Datenquellen für ökonomische Big-Data-Analysen, in Prozent

17 Pages·2016·1.16 MB·German

by  Engels, Barbara

Big Data für ökonomische Analysen
Barbara Engels
[email protected]
@BarEngels
19. Oktober 2016, Köln
Big Data für ökonomische Analysen
Agenda
► 1. Big Data für ökonomische Analysen: Einleitung
2. Datenquellen
2.1 Open Data
►
2.2 Das Internet als Datenquelle
2.3 Crawlen: Logisch, aber nicht trivial
► 3. Arten der Datenanalyse
4. Beispiele
4.1 Use Case I: Nowcasting
►
4.2 Use Case II: Text Mining / Sentiment Analysis
4.3 Use Case III: Web Scraping für CPI
► 5. Grenzen der Big-Data-Analyse
2
Big Data für ökonomische Analysen
Volume
Velocity
Variety
Veracity
Value
3
Big Data für ökonomische Analysen
Datenquellen
Datenquellen für ökonomische Big-Data-Analysen, in Prozent (n=111)
Small-Scale Survey
4% Soziale Medien
7%
Kommerzielle
Daten/Konsumentendaten
Administrative Daten
9%
35%
Large-Scale Survey
11%
Statistikbüros
Sensorbasierte Daten
22%
13%
Quelle: Technopolis/Oxford Internet Institute/CEPS, 2015; eigene Darstellung
4
Big Data für ökonomische Analysen
Open Data
Beispiele
https://www.govdata.de/
https://data.europa.eu/euodp/de/data/
http://transparenz.hamburg.de/open-data/
https://daten.berlin.de/
http://data.deutschebahn.com/
…
5
Big Data für ökonomische Analysen
Das Internet als Datenquelle
Die Krux des Datensammelns und Datenaufbereitens
► Dumps: Daten, die öffentlich und gebündelt bereitgestellt werden
• Analogie: Kopie der öffentlichen Buchhaltung nach Hause nehmen
• Problem: u.U. fehlerhaft, nicht aktuell, selektiv
► Application Programming Interface (API): Daten über speziellen Zugang laden
• Analogie: Schlüssel zum öffentlichen Teil der Buchhaltung
• Problem: jede API ist eigenes Programmieruniversum, selektiv
► Scrapen: Daten von Webseite auslesen
• Analogie: Schaufenster abfotografieren
• Problem: Snapshot; läuft bei Umstrukturierung ins Leere; Botstopper
6
Big Data für ökonomische Analysen
Crawlen: Logisch, aber nicht trivial
1. Liste mit zu durchsuchenden
Webseiten erstellen
2. Im Seitenquelltext nach gewünschten
Daten suchen
3. Coden (R, Java): Ziehe mir von jeder
Seite der Liste diese Daten raus und
lege sie ab
4. Datenaufbereitung (!)
5. Business as usual: Ökonometrie
7
Big Data für ökonomische Analysen
Arten der Datenanalyse
Genutzte Analysetools, in Prozent (n=58)
Deskriptive Analyse
Trendanalyse
Andere (?)
Profiling
Textanalyse
Vorhersage
Stimmungserkennung
Benchmarking
Agentenbasierte Modellierung
0 10 20 30 40 50 60 70 80
Quelle: Technopolis/Oxford Internet Institute/CEPS, 2015; eigene Darstellung
8
Big Data für ökonomische Analysen
Use Case I: Nowcasting
► Early estimate
► Datenquellen: Google-Suchanfragen, soziale Medien (Twitter, Blogs), Wikipedia-
Suchen
► Anwendung: z.B. Arbeitsmarktökonomik
► Problem: Bias
► Beispiele: Arbeitslosenrate in Finnland, Lebensmittelpreise in Indonesien, Business
Cycles über Mautgebühren
► Tuhkuri, J., 2014, Big data: Google Searches Predict Unemployment in Finland, https://www.etla.fi/en/publications/33195/
► UN Global Pulse, 2014, Nowcasting Food prices in Indonesia using Social Media Signals, Global Pulse Project Series No.
1, http://www.unglobalpulse.org/sites/default/files/UNGP_ProjectSeries_Nowcasting_Food_Prices_2014.pdf
► Askitas, N. / Zimmermann, K.F., 2009, Google Econometrics and Unemployment Forecasting, Applied Economics
Quarterly, Jg. 55, Nr. 2, S. 107–120, http://ftp.iza.org/dp4201.pdf
► Askitas, N. / Zimmermann, K.F., 2011, Nowcasting Business Cycles Using Toll Data, IZA Discussion Paper Nr. 5522,
http://ftp.iza.org/dp5522.pdf
9
Big Data für ökonomische Analysen
Nowcasting: Arbeitslosenrate in Finnland
Quelle: Tuhkuri, 2014
10