同样做数据分析，为什么这类岗位年薪接近 20 万美金？

近期，海外科技行业出现一类专门岗位：定价科学家（Pricing Scientist / Applied Economist）。

根据亚马逊官方招聘 JD 以及 BuiltIn、Levels.fyi 岗位薪资统计，这类聚焦因果推断做定价策略的岗位，基础年薪（base，不含股票奖金）普遍达到 12 万‑18 万美元。

这类高薪岗位并非单纯做销量预测，而是在很多场景无法开展大规模价格 A/B 测试的情况下，利用 DID、工具变量、合成控制、CATE 异质性效应等方法，处理价格内生混杂，从历史观测数据估算真实价格弹性，支撑调价、折扣、补贴决策。

普通预测模型只能回答：价格调到 X，销量大概会是多少？

而定价岗位能回答的是：如果我主动涨价 / 降价，会真实带来销量、利润、留存怎样的改变？

国内京东、滴滴、盒马、美团等企业，同样已经把这套思路落地在商品定价、补贴策略、商家佣金评估等业务，只是岗位更分散。

这类高薪岗位的能力内核，早已不是传统的数据预测，而是因果计量的商业决策能力。无论是未来求职进阶，还是提升商业数据分析思维，因果推断与计量经济学都已经成为定价、营收策略、商业实证方向的核心加分能力。

想要建立这套知识体系，可以从因果直觉、计量基础、软件实操再到高阶实战逐步推进。

✅第一阶：零基础建立因果直觉

刚接触数据分析，被各类报告迷惑，分不清因果和数据巧合，大部头教材公式让人望而却步。

这本书避开复杂数理推导，借助商业、现实案例讲解因果核心逻辑，不用啃数学，就能练就辨别分析结论的判断力，很适合本科生、业务分析师开启因果思维。

✅第二阶：计量经济学入门，打好回归与实证基础

不少人着急上手 DID、工具变量这些时髦方法，直接跳过计量基础，最后只记住一堆名词，并不清楚方法有什么使用前提，实际分析时很容易用错。

做实证、商业策略分析绕不开的一本书。不纠结繁琐推导，重点讲透内生性、工具变量、面板数据，这些正是因果识别最核心的底子。

适合已经接触过基础计量的本科生、科研学生，以及做行业研究、商业策略的职场人，不少海外应用经济相关岗位也以此书作为知识基础。

从零开始学计量，可以从这本入手。国内经典，难度友好。把 OLS 回归、面板、时间序列这些核心内容都讲清楚，还附带EViews 操作，踏踏实实把底层概念过一遍，后面再学因果会轻松很多。适合零基础打牢计量基本功。

做分析，回归、假设检验这类基础概念记混了，翻一翻就能快速回顾。语言通俗，例子多，遇到卡壳随时查阅很方便。不用从头到尾逐章读完，更适合放在手边当参考书。

✅第三阶：软件实操，把计量方法落地跑通

理论道理都看懂了，可拿到真实的数据，却不知道该怎么动手跑模型。

没接触过 Stata 也能跟着学。涵盖回归、工具变量、面板模型等常用工具，配套公开数据集，可以亲手复现 DID 等常见分析，补上从看懂理论到动手干活这一环，学生和职场做数据的朋友都能用。

✅第四阶：现代因果推断，面向实证与业务实战

实际工作很难实现完整 A/B 测试，评估调价、补贴效果大多只能依靠历史数据。

本书贴合业务场景，覆盖 DAG、DID、合成控制法等全套方法，附带现成 Stata、R 代码。可以处理价格内生干扰，评估商业干预、区分不同人群效果，适合已有计量基础、需要落地业务分析的读者。

掌握计量与因果推断，早已成为高端商业策略岗位的隐形门槛。跳出只会预测的数据分析局限，才能真正具备落地商业决策的核心竞争力。

END

本文来自微信公众号“crup经济学”，36氪经授权发布。