Economistas en ciencias de datos: un terreno fértil y una adaptación con impronta bilardista

Cuando Tomas Castagnino estudió economía no había tal cosa como la "ciencia de datos", tal vez en el mismo sentido en el que antes de Newton no había gravedad. O quizás sí, pero se le decía de otra forma, como "cortado" al ahora " flat white ". Años después y desde su cargo de director de Investigaciones en Economía y Ciencia de Datos en Accenture, Castagnino dice: "Los economistas en ciencia de datos nos tuvimos que volver más bilardistas de lo que el menottismo académico pregona", lo que sugiere que la migración de economistas al ámbito de los datos exige alguna adaptación pragmática. Lo cierto es que la ciencia de datos es un terreno fértil para los jóvenes profesionales de la "ciencia sombría", muy demandados por empresas como Mercado Libre, Accenture, Amazon o Facebook.

"En los economistas vemos una interesante capacidad para pensar problemas de la vida real en términos de datos y estadísticas" dice Fredi Vivas, CEO de RockingData, que habitualmente contrata a estos profesionales. Una de las principales ventajas de la profesión es la capacidad de razonar en términos de equilibrio general, en el sentido en el que Juan Carlos de Pablo decía que "el economista es el que en las reuniones hace hablar a los que no fueron invitados", no por generoso sino por estratega: es el economista el que en una reunión de Coca Cola va a pensar como si fuese de Pepsi.

Pero este perpetuo juego de ajedrez muchas veces le hace malgastar energías, al distraerlo con la posibilidad de que una piña en el ojo sea un cabezazo al puño. La economía es una disciplina sobreentrenada en detectar la falacia de la correlación, esa que dice que una cosa es correlación y otra causalidad. Pero el temor a esta falacia lo lleva a concluir erróneamente que las correlaciones no sirven para nada. Cuando ve que cada vez que llueve la gente anda con paraguas, el economista no cae en la trampa de proponer prohibir su uso para detener el aguacero, pero se pierde la oportunidad de predecir que en una ciudad que llueve con frecuencia hay muchos hogares que tienen paraguas.

Belén Michel Torino y Juan Martín Borgnino, jóvenes economistas con estudios de posgrado en ciencia de datos, señalan que la principal limitación que encontraron en machine learning fue "domar" el impulso causal de la economía para abrazar la naturaleza inductiva, descriptiva y predictiva de la ciencia de datos. Al instinto deductivo de los economistas le cuesta concluir "jirafa" si se habla de un animal de cuatro...

Para continuar leyendo

Solicita tu prueba

VLEX utiliza cookies de inicio de sesión para aportarte una mejor experiencia de navegación. Si haces click en 'Aceptar' o continúas navegando por esta web consideramos que aceptas nuestra política de cookies. ACEPTAR