Региональная экономика: инструменты и подходы
За последние пару лет я формировал разрозненный набор инструментов «региональной экономики», работая с секторами, темпами роста и сопутствующими экономическими данными Великобритании (в основном в рамках SYMCA в роли участника Y‑PERN). Я собираю данные, код и пояснения на сайте regecontools, хотя материалы разбросаны по разным местам. На живой странице вывода на техническом блоге большинство материалов собрано в одном месте. Например, интерактив показывает количество рабочих мест в Южном Йоркшире по данным BRES: можно щёлкать для детализации по местным органам власти и секторам.
В ближайшие полгода я хочу превратить это в более сфокусированный проект. В общих чертах план таков:
- использовать открытые данные и методы, тестировать существующие инструменты и прототипировать новые, чтобы сделать их максимально полезными;
- углублённо работать с идеями и вопросами, которые мы исследуем, итеративно сопрягая их с инструментами;
- развивать текущие сотрудничества и искать новые, чтобы уточнять цикл «инструменты — идеи — вопросы»;
- помогать наращивать ёмкость через обучающие мероприятия — например, я уже проводил сессию ONS Local, вводящую в R для регионального экономического анализа (запись и слайды используются как практическое руководство, включая способы запуска R в браузере).
Наименее протестированная для меня и, возможно, самая интересная часть — это сам цикл «инструменты/идеи/вопросы». Инструменты и концепции, которыми мы пользуемся, чтобы осмыслять региональную экономику, выросли из смеси разных идей. Их можно подвергать сомнению на разных уровнях — от узко методологических («отражают ли существующие меры публичного сектора его реальную стоимость? учтено ли влияние выбора границ?») до более глубоких, политических вопросов о том, что такое экономика и для кого она существует (см. современные работы по «пончиковой экономике» или обзоры сотен индикаторов экономики и благосостояния).
Цель Y‑PERN — экспериментировать с разрушением барьеров в этом цикле. Мы пытаемся выйти за пределы модели дефицита знаний, где процесс понимается как «передача информации от экспертов к не‑экспертам». Эта точка зрения всё ещё прочно удерживается: академики годами работают в глубине, затем появляются с новыми идеями, и начинается отдельный процесс «обмена знаниями». Но это не соответствует реальности принятия решений на основе данных: все участники вносят экспертные знания в то, что делают. Это глубоко совместная деятельность. Мы не обладаем одинаковыми знаниями, но мало что получится без объединения этих знаний.
Компонент «открытости» инструментов взаимосвязан с частью «идеи/вопросы». Регионы сталкиваются с похожими экономическими задачами и получают одинаковые требования от центральных органов (например, подготовить местные планы роста). Те же источники данных переиспользуются, те же допущения повторяются. Одновременно регионы формируют собственную идентичность по мере углубления де‑/реков.
Исходя из этого, философия работы будет такой:
- делать работу с данными открыто, где это возможно. Это поддерживает сотрудничество и обучение, помогает выработать общее представление о фактах и избегать изобретения велосипеда;
- при этом я не поклонник догматической верности открытым исходникам — существует смешанная экономическая модель данных и анализа, где частные провайдеры выполняют то, что другим недоступно, и в этом есть смысл;
- также есть важные наборы данных, которые не могут быть открыты по уважительным причинам;
- но где возможно, открытая работа лучше служит целям: (1) совместного обучения и наращивания потенциала между силами; (2) развития общего представления о фактах; (3) предотвращения повторной разработки решений (аспект воспроизводимости, требующий открытых методов — восстановить нельзя то, к чему нет доступа).
Единственный способ этого добиться — прототипирование, или, как принято говорить, тестирование и обучение. В простейшем виде это: (1) разработать нечто; (2) сопоставить с реальностью; (3) извлечь уроки. Звучит просто, но нужно быть готовыми к тому, что при столкновении с реальностью наши предположения могут оказаться неверными. Руководства для практики разработки содержат предупреждение: ошибки — хороший способ узнать, что ваши предпосылки неверны; важно обновить модель и двигаться дальше с улучшённой картиной мира. Ищите способы тестировать убеждения, не бойтесь экспериментов и сбора дополнительных данных. Хотя такое испытание собственных гипотез не всегда комфортно, оно необходимо для роста общего представления о фактах путём совместной работы.
Метафора с «слонами и слепыми людьми» здесь очень уместна. Нам важно увидеть как можно больше слона: как устроена экономика, что растёт, что сокращается, что меняется и почему. Эти вопросы ведут к следующему: какие данные и методы у нас есть, чтобы на них ответить? Один источник даёт лишь часть картины — один кусок слона. Несколько источников помогают охватить разные части, но весь зверь по‑прежнему ускользает. Нужно достаточно знаний, чтобы понимать ограничения инструментов — иначе мы рискуем подменять данные за всю картину. Сочетая открытость и прототипирование, мы можем обмениваться наблюдениями с другими, учиться на ошибках и приблизиться к коллективному представлению о структуре экономики.
Появятся и критические вопросы: «А это точно слон? Может, надо вернуться к первым принципам». Открытый подход и тестирование позволяют обсуждать разные теории и часто показывают, что разные инструменты работают в разных ситуациях, даже при отсутствии полного согласия. Такие попытки могут сталкиваться с разными стимулами и ритмами в академии и в органах политики — это отдельный объект для тестирования в ходе проекта. Вопрос в том, какие сочетания отношений и структур помогут вырастить действительно обучающиеся адаптирующиеся регионы.
Что дальше? Мне придётся сузить фокус, чтобы добиться результатов. Скорее всего, я протестирую некоторые меры экономики, извлекаемые из открытых данных ONS и из данных Компании‑хауса, чтобы понять, что можно улучшить и какие пробелы существуют. Я также постараюсь найти две‑три конкретные проблемы для применения этих подходов, включая попытку сократить разрыв между количественными представлениями о секторном составе и местными знаниями о том, как предприятия взаимодействуют и как это влияет на их успех.
По идеям в основе работы мне хотелось бы посмотреть, как классические теории технических изменений в производстве помогают понять современные страхи вокруг ИИ — я параллельно работаю над проектом об влиянии ИИ. Это может помочь обдумать, откуда мы хотим, чтобы шёл экономический прогресс. Посмотрим, как соприкосновение с реальностью изменит подходы. Если хотите следить за развитием проекта, оставьте адрес электронной почты в форме подписки. Также в репозитории есть фиксация изменений этого документа с дополнительными вырезками.