XiaoMi-AI文件搜索系统
World File Search System发掘出
研究声明，Danielle Li
现代企业的成功取决于它们将新理念融入商业产品的能力，以及获得支持其创新能力所需资源的能力。要想在这两方面都表现出色，管理者必须有效地评估项目和人员。这一挑战通常被视为信息缺失的问题：企业家必须决定开发哪些产品功能，却不知道早期用户的成功将如何转化为更大的市场；人力资源经理必须决定聘用哪些候选人，却不观察他们是否适合这个职位。然而，在实践中，管理者越来越多地被信息淹没：有关客户行为的详细数据；投资者、员工和顾问的建议；简历、考试成绩和社交媒体账户；他们自己的直觉或经验。这些信息来源可能相互冲突，也可能无关紧要。现代组织决策的困难不在于克服信息匮乏，而在于整理大量信息：信任什么、优先考虑什么、忽略什么。我的研究重点是“决策技术”，即组织管理和使用信息的制度和技术安排。例如，在美国国立卫生研究院 (NIH)，项目经理通过分散的同行评审委员会分配数十亿美元的资金，这项技术利用数万名外部顾问的专业知识和特质来制定国家研究议程。与此同时，在各行各业中，公司越来越多地使用机器学习算法来筛选求职者，这一转变有可能重塑招聘，而招聘是公司获取人力资本和求职者获取经济机会的主要过程。虽然每个组织都使用某种决策技术，但人们对它们对生产力以及资源和机会分配的影响知之甚少。回答这些问题很难。要说一家公司可以通过做其他事情（例如投资更多探索性项目、更多地依赖算法建议）来提高其绩效，需要对未观察到的世界状态做出推断。然而，由于许多公司层面的选择既是内生的又是高度相关的，研究人员无法通过比较公司来做出这些推论，而公司往往不愿意随机化。在这种情况下，观察不可靠，实验不可行，我的工作通过将深厚的机构知识与现代计量经济学、新颖的测量方法和与理论的联系相结合，产生令人信服的证据。我首先从背景开始。通过与从业人员的合作，我发掘出导致可靠识别策略的变化来源，并获得管理数据，这些数据揭示了组织除了选择之外的选项。在许多情况下，我引进了计算机科学和生物医学领域的现代工具，以开发新的衡量标准（现在已被其他研究人员采用），这些标准更能丰富地描述创新选择。当无法直接观察时，我会应用微观经济理论来生成可实证检验的预测，以区分多种企业行为模型。通过结合这些要素，我的研究脱颖而出，因为它能够令人信服地呈现和解释组织层面的反事实。我的工作涉及两个领域：研究投资和人才投资。基于这一重点，我对创新和人才经济学的关键主题持统一的看法，即开发创意和人才的能力是组织创造和交付价值的双重基础。