سواد قرن بیست‌ویکم؛ آن کس که کلان‌داده نمی‌داند وارد نشود

دانش اقتصاد، مانند هر دانش دیگر به‌طور پیوسته تغییر می‌کند. درک امروز ما از اقتصاد با ده سال پیش تفاوت چشمگیری کرده است. اما اقتصاد همیشه با یک چالش بزرگ مواجه بوده است. ما نمی‌توانیم نظریه‌های مختلف اقتصادی را بارها و بارها آزمایش کنیم تا به یک نتیجه قطعی برسیم. به همین دلیل نظریه‌های اقتصادی بر پایه داده‌هایی محدود بنا می‌شوند. همچنین این داده‌ها ممکن است به مکان، زمان، روش پیمایش و عوامل کنترل نشده بی‌شماری وابسته باشند. مثلا شاید تئوری یک اقتصاددان روس، در روسیه برقرار باشد، اما همین نظریه در توضیح پدیده‌های مشابه در چین موفق عمل نکند. کلان‌داده می‌تواند شرایط را به‌طور کامل تغییر دهد: آنجا که برای توضیح پدیده‌ها هرقدر که بخواهیم داده داریم. این دستاورد بزرگ ممکن است دانش ما از علم اقتصاد را به‌طور کامل تغییر دهد، و البته نگرانی‌هایی به همراه بیاورد.

تک‌تک عرضه‌ها و تقاضاها

معروف است که می‌گویند برای آن که به یک طوطی اقتصاد یاد بدهید، کافی است دو کلمه عرضه و تقاضا را به او بیاموزید. شاید بشود گفت که تمام علم اقتصاد به بررسی همین دو کلمه می‌پردازد.

در اقتصاد گزاره‌هایی در مورد عرضه و تقاضا بیان می‌شود. مثلا می‌دانیم که افزایش قیمت یک کالا باعث کاهش مصرف آن می‌شود. از طرف مقابل قیمت بیشتر به تولیدکننده‌ها انگیزه می‌دهد که کالای بیشتری تولید کنند. این تغییر در رفتار تولیدکننده‌ها و مصرف‌کننده‌ها به کنترل طبیعی قیمت ختم می‌شود.

حالا فرض کنید با استفاده از اطلاعاتی که از تلفن همراه تمام مردم به دست می‌آید، تمام اطلاعات تقاضای آن‌ها در دست باشد. نه اطلاعات یک نمونه 100 یا 200 نفره. اطلاعات تمام مردم. اگر این داده‌ها به شکلی درست طبقه‌بندی و پردازش شوند، می‌توانیم از تمام رفتارهای اقتصادی مردم با خبر شویم: آن‌ها چه کالایی را با چه قیمتی، در چه زمانی و از چه فروشگاهی تهیه می‌کنند؟ پردازش حجم بالایی از داده می‌تواند ارتباط عوامل مختلف بر مقدار و نحوه عرضه ‌و تقاضا را روشن کند. بعد از این پیمایش جهانی شاید دانش اقتصاد دیگر شباهتی به چیزی که امروز می‌شناسیم نداشته باشد.

تبعیض قیمت: فقط چون شمایید!

تبعیض قیمت یعنی کالایی مشخص به هر نفر با قیمتی متفاوت فروخته شود. مثلا بلیت تئاتر ممکن است برای دانشجوها ارزان‌تر از مردم دیگر باشد. شکل کامل تبعیض آن است که بدانیم هر کس حاضر است برای یک کالا چه قیمتی بپردازد و از او دقیقا به همان اندازه پول بگیریم.

اگر ما بدانیم هر کس چقدر پول دارد، الگوی خرج کردن پولش چیست، چه کالاهایی خریده است، می‌خواهد چه چیزهایی بخرد، دوست دارد چه چیزهایی بخرد و… می‌توانیم برای او قیمت‌هایی تعیین کنیم که او را کاملا راضی نگه دارد: بالاترین قیمتی که فرد در آن حتما خرید خواهد کرد.

هر کالا برای هر مشتری یک مقدار مشخصی ارزش دارد، اما مطلوبیت او تاثیری بر قیمت نمی‌گذارد.

این دستاورد می‌تواند باعث بیشینه شدن کارایی فروش شود. اگر یک کتاب برای من 25 هزار تومان ارزش دارد و برای شما 50 هزار تومان، قیمت 40 هزار تومانی، شما را به اندازه 10 هزار تومان خوشحال می‌کند. اما من از خرید منصرف می‌شوم.

به کمک کلان‌داده می‌توانیم برای هر کس بهترین قیمت را کشف کنیم. با قیمت 40 تومان، فروشنده یک کتاب می‌فروشد. با تبعیض قیمت او 2 کتاب می‌فروشد و 75 هزار تومان به دست می‌آورد. در حالت عادی اگر او می‌خواست دو کتاب بفروشد، باید قیمت را تا 25 هزار پایین می‌آورد و درآمد نهایی‌اش به 50 هزار تومان می‌رسید. او در این قیمت ضرر می‌کرد. چون مشتری‌ای وجود داشت که برای یک کتاب حاضر بود 50 هزار تومان پرداخت کند. حجم بالای اطلاعات هم فروشنده را خوشحال می‌کند، هم خریداران را.

تقارن اطلاعات: دیگر همه می‌دانند

کلان‌داده ممکن است به حالت عکس تبعیض قیمت نیز منجر شود. فرض کنید یک کالا در میدان ولیعصر 100 تومان است و در میدان انقلاب 110 تومان. شاید شما در انقلاب خرید کنید و بعد متوجه بشوید که 10 تومان پول اضافه پرداخت کرده‌اید.

اگر بتوانیم اطلاعات تمام فروشندگان را جمع و پردازش کنیم، دیگر فروشنده‌ای که در میدان انقلاب مغازه دارد، نمی‌تواند اطلاعات قیمت در میدان ولیعصر را از شما پنهان کند. در این صورت با یک اشاره‌‌ می‌توانید وضعیت کالاها را در سراسر شهر، کشور و حتی جهان ‌مشاهده کنید و به‌طور آنی بهترین قیمت را بیابید.

شما می‌توانید بفهمید که فروشنده کالایش را چند تومان خریده، روند قیمت در روزها و ماه‌های گذشته چطور تغییر کرده و دیگران چه کالاهایی را خریده‌اند. به این شکل برای خرید هیچ‌کس نمی‌تواند سر شما کلاه بگذارد.

قرار گرفتن حجم بالایی از اطلاعاتِ پردازش‌شده در اختیار عموم، می‌تواند بازار را به رقابت کامل برساند و فعالیت‌های اقتصادی را سامان‌دهی کند.

معماری انتخاب‌ها: خرید بعدی چیست؟

فرض کنید من همین الان یک گوشی موبایل خریده‌ام. شما هم یک خودروی نو. فکر می‌کنید به احتمال زیاد خرید بعدی کدام‌یک از ما دو نفر محافظ صفحه و قاب موبایل خواهد بود؟ ممکن است کدام‌یک از ما دو نفر دزدگیر، روکش صندلی و ضبط‌صوت بخریم؟

کشف این الگوهای خرید به نظر ساده می‌آیند. خرید یک کالا (چای) احتمال خرید کالاهای مکمل آن (قند) را بیشتر می‌کند.

اما احتمال این که کدام‌یک از ما دو نفر شام را بیرون از خانه بخوریم بیشتر است؟ شاید شمایی که ماشین نو دارید و امشب بدتان نمی‌آید با آن دور بزنید. حدس بدی نیست، اما برای نتیجه‌گیری شواهد کافی در دست نداریم.

ترتیب پیشنهاد‌های فروش می‌تواند بر تصمیم مصرف‌کننده تاثیر بگذارد.

داشتن حجم زیاد اطلاعات از رفتار مصرف‌کننده‌ها می‌تواند منجر به کشف الگوهای جدید شود. مثلا شاید مشاهده کنیم کسانی که بیشتر قهوه می‌خرند، مشتری بالقوه باتری قلمی هستند. شاید ارتباط بین باتری و قهوه قابل درک نباشد. اما فروشندگان باتری می‌توانند از این الگو استفاده کنند.

از طرف دیگر ترتیب قرارگیری پیشنهاد‌ها می‌تواند بر رفتار مصرف‌کننده تاثیر بگذارد. اگر اول به کسی چای بفروشید، راحت‌تر می‌توانید به او قند و بعد بهارنارنج بدهید. اما ساده نیست اول به کسی بهارنارنج بفروشید، بعد قند و بعد چای. کلان‌داده می‌تواند موثرترین معماری انتخاب‌ها را شناسایی کند.

نظام مالیاتی کالا

مالیات از ارکان اصلی اقتصاد و از مهم‌ترین منبع درآمد دولت‌ها است. اما محاسبه و جمع‌آوری مالیات برای دولت بدون هزینه نیست. فرارهای مالیاتی و اطلاعات گنگ و مخدوش کار جمع‌آوری مالیات را دشوار می‌کند. در این بین مقدار زیادی منابع مالی و انسانی تلف می‌شود و درآمد نهایی کشور کاهش می‌یابد.

اگر دولت‌ها به کلان‌داده مجهز شوند، فرار مالیاتی غیرممکن خواهد شد. تحلیل داده‌های به‌دست‌آمده از افراد مشخص می‌کند که آن‌ها از چه منبعی چه مقدار پول دریافت کرده‌اند، این پول را کجا و به چه صورت مصرف کرده‌اند. چه چیزهایی دارند و چه چیزهایی ندارند. با داشتن این اطلاعات می‌توانیم مقدار مالیات را به‌سادگی محاسبه و اخذ کنیم.

بهبود مالیات، گسترش عدالت

یکی از مصادیق عدالت، گرفتن مالیات برابر از دو نفر با شرایط برابر است. مشکل اینجا است که شرایط هیچ‌کس با هیچ‌کس برابر نیست.

فرض کنید من و دوستم هر دو ماهیانه 2 میلیون تومان درآمد داریم و مالیات بر درآمد برابری می‌پردازیم. من مجرد هستم و خرج زیادی ندارم. اما دوستم سه بچه دارد، که یکی از آن‌ها به‌شدت بیمار است. گرفتن مالیات بیشتر از کدام‌یک از ما دو نفر عادلانه‌تر است؟ طبیعتا من.

اما در واقعیت کسی که مشکلات بیشتری دارد، مالیات بیشتری می‌دهد. او مجبور است برای خانواده‌اش بیشتر خرید کند و با هر خرید 9 درصد مالیات بر ارزش‌افزوده بپردازد. من پول‌هایم را در بورس می‌گذارم و نیم درصد مالیات خریدوفروش می‌دهم.

کلان داده می‌تواند در محاسبه مالیات، علاوه بر درآمد افراد، مخارج آن‌ها را هم مدنظر قرار بدهد. به این ترتیب علاوه بر کاراتر شدن نظام مالیاتی، عدالت مالیاتی هم تقویت خواهد شد.

بیکاری طبیعی: کسی از ما خبر دارد؟

فرض کنید گرافیستی هستید که بر نرم‌افزار این‌دیزاین تسلط دارد. شما حاضرید با حقوق ماهی 2 میلیون کار کنید. من هم به دنبال کسی می‌گردم که این‌دیزاین بلد باشد و می‌توانم هر مال 2 میلیون تومان حقوق بدهم. در و تخته جور هستند.

اما یک مشکل وجود دارد. نه شما متوجه می‌شوید که این موقعیت شغلی وجود دارد و نه من از وجود شما خبر پیدا می‌کنم. به این دلیل که نیروی کار و کارفرما نمی‌توانند همدیگر را پیدا کنند، همیشه یک مقدار طبیعی بیکاری در جامعه باقی می‌ماند.

به لطف کلان‌داده پیدا کردن بهترین شغل، با بیشترین استفاده از تخصص و بالاترین دستمزد ممکن خواهد شد.

ممکن است شما با حقوق 1.5 در شرکتی به عنوان راننده مشغول به کار شوید و من هم با 2.5 میلیون تومان کسی را استخدام کنم که به اندازه شما کار بلد نیست. این وضعیت کارایی شما و من را کاهش می‌دهد.

اما کلان‌داده به هر دوی ما (و به دنبال آن به کل جامعه) کمک می‌کند که بازار کاری کاراتر و پویاتر داشته باشد. به خصوص که فناوری نوین به ما اجازه می‌دهد که پیش از شروع همکاری در مورد هم اطلاعات زیادی داشته باشیم.

کاهش جرایم، کاهش هزینه‌ها

چرا ما برای مبارزه با جرم پول خرج می‌کنیم؟ ممکن است در جواب از عدالت، امنیت و درستکاری حرف بزنیم. اما از دیدن اقتصاد مبارزه با جرم دلیل دیگری دارد. جرم برای جامعه هزینه دارد. هزینه‌ای که بیشتر از خرجِ مبارزه با آن است. یعنی درست است که برای ریشه کردن جرم باید پول خرج کرد، اما اگر این پول را خرج نکنیم، باید بهای سنگین‌تری بپردازیم.

کلان‌داده می‌تواند در شناسایی و پیشگیری از تخلف‌ها و تقلب‌ها موثر باشد. مثلا فرض کنید یک نفر برنامه‌ای نوشته است که هر روز از حساب هر ایرانی 100 ریال کم می‌کند. اگر هر کس فقط یک حساب بانکی داشته باشد، او روزی 800 میلیون تومان درآمد دارد. اما شاید کسی متوجه کسر شدن ماهیانه 300 تومان از حسابش نشود.

باور کنید یا نه، روزانه جرایم زیادی از این دست رخ می‌دهد. جرایمی که بسیار سنگین هستند، اما لطمه‌ای که به قربانی‌ها وارد می‌شود کوچک یا قابل صرف‌نظر کردن است.

کلان‌داده می‌تواند این الگوهای تقلب را شناسایی کند. شناسایی جرایم بزرگ‌تر می‌تواند راحت‌تر باشد.

این همه داده از کجا؟

اگر به مقدار زیادی داده دسترسی داشته باشیم، بتوانیم آن‌ها را ذخیره و پردازش کنیم، الگوها را بیابیم و رفتار جدید را به کمک این الگوها پیش‌بینی کنیم، می‌توانیم عدالت و کارایی جامعه را ارتقا دهیم و به درک بهتری از رفتار بشری برسیم. اما سوال اینجا است که حجم زیاد داده از کجا می‌آید؟

همین حالا شما در حال تولید حجم زیادی از داده هستید. دارید مطلبی در مورد کلان‌داده می‌خوانید. بعد از آن شاید در مورد Big Data جستجو کنید. ممکن است در این مورد یک ویدیو ببینید، یا کتابی را به صورت آنلاین سفارش دهید. گوگل شاهد این رفتار است. پس اگر مستندی با موضوع کلان‌داده ساخته شود، شما یکی مشتری بالقوه خواهید بود و گوگل برای تبلیغات این فیلم، شما را از دست نمی‌دهد.

تلفن همراه فقط یکی از ابزارهای جمع‌آوری کلان‌داده است. با اینترنت اشیا، تلفن همراهتان به تمام ابزارهای دیگری که در خانه دارید متصل خواهد شد. کارت‌های بانکی شما با گوشی هماهنگ می‌شوند و سابقه تمام دریافت و پرداخت‌هایتان ضبط می‌شود. به این شکل دیگر رفتارهای پولی و مالی‌ای که انجام دهید، از نظر پنهان نخواهد ماند. همین موضوع می‌تواند باعث نگرانی شود. فکر کنید نانوایی سر کوچه شما از تمام سابقه خرید نان، از شام امشب، از فشار خون و از ساعت کاری شما خبر داشته باشد. آیا این موضوع منجر به خدمات بهتر و خوشحالی بیشتر شما می‌شود؟ یا بهتر است نگران حریم خصوصی خود باشید؟