داده‌های به‌هنگام و موج سوم اقتصاد

کلمات کلیدی: اکونومیست، موج سوم اقتصاد، کووید-19، اقتصاد به‌هنگام، آنالیز داده، مطالعات اقتصادی

تهیه و تنظیم: محمدهادی ناظمی

مقدمه

مدیریت کرونا در ابتدای همه‌گیری به یک چالش بزرگ برای دولت‌ها تبدیل شده‌ بود. از یک طرف هزینه زیادی به‌همراه داشت و تعداد بسیار زیادی- بیش‌از 6 میلیون نفر تا نیمه سال 2022- بر اثر ابتلا به این ویروس جان خود را از دست دادند، لذا دولت‌ها ملزم به شناخت و تصمیم درست، جهت شکسته شدن این روند بودند. از طرف دیگر، مسائل اقتصادی و اجتماعی به‌وجود آمده در اثر کرونا نیز موضوعات جدیدی بودند و با استفاده از داده‌ها و مدل‌های گذشته قابل ارزیابی نبودند. به عنوان مثال، اعمال سیاست قرنطینه بلندمدت در کشورها، اجرا طرح‌های حمایتی هدف‌مند برای اقشار خاص و تامین کالا‌های ضروری در این شرایط، جزء چالش‌هایی بود که برای پاسخ به آن، لازم بود که با استفاده از اطلاعات و داده‌های به‌روز[1] و صرف کمترین زمان، تصمیم‌گیری درست و به‌موقعی انجام شود که در کمترین زمان، سیاست اجرا شده و اثرات آن قابل مشاهده باشد.

اکونومیست در اکتبر 2021، در گزارشی با عنوان «یک تحول به‌هنگام می‌تواند به عملکرد اقتصاد کلان پایان دهد» به چگونگی استفاده از داده‌های به‌روز و آنلاین در سیاست‌گذاری و بهینه‌یابی عملکرد اقتصادی پرداخته، چگونگی ظهور موج سوم اقتصاد را توضیح داده و تأثیری که این فناوری در مهار ویروس کرونا داشته را توصیف می‌کند.[2] 

انقلاب تحلیل داده به کمک نسل جدید پردازشگرها

استفاده از داده‌ در زمینه‌های مختلف مانند پژوهش‌های علمی، کسب‌وکار و سیاست‌گذاری به تدریج رو به افزایش است. تحلیل داده‌ ابزاری است که کمک می‌کند تصمیم‌گیری‌ها منطقی‌تر و کم‌ریسک‌تر شود، پیامد آن‌ها در دنیای واقعی به سرعت مشاهده و ارزیابی شود. فرآیند تحلیل داده پیش از هر چیز نیازمند جمع‌آوری داده و نمونه‌های مناسب است. در مرحله بعد، داده‌های جمع‌آوری شده با توجه به نیاز، فرآیند آماده‌سازی را طی کرده و در ادامه، مدل یا روش پژوهشی مورد نظر طراحی می‌شود و با استفاده از داده‌ها، به اجرای مدل می‌پردازد و در انتها خروجی مدل را تحلیل و تفسیر می‌کند. در طول زمان سرعت انجام این فرآیندها و نحوه انجام آن، دچار تحولات مثبتی شده و همین افزایش سرعت و دقت، باعث افزایش کاربرد آن در زمینه‌های مختلف شده‌است.

اریک اشمیت[3]، مدیر عامل سابق گوگل، در ارتباط با جمع‌آوری داده‌ها توضیح می‌دهد «از ابتدای پیدایش تمدن تا سال 2003، پنج اگزابایت اطلاعات استخراج شده‌است، اما اکنون این مقدار در هر دو روز ایجاد می‌شود و سرعت آن نیز رو به افزایش است». پیشرفت رایانه‌ها این امکان را فراهم کرد که فرآیند مشاهده و ذخیره‌سازی داده بسیار ساده‌تر شود. آلن گرینس‌پن[4]، رئیس اسبق فدرال رزرو، برای تخمین تقاضای فولاد در دهه‌ی 50، روزهای زیادی را به بررسی ماشین‌های باری حمل فولاد اختصاص می‌داد، اما امروزه این امکان با استفاده از پیشرفت تکنولوژی، با صرف هزینه و وقت کمتر امکان پذیر است. این تغییر محدود به استخراج داده‌ها نیست، بلکه در تمام مراحل فرآیند آنالیز داده‌ها نیز سرعت پردازش افزایش یافته و این امکان، دست پژوهشگران را برای استفاده از چنین ابزار مطالعاتی بازتر کرده است.

کرونا، در نقش ماشه

مواجهه با چالش‌هایی که در ارتباط با موضوع کرونا مطرح می‌شد، با توجه به حساسیت موضوع، نیاز به اقدامات بی‌درنگ داشتند. سیاست‌مدار برای ارزیابی تاثیر قرنطینه نیاز داشت که سریع، عملکرد سیاست خود را بررسی کند؛ به همین جهت، با استفاده از داده‌های رزرو رستوران‌ها و جابجایی فیزیکی افراد با توجه به سیگنال‌های تلفن همراه، به بررسی میزان موفقیت این سیاست در عمل پرداخت. این قابلیت به کمک داده‌های به‌روز قابل ارزیابی بود و با استفاده از تئوری‌ها و داده‌های گذشته قابل استناد نبودند. به عبارتی، کرونا در پرکاربرد شدن داده‌های به‌روز نقش کاتالیزور و ماشه را ایفا کرد.

در حوزه صنعت، با توجه به تغییر سبک زندگی به‌وجود آمده در همه‌گیری کرونا، شرکت‌ها با بهره‌گیری از داده‌های به‌هنگام، سعی در افزایش کارایی و بهینه کردن سیاست‌های خود کردند. شرکت‌های رسانه‌ای با مشاهده آمار بینندگان خود سعی کردند تا سریع‌تر با ذائقه‌ی مخاطب خود آشنا شوند. شرکت‌‌های خرده‌فروشی مانند والمارت[5] با مشاهده افزایش تقاضا برای مواد غذایی و بهداشتی، سریع و هوشمندانه به بهبود زنجیره عرضه‌ی خود پرداخت. بهره‌گیری از داده‌های به‌روز در کنار کاهش وقفه در پردازش آن، پاسخی بود که با توجه به شیوع کرونا به نیازهای جدید داده‌شد.

تحولات به‌وجود آمده در استفاده از داده‌ها باعث بروز سه تغییر عمده در اقتصاد شد؛ 1- به موضوعاتی پرداخته شد که بیشتر در زندگی ملموس‌تر هستند. نمونه‌ای از این تغییر را در اجرا سیاست‌های حمایتی در دوران کرونا می‌بینیم که به کمک آنالیز روزانه میزان پرداخت وجوه افراد، مشخص می‌شود که سیاست‌گذار به چه میزان در حمایت از جامعه‌ی هدف موفق عمل کرده‌ است. 2- استفاده از داده‌ها به تاثیرگذاری بیشتر در سیاست‌گذاری عمومی کمک شایان توجهی کرد 3- و در نهایت سبب فاصله گرفتن از تئوری و حرکت به سمت مطالعات تجربی شد. راج چتی[6]، استاد دانشگاه هاروارد و از پیشگامان اقتصاد به‌هنگام[7] تعبیر جالبی از این تغییر می‌کند؛ «اجازه دهیم داده‌ها خودشان حرف بزنند». این تغییرات باعث پدید آمدن موج جدیدی در پژوهش‌های اقتصادی شد.

موج سوم اقتصاد

اکونومیست، تغییرات ایجاد شده در مطالعات اقتصادی و سبک جدید پژوهش‌ در اقتصاد با استفاده از داده‌های به‌هنگام را به موج سوم اقتصاددانان تعبیر می‌کند. در موج اول اقتصاد، اقتصاددانانی همچون آدام اسمیت،[8] کینز[9] و فریدمن[10] بیشتر به بیان تئوری می‌پرداختند. با توجه به عدم دسترسی به داده‌های قابل اطمینان، در این موج مطالعات تجربی و داده‌محور، جایگاه ویژه‌ای نداشت و حتی مورد نقد قرار می‌گرفت. بنابراین، اقتصاددانان با توجه به مشاهدات بعضا تورش‌دار[11] خود به طرح نظریه‌های اقتصادی می‌پرداختند. تئوری‌هایی مانند بازار رقابتی و نقش دولت در اقتصاد و ایده‌های اقتصاد سیاسی در این موج ظهور پیدا کردند.

با توسعه ابزارهای جمع‌آوری و پردازش داده و اهمیت پیدا کردن مطالعات تجربی برای آزمون نظریه‌های مطرح شده موج دوم علم اقتصاد ظهور کرد. در این موج، داده‌ها با وقفه زمانی در اختیار پژوهشگران قرار می‌گرفت و بیشتر ابزاری برای صحت‌سنجی نظریه‌ها و یافتن روابط علی بین متغیرها بود. دنیل همرمش[12]، در مقاله سال 2012 خود بیان می‌کند که بیش‌از نیمی از مطالعات دهه 70 میلادی، موسوم به موج اول، حول موضوعات نظری بوده و این رقم در سال 2011 به 19 درصد کاهش پیدا کرده‌است. این امر نشان می‌دهد که استفاده از داده برای آزمون تئوری‌ها و شناسایی روابط علی متغیرها افزایش یافته است. پیشرفت رایانه‌ها، رشد داده‌هایی که توسط دولت‌ها اعلام می‌شد و رقابت بین اقتصاددانان برای تاثیرگذاری در سیاست، به نوعی به پیشران موج دوم اقتصاد تبدیل شده‌ بود. ذکر این نکته ضروری است که استفاده از داده‌ در مطالعات تجربی باعث شد تعداد مقالات اقتصاددانان در موج دوم، افزایش چشمگیری داشته باشد.

مطالعات مربوط به موج سوم اقتصاددانان را اکونومیست به «مطالعات فست‌فودی» تشبیه می‌کند. در این موج داد‌ه‌های جمع‌آوری شده در شرکت‌های بزرگ، مکمل داده‌های بخش دولتی قرار گرفتند و توسعه چشمگیر رایانه‌ها و دیگر تکنولوژی‌ها مانند اینترنت، دوربین‌ها، حسگرها و توسعه علم داده و هوش مصنوعی، ابزار پژوهشگر را برای انجام کار تحقیقاتی با استفاده از داده‌های به‌هنگام متحول کرد. در موج سوم، برای بسیاری از موضوعات مورد مطالعه داده‌های فراوان و به‌روز موجود است. تئوری‌های اقتصادی نیز که از موج اول تا به امروز، به غنای خوبی رسیدند، در نتیجه سرعت در مطالعات و انتشار مقاله بسیار تقویت شده است. فاصله بین مراحل مختلف چرخه تحلیل داده نسبت به گذشته بسیار کوتاه شده‌ و همین موضوع اقبال بیشتر به این رویکرد مطالعاتی در بین اقتصاددانان را به دنبال داشته است. افزایش سرعت آماده‌سازی مقالات در پاسخ به سؤالات پژوهشی و افزایش قدرت تحلیل داده‌ها از نظر کامل بودن و به‌روز بودن، دقیقا حلقه مفقود برای پاسخ به بحران کرونا می‌باشد.

کاربرد داده‌های به‌هنگام

یکی از اتفاقاتی که در بحران مالی 2008 رخ داد و باعث عمیق‌تر شدن شدت فاجعه شد، جای خالی پژوهش‌هایی حول موضوع بحران در بین سال‌های 2009-2007 بود و در بزنگاهی که نیاز بود تا درباره‌ موضوعی این‌چنینی کار علمی انجام شود، این اتفاق رخ نداد. علت این فاصله را عدم دسترسی به داده‌های به‌روز می‌توان عنوان کرد. عدم بهره‌گیری از داده‌های به‌هنگام و تأخیر در مطالعه بر روی آن، باعث شد تا سیاست‌مداران و حتی سازمان‌های بزرگ، اقدامات خود را با تعلل زیاد اجرا کنند. به‌طوری‌که نشانه‌های رکود از سال 2006 در آمریکا با سقوط سهام بازار مسکن، قابل مشاهده بود، اما همچنان در ماه می 2008 نیز صندوق بین‌المللی پول شرایط اقتصادی را چندان رو به بحران ارزیابی نمی‌کرد و این ارزیابی اشتباه، حاصل مطالعه محدود پیرامون موضوع بحران و استفاده از داده‌های غیربه‌روز بود.

 تجربه بحران 2008، باعث شد که در موضوع کرونا رفتار متفاوتی را ببینیم. تعداد مطالعات اقتصادی از جنس موج سوم در دوره کرونا جهش چشمگیری داشته ‌است.[13] مقالات بیشتری به بررسی سیاست‌ها در حوزه کرونا پرداختند. مطالعات اقتصاددانان با استفاده از داده‌های به‌روز باعث اصلاح طرح حمایت از کسب‌وکارهای خرد شد و فاصله بین اجرای سیاست و اصلاح آن بسیار کوتاه‌تر از قبل شده بود. چین به عنوان کشوری پیشگام، از گذشته مشغول به جمع‌آوری و بررسی داده‌ها با فرکانس بالا در بسیاری از زمینه‌ها بوده است، با مشاهده تغییر روند مصرف خانوار و رفتار جامعه، خیلی زود شروع رکود و بحران را متوجه شد و همین سرعت عمل در استفاده از داده و ترتیب اثر دادن آن، باعث مدیریت بهتر بحران نسبت به بحران‌های گذشته شد.

موضوع رفراندوم برگزیت[14] در سال 2016، اولین موقعیتی بود که قدرت تحلیل داده‌های فرکانس بالا به صورت جدی مورد آزمایش قرار گرفت. دولت انگلیس و سرمایه‌‌گذاران، نیازمند تخمین شدت رکود حاصل از برگزیت، قبل از اعلام پیش‌بینی رسمی دولت از مقدار تولید ناخالص داخلی، بودند؛ به همین جهت، پاول ویتنی[15]، استاد دانشگاه و مشاور اقتصادی دولت، با استفاده از داده‌های پرتکرار در تعداد رزرو رستوران و خرید از سوپرمارکت، که نماینده تغییرات بودجه خانوار هستند، به تخمین مناسبی رسید. قبل از این مطالعه، اقتصاددانان شدت رکود را با بحران مالی 2008 مقایسه می‌کردند و نتیجه را فاجعه‌بار توصیف می‌کردند. اما پژوهش ویتنی، نشان داد که تنها رشد اقتصادی کند خواهد شد. بر اساس آمار بانک جهانی، میانگین رشد اقتصادی انگلیس بین سال‌های 2015 تا 2020، 5/0 درصد بود که برگزیت، باعث افت 2/0 درصد از سال 2016 به 2017 شد.

کاستی‌های تحلیل به‌هنگام داده‌ها

برداشت اشتباه از این ابزار می‌تواند مشکل‌زا باشد. دولت‌ها سودای پیش‌بینی وضعیت و کنترل رفتارها را در سر دارند اما داده‌های به‌هنگام و استفاده از آن در مطالعات، چندان مناسب این هدف نیست. پیش‌بینی رفتار جامعه و آینده، نیاز به بررسی ترجیحات کل جامعه دارد و در این راستا، آنالیز داده با استفاده از نمونه‌گیری می‌تواند شهودی از تاثیر یک طرح یا یک سیاست در جامعه را برای ما نشان دهد.

نکته دیگر این است که اقتصاددانان برای پیشی گرفتن از یکدیگر در اثرگذاری مطالعات خود در سیاست‌گذاری، ممکن است کیفیت را فدای کمیت و سرعت عمل کنند. نقدی که بسیار از منتقدان موج سوم اقتصاددانان مطرح می‌کنند. پژوهش‌های گذشته به دلیل تعداد کم‌ آن‌ها، وقت بیشتری از طرف محققین جهت مطالعه و داوری داشتند، بنابراین از نظر علمی مورد آزمایش و بررسی قرار می‌گرفتند، اما این جنبه از پژوهش‌های موج سوم نیاز به بازنگری دارد.

ضعف داده‌های به‌هنگام در پیش‌بینی متغیرهای سطح، یکی دیگر از کاستی‌های این روش می‌باشد. چراکه برای تخمین چنین متغیرهایی نیاز به داده‌های تاریخی و بلندمدت است، اما در حوزه داده‌های به‌هنگام به دنبال شناسایی تغییر با مشاهده داده‌های به‌روز هستیم؛ در نتیجه، داده‌های به‌هنگام بیشتر برای تخمین روند متغیرها و شناسایی تغییر آنی در آن‌ها کاربرد دارد. بنابراین در مقایسه با تولید ناخالص ملی، تغییر رشد اقتصادی را به وسیله‌ی داده‌های به‌هنگام می‌توانیم دقیق‌تر پیش‌بینی کنیم.

 کلام آخر، تحلیل داده چیزی بیشتر از یک ابزار نیست!

بدون استفاده از داده‌های به‌هنگام، مدیریت و شکست کرونا امری غیرممکن به‌نظر می‌رسید. پاسخ سریع به بحران کرونا به عنوان یک پدیده جدید و ناشناخته، نیاز به روش جدیدی داشت. توسعه تکنولوژی‌های مرتبط با داده، منجر به کوتاه شدن وقفه‌های بین چرخه‌ی تحلیل داده شده است. قابلیتی که که نه تنها در موضوع کرونا، بلکه در تمام حوزه‌هایی که نیاز است تا سریع و درلحظه اطلاعات پردازش شود، کاربرد دارد. تغییر فرآیند پژوهش‌های اقتصادی یکی از نتایج فراگیر شدنِ داده‌های به‌هنگام بود که به موج سوم اقتصاد تبدیل شد؛ پژوهش‌هایی که بیشتر به تحلیل داده‌های متناسب با مسئله متکی بوده و کمتر به بخش نظری اقتصاد می‌پرداختند و همین اتفاق باعث نزدیک شدن موضوعات به مسائل دنیای واقع و افزایش کاربردشان و همچنین رفع چالش‌های کسب‌وکار شد.

بررسی داده‌های به‌هنگام و تحلیل آن در حوزه مرتبط با اقتصاد، منجر به پدید آمدن مفهوم اقتصاد به‌هنگام شد. در بسیاری از موضوعات اقتصادی مانند تغییر سبک پرداخت، تخصیص اعتبار و شوک‌های ناگهانی نیاز است تا بر اساس داده‌های به‌روز عمل استنتاج صورت گیرد. در نتیجه، تسریع در دسترسی و کامل بودن آن‌ها، دو مولفه اصلی در توسعه این روش محسوب می‌شود. بنابراین انتظار می‌رود بهره‌گیری از داده‌های به‌هنگام با توجه به افزایش نیاز به پاسخگویی در کوتاه‌ترین زمان افزایش یابد. مزیتی که می‌تواند در آینده به برگ برنده دولت‌ها، بانک‌ها و شرکت‌ها در رقابت با هم و پیشرفت اقتصاد به‌هنگام تبدیل شود.