Un profesor argentino revoluciona el análisis de Big Data en el MIT

Los censos del futuro. Inteligencia artificial lee el mapa y convierte los patrones de actividad en medidas numéricas, obteniendo un PBI en tiempo real. Maravilloso.
Cuando Alberto Cavallo era un niño que crecía en Argentina a fines de la década de 1980, el país latinoamericano sufría una de sus crisis ocasionales. La inflación era desenfrenada, por lo que incluso los viajes de compras eran una carrera diaria agitada.
Cavallo y su madre irían todos los días al banco y retirarían solo los pesos necesarios para las compras necesarias, manteniendo el resto de sus ahorros en dólares. Luego corrían a la tienda local y tomaban lo que necesitaban lo más rápido posible, con la esperanza de llegar al mostrador antes de que la lista de precios se actualizara nuevamente. «Si no llegábamos a la caja registradora a tiempo, teníamos que volver al banco y comenzar de nuevo», recuerda tristemente.
Pero la experiencia sembró las semillas de lo que se ha convertido en uno de los experimentos más intrigantes en el mundo normalmente serio de las estadísticas económicas: un intento de aprovechar la explosión de «big data» para mejorar, complementar y quizás reemplazar las formas tradicionales de datos que todavía informa y da forma a los puntos de vista de un sinnúmero de políticos, políticos, académicos y miles de millones de dólares en inversión.
Cavallo es hoy profesor de Economía Aplicada en el MIT, donde dirige el Billion Prices Project con Roberto Rigobon, otro profesor del MIT. El proyecto comenzó en 2006, durante un período en el que el entonces gobierno argentino fue acusado de manipular sus datos de inflación. Los profesores Cavallo y Rigobon se dieron cuenta de que compilando los precios en línea listados por los minoristas argentinos podrían construir una medida más precisa y contemporánea de la verdadera tasa de inflación. Desde el último cambio de gobierno en 2015-16, Argentina ha publicado un indicador de inflación más preciso.
El brazo comercial del proyecto, PriceStats, ahora recopila suficientes datos para proporcionar actualizaciones de inflación diarias para 22 economías. «Fue una especie de accidente. Pero rápidamente nos dimos cuenta de que tenía aplicaciones en otros lugares «, dice el profesor Cavallo.
El proyecto es solo un ejemplo de una tendencia más amplia de rastrear el creciente mar de grandes datos en busca de pistas sobre cómo se desempeñan las empresas, industrias o economías enteras. Algunos datos ya proporcionan información útil, aunque imperfecta. Pero algunos expertos pronostican que las huellas dactilares digitales de nuestras vidas en línea podrían finalmente convertirse en un mapa en tiempo real de las tendencias económicas que hacen que los datos actuales se vean tan arcaicos como la información sobre el transporte ferroviario de los años veinte.
El rastro de nuestro escape digital es incomprensiblemente vasto. Se estima que la generación de datos anuales del mundo se duplicará cada año, y el tamaño total alcanzará 44 zettabytes (eso es billones de gigabytes) para 2020, según un estudio de International Data Corporation. Si toda esta información se coloca en las tabletas de gama alta, la pila alcanzaría desde la Tierra hasta la luna más de seis veces.
«Todo lo que quiera saber sobre la economía es cognoscible en este momento, si puede acceder al conjunto de datos correcto», dice Tammer Kamel, director de Quandl, un proveedor de datos alternativo. «Esta es una de las grandes oportunidades. Estos informes económicos son lentos, pero se mueven en el mercado, y al levantar las rocas adecuadas, se puede conocer ahora «.
Esto puede sonar ambicioso, dado que los macrodatos pueden estar plagados de defectos y sesgos obvios u oscuros. Pero algunos científicos de datos dicen que a medida que más de nuestras vidas migran en línea, podríamos estar acercándonos al momento en que las estadísticas económicas casi instantáneas se hagan realidad.
«Organizar todos los datos y ponerlos en la forma correcta no es un desafío insignificante», dice Jonathan Shaw, director de un nuevo programa en el Instituto Alan Turing en Londres sobre el aprovechamiento de datos alternativos en la investigación económica. «(Pero) en 10 años, imagino que estaremos mucho más cerca de un mapa de la economía en tiempo real. Si no tenemos eso en una década, estaría decepcionado »
Cuando el Reino Unido votó por abandonar la UE en 2016, muchos economistas predijeron una rápida calamidad. Una encuesta sobre el optimismo del sector servicios sufrió su mayor caída en sus 20 años de historia inmediatamente después de la votación Brexit, y Goldman Sachs predijo que el Reino Unido caería en una recesión. Pero la economía hasta ahora ha demostrado ser extraordinariamente resistente en el período anterior a la partida del Reino Unido.
No todos estaban equivocados. En 2015, Schroders, el grupo de inversión del Reino Unido, estableció una unidad de información de datos para ayudar a analizar grandes cantidades de información digital nueva, incluidos datos de tarjetas de crédito que le permitieron vislumbrar patrones de gasto en tiempo real. A pesar de la penetrante sensación de pesimismo, los datos mostraron que hubo un impacto insignificante.
«Podríamos decirles a nuestros gestores de fondos que las cosas se veían bien, y unos meses después los datos oficiales confirmaron esto», dice Mark Ainsworth, jefe de análisis de datos en Schroders. «Todos estos datos digitales pueden brindarle una visión más contemporánea de la economía».
Esta nota se publicó en Financial Times el 1 de febrero pasado. La foto satelital,  intenta graficar la inmensidad de información y cómo se pueden obtener estadísticas económicas de forma casi instantánea, . Cavallo poryectó ayudar a los gobiernos y los bancos centrales a tomar decisiones más rápidamente. Aquí, SpaceKnow toma millones de instantáneas de más de 6.000 instalaciones manufactureras chinas, y utiliza la inteligencia artificial para convertir los patrones de actividad en una medida numérica.