Si te gustan los datos, te va a encantar la econometría. Me gusta decir que la econometría es la ciencia de datos original (en realidad me lo robé de la página de Joshua Angrist de su libro Mastering Metrics). No es una exageración. La econometría es ciencia de datos antes de que esta fuera popular.
No es que la ciencia de datos sea un rebranding de la econometría, es que nacieron en diferentes épocas y con diferentes objetivos en mente. La econometría nació mucho tiempo antes de las computadoras personales, no se hable de la era de Big Data y los algoritmos de las redes sociales.
Orígenes de la econometría
La econometría nació en los años 1940 como una solución a la creciente necesidad de procesar datos macroeconómicos que se registraban en agencias estadísticas para gobiernos a nivel nacional. Estos registros incluyen estimaciones de precios e indicadores macroeconómicos cuyos registros se hacían de manera manual y en ocasiones se procesaban en ordenadores del tamaño de una habitación (creo que he vivido en departamentos mas pequeños que las computadoras de entonces).
El objetivo en aquel entonces era dar un poco de certidumbre ante situaciones complejas a un costo razonable. Cada registro de información costaba mucho de obtener y por lo tanto había que extraerle lo más posible de información.
¿De donde salió el nombre?
La palabra econometría viene de dos palabras griegas: oikonomía (administración o economía) y metron (medir). Esto implica que la palabra significa algo así como mediciones económicas. Pero la econometría no se trata sólo de medir. Una gran parte de la tarea del econometrista es darle sentido a la información que otras personas han tomado.
Existe una leyenda de que la palabra Econometrics se volvió popular después de que un mecanografista escribió "economic tricks" (trucos económicos) en lugar de "econometrics", algo que ha servido para alimentar la mala fama que en ocasiones tiene.
Econometría vs Ciencia de Datos
A partir de la entrada de los smartphones al mercado, los modelos de negocio de las empresas de mercadotecnia han cambiado en todo el mundo. Desde que muchos de nosotros tenemos una computadora en nuestros bolsillos todo el tiempo, la recolección de los datos de nuestra interacción con aplicaciones es constante. En la actualidad las grandes compañías guardan millones de puntos de datos diariamente y el Internet de las Cosas hace que todos los movimientos queden registrados.
Parecería que en un mundo con Big Data no hay espacio para la econometría, pero eso no es ver el panorama completo por dos razones: La econometría ha evolucionado y aún se siguen utilizando sus técnicas (o trucos) en las inferencias que se realizan en las grandes compañías de tecnología.
Por ejemplo, Twitter utiliza técnicas econométricas de inferencia causal para adivinar si un tweet va a ser relevante o no para los usuarios antes de tener toda la información. Son técnicas de inferencia causal usadas en ciencia de datos.
You may have heard about this year's Economics Nobel Prize winners - David Card, Josh Angrist (@metrics52) & Guido Imbens.
Their publicly available work has helped us solve tough problems @Twitter, and we're excited to celebrate by sharing how their findings have inspired us.— Twitter Engineering (@TwitterEng) October 18, 2021
En la actualidad las palabras Big Data, Data Science, Machine Learning e Inteligencia Artificial se han vuelto un buzzword, una palabra que aunque llame mucho la atención, pierden sentido por su abuso.
