Современный экономист должен уметь не только объяснять происходящие экономические события, но и прогнозировать будущие, предлагать стратегии развития. Главная дисциплина экономиста — математика. Самым мощным инструментом для анализа и практического использования данных сегодня является Data Science. Об основах работы экономиста с данными школьникам рассказала д.э.н., доцент департамента прикладной экономики НИУ ВШЭ Елена Вакуленко в рамках лектория Экономической школы ФЭН.
Елена Вакуленко — выпускница факультета экономических наук, сейчас руководит онлайн-программой магистратуры «Экономический анализ». Свою лекцию она назвала «Мир вокруг нас как источник данных для экономиста». Выступление она начала с цитаты профессора Вышки Бориса Кузнецова, который выделяет три специализации экономистов по аналогии с врачебными специальностями: терапевты, хирурги и патологоанатомы.
Терапевты занимаются анализом, своего рода постановкой диагноза экономической болезни. Прогнозирование можно сравнить с хирургией: в ряде задач прогноз делается для предотвращения возможных негативных последствий. Академик РАН Юрий Яременко сказал однажды: «Мы разрабатываем прогнозы, чтобы они не сбывались». Представители же третьей экономической специализации изучают то, что уже произошло.
В любом случае экономист должен уметь не только объяснять происходящие экономические события, но и прогнозировать будущие, предлагать стратегии развития. Для успешной карьеры аналитика самые важные качества — критическое мышление и умение работать с данными. Как говорят студенты экономического факультета, «хочешь зарабатывать умом — поступай на эконом».
«Еще одно очень важное качество — испытывать интерес к тому, что делаешь. Делайте то, что вам интересно. Только тогда вы сможете сделать действительно что-то стоящее», — отметила Елена Вакуленко.
Так как любое решение или прогноз должны быть обоснованы модельными расчетами, очень важно знать инструменты анализа, поэтому главная дисциплина экономиста — математика. На сегодняшний день самым мощным инструментом для анализа и практического использования данных является Data Science. На основе статистической информации выстраивается эконометрическая модель, которая помогает понять, под воздействием каких факторов исследуемый показатель изменялся в прошлом, для того чтобы использовать это знание в будущем. Экономисты все чаще прибегают к анализу больших данных, для этого им необходимо знание методов машинного обучения.
Фото: iStock
При этом 90% работы — это подготовка данных для анализа.
Прежде всего нужно найти источники информации, собрать необходимые данные, очистить их и подготовить к обработке, затем — исследовать закономерности в количественном выражении и сделать выводы.
Сегодня множество открытых данных можно найти в интернете: практически все ведомства публикуют отчеты и официальную статистику о своей деятельности. Кроме того, специалисты используют данные Google Trends и статистики «Яндекс» по запросам и поисковым словам, данные социальных сетей (смена геолокаций, посты и реакция на них), исследование реакции на новости (оценка тональностей), в том числе в телеграм-каналах, а также парсинг сайтов (например, сбор информации о ценах на квартиры и их характеристиках, агрегация информации о вакансиях и предлагаемых заработных платах и т.д.). Один из примеров использования данных Google Trends подробно описан в работе Елены Вакуленко и Георгия Броницкого «Прогнозирование миграции из России в Германию с использованием Google-трендов».
«Интернет знает о современных пользователях очень многое: где живут и работают, чем интересуются, где и что покупают, как проводят свободное время, с кем дружат и строят отношения. Анализ социальных сетей может помочь при прогнозировании инфляции, миграции населения или финансовых рынков», — отметила Елена Вакуленко.
Также источниками данных для экономистов становятся опросы, наблюдения и эксперименты. Например, НИУ ВШЭ с 1994 года ежегодно проводит Российский мониторинг экономического положения и здоровья населения (РМЭЗ НИУ ВШЭ). В опросе принимают участие более 10 тысяч индивидов из 4 тысяч домохозяйств. Респондентам задают блок одних и тех же вопросов — так собираются панельные данные. Собственные опросы проводят многие подразделения Вышки, а также студенты и аспиранты для своих исследований.
Бывает, что для проверки своих гипотез экономисты проводят эксперименты, но это происходит очень редко, так как это долго и дорого. Например, ученые США в 80-х годах организовали масштабный проект STAR (Student/Teacher Achievement Ratio). Его целью было выяснить, помогает ли обучение в маленьких группах достигать больших академических успехов. Исследователям пришлось задействовать несколько тысяч американских школьников, потратить четыре года и порядка 12 млн долларов. При поступлении в начальную школу детей случайным образом распределяли по классам разного типа: стандартного размера (22–25 человек) или уменьшенного (13–17 человек). Согласно результату эксперимента, обучение в маленьком классе при прочих равных условиях увеличивает результаты школьника на итоговом тесте примерно на 6 баллов из 100.
В заключение Елена Вакуленко пригласила слушателей присоединиться к бесплатному математическому лагерю для абитуриентов бакалавриата ФЭН, а также прослушать онлайн-курсы по высшей математике от НИУ ВШЭ и принять участие в серии открытых вебинаров программы «Профессия экономиста: от студента до эксперта».
