Datenanalysen, Ökonometrie, Prognosen

«Daten sind das Gold des 21. Jahrhunderts.» Dieser oft gehörte Satz reflektiert die zunehmende Bedeutung von Daten und die rasch wachsende Datenmenge («Big Data») in vielen Bereichen der Volkswirtschaft. Eine Kernkompetenz von BSS ist es, Daten für die Beantwortung von Fragestellungen zu sammeln, zu verknüpfen und auszuwerten. 

Bei zahlreichen Fragestellungen sind fundierte Datenanalysen von grosser Bedeutung. Sei es bei Analysen zu Lohnunterschieden zwischen Männern und Frauen, bei der Frage, welche Faktoren die Kosten einer Krankenversicherung beeinflussen oder der Prognose der Arbeitslosigkeit. Die Anwendungsmöglichkeiten von Datenanalysen sind in der Tat vielfältig und thematisch breit gefächert. Wir prognostizieren die Kosten von Krankenversicherungen und untersuchen, ob Massnahmen im Bereich der Arbeitslosenversicherung in den vergangenen Jahren dazu beigetragen haben, dass Arbeitslose rasch wieder eine Arbeitsstelle gefunden haben. Für unsere Analysen greifen wir auf innovative Methoden aus Statistik, Ökonometrie und Machine Learning zurück. 

• Deskriptive Analyse und Visualisierung: Anhand von deskriptiven Analysen machen wir Muster in den Daten sichtbar. Mithilfe von innovativen Visualisierungen stellen wir die relevanten Ergebnisse prägnant dar.
• Kausale Wirkungsanalyse: Mittels ökonometrischer Forschungsdesigns schätzen wir die kausalen Effekte von Politikänderungen und evaluieren die Wirkung von Massnahmen.
• Multivariate Modellierung: Wir verwenden Regressionsmodelle, um die relevanten Zusammenhänge in den Daten herauszuschälen.
• Kontrafaktische Analysen und Mikrosimulationen: Wir nutzen verschiedene Ansätze wie Matching-, Gewichtungs- und Zerlegungsmethoden, um Veränderungen zu simulieren oder um verschiedene Untersuchungsgruppen (Patienten, Arbeitnehmende) miteinander vergleichbar zu machen.
• Prognosen und Machine Learning: Wir erstellen aussagekräftige Prognosen und greifen dabei bei Bedarf auf moderne Machine-Learning-Methoden (Lasso, Random Forests, Boosting) zurück. Wir evaluieren anhand etablierter Metriken, welche Methode im jeweiligen Kontext die grösste Erklärungskraft aufweist.