Programmering + økonomi = sant!

Rollen vår som samfunnsøkonomer kommer til å forandre seg i tiden fremover! Vi kommer til å ta bruk nye, innovative metoder for dataanalyse og vi kommer til å måtte kode økonomiske modeller! Det er viktig at vi tar tak i de mulighetene som dette gir oss, men det krever også noe av oss!

Det er mange ting her i livet som er usikkert. Mange vet ikke hva de skal bli, hva slags utdannelse de skal ta eller hvilke ferdigheter man bør lære seg for å lykkes i fremtidens arbeidsmarked. Men, en ting er ganske sikker: samfunnet digitaliseres! Dersom man ønsker å henge med, å holde seg aktuell, må man lære seg å mestre digitale verktøy som programmering! Også i samfunnsøkonomi er dette noe som er veldig viktig. En samfunnsøkonom som ikke kan programmere er som en rockegitarist som ikke kan spille elektrisk gitar. Man stiller med et enormt handikap. Derfor er det så viktig at vi også får programmering inn i læreplanen på økonomiske studier!

Viktige skritt i riktig retning, men…
Mange har allerede begynt! UiB har lansert et eget bachelorprogram hvor samfunnsøkonomi, matematikk og informatikk kombineres på en flott måte. BI har lansert en egen master i business analytics og NTNU satser også på programmering for de som skal studere samfunnsøkonomi. Det er viktige skritt i riktig retning, men UiO må følge etter!

Programmering kan gi økt læringsutbytte
Men hvorfor må vi lære oss å bruke disse digitale verktøyene? Hvorfor skal vi lære oss R, Matlab eller Python? Det er veldig mange grunner til dette, og disse skal jeg komme nærmere tilbake til. Samtidig er det viktig å ha klart for seg at samfunnsøkonomer har brukt digitale verktøy i mange år allerede. Mange lærer seg programmering når de kommer ut i arbeidslivet. Hvorfor skal vi da stresse med å få det inn i læreplanen? De som studerer matematikk vet godt at det å kunne visualisere og numerisk analyse er veldig nyttig for å få bedre forståelse for abstrakte, teoretiske modeller. Dette gjelder også innenfor samfunnsøkonomi. Det hjelper lite å kunne utlede svære omfattende modeller med mange variable og parametere dersom man ikke klarer å få hodet rundt hva modellen sier. Å visualisere modellen ved hjelp av Python eller Matlab kan gjøre det enklere å lære hva modellene forteller oss.

Må man, så må man!
Men det er ikke bare slik at programmering kan være et effektivt pedagogisk virkemiddel. I mange tilfeller kan det rett og slett være umulig å gjøre det man ønsker ved hjelp av penn, papir og kalkulator. Se for dere at dere skal kjøre en økonometrisk analyse med flere hundre tusen observasjoner. Da er det nokså trøstesløst å skulle sette seg ned for å beregne statistiske størrelser som standardavvik, kovarians og forventningsverdier. I slike tilfeller er statistisk programvare som R helt uvurderlig! Mange modeller lar seg heller ikke løse analytisk, men må angripes numerisk. Dette høres veldig teknisk ut, men det betyr at for å finne de verdiene man ønsker så trenger man å la en datamaskin få prøve med mange forskjellige tallverdier i stedet for å bare derivere og sette den deriverte lik null. Dermed er det opplagt at programmering har stort potensiale innenfor kvantitativ økonomi og økonometrisk analyse.

La oss si oss ferdige med selve analysen. Nå ønsker vi å fremstille det vi har funnet ut grafisk. Er løsningen å sette seg ned å tegne? Neppe! I slike situasjoner det nyttig å kunne bruke software som R. R har fantastiske muligheter for visualisering av data. R er i det hele tatt et kraftfullt verktøy for statistiske analyser. På den annen side har R, som et statistisk programmeringsspråk, sine svakheter. Det kan være nyttig å lære seg et annet som lar en håndtere mer generelle oppgaver. Da kan Python være et godt valg!

Økonomi på nye veier
Både Python og R brukes flittig innenfor såkalte data science-miljøer. Data science (eller datavitenskap på norsk) er et veldig nytt fag som søker å utforske hvordan data kan analyseres og presenteres på best mulig måte. Viktige metoder innenfor dette feltet er såkalt maskinlæring. Enkelt forklart gir slike metoder rom for at datamaskinene kan undersøke sammenhengene mellom dataene og selv komme opp med modeller for å beskrive disse. Dette har vekket interesse også i økonomiske miljøer. Dette gjør det mye enklere å analysere såkalt big data. Disse temaene fortjener sine egne artikler, men kort fortalt kan dette påvirke måten man gjør økonometrisk analyse på. Det å kunne håndtere big data er en ferdighet som er veldig ettertraktet i arbeidslivet, men det å lære seg dette krever at man kan litt mer enn det å skru på og av PCen!

Den nye økonomrollen
Det er altså opplagt at yrkeslivet vårt som samfunnsøkonomer kommer til å endre seg i tiden fremover. Vår rolle som økonomer kan komme til å forandre seg dramatisk, og da må man selv ta ansvar for å henge med på karusellen. Men det er opplagt at våre utdanningsinstitusjoner kan gjøre det enklere for oss å tilegne oss den kunnskapen og kompetansen som kreves for at vi skal klare å henge med.

2 Kommentarer
  1. Hei Anita!
    Først og fremst: takk for kommentar! Det er bra det er flere som er opptatt av dette!

    UiO har så absolutt tatt grep. Fra høsten 2018 har de et masterprogram i Data Science. Dette er et stort skritt i riktig retning. Videre så har økonomisk institutt begynt å gi opplæringskurs i R (i alle fall i ECON2130 – Statistikk 1). Det virker som om det er stemning for å gå over til R. Dette kan man jo diskutere frem og tilbake. Så synes jeg det er spennende at du trekker frem Excel, og jeg er helt enig. Det er viktig at man kan bruke Excel. Det er veldig nyttig verktøy, men det har dessverre også sine begrensninger. Så lenge man bruker kompetanse innenfor Excel som et springbrett for å lære seg å bruke andre verktøy der dette er nødvendig, så er jeg fornøyd.

    Du skriver at du ikke er usikker på om tiden er inne for å gjøre programmering obligatorisk for alle. Det kan tenkes at du har rett. Kanskje skremmer vi vekk en del studenter som ellers ville vurdert å studere samfunnsøkonomi dersom vi innfører et obligatorisk kurs. På den annen side tror jeg kanskje vi kunne tiltrukket oss noen andre som får mer lyst til å studere faget dersom man innfører et slikt kurs. Økonomisk institutt på UiO har et 5-årig integrert masterprogram og ett bachelor+master-løp. Kanskje en mellomløsning kunne være å innføre programmering som obligatorisk kurs på det 5-årige programmet og så høste erfaringer derfra?

    Ha en fortsatt fin dag
    Mvh Sondre

  2. Hei! Interessant tema du tar opp.

    UiO har faktisk fulgt «etter», og for ett år eller to siden lanserte de bacheloren »
    Informatikk: digital økonomi og ledelse». Kan for øvrig glede med på vi med spesialisering i finans på BBA har hilst på to programmeringsspråk, Stata og R i tillegg til at vi flere ganger har brukt Bloomberg terminalene i undervisning og til uthenting av informasjon i forbindelse med innleveringsoppgaver (obligatorisk). Disse tilskuddene har jeg vært veldig glad for, og tror andre økonomi og finansstudenter vil ha nytte av lignende muligheter.

    Men jeg er ikke så sikker på om vi skal gjøre programmering obligatorisk for alle riktig enda. Jeg tror det er viktigere å i første omgang sikre elevenes grunnleggende kunnskaper i Excel før en setter fokuset på programmering. De fleste av som tar en grad i økonomi (les: alle) vil ha bruk for gode grunnkunnskaper i Excel. Jeg er enig at også programmering bør komme på timeplanen og er viktig, men kanskje heller starte med det som valgfag. Da vil de som er nysjerrige eller spesielt interesserte få da muligheten til å prøve seg. De som er enda mer spesielt interesserte kan for øvrig melde seg opp i enkeltemner på for eksempel UiO.

    Besteforeldre og foreldregenerasjonen vår tilpasset seg datamaskinene i arbeidslivet – jeg har trua på at vår generasjon klarer å tilpasse oss denne utviklingen videre!

Svar

Din e-post vil ikke publiseres