¿Pueden las herramientas de Big Data ayudar a borrar el ciclo económico?

Los ciclos económicos son efectivamente ciclos crediticios: las condiciones crediticias pueden aflojarse debido al fuerte crecimiento económico, la flexibilización del banco central o una combinación de ambos. Por el contrario, las condiciones de crédito más estrictas pueden provenir de condiciones económicas adversas (los prestamistas aversivos al riesgo endurecen los estándares de crédito) o la política monetaria más estricta del banco central.

Crédito de la ilustración: Bridgewater Associates [diapositivas combinadas]

Dado que las políticas del banco central y las expectativas del mercado están altamente influenciadas por los datos macroeconómicos, los datos con mayor precisión (utilizando herramientas de datos y nuevas metodologías de recopilación / análisis de datos) pueden facilitar los ciclos económicos.

Bajo ese escenario, los formuladores de políticas del banco central pueden endurecerse antes si mejores datos indican que un auge está a punto de convertirse en una burbuja, o pueden disminuir antes si una desaceleración está a punto de convertirse en una recesión. No obstante, los ciclos económicos continuarán existiendo mientras el costo del préstamo sea administrado por el banco central.

Los grandes datos, si se hacen correctamente, pueden ayudar a las agencias a mejorar los indicadores económicos actuales basados ​​en encuestas, tales como la Nómina Mensual No Agrícola de la Oficina de Estadísticas Laborales de Estados Unidos. Si en lugar de confiar en el muestreo, el BLS puede interactuar con una mayor variedad de fuentes de datos y obtener una imagen detallada de los trabajadores individuales (hacerlo también puede plantear problemas de privacidad).

Los métodos actuales de recopilación de datos de nóminas no agrícolas son los siguientes:

Cada mes, la Oficina de Estadísticas Laborales (BLS) recopila datos sobre el empleo, la nómina y las horas pagadas de una muestra de establecimientos.

CES tiene un programa integral de solicitud de nuevas unidades de muestra en cuatro Centros Regionales de Recolección de Datos (DCC) de CES. Los DCC realizan la inscripción inicial de cada empresa por teléfono, recopilan los datos durante varios meses a través de entrevistas telefónicas asistidas por computadora (CATI) y, cuando es posible, transfieren a los encuestados a un modo de autoinforme, como Entrada de datos por tonos (TDE), fax o web . Además, el DCC realiza un programa continuo de conversión de rechazos. Las empresas muy grandes a menudo se inscriben a través de visitas personales y los informes continuos se establecen a través del Intercambio electrónico de datos (EDI). Ofrecer a los encuestados una variedad de métodos de informe ayuda a mantener las tasas de respuesta a esta encuesta voluntaria. La mayor parte de la muestra de CES se recolecta a través de EDI (42 por ciento), mientras que la recolección por Internet y CATI se usan para recolectar aproximadamente el 16 por ciento y el 31 por ciento de todos los informes, respectivamente. Bajo EDI, la empresa proporciona un archivo electrónico a CES cada mes en un formato de archivo prescrito. Este archivo incluye datos para todos los sitios de trabajo de la empresa. El archivo es recibido, procesado y editado por el Centro EDI operado por CES. La web es uno de los métodos de recolección de más rápido crecimiento. En la colección web, el encuestado se conecta a un sitio web seguro que contiene una imagen del cuestionario e ingresa sus datos en el formulario en línea. Los datos están sujetos a una serie de verificaciones de edición antes de ser transmitidos al CES.

Hay tanto en el ciclo económico que no creo que se resuelva con big data.

Estoy de acuerdo con Victor Xing aquí, pero agregaré un ángulo ligeramente diferente. Los datos, sin importar cuán grandes y granulares, solo ofrecen información sobre lo que ya sucedió . Admito que es extremadamente útil, pero gran parte del negocio está tratando de imaginar qué sucederá. La mayoría de las veces, los datos pasados ​​simplemente no nos ayudan mucho.

Los ciclos económicos son impulsados ​​por los ciclos económicos. Hay momentos de expansión y contracción. Creo que gran parte de esto se debe a la naturaleza humana: nos volvemos codiciosos y luego aterrorizados. Además, el mundo cambia. Las empresas necesitan “tiempo de inactividad” para adaptarse, cambiar, reestructurar, etc. La economía es el agregado de eso.

Parece que hemos mejorado en amortiguar los ciclos, no en hacer que los máximos sean demasiado altos, ni los mínimos demasiado bajos. Pero no veo cómo los eliminaremos por completo. Porque, en última instancia, somos humanos, sujetos a las emociones y al juicio humano.

Improbable. Si bien el “big data” es nuevo para ciertas industrias, el gobierno federal ha tenido big data durante mucho tiempo desde los años 70, y muchas personas inteligentes lo miraron, y básicamente no llegaron a ninguna parte con él.

Es cierto que hay muchas técnicas nuevas y elegantes que se pueden aplicar con las que los analistas gubernamentales no están familiarizados. Y mucha más potencia informática, lo que permite ciertos tipos de cálculos que antes no se podían hacer. Pero los grandes datos por sí solos no ayudarán mucho, de lo contrario habríamos hecho algunos avances.

More Interesting

¿Qué campo debo elegir: análisis de negocios, análisis de datos, inteligencia de negocios y minería de datos?

¿Podemos usar análisis de datos, SAS y probabilidad al aplicar un modelo a una hipótesis para encontrar la pareja adecuada para el matrimonio?

¿Qué se necesita para clasificar dentro del # 10 en Kaggle? ¿Cuál es el camino de aprendizaje ideal para un principiante en ciencia de datos? ¿Qué todas las tecnologías y habilidades necesita adquirir y en qué orden? ¿Cuánto tiempo se tarda?

¿Cuáles son algunas aplicaciones de análisis de datos que pocas personas conocen?

Estoy planeando aprender la herramienta de visualización de datos, ¿cuál debería considerar tableau, Qlik view, Power BI?

¿Qué carreras significativas existen en la ciencia de datos (estadísticas / ML / optimización)?

¿Cómo definirías y medirías el poder predictivo de una métrica?

¿Tienes alguna recomendación de biblioteca para construir un robot de póker?

¿Qué se necesita para que un antiguo agente de Wall Street consiga un trabajo en ciencia de datos? ¿Es un certificado de aprendizaje automático de Coursera más un proyecto de Kaggle?

¿Whatsapp es una aplicación de minería de datos?

¿Menos marcas en IA afectarán mis posibilidades de admisión a un curso de maestría en ciencias de datos en una universidad estadounidense de renombre?

¿Cuál es la conexión entre la ciencia de datos y la inteligencia artificial? ¿Es aprendizaje automático?

¿Cómo han fomentado los grandes datos la ciencia? ¿Existen ejemplos en los que el análisis de big data ha llevado a una mejora significativa en cualquier campo científico que no se podría hacer mediante el análisis tradicional?

¿Qué es la dependencia de datos y por qué es importante?

¿Los estadísticos están siendo reemplazados gradualmente y actualmente por científicos de datos?