UBS: Εδώ και καιρό, τα οικονομικά δεδομένα εμφανίζονται όλο και λιγότερο αξιόπιστα, όπως σημείωνε πρόσφατα σε ανάλυσή του ο επικεφαλής οικονομολόγος της UBS Wealth Management, Paul Donovan.
Η παρατήρησή του αποκτά ιδιαίτερο βάρος, δεδομένου ότι έγινε μόλις μία εβδομάδα μετά την απόφαση του Αμερικανού Προέδρου να απομακρύνει την επικεφαλής του BLS. Ωστόσο, η ουσία της προειδοποίησης του Donovan βρίσκεται αλλού: στην ανάδειξη μιας δομικής αδυναμίας που προϋπήρχε και δεν σχετίζεται αποκλειστικά με την πολιτική συγκυρία.
Όπως εξηγεί, οι βασικοί λόγοι για τους οποίους η αξιοπιστία των οικονομικών δεδομένων έχει διαβρωθεί είναι τέσσερις.
Κατά πρώτον, μεγάλο μέρος των οικονομικών δεδομένων συλλέγεται μέσα από έρευνες. Ωστόσο, τα ποσοστά ανταπόκρισης έχουν καταρρεύσει, μια τάση που, όπως λέει ο ίδιος, ξεκίνησε πριν από το 2020 και επιταχύνθηκε κατά τη διάρκεια της πανδημίας. Όταν λοιπόν τα ποσοστά ανταπόκρισης είναι χαμηλά, τα αποτελέσματα ενδέχεται να μην είναι αντιπροσωπευτικά της πραγματικότητας και οι απαντήσεις τείνουν να εμφανίζουν μια προκατάληψη προς το αρνητικό.
Κατά δεύτερον, η πολιτική προκατάληψη μπορεί επίσης να ωθήσει τους ανθρώπους να μην απαντούν στις έρευνες με ακρίβεια.
Στο μεταξύ, ο κόσμος αλλάζει ταχύτατα και κάποιες από τις νέες μορφές οικονομικής δραστηριότητας ενδέχεται να μην καταγράφονται.
Επιπλέον, η υποχρηματοδότηση των στατιστικών υπηρεσιών αποδυναμώνει την ποιότητα των δεδομένων που συλλέγουν. Όπως εξηγεί ο Donovan, οι περικοπές χρηματοδότησης ανάγκασαν τις ΗΠΑ να περιορίσουν το εύρος μέτρησης του πληθωρισμού των τιμών καταναλωτή, ενός δείκτη που επηρεάζει άμεσα τις πολιτικές για δημόσιες δαπάνες και για πληρωμές τόκων ενός μέρος του κρατικού χρέους. «Αμφίβολης ποιότητας δεδομένα μπορεί να κοστίσουν χρήματα στους κατόχους ομολόγων», αναφέρει χαρακτηριστικά.
Η σημασία της ανεξαρτησίας
Αν και χαμηλότερης ποιότητας, τα δεδομένα που παράγονται εξακολουθούν να είναι πολιτικά ανεξάρτητα, σημειώνει ο επικεφαλής οικονομολόγος της της UBS Wealth Management. Όταν όμως παρεισφρήσει η πολιτική προκατάληψη στα οικονομικά δεδομένα, τότε αυτά δεν αντανακλούν παρά έναν φανταστικό κόσμο του εκάστοτε πολιτικού, και όχι την οικονομική πραγματικότητα. Κάτι που αυξάνει, βεβαίως, τον κίνδυνο λανθασμένης χάραξης πολιτικής.
Υπό αυτές τις συνθήκες, ακόμα και τα δεδομένα που προέρχονται από ιδιωτικούς παρόχους δεν θα διέθεταν ένα αξιόπιστο σημείο αναφοράς, καθιστώντας αδύνατη την αξιολόγηση της χρησιμότητάς τους. Έτσι, ο κόσμος είναι πιο πιθανό να υποκύψει στην προκατάληψη της επιβεβαίωσης, με άλλα λόγια οι άνθρωποι να βασίζονται σε αναξιόπιστες εμπειρικές μαρτυρίες για να επιβεβαιώσουν τη δική τους αντίληψη της οικονομίας, ελλείψει πραγματικών στοιχείων.
Η περίπτωση της αγοράς εργασίας
Σε ανύποπτο χρόνο, σε προγενέστερη ανάλυσή του στις 4 Ιουλίου, ο Donovan έκανε αναφορά στα στατιστικά δεδομένα της αγοράς εργασίας και, πιο συγκεκριμένα, στον τρόπο με τον οποίο η τεχνητή νοημοσύνη επιδρά στην αξιοπιστία των στοιχείων που συλλέγονται.
Όπως σημείωνε, η τεχνητή νοημοσύνη «έχει καταστήσει ευκολότερο για τους υποψηφίους να υποβάλλουν πολλαπλές αιτήσεις εργασίας σε σύγκριση με το παρελθόν». Παράλληλα, επιτρέπει στις επιχειρήσεις να επεξεργάζονται περισσότερες αιτήσεις, κάτι που μειώνει το κόστος των «δοκιμαστικών» αγγελιών εργασίας, αυτών δηλαδή που δημοσιεύονται απλώς και μόνο για να διαπιστωθεί ποια θα είναι η ανταπόκριση των υποψηφίων. Συνδυαστικά, το αποτέλεσμα είναι περισσότερες αιτήσεις ανά υποψήφιο, αλλά και περισσότερες αγγελίες.
Ο Donovan εξηγούσε ότι τέτοιου είδους στρεβλώσεις υπονομεύουν τη χρήση των «big data» για την αγορά εργασίας και καθιστούν δύσκολες τις ιστορικές συγκρίσεις. «Αυτό είναι απογοητευτικό, σε μια περίοδο που η κατάρρευση των ποσοστών ανταπόκρισης στις έρευνες καθιστά τα επίσημα στοιχεία λιγότερο αντιπροσωπευτικά και περισσότερο βασισμένα σε εικασίες», κατέληγε.
Μ.Η.Τ. 242183