冒出来。

引用一条序列之前先去看它的口径说明:失业率把什么算作就业、一份调查的抽样框把谁漏在外面、以及在有人改过定义的那一年,这条序列发生了什么。

把几个来源合起来、处理缺失的年份、写出产生那张表的代码 —— 从「有了问题」到「有了系数」之间的全部工序。

建最优化、求均衡、做比较静态 —— 理论课里长得像考题的那一半。

什么用得上

逆向选择和道德风险就是放贷的经济学,而且你是按这两个名字学的:价格这样定的时候是谁来申请、以及钱到手之后借款人会做什么。这一页的职业页把「例外」—— 那个收入真实、但看起来不像的个体户 —— 写成模型找不到的那类案子,因为例外按定义就是模型打错分的那一个。认出这个形状,正是这个学位练了三年的事。

毕业生普遍缺什么

毕业生普遍带着信贷的理论来,却完全不懂产品:一份授信批复里有什么、抵押担保实际上是怎么回事、一份卷宗是怎么攒起来的。这个缺口现在比过去更贵,因为「把材料攒齐」正是那一页标为「正在自动化」的任务,而产品知识过去正是在那一级捡起来的。毕业生低估的第二件事是:在习题里拒掉一个案子,和对着坐在你对面的一个人拒掉它,不是同一件事。

入门的现实

两个市场的银行校招都会把经济学毕业生放进信贷与客户经理岗,而且这仍然是较宽的入口之一。但要预期比你高一届更小的初级招聘规模:过去养活这批人的材料准备工作正在被拿掉,而「上面那层判断是靠经手几百份卷宗学会的」这件事,没有人说清楚拿什么替代。签约之前问两件事:你的审批权限是多少,以及对你这个级别的人来说,这个权限上一次调整是什么时候。

什么用得上

经济学是监管者用来判断「一个市场运转得好不好」的那门学科,而这套推理原封不动地迁移到一家受监管机构的第二道防线上:一条规则想拦住什么、它实际会造成什么、以及最后写成这个版本谁得了好处。那一页的职业页把「读法规」难的那一半写成:知道这条条文落在这家公司的哪一个流程上 —— 那问的是工作怎么组织,不是文本本身。

毕业生普遍缺什么

毕业生普遍缺监管词汇和留痕纪律,也低估了这份工作有多大比例是「要经得起几年后才来的检查」的记录。第二个缺口是这个专业特有的:经济学奖励你把一条规则讲得有意思,而这份工作奖励的是把它在纸面上写得无聊,并在一个季度大约一次的会上讲得有意思。

入门的现实

招聘稳定;在新加坡还有一个监管机构、外加一批持牌机构会直接招经济学毕业生。它比前台岗竞争小,因为在金融专业学生里声望不高 —— 而这是一个你可以利用的优势。去读那一页职业页,为了一个和技术完全无关的事实:合规职能是不是向它所监督的那条业务线汇报,对这份工作的决定作用超过任何一件工具;而你在面试时是可以问这个问题的。

什么用得上

计量经济学,对准一家公司自己的数据。那一页的职业页把它的两项任务标为由人主导 —— 「弄清楚真正在问什么」和「知道数据什么时候在骗人」—— 而这两件正是这个学位的内核:这个数字是在跟什么比,以及在有人改过定义的那个月,这条序列发生了什么。经济学毕业生还有一点少见:他们被反复要求写下「这个估计没能确立什么」,而这恰恰是业务方几乎从来拿不到的那句话。

毕业生普遍缺什么

代码 —— 而且是课程作业永远达不到的规模。大多数经济学毕业生用统计软件处理的是一个笔记本装得下、而且已经被清洗过一遍的数据集;而这个座位要的是对着没人写过文档的表写 SQL。第二个缺口是问题的方向:课程是从一份数据集出发去找一个结果,而这份工作是从一位经理模糊的担忧出发,在碰任何数据之前先决定「什么才算得上是一个答案」。

入门的现实

分析团队确实招经济学毕业生,而这个座位一直在移动:那一页的职业页描述的是分析师的精力从「回答问题」转向「拥有那些让别人自己回答问题的指标定义」。同一页也把这件事诚实的那一面写了出来 —— 定义这份活一个组织只需要一份,而且比它取代掉的工作更小。所以把第一份分析岗当成「用两年时间贴近一家公司的数据」,那是让这一页其余几条路成立的前提,而不要把它当成终点。

什么用得上

整个学位,而且是按它被教的顺序:用理论说出应该发生什么、用识别去查它有没有发生、用写作说清这个估计没能定下什么。这是课程真正围绕着设计的那个去向 —— 这也正是它让人感觉像默认方向、而实际上并不是的原因。

毕业生普遍缺什么

毕业生普遍缺一件真正属于自己的、做完了的作品。一篇有导师盯着、赶着截止日期的毕业论文,和「一个你自己挑的、失败过、然后一路收窄到能被回答的问题」不是同一件东西 —— 而后者正是研究助理岗在挑的。毕业生低估的另一件事是这条路要走多久才开始有回报:先做助理、再读博士,这更接近十年,而不是一个计划。

入门的现实

中央银行、部委、竞争主管机构、国际组织和大学研究组会招读博之前的研究助理,在新加坡有几家是本地公开招的。岗位很少,筛选主要看一位具名的推荐人和一份写作样本,而博士学位是「助理」之上任何位置的门槛。这里要说清本站给不了你什么:VOLO 没有经济学家或政策研究员的职业页,所以没有任务级的分析可以送你过去。那是我们的缺口,不是「这个方向没被波及」的判断。

足够处理「没人清洗过的数据」的代码:SQL,外加一门你能写脚本的语言。这是这个学位交到你手上的东西,和上面四条路里的三条在第一天就期待的东西之间,最大的那一个缺口。

一个你自己挑的问题,一路做到有答案,并且把数据附上。课程作业会把数据集和截止日期一起递给你;而在雇主之间能带走的,是「你能把一个问题收窄到真的可以被回答」的证据。

引用一条序列之前先打开口径说明的习惯。它花十分钟,是受过你这种训练的人最常犯的错误,也是少数几件你能稳定地做得比一个说话流畅的工具更好的事。

看它通向哪里,不要看这个学位本身。经济学在本站能到达的三个职业并不朝同一个方向走,但每一个里暴露的那项任务,都是同一类东西:信贷那一页是「把材料攒齐」,合规那一页是「处理告警」,分析那一页是「写查询」。三件都是过去招初级来做的事;而在这三页里,被标为由人主导的那项任务,都是「一个数字或一条规则实际上对行为做了什么」的判断。那个判断正是这个学位训练的东西,也是仍然撑着的那一部分。真正会改变答案的不是 AI,是你:经济学不让你有资格做任何一件具体的事,所以它在你给它加上第二样东西时才值钱,什么都不加时就一直含糊。换去一个只让你有资格做一份工作的专业,那是另一个赌注,不是更安全的那个。

这一直就是这笔交易的条款,只是条款变了。这个学位从来没买到一张执照;它买到的是一个预设:把你放到一个陌生的问题面前,你几个月内能有用。变化在于,过去让一个通才毕业生用两年时间熟悉一个行业的那些入门任务,正是本站几个职业页标为「正在自动化」的那些 —— 材料、队列、查询。所以跑道变短了,而对策不是放弃这份通用性,是把那件具体的东西放在读书期间补上,而不是毕业之后。一个你真正懂的行业,或者足够处理真实数据的代码,正是那两年过去替你提供的东西。

值得,但理由和教学大纲上写的不一样。你会写更少的代码,读多得多的、不是你自己产生的输出,于是有价值的那一半从「估计」挪到了「设计」:一个设定悄悄假设了什么比较、以及哪一个系数是真的、但量的其实是「谁把自己选进了样本」。本站数据分析师那一页把这条线划在几乎同一个位置 —— 「写查询」标为正在自动化,「知道数据什么时候在骗人」标为由人主导。学那个决定「这个数字意味着什么」的部分,把产生它的部分交给工具。

两个不同的问题,两个不同的答案。博士是一道门槛,不是一次升级:这一页上研究那条路没有它就打不开,而这一页上其他任何一条都不要求它;它的回报是自主性,不是工资 —— 作为去向合理,作为对冲很糟。授课型硕士主要买到的是「再赶一次校招」,外加如果你本科是偏文的那一类,补上分析那条路默认你已经有的计量与编程。两者都买不到判断力。先弄清楚你要打开的是哪一扇具体的门,再找两个最近三年走过这扇门的人问一句:当初打开它的,是不是那张文凭。

产出那张表的那一半。清面板、选设定、生成结果,现在都很便宜,理由和本站在数据分析师那一页把「写查询」标为正在自动化时用的是同一组:结构化的输入、已知的输出形态、以及「跑没跑通」的即时信号。不暴露的是另一半:决定这张表是在跟什么比,以及「要让这个结果真的意味着它看起来的意思,什么必须成立」。不太舒服的一点是,这个学位考的主要是前一半 —— 所以你的成绩单是关于变便宜的那部分的证据,而另一半的证据,得你自己造出来。