L'année dernière, le géant du commerce électronique Amazon a commencé à travailler sur un modèle, combinant l'IA et l'économétrie, pour prédire les fluctuations de prix. L'équipe de base de l'IA d'Amazon estime que le modèle peut être amélioré pour prédire l'inflation. Un économiste a joué un rôle essentiel dans le déploiement efficace du modèle d'apprentissage automatique pour ce projet, a déclaré l'équipe.
« je crois que les économistes ont les bonnes bases pour exceller dans la science des données. Dès le début, les étudiants en économie apprennent à traiter les données à travers différentes matières telles que l'économie, les statistiques et les mathématiques. Des concepts importants tels que la corrélation, les tests d'hypothèses, l'économétrie (application de méthodes statistiques aux données économiques), l'algèbre linéaire, constituent la base des projets de science des données. Même pendant les sessions de « codage », les étudiants apprennent à « analyser et tirer des informations » à partir des données, plutôt que de « optimiser le code » efficacement par rapport aux écoles d'ingénieurs », a déclaré Shirish Gupta, scientifique en chef des données chez Novartis.
Il est maintenant clair que l'économie et la science des données font de bons compagnons de lit. Mais quelle valeur un économiste apporte-t-il à la science des données et, par conséquent, les économistes peuvent-ils faire de bons scientifiques des données? On le découvre.
Le problème de codage
La plupart des économistes traitent de programmes informatiques statistiques comme STATA qui fonctionnent bien avec la science des données. Cependant, être couramment dans les langages de programmation tels que Python, MATLAB et R peut aider les économistes à déchiffrer le code de la science des données.
« j'ai rencontré de nombreux scientifiques de données talentueux qui se sont formés en économie, mathématiques, statistiques, commerce, etc., sans aucune formation en programmation. Même ceux de plusieurs filières d'ingénierie, y compris civile et chimique, ont souvent très peu d'exposition à la programmation, du moins en Inde. Ce que nous appelons les compétences de codage pour la science des données sont en fait la capacité de penser logiquement et de comprendre les structures de données sous-jacentes », a déclaré Sayandeb Banerjee, PDG de TheMathCompany.
Grâce au chevauchement entre l'apprentissage automatique et l'économétrie, la courbe d'apprentissage s'est raccourcie. En outre, les économistes ont une bonne compréhension des mathématiques qui sous-tendent les méthodes de science des données. La tribu prospère sur la construction d'un ensemble de règles pour résoudre des concepts abstraits, un peu comme les scientifiques de données.
Détection des biais
L'économétrie est l'application de méthodes statistiques aux données économiques pour démêler les relations causales. Les scientifiques des données construisent des modèles pour trouver des modèles dans les ensembles de données. Les économistes nourrissent un scepticisme sain à l'égard des données et corrigent les biais potentiels d'un modèle statistique sur la base de preuves empiriques et d'essais contrôlés. Les économistes sont formés pour remettre en question les résultats et disposent des outils nécessaires pour détecter les biais dans un ensemble de données. Ces compétences peuvent être traduites pour optimiser les méthodes de data science.
Présentation des données
Aujourd'hui, la présentation des données est presque aussi essentielle que les données elles-mêmes. Les économistes ont la capacité de présenter des données complexes à des parties prenantes d'horizons non techniques tels que les gestionnaires, les spécialistes du marketing, les rédacteurs et les clients d'une manière intelligible. Les data Scientists, qui sont généralement issus de disciplines STEM, ont du mal à relayer les méthodes et les résultats complexes. Les économistes peuvent combler le vide pour permettre une communication transparente.
« les économistes viennent avec un cadre intégré de résolution de problèmes. Ils sont généralement doués pour communiquer le travail quantitatif à un public plus large. Ils ont une forte emprise sur le comportement humain et peuvent ainsi relier les points et être un pont entre les programmeurs, la direction et les entreprises. Leur esprit est conditionné à penser au-delà des chiffres, à adopter une approche interdisciplinaire à l'égard d'un problème donné et à l'interpréter comme un moyen de générer des idées exploitables », a déclaré Suvadip Chakraborty, vice-président de HSBC.
Concept
Les économistes peuvent aider les clients à naviguer dans les questions financières et réglementaires autour de leurs systèmes. Ces connaissances sont inestimables pour comprendre les implications des modèles d'apprentissage automatique. Il est essentiel de comprendre l'impact de la technologie de l'IA, en particulier au milieu d'une pandémie. Les économistes peuvent creuser les entreprises hors des trous dans le sillage des perturbations de la chaîne d'approvisionnement de masse.
Les économistes sont souvent formés pour regarder à travers une lentille plus large pour relier divers événements plus petits ensemble et donner un sens à cela. La science des données est principalement appliquée sur un sujet spécifique qui a des liens en arrière et en avant. Les économistes peuvent rendre un modèle plus holistique avec leur compréhension des éléments macro et micro affectant un événement. Les économistes peuvent mieux comprendre un problème commercial en se concentrant sur la « vue d'ensemble » et ils peuvent aider à concevoir une solution / un actif plus complet et ciblé », a déclaré Indrajit Mitra, directeur associé chez Deloitte Consulting.
Au cours des dernières années, la science des données a embrassé l'économie en grand nombre. Selon une étude de 365 DataScience, environ 13% de la récolte actuelle de data Scientists ont un diplôme en économie. La perception selon laquelle l'économie est concernée par des idées au-delà des sciences des données s'est estompée. Le prix Nobel d'économie en 2018 a été décerné à Paul Romer qui a utilisé le logiciel open-source Jupyter Notebooks tout en reproduisant et partageant ses travaux de recherche. En outre, The Economist a annoncé ses données Big Mac Index pour son premier programme open-source qui utilise R.
« il y a une différence entre les économistes et ceux qui sont formés en économie. La plupart des équipes de science des données n'ont pas nécessairement besoin d'un économiste à moins qu'elles ne travaillent sur des problèmes tels que les prévisions à long terme. Cependant, ceux qui sont formés en économie peuvent grandement aider les équipes de science des données à être bien équilibrées. Ils peuvent améliorer la capacité de l'équipe à aller au-delà des chiffres et à comprendre les nuances du problème commercial à portée de main, à formuler le bon problème et à créer des solutions qui peuvent être facilement consommées par les parties prenantes de l'entreprise », a ajouté Sayandeb.
