previsioni economiche
Big Bang Data exhibit at CCCB 17, by Kippelboy, CC BY 3.0, via Wikimedia Commons

Fare previsioni economiche al tempo dei big data

All’inizio dell’estate 2008, a poche settimane dall’inizio della Grande Crisi, solo un analista su tre seppe prevedere che nel trimestre successivo ci sarebbe stato un calo del Pil. Ogni tentativo di predire i futuri andamenti dell’economia si è sempre scontrato con grandi difficoltà, per lo più dovute al fatto che i principali indicatori utilizzati per misurare i fenomeni economici sono basati su dati non aggiornati, incompleti o viziati.

La rete mette oggi a disposizione di economisti, policy makers e uomini d’azienda una serie di fonti di informazione alternative, contenute nel vasto bacino di “big data” reperibili grazie ai motori di ricerca e ad altri servizi web. Ne dà alcuni esempi Tara M. Sinclair, chief economist di Indeed e docente di economia alla George Washington University, in un articolo su Project Syndicate.

“Per chi come noi opera nella ricerca di personale”, scrive Sinclair, “i dati in tempo reale provenienti dal mercato del lavoro consentono di individuare i settori nei quali è più vivace la ricerca di nuovi candidati. Basta analizzare le inserzioni nel settore dell’edilizia, per esempio, per farsi un’idea dei trend delle nuove costruzioni rispetto all’anno precedente, il che consente anche di fare previsioni sui futuri andamenti del mercato immobiliare. Se invece guardiamo a come si comportano le persone in cerca di impiego potremo capire qual è la loro percezione dello stato di salute del mercato del lavoro, e di conseguenza della crescita economica”.

Il progetto Billion Prices del Mit misura l’andamento dell’inflazione utilizzando i dati in tempo reale  delle transazioni effettuate su centinaia di negozi online in tutto il mondo. Un’informazione analoga è offerta dal Google Price Index (e, per restare a Mountain View, Google Trends consente di avere in tempo reale il polso delle ricerche effettuate dagli utenti sul web).

Anche fra i social media si possono trovare indicatori economici di notevole interesse. Un esempio è l’hashtag #NFPGuesses, un’aggregazione settimanale di previsioni sui non-farm payroll (indicatori della creazione di posti di lavoro calcolati misurando la variazione nel numero di persone che hanno trovato impiego durante il mese precedente). Zillow, un servizio immobiliare online, raccoglie informazioni su vendite di immobili e mutui, mentre aziende come SpaceKnow usano le immagini dei satelliti per monitorare la produzione.

“A differenza degli indicatori basati su campioni statistici”, spiega Sinclair, “questi nuovi dati riflettono in tempo reale il comportamento degli attori economici e consentono quindi di cogliere variazioni che finora sfuggivano all’osservazione. Ad esempio, i dati relativi a ricerche e offerte di lavoro possono costituire una base di elaborazione per prevedere l’andamento dell’occupazione nel mese successivo. Se ben utilizzate, queste nuove fonti di informazione sono potenzialmente in grado di rivoluzionare le previsioni economiche. In passato, era necessario estrapolare le previsioni da poche fonti scarsamente attendibili. Nell’era dei Big Data, il problema è riuscire a filtrare e analizzare enormi quantità di informazioni. Non è sufficiente raccogliere i dati: per ottenere previsioni significative bisogna anche saperli inserire in un quadro analitico appropriato”.

Michele Riva

Ha diretto per quindici anni i libri di economia e management del Sole 24 Ore. È stato direttore responsabile de L'Impresa. È consulente di aziende e case editrici per la creazione di progetti editoriali tradizionali e digitali. Ha fondato e diretto la casa editrice milanese Serra e Riva Editori e ha lavorato alla divisione libri della Mondadori.

Lascia un Commento

x

Guarda anche

Quanto guadagna un amministratore delegato

Le retribuzioni fisse e variabili dei vertici delle maggiori società quotate italiane analizzate nello studio annuale di Mercer