Los teléfonos móviles pueden ayudar a predecir las tasas de paro con mayor antelación

Los resultados, publicados este miércoles en la revista de la «Royal Society Interface», ponen de relieve el potencial de los datos de teléfonos móviles para mejorar los pronósticos de los indicadores económicos críticos, información que es extremadamente valiosa para los responsables en los sectores públicos y privados.

En particular, el equipo encontró que se pueden utilizar los registros detallados de llamadas para predecir las tasas de desempleo hasta cuatro meses antes de la publicación de informes oficiales y con más precisión que con el uso de datos históricos.

El principal autor de la investigación, James Toole, estudiante de doctorado en el Instituto Tecnológico de Massachusetts (Estados Unidos) añade que «con suerte, estamos empezando a aprender lo que estos datos nos pueden decir y la promesa de medidas más precisas, menos costosas y de mayor resolución de los indicadores económicos críticos es muy emocionante».

Además, augura que «esperamos que nuestros resultados puedan ser utilizados para ayudar a los responsables políticos a reaccionar más rápidamente a futuras crisis económicas , dándoles una imagen más precisa de la situación de la economía».

En el documento, Lazer, Toole, y sus colaboradores --un cuarteto de expertos en economía, ingeniería, políticas públicas y ciencias de la información en el MIT, la Universidad de Harvard, la Universidad de Pittsburgh y la Universidad de California, Davis, todas ellas en Estados Unidos, aprovecharon el poder de los algoritmos para analizar los registros de datos de llamadas de dos países europeos no revelados. Su primer estudio se centró en el desempleo a nivel comunitario, en el que en el que se examinaron las huellas de comportamiento de un despido masivo en una planta de fabricación de recambios de automóviles en 2006.

Utilizando los registros de datos de llamadas que abarcaban un periodo de 15 meses entre 2006 y 2007, diseñaron un llamado modelo de cambio estructural para identificar a los usuarios de teléfonos móviles que habían sido despedidos. Luego, siguieron la movilidad y las interacciones sociales de los trabajadores afectados, analizando las llamadas totales, el número de llamadas entrantes, el número de llamadas salientes y las llamadas realizadas a individuos ubicados físicamente en la planta.

Los resultados revelaron que la pérdida del empleo tuvo un «efecto amortiguador sistemático» en su movilidad y el comportamiento social. Por ejemplo, vieron que el número total de llamadas realizadas por individuos despedidos cayó un 51% después de su despido, en comparación con los no despedidos, mientras que el número de llamadas salientes se redujo un 54%.

Incluso, la parte de los contactos llamados en el mes anterior que no fueron llamados en el mes en curso aumentó aproximadamente 3,6 puntos porcentuales en relación con el grupo control. «Estos resultados sugieren que l as interacciones sociales de un usuario ven un descenso significativo y que sus redes se vuelven menos estables después de la pérdida de empleos -escriben los autores--. Esta pérdida de conexiones sociales puede amplificar la consecuencia negativa asociada a la pérdida del empleo observada en otros estudios».

El segundo análisis se centró en los registros detallados de llamadas de miles de suscriptores en un país europeo diferente, que había experimentado interrupciones macroeconómicas durante el periodo para el que se disponía de datos. Los autores buscaron cambios de comportamiento que pudieran haber sido causados por los despidos, como menos llamadas salientes, para determinar si esos cambios podrían predecir las estadísticas de desempleo general.

De hecho, encontraron con que los cambios en la movilidad y el comportamiento social predijeron tasas de desempleo antes de la publicación de los informes oficiales y con más precisión que los pronósticos tradicionales. En concreto, los expertos señalan que sus nuevos métodos les permitieron predecir las tasas de desempleo actuales entre dos y ocho semanas antes de la publicación de las estimaciones tradicionales y pronosticar las futuras tasas de empleo hasta cuatro meses antes de los informes oficiales.