Escribe Claudia Ama / F&D FMI – En la primavera de 2020, la Reserva Federal se enfrentó a un desafío: la pandemia de COVID-19 estaba trastocando la vida diaria con cierres, distanciamiento social y una creciente incertidumbre, pero las estadísticas económicas tradicionales que la Fed utilizó para calibrar la política monetaria tuvieron dificultades para seguir el ritmo del cambio y no cubrieron algunas de las características novedosas de la economía pandémica. Sin embargo, la Fed no estaba a ciegas; Pudo adaptarse a fuentes de datos no tradicionales que ya había desarrollado, como el procesamiento de nóminas y las transacciones con tarjetas de crédito y débito, para seguir el rápido deterioro de la economía.

Incluso en los mejores momentos, contar con datos de alta calidad y oportunos es fundamental para establecer una política monetaria sólida. Si los responsables políticos detectan signos de mayor inflación, por ejemplo, podrían considerar subir los tipos de interés para enfriar la economía. Pero, si el mercado laboral parece debilitarse, podrían considerar bajar las tasas para estimular la actividad económica. Se tarda tiempo en que los cambios en los tipos de interés afecten a los resultados económicos, por lo que la rapidez en la evaluación precisa de la dirección de la economía también es importante para una política eficaz.

Para mantenerse al tanto de la economía en tiempo real, la Fed se basa en una amplia gama de estadísticas generadas por agencias gubernamentales como la Oficina de Estadísticas Laborales (BLS) y el Departamento de Comercio. Estas estadísticas, normalmente basadas en encuestas representativas, son consideradas el estándar de oro por responsables políticos, inversores, líderes empresariales y el público en general. Sin embargo, cada vez más, la Fed los ha complementado con fuentes de datos no tradicionales, a menudo suministradas por empresas privadas. La característica definitoria de estas fuentes no tradicionales es que los datos no fueron creados con el propósito de elaborar estadísticas económicas; más bien, se originó en el proceso de gestionar un negocio o un programa gubernamental y luego se reutilizó para estadísticas económicas.

Relleno de huecos

Estos datos no tradicionales suelen ser más actuales o más específicos y, como resultado, pueden cubrir algunas lagunas en las estadísticas gubernamentales. También puede aportar una perspectiva adicional sobre resultados económicos críticos, como el empleo. Finalmente, puede utilizarse para mejorar la calidad de las fuentes de datos tradicionales. No obstante, las fuentes no tradicionales deben considerarse un complemento a los datos tradicionales para informar políticas, no como un sustituto.

El enfoque central de la política monetaria es la estabilización del ciclo económico, por lo que hay un valor importante en evaluar de forma precisa y rápida los puntos de inflexión. Los datos no tradicionales pueden ser especialmente útiles en estas circunstancias. Esto se debe a que las estadísticas gubernamentales sobre variables clave como el desempleo, la inflación y el crecimiento económico se publican semanas o incluso meses después. El retraso en la publicación de datos de empresas privadas suele ser considerablemente menor, de unas semanas o incluso días.

La puntualidad de las fuentes de datos alternativas fue especialmente útil al inicio de la pandemia, que desencadenó una recesión corta y profunda. Una revisión realizada por el personal de la Fed señaló que sus estimaciones semanales internas de empleo, basadas en datos de ADP, un gran procesador de nóminas, mostraron grandes descensos a finales de marzo de 2020. Esto fue más de un mes antes de que el BLS publicara su propio informe mensual de empleo, que también mostró grandes descensos.

La recesión por la pandemia fue inusualmente rápida, pero las estimaciones de empleo con mayor frecuencia y más oportunas tienen aplicaciones más amplias. Por ejemplo, cada vez que las estimaciones mensuales del BLS sobre el empleo bajan bruscamente, como ocurrió en 2025, las estimaciones semanales del ADP ofrecen una visión temprana de si la tendencia persistirá o se revertirá. Además, las estimaciones de ADP son muy relevantes durante los cierres gubernamentales derivados de un estancamiento del Congreso sobre el presupuesto, cuando no hay datos oficiales disponibles.

Episodios de inflación

La granularidad de los datos alternativos es otra ventaja para los responsables políticos de la Fed que buscan evaluar el impacto de los cambios en la política comercial sobre la inflación de precios al consumidor. La teoría y la experiencia sugieren que un aumento de los aranceles a la importación provocará un aumento puntual del nivel de precios, lo que solo incrementa temporalmente la inflación. En ese caso, la Fed debería “revisar” la inflación relacionada con los aranceles y no subir los tipos. Pero poner a prueba la hipótesis es complicado, porque las estadísticas clave que consulta la Fed no identifican los precios de los bienes por país de origen. En cambio, el análisis debe comparar los precios de categorías amplias de bienes según su proporción media de importaciones en el pasado.

Aquí es donde la granularidad de los datos alternativos ofrece un camino más directo para monitorizar los efectos de los precios arancelarios. Alberto Cavallo, profesor en la Universidad de Harvard, y dos colaboradores son una de esas fuentes de datos. Han elaborado índices diarios de precios utilizando datos en línea de cinco grandes minoristas estadounidenses, que incluyen el país de origen, los tipos arancelarios y el precio de venta de 350.000 productos. Encuentran que los precios de los bienes de consumo importados han subido más rápido que los de los bienes fabricados en el país, en comparación con las tendencias previas a los arancelos. Además, el efecto precio de los aranceles es más pronunciado para los bienes nacionales que compiten directamente con las importaciones arancelizadas que para los bienes nacionales que no lo hacen. En general, los efectos han sido relativamente modestos, un hallazgo coherente con estudios que utilizan fuentes de datos tradicionales. Estos datos tan granulares y de alta frecuencia también pueden ayudar a evaluar si el ajuste al alza al nivel de precios está completo.

Fuentes de datos alternativas más detalladas también resultaron útiles para la Fed y otros responsables de la toma de decisiones durante la pandemia, lo que cambió drásticamente el comportamiento de los consumidores y las empresas. Se utilizaron datos de empresas privadas sobre movilidad física para monitorizar esos desplazamientos durante el distanciamiento social, junto con datos administrativos sobre el número de casos de COVID. Las medidas de estrés en la cadena de suministro también fueron fundamentales para medir las presiones inflacionarias. Además de encuestas a directores de compras e índices de precios de envío, la presión sobre las cadenas de suministro se midió con datos en tiempo real sobre los movimientos de contenedores marítimos. Por supuesto, las fuentes de datos tradicionales también ayudaron a cubrir lagunas en la comprensión de la economía por parte de los responsables políticos. La Oficina del Censo, una fuente importante de datos tradicionales, intervino rápidamente en la brecha, lanzando breves encuestas en línea para evaluar el impacto de la pandemia en los hogares y pequeñas empresas.

Pérdida de precisión

Los datos alternativos pueden ayudar a mantener, e incluso mejorar, la calidad y la rentabilidad de las estadísticas tradicionales. Las agencias gubernamentales dependen en gran medida de encuestas a personas y empresas, diseñadas para representar la economía en su conjunto. Pero estos tienen sus inconvenientes. Por un lado, los costes han aumentado con el tiempo a medida que las personas y las empresas están menos dispuestas a participar. Por otro, la disminución de las tasas de participación reduce la precisión de las estimaciones resultantes.

Esta pérdida de precisión puede generar incertidumbre sobre la inflación o la dinámica del empleo y dificultar una respuesta oportuna y adecuada de la política monetaria. Los datos no tradicionales ofrecen una posible solución. Por ejemplo, el BLS ahora utiliza datos de empresas privadas en lugar de encuestas para varios componentes del índice de precios al consumidor, incluyendo los precios de coches usados, billetes de avión y contratos telefónicos inalámbricos.

Existe margen para un mayor uso de los datos del sector privado, aunque el coste de adquisición y la fiabilidad de dichos datos presentan desafíos. Una empresa privada podría decidir dejar de compartir sus datos o subir drásticamente su precio, lo que podría amenazar la continuidad de las estadísticas gubernamentales. También es necesario realizar pruebas cuidadosas en las agencias estadísticas para asegurar que las fuentes no tradicionales mejoren la precisión de las estimaciones en lugar de sustituir nuevas fuentes de ruido por las antiguas.

Formación empresarial

Mejorar la precisión de las estimaciones iniciales de los datos tradicionales es otra área donde los datos alternativos podrían ser útiles, especialmente en puntos de inflexión económicos. Las decisiones de política monetaria se toman en tiempo real, por lo que los datos en tiempo real deben ser lo más precisos posible. La estimación mensual del gobierno sobre el empleo en nóminas es un ejemplo. Se basa en una encuesta a establecimientos comerciales, con resultados ajustados al hecho de que las empresas van y vienen. (El ajuste se basa en algo llamado el “modelo de nacimiento-muerte.”) Los cambios en la formación neta de empresas durante y después de la pandemia, combinados con largos retrasos en la disponibilidad de datos, han provocado errores significativos en el modelo y revisiones anuales sustanciales en estimaciones previas de empleo. Los investigadores han demostrado que las declaraciones fiscales semanales para los números de identificación del empleador proporcionan una previsión fiable de la formación empresarial en trimestres posteriores. Alinear el modelo de nacimiento y muerte con indicadores más oportunos de la creación empresarial podría mejorar la precisión de las estimaciones iniciales de empleo cuando las condiciones económicas están cambiando.

Incluso los datos oficiales pueden ser erróneos, como el error de muestreo derivado del uso de encuestas parciales en lugar de un censo completo. Así que usar múltiples estimaciones independientes puede mejorar nuestra comprensión de las estimaciones oficiales. Una nueva iniciativa del Banco de la Reserva Federal de Chicago, por ejemplo, combina datos oficiales con datos alternativos sobre el mercado laboral para construir una estimación de la tasa de desempleo del mes actual. El análisis incluye datos de Indeed, un sitio utilizado por buscadores de empleo y reclutadores; Lightcast, un proveedor de análisis del mercado laboral; y búsquedas en Google sobre desempleo. Sin embargo, el proyecto está en sus primeras fases y llevará tiempo establecer su fiabilidad.

Impacto de la política

Una vez que los funcionarios de la Fed hayan ajustado la política monetaria, deben evaluar sus efectos. Los datos no tradicionales también pueden ser útiles aquí. La investigación sobre las consecuencias distributivas de la política monetaria, por ejemplo, se ha ampliado con la disponibilidad de fuentes como registros crediticios a nivel de hogar, cuentas bancarias y registros administrativos. Durante la COVID-19, cuando los tipos de interés bajaron, un estudio que utilizó datos sobre formularios de impuestos sobre la propiedad y registros de escrituras de CoreLogic mostró que los prestatarios negros, hispanos y de bajos ingresos tenían menos probabilidades de refinanciar que los asiáticos, blancos y de mayores ingresos. Las diferencias sistemáticas en los costes de refinanciación jugaron un papel. Otro estudio, utilizando los registros del impuesto sobre la renta de las personas físicas del Servicio de Impuestos Internosos, encontró que un endurecimiento inesperado de la política monetaria conducía a una mayor desigualdad de ingresos, principalmente al empeorar los resultados para los trabajadores con bajos ingresos. Sin embargo, la aliviación inesperada redujo la desigualdad.

A pesar de todas las ventajas de las fuentes de datos no tradicionales, no sustituyen al tipo tradicional. De hecho, su utilidad a menudo depende de datos tradicionales. Como economista en la Fed, trabajé en un proyecto para transformar las transacciones con tarjetas de crédito y débito de First Data (ahora Fiserv) en estimaciones diarias a nivel estatal de ventas minoristas, que luego se utilizaron para seguir los efectos económicos de los huracanes Irma y Harvey casi en tiempo real para el Comité Federal de Mercado Abierto.

Pero esta fuente presentaba desafíos. El crecimiento de las ventas en transacciones en bruto mezcló factores específicos de First Data, como la adquisición de clientes para su negocio de procesamiento de pagos, con cambios en el gasto del consumidor estadounidense. Solo lo segundo es relevante para las estadísticas económicas. Como paso para resolver este problema, utilizamos el Censo Económico de cinco años del Departamento de Comercio para reponderar las transacciones con tarjeta de los clientes de la empresa y que representaran a las empresas estadounidenses. Este tipo de comparación es común al construir estadísticas económicas a partir de fuentes no tradicionales. Nuestro proyecto se enfrentó a otros problemas comunes a fuentes de datos alternativas, como series temporales cortas para ajustes estacionales y solución de anomalías. Las comparaciones con las estimaciones nacionales mensuales de ventas minoristas de la Oficina del Censo nos dieron confianza en el uso de datos privados más detallados para trabajos de política.

Cualquier usuario de datos no tradicionales se enfrenta a desafíos. Para la Fed, la limitada disponibilidad de estos datos para el público plantea dificultades especiales. El marco estratégico de la Fed para la política monetaria enfatiza que la transparencia es fundamental para la rendición de cuentas y mejora los resultados de la política monetaria. Confiar en fuentes de datos poco accesibles reduce la transparencia; Los externos no pueden verificar el análisis de la Fed, y solo los participantes del mercado que pagan por acceso a datos privados pueden ver lo que la Fed ve.

Hemos visto cómo los responsables políticos pueden utilizar fuentes de datos alternativas para obtener una visión más completa de las condiciones económicas, lo que potencialmente conduce a mejores resultados políticos. Mejorar la calidad de los datos requerirá vínculos sólidos entre agencias estadísticas gubernamentales, proveedores de datos del sector privado, funcionarios gubernamentales y académicos. Los datos no tradicionales presentan oportunidades y desafíos, pero comprender la dinámica macroeconómica es el objetivo tanto de las estadísticas gubernamentales no tradicionales como de las oficiales.

CLAUDIA AMA es economista jefe en New Century Advisors, una firma de gestión de inversiones, y ex economista principal en la Junta de Gobernadores de la Reserva Federal.