En el artículo previo mencioné la importancia que tienen los indicadores de la actividad económica para conocer el desempeño de la economía, tomar decisiones de inversión y guiar la implementación de políticas públicas.
Al respecto, recientemente se han generado avances significativos que permiten estimar la actividad económica con datos alternativos. Estos avances se han desarrollado gracias a nuevas técnicas computacionales que permiten el procesamiento de grandes cantidades de información (métodos de gran escala o big data) así como al desarrollo de disciplinas como la inteligencia artificial, el aprendizaje de máquina y la ciencia de datos.
Pero… ¿Qué son los datos alternativos? Los datos alternativos hacen referencia a la información que aún no se ha incorporado plenamente en la medición convencional de la actividad económica. Los datos alternativos suelen utilizarse para estimar modelos de nowcasting, los cuales se caracterizan por utilizar información en tiempo real o de alta frecuencia para predecir indicadores económicos.
Los datos alternativos más comunes para medir la actividad económica incluyen datos administrativos, búsquedas en internet, datos de movilidad y tráfico, información de redes sociales, imágenes satelitales, datos georreferenciados, entre otros. A continuación, hago una breve y concisa recapitulación de estos datos.
Algunos ejemplos de los datos administrativos que se han incorporado en la medición de la actividad económica incluyen información relacionada con consumo de bienes y servicios como gasolina y electricidad, gasto en tarjetas de crédito y débito, emisión de facturas y afiliación de trabajadores a instituciones de seguridad social.
Las empresas privadas también generan información que permite monitorear la actividad económica, incluso algunas empresas han hecho pública esta información. Uno de los casos más emblemáticos esta relacionado con analizar las búsquedas en internet a partir de Google Trends. De hecho, el uso de esta información ha tenido gran influencia en la academia, por ejemplo, el artículo “Predecir el presente con Google Trends” de los economistas Choi y Varian es una de las investigaciones pioneras y con mayor relevancia en el tema.
Otro caso relevante se dio durante la pandemia cuando se generaron e hicieron públicos dos indicadores de movilidad de los usuarios de dispositivos móviles de Apple y usuarios de la plataforma de Google. Esta información fue utilizada por gobiernos para monitorear la caída y recuperación de la actividad económica. Adicionalmente, la información del tráfico también permite conocer el nivel de actividad económica, pensemos en la información de generada por Uber.
Otra de las formas de obtener datos alternativos es a partir del “análisis de sentimiento”, la cual es una técnica de procesamiento del lenguaje que evalúa y clasifica la actitud o emoción expresada en un texto, determinando si es positiva, negativa o neutra. Un ejemplo del uso del análisis de sentimiento para predecir la actividad económica es a partir de los patrones lingüísticos expresados en documentos oficiales como las minutas de la política monetaria del banco central, dependencias públicas o centros de investigación económica.
Por otro lado, las imágenes satelitales permiten estimar la actividad económica y el nivel de urbanización en diferentes zonas geográficas. Uno de los ejemplos más usuales es monitorear la intensidad de la luz artificial en las noches. Muy de la mano con esta información, los datos georreferenciados -con latitud y longitud- permiten conocer la actividad económica en determinadas zonas geográficas e industrias, por lo que ayudan a identificar a detalle los mayores puntos de producción y las cadenas de suministro asociadas. Aquí un ejemplo:
Concluyo este artículo haciendo énfasis en que los datos alternativos son una fuente de información en constante desarrollo que ayudan a conocer la evolución de la economía con un gran nivel de detalle.
¡La vida es mejor con datos!
Transformo datos en estrategias de crecimiento empresarial.
Por Luis Federico Puente
Director general de Datamétrica (@DatametricaMX)
Sígueme en Twitter @LuisPuenteP
