El año pasado, el gigante comercial Amazon comenzó a trabajar en un modelo, combinando la IA y la econometría, para predecir las fluctuaciones de los precios. El equipo de Core AI de Amazon cree que el modelo puede mejorarse para predecir la inflación. Un economista fue crítico en el despliegue efectivo del modelo de aprendizaje automático para este proyecto, dijo el equipo.
"Creo que los economistas tienen los fundamentos adecuados para sobresalir en la ciencia de los datos. Desde el principio, a los estudiantes de economía se les enseña a tratar los datos a través de diferentes materias como economía, estadística y matemáticas. Conceptoos importantes como correlación, pruebas de hipótesis, Econometría (aplicación de métodos estadísticos a datos económicos), Álgebra Linear, forman la base de proyectos científicos de datos. Incluso durante las sesiones de 'codificación', los estudiantes aprenden a 'analizar y obtener ideas' de los datos, en lugar de cómo 'optimizar el código' de manera eficiente frente a las escuelas de ingeniería de vis", dijo Shirish Gupta, científica líder de datos en Novartis.
Ahora está claro que la economía y la ciencia de los datos son buenos compañeros de cama. Pero, ¿cuánto valor aporta un economista a la ciencia de los datos y, en consecuencia, pueden los economistas hacer buenos científicos de datos? Lo averiguamos.
El problema de codificación
La mayoría de los economistas tratan en programas de computación estadística como Stata que funcionan bien con la ciencia de datos. Sin embargo, ser fluido en lenguajes de programación como Python, MATLAB y R puede ayudar a los economistas a descifrar el código de ciencia de datos.
"He conocido a muchos científicos de datos talentosos que han formado en Economía, Matemáticas, Estadísticas, Comercio, etc., sin antecedentes en programación. Incluso aquellos de varias ramas de ingeniería, incluyendo civiles y químicos, a menudo tienen muy poca exposición a la programación, al menos en la India. Lo que nos referimos como habilidades de codificación para la ciencia de los datos son, de hecho, la capacidad de pensar lógicamente y entender las estructuras de datos subyacentes", dijo Sayandeb Banerjee, CEO de TheMathCompañía.
Gracias al solapamiento entre el aprendizaje de la máquina y la econometría, la curva de aprendizaje se ha acortado. Además, los economistas tienen un buen conocimiento de las matemáticas que sustentan los métodos de ciencia de datos. La tribu prospera en la construcción de un conjunto de reglas para resolver conceptos abstractos, al igual que los científicos de datos.
Detección de sesgo
Econometría es la aplicación de métodos estadísticos a los datos económicos para crear relaciones causales. Los científicos de datos construyen modelos para encontrar patrones en conjuntos de datos. Los economistas albergan un escepticismo saludable hacia los datos y corrigen los posibles sesgos de un modelo estadístico basados en las pruebas empíricas y los ensayos controlados. Los economistas están capacitados para cuestionar los resultados y tener las herramientas para detectar sesgos en un conjunto de datos. Estas habilidades pueden traducirse para optimizar los métodos de ciencia de datos.
Presentación de datos
Hoy en día, la presentación de datos es casi tan esencial como los propios datos. Los economistas tienen la capacidad de presentar datos complejos a partes interesadas de entornos no técnicos como gerentes, marketers, redactores y clientes de una manera inteligible. Los científicos de datos, que por lo general son de disciplinas STEM, tienen problemas para transmitir los métodos y resultados complejos. Los economistas pueden llenar el vacío para permitir una comunicación sin fisuras.
"Los economistas vienen con un marco de solución de problemas construido. Por lo general son geniales comunicando el trabajo cuantitativo a un público más amplio. Tienen un firme control sobre el comportamiento humano y, por lo tanto, pueden conectar los puntos y ser un puente entre los programadores, la dirección y el negocio. Su mente está condicionada a pensar más allá de los números, a adoptar un enfoque interdisciplinario hacia un problema determinado e interpretarlo como una manera de conducir ideas factibles", dijo Suvadip Chakraborty, vicepresidente de HSBC.
Concepto
Los economistas pueden ayudar a los clientes a navegar por los problemas financieros y reglamentarios en torno a sus sistemas. Este conocimiento es invaluable en la comprensión de las implicaciones de los modelos de aprendizaje automático. Es fundamental comprender los efectos de la tecnología de la IA, especialmente en medio de una pandemia. Los economistas pueden sacar a las empresas de los agujeros a raíz de las interrupciones de la cadena de suministro en masa.
"A menudo los economistas están entrenados para mirar a través de una lente más amplia para conectar varios eventos más pequeños y darle sentido. La ciencia de los datos se aplica principalmente a un tema específico que tiene vínculos hacia atrás y hacia adelante. Los economistas pueden hacer un modelo más holístico con su comprensión de los macro y microelementos que afectan a un evento. Los economistas pueden entender mejor un problema de negocio dado su enfoque en el "gran panorama" y pueden ayudar a pensar en el diseño para hacer que una solución/activo sea más comprensiva y focalizada", dijo Indrajit Mitra, director asociado de Deloitte Consulting.
En los últimos años, la ciencia de los datos ha adoptado la economía a gran escala. Según un estudio de 365 DataScience, aproximadamente el 13% del cultivo actual de científicos de datos tiene un título en economía. La percepción de que la economía se ocupa de ideas más allá de las ciencias de los datos se ha desvanecido. El Premio Nobel de Economía en 2018 fue otorgado a Paul Romer que utilizó cuadernos de software de código abierto Jupyter mientras reproducía y compartía su trabajo de investigación. Además, The Economist anunció sus datos del Índice Big Mac para su primer programa de código abierto que utiliza R.
"Hay una diferencia entre los economistas y los que están formados en economía. La mayoría de los equipos de ciencia de datos no requieren necesariamente un economista a menos que estén trabajando en problemas como la previsión a largo plazo. Sin embargo, aquellos que están capacitados en economía pueden ayudar en gran medida a los equipos de ciencias de datos a ser bien redondeados. Pueden mejorar la capacidad del equipo para ir más allá de los números y entender los matices del problema de negocios en cuestión, formular el problema correcto y construir soluciones que puedan ser fácilmente consumidas por las partes interesadas del negocio", agregó Sayandeb.
