En pleno auge, la "datanomics" ya tiene sus propias tribus

Las tribus urbanas son un fenómeno tan viejo como las urbes. Así caqueros, petiteros, chetos, pardos, rockeros, rolingas, floggers, emos y cumbieros han hecho sus apariciones (y desapariciones) estelares a lo largo de la historia reciente. Los economistas no son ajenos a estos ejercicios taxonómicos y así es como se escucha hablar de monetaristas, keynesianos, desarrollistas, neoclásicos, austríacos, etcétera, grupos usualmente definidos sobre la base de escuelas de pensamiento, filosofías o metodologías.

Pero existe una dimensión muy interesante (y reciente) que genera "tribus de economistas": su postura frente al uso de datos. Cuestión no menor a la luz del aluvión de información asociada a big data, del abaratamiento de los costos computacionales y de la ancestral afinidad de la economía con lo cuantitativo. He aquí entonces un recorrido por este paisaje urbano/económico en relación con lo que sus practicantes hacen con los datos. Las guerras entre ellos pueden seguirse en tiempo real a través de los dardos venenosos que a diario se lanzan por Twitter varios de los mencionados en esta nota.

Los estructurales: no confundir con los estructuralistas, una importante corriente de pensamiento. Como es de esperar creen en la "estructura": un modelo matemático que representa relaciones económicas. Para ellos los datos son una suerte de ejecución del modelo, es decir, surgen de verlo funcionar, de modo que el rol de los datos consiste en iluminar aspectos desconocidos del modelo que hipotéticamente los genera. Y así como los petiteros se reunían y derivaban su denominación del Petit Café porteño, un espacio de acción de esta tribu es el campo de la Organización Industrial, rama de la economía que estudia cómo se organizan los mercados. Una herramienta crucial es la teoría de los juegos, usada para construir modelos de comportamiento. Algunos rincones de la macroeconomía también albergan a varios conspicuos integrantes de esta tribu. Ámbitos: universidades. Ídolo: Michael Keane (Oxford). Frase de cabecera: "¿Existe el equilibrio?" Jerga: método generalizado de momentos. Ideología: derecha light. Software: Matlab.

Los experimentalistas: acérrimos enemigos de los anteriores, descreen de la formalización excesiva y opinan que los modelos estructurales son una suerte de tautología cuyas conclusiones son una consecuencia obvia de un modelo caprichoso, cuando no irrealista. Por el contrario, privilegian una visión aséptica de las relaciones causa y efecto, sobre la base de experimentos cuya interpretación no depende de creer en un modelo. Por ejemplo, a fin de medir el efecto de dar computadoras a los alumnos de una escuela, los estructuralistas construirían un modelo donde resulte claro cómo el uso de éstas se traduce en un mejor rendimiento escolar, y los datos se usarían para estimar los parámetros desconocidos de este modelo. Por el contrario, el grupo adversario diseñaría un experimento en donde a un grupo se le asigna computadoras y a otro no, al azar, como un médico probando una droga. Esta estrategia permitiría medir el efecto deseado aun sin proveer una explicación de por qué las computadoras ayudan al aprendizaje: funciona o no funciona, sin que esté claro cómo. Esta inhabilidad de explicar es vista como una limitación por los estructurales y como una virtud por los experimentalistas, que se jactan de medir el efecto causal sin que los resultados dependan de la validez de ningún modelo. De modo que los estructurales confían en el modelo y de ahí derivan sus mediciones, mientras que los experimentalistas cuantifican fenómenos independientemente del modelo, sólo a través de un experimento bien diseñado. Ámbitos: economía de la educación, economía laboral. Ídolos: Joshua Angrist y Esther Duflo (MIT). Frase de cabecera: "¿Cuál es tu estrategia de identificación?" Jerga: variables instrumentales. Ideología: derecha con conciencia social. Software: Stata.

Los "temporalistas": este grupo necesita realizar predicciones confiables. Ante el problema de predecir lluvia usaría datos de ventas de paraguas, aun cuando cualquiera sabe que usarlos no provoca lluvia, más allá de que siempre que llueve la gente los lleva. Otorgan un rol fundamental a los datos y al pasado, en la medida en que éstos revelen patrones interesantes más allá de que refieran o no a un problema causal (como los experimentalistas) o remitan a un modelo, como los estructurales. El precio de las acciones, el tipo de cambio o la tasa de interés son sus objetivos favoritos. Ámbitos: finanzas, bancos. Ídolo: Frank Diebold (Universidad de Pennsylvania). Frase de cabecera: "¿Converge o no?" Jerga: cointegración. Ideología: derecha pragmática. Software: Eviews.

Los descriptivos: intentan ordenar el caos informativo y presentar hechos concretos. Los otros grupos los juzgan como "flojos" porque no se basan en ningún modelo concreto, porque no intentan medir fenómenos causales o no apelan a métodos estadísticos estrafalarios, sino que, por el contrario, prefieren estrategias simples y de fácil comunicación. Se defienden diciendo que sin descripción no hay caracterización de problemas, y contraatacan argumentando que los grupos anteriores tienen una inevitable tendencia a resolver correctamente el problema equivocado, porque entienden la solución, pero no el problema, ya que no lo han descripto correctamente. Ámbito: desarrollo económico, pobreza. Ídolo: Angus Deaton (Princeton). Frase de cabecera: "La economía se salteó su etapa inductiva". Jerga: ponderadores muestrales. Ideología: izquierda sofisticada. Software: Excel.

Los analistas: se parecen a los temporalistas, pero su práctica consiste en hacer predicciones condicionales, no necesariamente en el tiempo. Por ejemplo, intentan predecir si una persona pagará un crédito según sus antecedentes, qué película le gustará dadas las que vio, etcétera. Abrazan fervientemente la causa de big data. Descreen de todos los grupos anteriores. Para ellos, no hacen falta modelos ni experimentos, ya que la abundancia de datos habla por sí misma. Ámbito: empresas grandes. Ídolo: Hal Varian (Google). Frase de cabecera: "Big data es el fin de la teoría". Jerga: validación cruzada. Ideología: ¿ideología? Software: R o Python.

Y claramente la lista es interminable. Un breve paneo resalta a los oportunistas, que se guían por modas y pruebas por autoridad ("Susan Athey usa machine learning"), son afines a los tecnicismos (preferentemente en inglés) y han "militado" en todos los grupos anteriores, nunca en forma simultánea. Los escépticos descreen de la posibilidad de subsumir la naturaleza humana a números, la matemática es su kriptonita. Los arqueólogos dedican su energía a realidades complejas como la medición del PBI o el stock de capital de una economía, con un esfuerzo comparable al de un paleontólogo tras un mínimo rastro de dinosaurio en un desierto; las cuentas nacionales son su baticueva. Están también los teen agers, adictos a cualquier tecnología siempre y cuando sea difícil, porque sabiendo que lo relevante es complejo se creen que si hacen cosas complicadas están lidiando con algo relevante. Y finalmente están los teóricos, que se jactan de que sus elucubraciones no están afectadas por esa cosa que el resto llama "la realidad" y de no entender el propósito de esta nota.

Profesor de la UdeSA e investigador principal del Conicet