4. ok
Auteurs
Joshua Blumenstock
School of Information à Berkeley
Directeur, Data-Intensive Development Lab
Senior Fellow, Berkeley Institute for Data Science
jblumenstock@berkeley.edu
University of Washington, Seattle, WA, 2013-2016
Assistant Professor, Information School
Founder and co-Director, Data Science and Analytics
Laboratory
5. ok
Auteurs
University of California, Berkeley, Berkeley, CA
Ph.D., School of Information, 2012
M.A., Economics, 2010
Wesleyan University, Middletown, CT
B.A., Computer Science, 2003 (high honors)
B.A., Physics, 2003 (high honors)
6. ok
Auteurs
Ye Shen
Senator @ MIT Sloan School of Management
Partnership Management / Strategy @ American
Express / Lianlian Pay JV
Investment Banking Analyst @ UBS Investment Bank
Business Development Manager @ Lianlian Yintong
Electronic Payment Co.,Ltd
Cross-registration, Entrepreneurship in Healthcare @
Harvard Business School
Master of Finance @ Massachusetts Institute of
Technology - Sloan School of Management
Bachelor, Statistics @ University of California, Berkeley
7. ok
Auteurs
Nathan Eagle
CEO of Jana (Mcent browser) txteagle
Professor of Epidemiology at Harvard University and a
Research Assistant Professor in Computer Science
at Northeastern University
Assistant Professor at the MIT Media Lab and an
Fellow at the Santa Fe Institute
B.S., 1999, Stanford University
M.S., 2001, Stanford University
M.S., 2003, Stanford University
Ph.D., 2005, MIT
8. ok
Sac de mots clés
Mobile Phone, predicted expenditures,
economic status, phone survey, Rwanda
9. ok
Problématique
Avoir des statistiques fiable sur la répartition de la
richesse dans un pays ne peut être qu’un moyen
efficace soit pour les politiciens ou pour les acteurs
économiques.
Or dans les pays en cours de développement tel que
Rwanda la collecte des datas sur ce sujet est sensible,
coûteux et prend du temps. Et peut mêmes s’il est fait
avec ces contraintes ne pas être fiable i.e. ne reflète
pas la vraie réalité (secteur informel, échappement à
l'impôt …).
10. ok
Un peu de philosophie
Not everything that can be counted counts, and
not everything that counts can be counted~Albert Einstein
11. ok
Data
(i) A household-level demographic
survey conducted by the Rwandan government (DHS);
(ii) A phone survey of a representative sample of
Rwandan mobile phone users;
(iii) A log of all phone activity by those individuals in
the period from January 2005 to December 2008
(CDR).
12. ok
Etape A Modeling the relationship between assets and expenditures
Tout d'abord, la modélisons de la relation entre
actifs et dépenses en en se basant sur le DHS fait par
le gouvernement.
Cela nous permet d’estimer les dépense d’un ménage
donné en fonction des informations sur les actifs
appartenant à ce ménage.
13. ok
Resultat
Comme on peut le voir sur la figure 1, même avec trois ménages
Comme caractéristiques -le nombre de radios, le nombre
de lits dans le ménage et la taille du ménage- explique plus de 50%
de la variation en valeur annuelle de dépenses des ménages.
Puis l’ajout de cinq autres variables
augmente le R^2 à 0,623
15. ok
Etape B Predicting the expenditures of phone survey respondents
Une enquête téléphonique sera faite avec un
Echantillon d'utilisateurs de téléphones mobiles pour
collecter des informations sur la propriété « actifs ».
A base des informations collectées nous pouvons
facilement prédire leur dépenses en utilisant le modèle
développé dans l’étape précédente.
16. ok
Résultat
La figure 2 montre que
dépenses des répondants au sondage téléphonique en 2009 (ligne bleue),
et encore pour les mêmes répondants en 2010 (ligne rouge). Au cours de
la période d'un an, n’a pas subit un grand changement i.e. que la
prédiction est efficace.
17. ok
Etape C Relating call histories to predicted expenditures
Maintenant que nous avons prédit les dépenses des
personnes contactées dans l'enquête téléphonique, il
est possible de trouver une relation entre
les dépenses et l'historique détaillé des appels (obtenu
de l'opérateur de téléphonie mobile) Pour ces
Personnes i.e. évaluer directement la relation
entre utilisation du téléphone et statut économique
18. ok
Résultat
Enfin, nous obtenons un dataset épuré
qui relie les historiques d'appels (CDR) aux dépenses.
Et qui par la suite va être utilisé pour modéliser la
relation entre l’utilisation des téléphones et statut
économique.