Taller: “Big data en las estadísticas

oficiales para la medición de la economía

digital y el desarrollo sostenible”

Sebastián Rovira, CEPAL

Bogotá / Mayo 07, 08 y 09 – 2019

DANE

▪ Antecedentes y contexto

▪ El proyecto y sus etapas

▪ Ejercicios preliminares

▪ Lecciones aprendidas

Contenido

Antecedentes y contexto

Fuente: OECD/CAF/UN ECLAC/EC (2019), Latin American Economic Outlook 2019: Development in Transition, OECD Publishing, Paris,

ALC enfrentan trampas de desarrollo, mientras suben la escala de ingresos

42.9

35.4

34.1

37.621.1

24.6

15

20

25

30

35

40

45

50

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

2016

América Latina y el Caribe población por grupo socio-económico(porcentaje de la población)

Clase media (USD 13-70)Vulnerable (USD 5.50-13)Pobre (under USD 5.50)

0

20

40

60

80

100

120

140

160

180

200

1950

1955

1960

1965

1970

1975

1980

1985

1990

1995

2000

2005

2010

2015

China Corea ALC

OECD Noruega

%

Productividad laboral en ALC, OCDE, China, Corea y Noruega

(como porcentaje de la productividad laboral en la Unión Europea)

Fuente: CEPAL a partir de datos del FMI, OMC, McKinsey Global Institute y TeleGeography.

Flujos globales transfronterizos

(2003 Index = 100 and Tbps)

0

1000

2000

3000

4000

5000

6000

7000

-

100

200

300

400

500

600

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

2016

Exportaciones de bienes Exportaciones de servicios

IED Otros flujos financieros

Ancho de banda internacional (eje derecho)

Solo una cosa es cierta, la economía mundial ha experimentado una intensa globalización digital

Hacia una globalización digital?

Intercambio de bienes Intercambio de datos y conocimiento

Cadenas globales de valor Plataforma digitales globales

Relevancia de la dimensión nacionalImportancia de los espacios

ciudadanos

Mercados geográficamente definidos Mercados digitales no delimitados

Regulación nacional y multilateral Multilateralismo y gobernanza global

Conectividad

Nivel de competencia

Institucional yregulatorio

Infraestructura

Industrias digitales

Factores de producción

Digitalización de loshogares

Digitalización de laproducción

OCDE (64.94)

América Latina y el Caribe (45.47)

Fuente: CEPAL a partir de CAF, 2018, Índice del Desarrollo del Ecosistema Digital.

Índice de Desarrollo del Ecosistema Digital (IDED)

Mayores brechas con los países más avanzados en los factores de producción, digitalización de la producción y conectividad

Conectividad

Nivel de competencia

Institucional yregulatorio

Infraestructura

Industrias digitales

Factores de producción

Digitalización de loshogares

Digitalización de laproducción

América Latina y el Caribe 2015 (45.47)

América Latina y el Caribe 2010 (33.95)

Manufactura de

hardware

Servicios de

información

Software

consultoría TI

Telecomunicaciones

Servicios digitales

Economía de

plataformas

Economía de

intercambio

Industria 4.0

Comercio electrónico

Inteligencia artificial

IoT

Esencial: sector digital

Dimensión acotada: Economía

digital

Dimensión amplia: digitalización

de economía

Fuente: Bukht y Heeks, 2017

• Algunos retos:

• Definición / límites: las definiciones de “economía digital”

son varias. Esto, por sí mismo, no dificulta la medición,

pero dificulta las comparaciones. Límites borrosos.

• Problemas con la calidad de los datos: Particularmente

en los países en desarrollo existen problemas, no hay

datos o son de baja calidad. Se agravado por la continua

innovación, la recopilación de datos siempre está detrás

del cambio tecnológico.

• Problemas con el precio: La Ley de Moore, significa

precios en constante descenso. Los cambios en el precio

pueden no reflejar, el cambio en los bienes y servicios.

• Invisibilidad de la economía digital: Muchas actividades

económicas habilitadas digitalmente no son evidentes.

Pueden ser servicios intermedios entre empresas o entre

consumidores.

Nueva representación de la

economía digital

Lecciones aprendidas

▪ Utilización de nuevas o fuentes no tradicionales de datos en combinación con fuentes tradicionales,

para comprender dinámicas de la economía digital de los países

▪ Fuentes no tradicionales: huella digital

− redes sociales

− contenido de páginas web

− transacciones electrónicas

− CDR

− GPS

▪ Información más oportuna, más granular y completa

Necesitamos innovar en la medición de la economía digital

El proyecto y sus etapas

Big Data para la medición de la economía digital en América

Latina y el Caribe

Proyecto de CEPAL con fondos de la Cuenta

para el Desarrollo de ONU

▪ Duración: junio 2016 - 2019

▪ Objetivo: mejorar las capacidades nacionales en la región de

América Latina y el Caribe, para medir la economía digital

utilizando analítica de grandes datos y estadísticas tradicionales

para apoyar el diseño de políticas basadas en evidencia.

▪ Resultados:

▪ Desarrollo de capacidades de medición para el uso de Big

data

▪ Políticas de economía digital con base en este tipo de

medición

Actividades del proyecto

▪ Análisis de experiencias de utilización de grandes datos

para la medición, en particular en economía digital

▪ Definición de metodologías para la medición de la

economía digital

▪ Talleres de capacitación para el uso analítica de

grandes datos

▪ Sensibilización sobre analítica de grandes datos y

medición de la economía digital

▪ Asistencia técnica y proyecto piloto

Elementos de un proyecto de Big Data

Fuentes de información

Definición del problema

Identificación variables

Recopilación de los datos

Procesamiento y limpieza

Análisis y visualización

Recomendaciones de políticas

Etapa 1: Problema y identificación de variables

Problema

▪ No hay una definición única de economía digital → enfoque en distintos elementos (mercados digitales y precios

de los tecnologías, habilidades digitales y perspectiva de género, servicios digitales)

▪ Falta de conocimiento de la dinámica empresarial en la web y contribución a la economía.

Variable relevantes (ejemplos)

▪ Habilidades digitales demanda vs oferta

▪ Precios de productos digitales para conectividad

▪ Difusión de servicios digitales (transporte)

▪ Presencia web empresarial por país

▪ Presencia según sector industrial

▪ Distribución geográfica a nivel nacional.

▪ Volumen de negocio según grado de sofisticación presencia web

▪ Empleo según grado de sofisticación presencia web

▪ Digital footprints, websites

▪ Adminsitrative récords

▪ Partnerships

Etapa 2: Fuentes

Etapa 3: Recopilación

▪ Técnicasweb crawling (como servicio o in-house)

web scraping, machine learning

API ( Application Programming Interface)

Natural language processing

Registros administrativos

TIC

Indicadores Big

Data

Registros administrativos

no TIC

Reguladores

Ministerios TIC

ONE

Impuestos internos

Aduanas

ONE, etc

Huellas digitales

• Plataformas digitales

• Websites

• ISP, Telecom

Etapa 4Procesamiento ylimpieza de datos

Etapa 5Análisis yVisualización

Web

crawler Semantic

analytics

▪ Estructurar y organizar los datos

según los temas relevantes

▪ Purificación y limpieza

▪ Control de calidad de datos

Ejercicios preliminares

Mercado LaboralComercio y

PyMEsFinanzas y

Emprendimiento

Demografía y

Sociocultural

Demanda: 176,548

Oferta: 93,624

10 Países

Préstamos (global): 1,551,384

Préstamos (ALC): 386,498

17 Países de ALC

Productos: 110,080

Vendedores: 2,474,157

18 Países

Facebook:

Twitter: >104 millones

33 Países

Mercado Laboral

-0.5 -0.3 -0.1 0.1 0.3 0.5

Data Entry & Admin

Sales & Marketing

Writing & Translation

Design Media & Architecture

Other

IT & Programming

Supply

Demand

Demanda global de empleo y oferta de habilidades en ALC

(Freelancer)

Diferencias de género: Habilidades ofrecidas frente a la

demanda global

Finanzas y Emprendimiento

Total Amount of Funding Received by Year and Region

Finanzas y

Emprendimiento

Porcentaje de mujeres que reciben

préstamos por sector (Ejemplo de Perú y

Colombia)

Comercio y PyMEs

58% 26% 25% 11% 8% 8% 2% 0.5% 0.2% 0.1% 0.02% 0.02% 0.02% 0.02% 0.01% 0.01% 0.003% 0.003%

1

100

10,000

1,000,000

0.001%

0.100%

10.000%

1000.000%MarketShare HHI Number of sellers

Cuota de mercado de los cinco principales vendedores en Mercado Libre, los vendedores y el

Índice Herfindahl-Hirschman

Apple iPad

Acer Aspire

Samsung J2

$422.83

$423.83

$482.56

$492.38

$522.67

$552.85

$576.84

$600.07

Columbia

Ecuador

Mexico

Brazil

Uruguay

Peru

Chile

Argentina

Average Bundle Cost in USD across Countries

Comercio y PyMEs

Demografía y Sociocultural: Twitter

N (Twitter) > 104 Milliones (sobre 6 semanas)

KEYWORDS = [ #titles of sdgs 'sdg', 'sdg 1', 'poverty', 'sdg 2', 'hunger',

'sdg 3', 'health', 'well-being', 'sdg 4', 'education', 'sdg 5', #gender

keywords 'sdg 6', 'clean water', 'sanitation', 'sdg 7', 'clean energy',

'affordable energy', 'sdg 8', 'decent work', 'economic growth', 'sdg 9',

'industry', 'innovation', 'infrastructure', 'sdg 10', 'inequality', 'inequalities',

'sdg 11', 'sustainable', 'sdg 12', 'responsible consumption', 'responsible

production', 'sdg 13', 'climate', 'sdg 14', 'ocean life', 'marine life', 'sdg

15', 'ecosystem', 'habitat', 'forest', 'biodiversity', 'environment', 'sdg 16',

'peace', 'justice', 'strong institutions', 'sdg 17', 'ods', 'ods', 'ods 1',

'pobreza', 'ods 2', 'hambre', 'fome', 'ods 3', 'salud', 'saúde', 'saude',

'bienestar', 'ods 4', 'educación', 'educacion', 'educação', 'educacao',

'ods 5', #keywords de genero 'ods 6', 'agua limpia', 'saneamiento', 'água

potável', 'agua potavel', 'saneamento', 'ods 7', 'energía asequible',

'energia asequible', 'energía no contaminante', 'energia no contaminante',

'energias renováveis', 'energias renovaveis' 'energias acessíveis',

'energias acessiveis' 'ods 8', 'trabajo decente', 'crecimiento económico',

'crecimiento economico', 'trabalho digno', 'crescimento económico',

'crescimento economico', 'ods 9', 'industria', 'innovación', 'innovacion',

'infraestructura', 'indústria', 'inovação', 'inovacao', 'infraestruturas', 'ods

10', 'desigualdad', 'desigualdades', 'ods 11', 'sostenible', 'sustentáveis',

'sustentaveis', 'ods 12', 'produccion responsable', 'producción

responsable', 'consumo responsable', 'produção sustentáveis', 'consumo

sustentáveis', 'producao sustentaveis', 'consumo sustentaveis', 'ods 13',

'clima', 'climática' 'ods 14', 'submarin', 'aquatic', 'aquátic', 'marinha',

'ods 15', 'ecosistema', 'terrestre', 'biodiversidad', 'bosque', 'medio

ambiente', 'ecossistema', 'biodiversidade', 'floresta', 'meio ambiente',

'ods 16', 'paz', 'justicia', 'instituciones sólidas', 'instituciones solidas',

'justiça', 'justica', 'instituições eficazes', 'instituicoes eficazes', 'ods 17']

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

1 2

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

## ## ## ## ## ## ## ## ## ##

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

# # # # # # # # # #

5

43

9

876

1

0

1

1

1

3

14 1

5

1

2

1

6

Colombia Porcentaje de tweets para cada SDG

Demografía y Sociocultural: Facebook

Lecciones aprendidas

Lecciones aprendidas

❑ Las nuevas fuentes de datos proporcionan información sin precedentes

▪ Amplia cobertura estadística disponible

▪ Fuentes de datos más detalladas que a menudo requieren una limpieza más compleja y masiva.

▪ El texto y otras fuentes de datos cualitativos proporcionan una nueva y rica fuente de información.

▪ Los resultados del aprendizaje de máquinas dependen del contexto regional.

❑ No es una solución mágica

▪ Claridad en las preguntas de investigación y variables de estudio

▪ Partnership son difíciles de lograr

▪ Aspectos legales de privacidad de datos y seguridad.

▪ Información en web: dificultad en limpieza y estructuración de datos

▪ Trabajo en equipo multidisciplinario (expertos de área y científicos de datos)

Lecciones aprendidas

From left to right: Matt Reese (B.A. Linguistics and Chinese); Karla Rascón-García

(PhD student Epidemiology); Yu-Chang (Andy) Ho (M.S. student Computer Science);

Veronika Vilgis (post-doc Center for Mind and Brain); Xin Jin (Computer Science major).

Equipo consultores

ciencia de datos CEPAL,

comienzos de 2019

Gracias!

https://www.cepal.org/es/proyectos/elac2020

@eLAC_CEPAL