کیفیت داده‌ها

آیا جمع‌آوری داده‌ها از سوی بنگاه‌های انحصاری، به‌طور یکنواخت رفاه اقتصادی (مازاد مصرف‌کننده و کل رفاه) را افزایش می‌دهد؟ فرض کنید در تهران با اسنپ می‌خواهید از نقطه مشخصی به مقصد ثابتی بروید. قیمت اسنپ در صبح زود پایین است، اما چند ساعت بعد همان مسیر قیمتش بالا می‌رود. اگر گوشی‌تان اندروید یا آیفون باشد، قیمت‌ها متفاوت است. اگر حساب کاربری‌تان قدیمی باشد یا زیاد سفر کرده باشید، تخفیف می‌گیرید؛ اگر تازه‌وارد باشید، نه. این تجربه‌ها برای ما آشناست، اما پشت آنها منطق اقتصادی مهمی وجود دارد. شرکت‌ها با استفاده از داده، تلاش می‌کنند بفهمند شما چقدر حاضرید بپردازید که قیمت را به سطح ممکن نزدیک کنند. در نگاه نخست، این کار ممکن است منطقی هم به‌نظر برسد. وقتی اسنپ می‌داند چه کسی حساس به قیمت است و چه کسی نه، می‌تواند به بعضی‌ها تخفیف بدهد و از بعضی دیگر قیمت بالاتری بگیرد و در نتیجه خدمات بیشتری ارائه کند. از سوی دیگر، همین رفتار حس ناعادلانه بودن ایجاد می‌کند. چرا من باید برای همان مسیر، پول بیشتری بدهم؟ آیا استفاده از داده به نفع مصرف‌کننده است یا صرفاً راهی است برای اینکه شرکت‌ها سود بیشتری استخراج کنند؟ این پرسش دغدغه نیست؛ بلکه به یکی از بحث‌های داغ سیاست‌گذاری در دنیا تبدیل شده است.

در سال‌های گذشته، با رشد پلت‌فرم‌های دیجیتال و فناوری‌های کلان‌داده، نگرانی‌ها شدت گرفته که شرکت‌های بزرگ (از تاکسی‌های اینترنتی گرفته تا فروشگاه‌های آنلاین و پلت‌فرم‌های تبلیغاتی) بتوانند مصرف‌کنندگان را دسته‌بندی و برای هر گروه، قیمت متفاوتی تعیین کنند. همین موضوع باعث شد نهادهایی مثل کنگره آمریکا یا کمیسیون تجارت فدرال درباره «بهره‌کشی از داده‌های مصرف‌کننده» هشدار بدهند و به‌دنبال وضع مقررات محدودکننده باشند. مشکل اینجاست که تنظیم‌گری چنین بازاری دشوار است. سیاست‌گذار معمولاً نمی‌داند شرکت دقیقاً چه داده‌ای دارد، چقدر می‌تواند داده جدید جمع‌آوری کند و داده‌ها در عمل چگونه در قیمت‌گذاری استفاده می‌شوند؟

اینجاست که پرسش اساسی مطرح می‌شود. آیا باید اجازه داد شرکت‌ها داده بیشتری جمع‌آوری کنند یا نه؟ اگر داده بیشتر به نفع رفاه اقتصادی باشد، ممنوعیت آن اشتباه است. اگر همیشه به ضرر رفاه باشد، پس باید جلوی آن را گرفت. اما اگر گاهی مفید و گاهی مضر باشد، آن‌وقت سیاست‌گذاری پیچیده می‌شود. مقاله «Good Data and Bad Data: The Welfare Effects of Price Discrimination» دقیقاً درباره همین موضوع، وارد بحث می‌شود.

نویسندگان مقاله (مریم فربودی، نیما حق‌پناه و علی شرید) تلاش می‌کنند به‌جای موضع‌گیری‌های کلی، چهارچوب نظری دقیقی ارائه دهند که نشان دهد داده چه زمانی خوب است و چه زمانی بد؟ آنها مسئله را در قالب الگوی انحصاری تحلیل می‌کنند؛ الگویی که شبیه پلت‌فرم‌هایی مثل اسنپ است. در این الگو، بنگاه می‌تواند مصرف‌کنندگان را براساس اطلاعاتی که دارد دسته‌بندی کند، اما با بهترین داده‌ها هم نمی‌تواند تمایل به پرداخت هر فرد را بداند. همیشه میزانی از عدم‌قطعیت باقی می‌ماند؛ درست مثل دنیای واقعی که هیچ الگوریتمی نمی‌تواند رفتار انسان را کاملاً پیش‌بینی کند. اهمیت مقاله در این است که نشان می‌دهد اثر داده فقط به «بیشتر یا کمتر بودن اطلاعات» بستگی ندارد، بلکه به شکل تقاضا، تفاوت بین مصرف‌کنندگان و نحوه تغییر قیمت‌ها مرتبط است. نویسندگان ثابت می‌کنند که در بعضی شرایط، جمع‌آوری داده بیشتر به‌طور یکنواخت رفاه را کاهش می‌دهد؛ یعنی هرچه اطلاعات دقیق شود، مصرف‌کننده و جامعه ضرر می‌کند. این نتیجه برای فهم تجربه‌هایی مثل اسنپ مهم است. مقاله به ما می‌گوید، حس ناعادلانه بودن قیمت‌ها تصادفی نیست، درعین‌حال همواره هم به این معنا نیست که جامعه ضرر می‌کند. داده می‌تواند هم ابزار بهبود تخصیص باشد و هم ابزار استخراج مازاد. این مقاله به یکی از مهم‌ترین مباحث اقتصاد دیجیتال پاسخ می‌دهد: چه زمانی باید جلوی داده را گرفت و چه زمانی باید آن را پذیرفت؟

مقاله دنبال چیست؟

این مقاله به‌دنبال پاسخ دادن به پرسش قدیمی در منظومه سیاست‌گذاری است: آیا جمع‌آوری داده‌های بیشتر درباره مصرف‌کنندگان و استفاده از آن برای تبعیض قیمتی، رفاه اقتصادی را افزایش می‌دهد یا کاهش می‌دهد؟ اهمیت این پرسش به دلیل رشد فناوری‌های «کلان‌داده» و پلت‌فرم‌های بزرگ دیجیتال، به‌شدت افزایش یافته است؛ شرکت‌هایی که می‌توانند براساس اطلاعاتی همانند محل زندگی، زمان خرید، سابقه اعتباری یا حتی نوع دستگاه مورد استفاده، قیمت‌های متفاوتی برای کالای واحدی تعیین کنند.

نویسندگان مقاله از این واقعیت شروع می‌کنند که تنظیم‌گری هدفمند در عمل دشوار است. سیاست‌گذار معمولاً نمی‌داند شرکت‌ها دقیقاً چه داده‌ای دارند یا در آینده چه میزان اطلاعات جدید می‌توانند جمع‌آوری کنند. همچنین کنترل اینکه یک بنگاه دقیقاً چگونه از داده‌ها استفاده می‌کند، تقریباً غیرممکن است. بنابراین، در تصمیم سیاستی به پرسش کلی فروکاسته می‌شود: آیا اجازه جمع‌آوری داده بیشتر داده شود یا ممنوعیت شکل بگیرد؟ هدف اصلی این مقاله ارائه چهارچوب نظری برای مشخص کردن همین شرایط است.

برای پاسخ به این پرسش، مقاله الگویی از بخش‌بندی درون‌زای بازار را به‌وسیله انحصارگر ارائه می‌دهد؛ مدلی که در آن با وجود داده‌های دقیق، میزانی «عدم‌قطعیت باقی‌مانده» درباره تمایل به پرداخت مصرف‌کنندگان وجود دارد. در این الگو، مصرف‌کنندگان به «انواع» مختلف تقسیم می‌شوند. هر نوع مصرف‌کننده با منحنی تقاضای نزولی توصیف می‌شود که نشان می‌دهد افراد آن نوع، چه توزیعی از ارزش‌گذاری برای کالا دارند. این نکته مهم است، زیرا حتی اگر بنگاه نوع مصرف‌کننده را دقیقاً بداند، باز هم نمی‌تواند تمایل به پرداخت تک‌تک افراد را پیش‌بینی کند. عدم‌قطعیت باقی‌مانده بازتاب محدودیت‌های واقعی تکنولوژیک، قانونی و عملی در قیمت‌گذاری شخصی‌سازی‌شده است. در این چهارچوب، بنگاه به «ساختار اطلاعاتی» دسترسی دارد که انواع مصرف‌کننده را به سیگنال‌هایی پیوند می‌دهد. هر سیگنال بیانگر بخشی از بازار است و بنگاه برای هر بخش قیمت انحصاری بهینه تعیین می‌کند. به زبان ساده، «نوع» نشان‌دهنده همه چیزهایی است که بالقوه قابل دانستن است، «بخش‌بندی» نشان می‌دهد بنگاه در عمل چه چیزی را می‌داند.

یکی از نوآوری‌های مهم مقاله این است که بین دو رویکرد کلاسیک و مدرن تبعیض قیمتی پلی می‌زند. در رویکرد کلاسیک، همانند تحلیل پیگو، تنها دو حالت افراطی بررسی می‌شود: یا بنگاه هیچ اطلاعاتی ندارد یا اطلاعات کامل دارد. در رویکرد مدرن همانند مدل‌های برگمان و همکاران، بنگاه از سیگنال‌های اطلاعاتی استفاده می‌کند، اما معمولاً فرض می‌شود که درنهایت می‌تواند ارزش مصرف‌کنندگان را کاملاً شناسایی کند. مقاله حاضر با وارد کردن مفهوم عدم‌قطعیت باقی‌مانده، نشان می‌دهد این فرض خوش‌بینانه است و ممکن است قدرت واقعی بنگاه برای استخراج مازاد را بیش‌ازحد بزرگ‌نمایی کند.

در این چهارچوب، نویسندگان دو مفهوم اساسی معرفی می‌کنند: اطلاعات «یکنواخت بد» و اطلاعات «یکنواخت خوب». اطلاعات، زمانی «یکنواخت بد» است که هر میزان دقیق شدن داده‌ها و هر پالایش بیشتر در بخش‌بندی بازار، همواره رفاه کل وزنی را کاهش دهد. در مقابل، اطلاعات، زمانی «یکنواخت خوب» است، اگر هر بهبود اطلاعاتی بدون استثنا رفاه را افزایش دهد. رفاه کل وزنی در اینجا ترکیبی از مازاد مصرف‌کننده و سود بنگاه است که وزن‌دهی آن منعکس‌کننده نگرش سیاست‌گذار به توزیع منافع است.

هدف نهایی مقاله این است که مشخص کند تحت چه شرایطی می‌توان چنین تضمین‌هایی ارائه داد. یعنی چه زمانی سیاست‌گذار می‌تواند با اطمینان بگوید «داده بیشتر همیشه بد است» یا «داده بیشتر همیشه خوب است». اهمیت این نتیجه در سیاست‌گذاری بالاست، زیرا در دنیای واقعی معمولاً امکان طراحی مقررات دقیق وجود ندارد. بنابراین مقاله به‌جای ارائه توصیه‌های موردی، تلاش می‌کند قواعد ساختاری ارائه دهد. درنهایت، پیام اصلی مقاله این است که داده بیشتر ذاتاً نه خوب است و نه بد؛ بلکه اثر آن به ساختار تقاضا، شدت عدم‌قطعیت و نحوه وزن‌دهی به رفاه بستگی دارد و تنها با درک این ساختارها می‌توان سیاست‌گذاری آگاهانه انجام داد.

یافته‌های مقاله

ایده محوری مقاله این است که اثر اطلاعات بر رفاه نه تصادفی است و نه کاملاً مبهم؛ بلکه می‌توان آن را با شرایط مشخصی توضیح داد و حتی در بسیاری موارد پیش‌بینی‌پذیر کرد. نتیجه اصلی مقاله دو بخش دارد. در بخش نخست، نویسندگان نشان می‌دهند حتی اگر تعداد زیادی منحنی تقاضای متفاوت (یعنی انواع مختلف مصرف‌کننده) در اقتصاد وجود داشته باشد، برای بررسی اثر اطلاعات بر رفاه، مسئله را می‌توان به شکل شگفت‌انگیزی به دو منحنی تقاضا کاهش داد. به زبان ساده، آنها ثابت می‌کنند که اگر قرار باشد اطلاعات همیشه خوب یا همیشه بد باشد، این ویژگی باید در مقایسه دو نوع تقاضای «پایه» قابل مشاهده باشد. برای اینکه چنین کاهشی معتبر باشد، سه شرط لازم است. شرط نخست این است که منحنی‌های تقاضا از هم «دور» نباشند؛ یعنی قیمت بهینه انحصاری هر نوع مصرف‌کننده باید در بازه‌ای باشد که برای سایر انواع نیز معنادار است. اگر یک گروه به‌قدری متفاوت باشد که قیمت بهینه‌اش کاملاً خارج از دامنه سایر گروه‌ها قرار گیرد، دیگر نمی‌توان اثر اطلاعات را به‌طور یکنواخت پیش‌بینی کرد. شرط دوم این است که کل مجموعه منحنی‌های تقاضا را بتوان با حداکثر دو منحنی پایه بازنمایی کرد؛ یعنی تفاوت‌ها به دو الگوی اصلی برگردند. شرط سوم هم این است که این دو منحنی پایه، خاصیت «یکنواخت خوب» یا «یکنواخت بد» بودن اطلاعات را داشته باشند. اگر این سه شرط برقرار باشد، آن‌وقت می‌توان درباره اثر داده بیشتر، حکم کلی صادر کرد.

در بخش دوم، نویسندگان توضیح می‌دهند که برای دو منحنی تقاضا، چه زمانی اطلاعات یکنواخت خوب یا بد است. آنها به فرمول دقیقی می‌رسند که با نگاه به ویژگی‌های این دو منحنی، می‌تواند علامت اثر اطلاعات بر رفاه را مشخص کند. اهمیت نتیجه در این است که بحث پیچیده‌ای درباره اطلاعات، به معیار شفاف و قابل تحلیل فروکاسته می‌شود. درعین‌حال، نویسندگان نشان می‌دهند ممکن است اطلاعات اثر دوگانه داشته باشد. در برخی موارد ممکن است رفاه کل افزایش پیدا کند، اما رفاه مصرف‌کننده کاهش یابد. این نکته برای سیاست‌گذاری مهم است، چون نشان می‌دهد دفاع از داده‌کاوی بنگاه‌ها با این استدلال که «رفاه کل را بالا می‌برد» به معنای حمایت از مصرف‌کننده نیست. مقاله نتایجش را با کار برگمان و همکاران مقایسه می‌کند؛ جایی که نشان داده شده بود اطلاعات نه همیشه خوب است و نه همیشه بد. اگرچه مدل آنها با فراض‌های این مقاله دقیقاً منطبق نیست، نویسندگان نشان می‌دهند، اگر به‌تدریج به آن نوع تقاضا نزدیک شویم، نتیجه «نه خوب و نه بد بودن یکنواخت اطلاعات» همچنان برقرار می‌ماند. این نشان می‌دهد یافته‌های قبلی تصادفی یا شکننده نبوده‌اند.

بخش تفسیری مقاله مهم‌ترین قسمت آن است. نویسندگان توضیح می‌دهند، اثر اطلاعات از ترکیب سه اثر اقتصادی متفاوت به‌وجود می‌آید. اثر نخست، این است که درون هر گروه مصرف‌کننده، قیمت‌ها پراکنده می‌شوند: برخی قیمت کمتر و برخی بیشتر می‌پردازند. این می‌تواند خوب یا بد باشد، بسته به اینکه رفاه نسبت به قیمت چگونه واکنش نشان می‌دهد. اثر دوم، این است که تغییر قیمت به‌طور نامتقارن بین انواع مصرف‌کننده توزیع می‌شود. یعنی کاهش قیمت بیشتر به نفع گروه خاصی است. اثر سوم، مربوط به اندازه تغییر قیمت‌هاست: اینکه کاهش قیمت چقدر بزرگ‌تر یا کوچک‌تر از افزایش قیمت است. مقاله نشان می‌دهد می‌توان هر سه اثر را به‌طور منظم در فرمول واحدی جمع‌آوری و نتیجه‌گیری کرد.

پرده پایانی

این مقاله تلاشی برای عبور از قضاوت‌های ساده و شهودی درباره «خوب» یا «بد» بودن داده و رساندن بحث تبعیض قیمتی به سطحی دقیق و قابل اتکا برای تحلیل و سیاست‌گذاری است. پرسش محوری مقاله، آیا جمع‌آوری داده بیشتر از سوی بنگاه انحصاری همواره رفاه را افزایش می‌دهد یا می‌تواند آن را کاهش دهد؟ پرسشی است که امروز نه‌فقط در کتاب‌های اقتصاد، بلکه در زندگی روزمره مصرف‌کنندگان و در اتاق‌های تصمیم‌گیری نهادهای تنظیم‌گر حضور دارد. نویسندگان نشان می‌دهند اثر داده بر رفاه نه بدیهی است و نه یکنواخت. برخلاف تصور رایجی که داده را همواره ابزار بهبود کارایی می‌داند، مقاله نشان می‌دهد داده می‌تواند به همان اندازه که به بهبود تخصیص کمک می‌کند، ابزاری برای تشدید استخراج مازاد مصرف‌کننده نیز باشد. نوآوری مهم در این است که این تنش را به‌صورت دقیق فرمول‌بندی می‌کند و نشان می‌دهد چگونه می‌توان مسئله‌ای پیچیده را به مقایسه دو منحنی تقاضای نماینده فروکاست.

یکی از پیام‌های اساسی مقاله این است که اگرچه در برخی شرایط می‌توان تضمین داد که داده بیشتر مضر یا مفید است، اما در بسیاری موارد چنین تضمینی وجود ندارد. مقاله کران‌های دقیقی برای شدت اثر داده بر رفاه ارائه می‌کند و نشان می‌دهد بنگاه چگونه به‌طور محلی بازار را به‌طور بهینه بخش‌بندی می‌کند. نگاه بینابینی، فاصله میان نظریه کلاسیک تبعیض قیمتی و رویکردهای مدرن مبتنی بر اطلاعات را پر می‌کند. اهمیت این مقاله فراتر از نتیجه نظری است. این کار به ما یادآوری می‌کند سیاست‌گذاری داده نباید بر مبنای شعارهایی همانند «داده همیشه خوب است» یا «داده همیشه خطرناک است» بنا شود. در عوض، باید به ساختار تقاضا، شدت عدم‌قطعیت و نحوه واکنش قیمت‌ها توجه کرد. تنها با چنین رویکردی است که می‌توان میان نوآوری، کارایی و عدالت تعادل برقرار کرد.