2.4.1.1 ന്യൂ യോർക്ക് നഗരത്തിലെ ടാക്സികൾ

ഒരു ഗവേഷകനായ ന്യൂയോർക്കിലെ ടാക്സി ഡ്രൈവർമാർ തീരുമാനം നിർമ്മാണം പഠിക്കാൻ ടാക്സി മീറ്റർ ബിഗ് ഡാറ്റ ഉപയോഗിച്ചു. ഈ ഡാറ്റ ഈ ഗവേഷണ അനുയോജ്യമല്ല ആയിരുന്നു.

ശരിയായ കാര്യം എണ്ണുന്നത് ലളിതമായ ശക്തിയുടെ ഒരു ഉദാഹരണം ഹെൻറി ഫാർബർ ന്റെ നിന്ന് വരുന്നു (2015) ന്യൂയോർക്ക് സിറ്റി ടാക്സി ഡ്രൈവർമാർ പെരുമാറ്റം പഠനത്തിന്. ഈ ഗ്രൂപ്പ് അന്തർലീനമായിട്ടുള്ള രസകരമായ sound ആത്മവിശ്വാസവും പകരുന്നു അതു ലേബർ ഇക്കണോമിക്സ് രണ്ട് സിദ്ധാന്തങ്ങൾ പരിശോധനയ്ക്ക് തന്ത്രപരമായ ഗവേഷണ സൈറ്റ് ആണ്. അവർ ജോലി മണിക്കൂർ എണ്ണം 1) അവരുടെ ഓരോ മണിക്കൂറും വേതന നിന്ന് ദിവസം-ഇന്നു, കാലാവസ്ഥ 2 തുടങ്ങിയ ഘടകങ്ങളെ ഭാഗമായുള്ളതാണ്) .തിരൂര്: ഫാർബർ ന്റെ ഗവേഷണ ആവശ്യങ്ങൾക്കായി, അവിടെ ടാക്സി ഡ്രൈവർമാർ പ്രവൃത്തി പരിസ്ഥിതിയെക്കുറിച്ച് രണ്ട് പ്രധാന സവിശേഷതകളാണ് ഡ്രൈവർ തീരുമാനങ്ങളും അടിസ്ഥാനമാക്കി ഓരോ ദിവസം മാറാമെന്നതും കഴിയും. ഈ സവിശേഷതകൾ ജോലി ചീത്തയാകാതിരിക്കാനും വേതനവും മണിക്കൂർ തമ്മിലുള്ള ബന്ധം രസകരമായ ഒരു ചോദ്യം നയിക്കും. ഇക്കണോമിക്സ് മാഷാണോ മോഡലുകൾ ടാക്സി ഡ്രൈവർമാർ ഉയർന്ന ചീത്തയാകാതിരിക്കാനും വേതനം എവിടെ ദിവസങ്ങളിൽ കൂടുതൽ പ്രവർത്തിക്കുന്നു എന്ന് ആ പ്രവചിക്കാൻ. പകരമായി, പെരുമാറ്റ സാമ്പത്തികശാസ്ത്രം നിന്ന് മോഡലുകൾ കടകവിരുദ്ധമാണ് പ്രവചിക്കാൻ. ഡ്രൈവറുകൾ ദിവസം-ജോലിസ്ഥലവും ശതമാനം ഒരു പ്രത്യേക വരുമാനം ടാർഗറ്റ്-പറയുന്നു സജ്ജമാക്കിയാൽ $ 100 എന്ന ലക്ഷ്യം കൂടിക്കാഴ്ച വരെ പിന്നെ ഡ്രൈവറുകൾ അപ് അവർ കൂടുതൽ തകർപ്പൻ എന്ന് ദിവസങ്ങളിൽ കുറച്ച് മണിക്കൂറുകൾ പ്രവർത്തിക്കുന്നു അവസാനിപ്പിച്ചത്. ഉദാഹരണത്തിന്, നിങ്ങൾ ഒരു ടാർഗെറ്റ് ട്യൂണുകളാണെന്നും ആയിരുന്നു എങ്കിൽ, നിങ്ങൾക്ക് ഒരു മോശം ദിവസം (മണിക്കൂറിൽ $ 20) പ്രവർത്തിക്കുന്നു 5 മണിക്കൂർ നല്ല ദിവസം 4 മണിക്കൂർ (മണിക്കൂറിൽ $ 25) അവസാനിക്കുവാനും വേണ്ടി. അതുകൊണ്ട് ഡ്രൈവർമാർക്ക് കൂടുതൽ മണിക്കൂർ ദിവസങ്ങളിൽ കൂടുതൽ ചീത്തയാകാതിരിക്കാനും വേതനം (മാഷാണോ മോഡലുകൾ പ്രവചിച്ചിരിക്കുന്നത്) അതിലധികമോ മണിക്കൂർ ലോവർ ചീത്തയാകാതിരിക്കാനും ശമ്പളം ദിവസം പ്രവർത്തിക്കുമോ (പെരുമാറ്റ സാമ്പത്തിക മോഡലുകൾ പ്രവചിച്ചിരിക്കുന്നത്)?

2013, ഇപ്പോഴത്തെ ഡാറ്റ - ഈ ചോദ്യത്തിന് ഉത്തരം ഫാർബർ 2009 മുതൽ ന്യൂയോർക്ക് സിറ്റി Cabs എടുത്ത എല്ലാ ടാക്സി യാത്രയിൽ വിവരങ്ങൾ ശേഖരിക്കുവാൻ എല്ലാവർക്കും ലഭ്യമായ . ഈ ഡാറ്റ-ഏത് ഇലക്ട്രോണിക് മീറ്റർ ശേഖരിച്ച നഗരത്തിന്നു ടാക്സി ആവശ്യമുണ്ടെന്ന് ഓരോ യാത്രയിൽ ഓഫ് ഇൻഫർമേഷൻ നിരവധി കഷണങ്ങൾ ഉപയോഗിക്കുക-ഉൾപ്പെടുന്നു: (നുറുങ്ങ് ഒരു ഉപയോഗിച്ച് പണം എങ്കിൽ, ആരംഭിക്കുന്ന ലൊക്കേഷൻ, അവസാനിക്കുന്ന സമയം, അവസാനം സ്ഥാനം, യാത്രാനിരക്ക് ആരംഭിക്കുക, നുറുങ്ങ് ക്രെഡിറ്റ് കാർഡ്). മൊത്തം ൽ ഫാർബർ ന്റെ ഡാറ്റ (ഒരു ഷിഫ്റ്റ് ഒറ്റ ഡ്രൈവർ ഏതാണ്ട് ഒരു ദിവസം പ്രവൃത്തി) ഏകദേശം 40 ദശലക്ഷം ഷിഫ്റ്റുകൾ സമയത്ത് എടുത്ത ഏകദേശം 900 മില്യൺ വിദേശയാത്രയ്ക്ക് വിവരങ്ങൾ അടങ്ങിയിരിക്കുന്നു. സത്യത്തിൽ, ഫാർബർ മാത്രം വിശകലനം അതു ക്രമരഹിതമായ ഒരു സാമ്പിൾ ഉപയോഗിച്ച ഇത്രമാത്രം ഡാറ്റ ആയിരുന്നു. ഈ ടാക്സി മീറ്റർ ഡാറ്റ ഉപയോഗിച്ച്, ഫാർബർ മിക്ക ഡ്രൈവുകളും വേതനം കൂടുതൽ, മാഷാണോ സിദ്ധാന്തം ഒരുക്കിയിരിക്കുന്നതു വരുമ്പോൾ ദിവസങ്ങളിൽ കൂടുതൽ പ്രവർത്തിക്കുന്ന കണ്ടെത്തി. ഈ പ്രധാന കണ്ടെത്തിയിരിക്കുന്നത് പുറമെ, ഫാർബർ heterogeneity ഡൈനാമിക്സ് മികച്ച ധാരണ ഡാറ്റ വലുപ്പം ഉയരാൻ കഴിഞ്ഞു. ഫാർബർ കാലക്രമേണ പുതിയ ഡ്രൈവറുകൾ ക്രമേണ (ഉദാ അവർ മാഷാണോ മോഡലുകൾ പ്രവചിക്കുന്നത് പിസിഐ പഠിക്കാൻ) ഉയർന്ന വേതന ദിവസങ്ങളില് കൂടുതൽ മണിക്കൂർ പ്രവർത്തിക്കാൻ പഠിക്കാൻ എന്ന് കണ്ടെത്തി. പിന്നെ, കൂടുതൽ ടാർഗെറ്റ് തുച്ഛ പെരുമാറാറുള്ളതു് പുതിയ ഡ്രൈവറുകൾ ടാക്സി ഡ്രൈവർ ഒരാളായി ഉപേക്ഷിക്കാൻ കൂടുതൽ സാധ്യത. നിലവിലെ ഡ്രൈവർമാരുടെ നിരീക്ഷിച്ച സ്വഭാവം വിശദീകരിക്കാൻ ഈ കൂടുതൽ സൂക്ഷ്മമായ കണ്ടെത്തലുകൾ, ഇരുവരും കാരണം ഡാറ്റാഗണത്തിന്റെ വലിപ്പം മാത്രമല്ല ആയിരുന്നു. അവർ ഒരു ചെറിയ കാലയളവിൽ ടാക്സി ഡ്രൈവർമാർ ചെറിയ എണ്ണം നിന്ന് പേപ്പർ ട്രിപ്പ് ഷീറ്റുകൾ (ഉദാ, ഉപയോഗിച്ച നേരത്തെ പഠനങ്ങളിൽ കണ്ടെത്താനാകുന്നില്ല അസാധ്യമാണ് ആകുമായിരുന്നു Camerer et al. (1997) ).

ഫാർബർ പഠനത്തെ വലിയ ഡാറ്റ ഉപയോഗിച്ച് ഒരു പഠനത്തിനായുള്ള മികച്ച കേസ് ഉറ്റവനായിരുന്നു. ആദ്യം, ഡാറ്റ നഗരം ഡിജിറ്റൽ മീറ്റർ ഉപയോഗിക്കാൻ ഡ്രൈവറുകൾ ആവശ്യമായതിനാൽ നോൺ-പ്രതിനിധി ആയിരുന്നു. അവൻ നിര ഉണ്ടായിരുന്നു എങ്കിൽ നഗരം ശേഖരിച്ച എന്ന് ഡാറ്റ ഫാർബർ ശേഖരിച്ച വന്നേനെ ഡാറ്റ പ്രണയമൊരമ്ലമഴയായ് അടുത്തായിരുന്നു (കാരണം ഒരു വ്യത്യാസം ഫാർബർ മൊത്തം ശമ്പളം-യാത്രാനിരക്കുകൾ ഡാറ്റ ആഗ്രഹം പ്ലസ് tips- എന്നു തന്നെ ആണ് പിന്നെ, ഡാറ്റ അപൂർണ്ണമായ ആയിരുന്നു എന്നാൽ പട്ടണത്തിലെ ഡാറ്റ മാത്രമേ ക്രെഡിറ്റ് കാർഡ് നൽകിയ നുറുങ്ങുകൾ ഉൾപ്പെടെ). ഫാർബർ ന്റെ ഗവേഷണ കീ നല്ല ഡാറ്റ ഒരു നല്ല ചോദ്യം ഉള്ള ചെയ്തു. മാത്രം ഡാറ്റ മതിയാവില്ല.