Graph embeddings y diversificación de firmas
Las firmas rara vez diversifican al azar. Sus nuevas actividades dependen de capacidades, proximidad de mercado, oportunidades institucionales y del historial de lo que ya saben hacer.
El nuevo capítulo sobre diversificación de firmas usa datos de compras públicas y embeddings de grafos para representar empresas y actividades en un espacio relacional. Esa representación permite que los modelos de machine learning capturen proximidades que pueden reflejar capacidades y oportunidades.
Para complejidad económica, esto importa porque hace la diversificación más medible y potencialmente más accionable.
Cristian Candia
Profesor Asociado, Instituto de Data Science, Facultad de Ingeniería, Universidad del Desarrollo, Chile. Director de CRiSS-LAB.
Cristian Candia es científico social computacional y estudia el comportamiento humano y colectivo usando datos a gran escala, ciencia de redes, experimentos e inteligencia artificial.