فائدہ:
- مقصد، دائرہ کار، اپ ڈیٹ فریکوئنسی اور وشوسنییتا کے مطابق اہم اقتصادی ڈیٹا ذرائع (TURKSTAT، CBRT EVDS، IMF WEO، World Bank، Eurostat، FRED) کا موازنہ کرنے اور صحیح ذریعہ کا انتخاب کرنے کی صلاحیت
- ڈیٹا ماخذ کی تلاش، سیریل کوڈ/تفصیل کی مماثلت اور ڈاؤن لوڈ کوڈ جنریشن کے لیے مصنوعی ذہانت کا استعمال کرنے کی اہلیت، اور ہر نتیجے کی تصدیق سرکاری ذریعہ سے کریں۔
- یہ دیکھنے کی صلاحیت کہ کس طرح ورژن (نظرثانی)، بیس سال، یونٹ اور تعریف کے فرق تجزیہ میں خلل ڈالتے ہیں اور میٹا ڈیٹا کی تصدیق کرنے کی عادت حاصل کرتے ہیں۔
ہر معاشی تجزیہ ڈیٹا سے شروع ہوتا ہے، اور تجزیہ کا معیار کبھی بھی ڈیٹا کے معیار سے زیادہ نہیں ہو سکتا۔ "کوڑا کرکٹ میں، کچرا باہر" کا اصول معاشیات میں بے حد کام کرتا ہے: یہاں تک کہ سب سے خوبصورت ماڈل، غلط بنیاد، غلط تعریف، یا غلط مدت پر مبنی، غلط ہے۔ اس یونٹ میں، ہم صحیح ڈیٹا کو تلاش کرنے، سیریل کوڈز کو میچ کرنے اور ڈاؤن لوڈ کوڈ لکھنے کے لیے مصنوعی ذہانت کا استعمال کریں گے۔ لیکن ایک سنہری اصول تبدیل نہیں ہوگا: اعداد و شمار سرکاری بنیادی ذریعہ سے آتے ہیں، مصنوعی ذہانت سے نہیں۔ AI آپ کو ذریعہ کا راستہ دکھا سکتا ہے۔ آپ خود اس ذریعہ سے ڈیٹا حاصل کرتے ہیں۔
آئیے اہم ذرائع کو جانتے ہیں۔
ماہر معاشیات کے کمپاس میں درج ذیل وسائل شامل ہیں۔ ہر ایک کا مقصد، دائرہ کار اور اپ ڈیٹ تال مختلف ہے۔
ترکستات (ترک شماریاتی ادارہ)۔ Türkiye کی سرکاری شماریاتی اتھارٹی۔ افراط زر (CPI/PPI)، جی ڈی پی، مزدور قوت، غیر ملکی تجارت، صنعتی پیداوار، آبادی۔ یہ ترکی کے لیے مخصوص اعداد و شمار کا بنیادی ذریعہ ہے۔
CBRT EVDS (الیکٹرانک ڈیٹا ڈسٹری بیوشن سسٹم)۔ مرکزی بینک کا ڈیٹا پورٹل۔ زر مبادلہ کی شرح، سود، رقم کی فراہمی، ادائیگیوں کا توازن، موجودہ توازن، ذخائر، متوقع سروے۔ مالیاتی اور مالیاتی ڈیٹا کے لیے پہلا پڑاؤ۔
آئی ایم ایف (بین الاقوامی مالیاتی فنڈ)۔ خاص طور پر WEO (ورلڈ اکنامک آؤٹ لک) ڈیٹا بیس: کراس کنٹری تقابلی جی ڈی پی، افراط زر، قرض، کرنٹ اکاؤنٹ بیلنس اور تخمینہ۔ بین الاقوامی مقابلے کے لیے مثالی؛ لیکن تخمینے پیشین گوئیاں ہیں، حقیقت نہیں۔
ورلڈ بینک (ورلڈ بینک - ڈبلیو ڈی آئی)۔ عالمی ترقی کے اشارے: ترقی، غربت، تعلیم، صحت، بنیادی ڈھانچے کے اشارے؛ طویل تاریخی سیریز اور ملک کا موازنہ۔
یوروسٹیٹ۔ یورپی یونین کے شماریاتی دفتر؛ EU ممالک کے لیے ہم آہنگ (موازنہ) ڈیٹا۔ EU بینچ مارکنگ میں HICP (ہم آہنگ افراط زر) جیسی سیریز کا استعمال کیا جاتا ہے۔
FRED (فیڈرل ریزرو اکنامک ڈیٹا)۔ سینٹ لوئس فیڈ کی وسیع سیریز؛ امریکی اور عالمی میکرو فنانشل ڈیٹا کے لیے تیز اور قابل پروگرام رسائی (API) پیش کرتا ہے۔
او ای سی ڈی ترقی یافتہ معیشتوں کے لیے تقابلی اشارے، سرکردہ اشارے، پیداواری صلاحیت اور فلاحی سلسلہ۔
مشورہ: "درست ذریعہ" سوال کا جواب مقصد پر منحصر ہے۔ ترکی کی سرکاری افراط زر کے لیے ترکستات؛ آئی ایم ایف/ورلڈ بینک ترکی کا 30 ممالک سے موازنہ کرے گا۔ امریکی مفاد کے لیے FRED۔ ایک ہی اشارے کو غلط ذریعہ سے لینا ایک خاموش غلطی ہے۔
خاموش غلطی کے ذرائع: نظر ثانی، بنیادی سال، یونٹ، تفصیل
معاشی اعداد و شمار میں سب سے خطرناک غلطیاں بے آواز ہیں۔ چار جانیں:
- نظر ثانی (ورژن)۔ بہت سے اشارے (جی ڈی پی، ادائیگیوں کا توازن) پہلی بار اعلان کیے جانے کے مہینوں بعد نظرثانی کیے جاتے ہیں۔ آج کا "عارضی" اعداد و شمار، تین ماہ بعد "حتمی" اعداد و شمار مختلف ہوں گے۔ جانیں کہ آپ کون سا ونٹیج (ورژن) استعمال کر رہے ہیں۔
- بنیادی سال۔ اشاریہ جات بنیادی سال (=100) کی بنیاد پر قائم کیے جاتے ہیں۔ دو سیریز کا مختلف بیس سالوں سے براہ راست موازنہ کرنا غلط ہے۔
- یونٹ ملین یا بلین، TL یا ڈالر، موجودہ یا مقررہ قیمت؟ یونٹ کنفیوژن سب سے عام تجزیہ کی خرابی ہے۔
- تعریف/اسکوپ۔ "بے روزگاری" کی تعریف کیا ہے؟ "بنیادی افراط زر" کن چیزوں کو خارج کرتا ہے؟ ایک ہی نام کی دو سیریز مختلف چیزوں کی پیمائش کر سکتی ہیں۔
احتیاط: اگر دو ذرائع سے ایک ہی اشارے کے اعداد و شمار مماثل نہیں ہیں، تو آپ کا پہلا مفروضہ "کوئی جھوٹ بول رہا ہے" نہیں ہونا چاہئے بلکہ "تعریف/بیس/اسکوپ/نظرثانی میں فرق ہے"۔ پہلے میٹا ڈیٹا (ڈیٹا حوالہ) کو سیدھ میں کریں۔
مرحلہ وار: AI سے چلنے والا ڈیٹا اکٹھا کرنا
- ضرورت کو واضح کریں۔ کون سا اشارے، کون سا ملک/صوبہ، کون سی مدت، کون سی تعدد (ماہانہ/سہ ماہی/سالانہ)، کون سی تعریف؟
- ذریعہ منتخب کریں۔ AI کو مقصد کی وضاحت کریں اور مناسب بنیادی ماخذ اور مکمل سیریز کا نام تجویز کریں۔
- میٹا ڈیٹا کی توثیق کریں۔ آفیشل پیج پر منتخب سیریز کی یونٹ، بیس سال، تفصیل اور اپ ڈیٹ کی تاریخ کی تصدیق کریں۔
- ڈاؤن لوڈ کوڈ تیار کریں۔ جن کے پاس API ہے، جیسے FRED/World Bank، AI پر Python کوڈ لکھیں۔ TURKSTAT/EVDS کے لیے ڈاؤن لوڈ کے مراحل کو ہٹا دیں۔
- پہلے چیک کریں۔ ڈیٹا آنے کے بعد، قطاروں/کالموں کی تعداد، گمشدہ اقدار، آؤٹ لیرز اور تاریخ کی حد کو چیک کریں۔
- ذریعہ کی تصدیق۔ کم از کم چند مشاہدات کا سرکاری اشاعت سے موازنہ کریں۔ کیا یہ بالکل مماثل ہے؟
تین چھوٹے مقدمات
کیس 1 - بیس سال کا جال۔ ایک تجزیہ کار نے دو الگ الگ مطالعات سے صنعتی پیداوار کا اشاریہ حاصل کیا۔ ایک 2015=100 پر مبنی تھا اور دوسرا 2021=100 پر مبنی تھا۔ اس نے مصنوعی ذہانت سے کہا، ’’ان کو یکجا کریں۔ اگر اس نے میٹا ڈیٹا چیک کو چھوڑ دیا، تو وہ انڈیکس کو ساتھ ساتھ رکھے گا اور ایک جعلی چھلانگ دیکھے گا۔ اس نے کنٹرول سٹیپ میں بنیادی فرق کو پکڑا، دونوں کو ایک مشترکہ بنیاد میں بدل دیا اور پھر ان کو ملا دیا۔ جعلی اچھال ختم ہو گیا ہے۔
کیس 2 - من گھڑت API آؤٹ پٹ۔ ایک محقق نے مصنوعی ذہانت سے کہا، "ورلڈ بینک سے ترکی کی فی کس جی ڈی پی نکالیں"؛ AI نے کوڈ اور نمبرز کی میز دونوں کو "نمونہ آؤٹ پٹ" کے طور پر واپس کیا۔ محقق نے میز کا استعمال نہیں کیا؛ صرف کوڈ چلایا اور اصلی API سے ڈیٹا حاصل کیا۔ تب اس نے محسوس کیا کہ مصنوعی ذہانت کے ذریعہ "مثال" کے طور پر لکھے گئے نمبر درحقیقت 10-15 فیصد کی کمی تھی۔ کوڈ کا آلہ، نمبر نہیں؛ یہ صحیح طرز عمل تھا۔
کیس 3 - نظر ثانی کا فرق۔ چھ ماہ قبل شائع ہونے والے ایک نوٹ میں، ایک ادارے نے لکھا کہ سہ ماہی ترقی 4.0 فیصد تھی۔ موجودہ TÜİK ڈیٹا میں، اسی سہ ماہی میں 3.5 فیصد پر نظر ثانی کی گئی تھی۔ نئی رپورٹ میں، تجزیہ کار نے ایک فوٹ نوٹ میں بتایا کہ اس نے کون سا ورژن استعمال کیا اور نظر ثانی کے ساتھ دو اعداد و شمار کے درمیان فرق کی وضاحت کی۔ شفافیت نے ساکھ کو محفوظ رکھا۔
ماخذ انتخاب کی میز
مقصد
مناسب بنیادی ذریعہ
توجہ
ترک مہنگائی (CPI/PPI)
ترکستان
بنیادی سال، بنیادی/سرخی کی تفریق
زر مبادلہ کی شرح، سود، موجودہ توازن، ذخائر
سی بی آر ٹی ای وی ڈی ایس
نظر ثانی، سیریز کی تعریف
ممالک کے درمیان GDP/ افراط زر کا موازنہ
آئی ایم ایف ڈبلیو ای او
پروجیکشن ≠ وصولی
ترقی/طویل تاریخی سلسلہ
ورلڈ بینک WDI
کوریج، لاپتہ سال
EU کے ہم آہنگ اشارے
یوروسٹیٹ
HICP کی تعریف
US/عالمی میکرو فنانس، API
فریڈ
موسمی ایڈجسٹمنٹ کی حیثیت
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) ماخذ اور سیریز کا ملاپ:
مجھے درج ذیل اشارے کی ضرورت ہے: [اشارے، ملک/صوبہ، مدت، تعدد، تفصیل]۔ اس کے لیے سب سے موزوں پرائمری آفیشل سورس اور مکمل سیریز کا نام تجویز کریں۔ ان پوائنٹس کی فہرست بنائیں جن کی مجھے یونٹ، بیس سال، اور سیریز کی تفصیل کے بارے میں تصدیق کرنے کی ضرورت ہے۔ نمبر نہ دیں؛ بس یہ بتاؤ کہ اسے کہاں اور کیسے خریدنا ہے۔
2) FRED/ورلڈ بینک ڈاؤن لوڈ کوڈ:
Python میں [FRED/World Bank] API کے ساتھ ایک کوڈ لکھیں جو درج ذیل سیریز کو ڈاؤن لوڈ کرتا ہے: [series code/name]، [date range]۔ کوڈ ڈیٹا کو pandasDataFrame میں لے جاتا ہے، پہلی/آخری 5 قطاروں اور گمشدہ اقدار کی تعداد پرنٹ کرتا ہے۔ مجھے کوئی مثال نہ دیں صرف ورکنگ کوڈ دیں۔
3) میٹا ڈیٹا کی توثیق کی فہرست:
میں مندرجہ ذیل سیریز استعمال کروں گا: [series]۔ میٹا ڈیٹا کی ایک چیک لسٹ بنائیں جس کی آپ کو استعمال سے پہلے تصدیق کرنے کی ضرورت ہے: حجم، بنیادی سال، موسمی ایڈجسٹمنٹ کی حیثیت، تعریف/اسکوپ، اپ ڈیٹ کی تاریخ، نظر ثانی کی حیثیت۔ ہر آئٹم کے لیے، ایک جملے میں "کیا اور کہاں تصدیق کرنی ہے" لکھیں۔
4) دو وسائل کی مماثلت کی تشخیص:
مجھے دو ذرائع سے ایک ہی اشارے ملا ہے اور نمبر مختلف ہیں: ماخذ A: [قدر، امپرنٹ]۔ ماخذ B: [قدر، امپرنٹ]۔ اس فرق کی ممکنہ معصوم وجوہات کی فہرست بنائیں (تعریف، بنیاد، دائرہ کار، موسمی ایڈجسٹمنٹ، نظر ثانی، کرنسی) اور مجھے بتائیں کہ ہر ایک کی جانچ کیسے کی جائے۔ یہ مت کہو کہ "ایک غلط ہے"؛ پہلے اختلاف کی وضاحت کرنے میں میری مدد کریں۔
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
مجھے گزشتہ 10 سالوں میں ترکی کی ترقی کا ڈیٹا دیں۔
AI اپنی یادداشت سے ایک تصویر نکالتا ہے، جو ممکنہ طور پر پرانی اور جزوی طور پر من گھڑت ہے۔ کوئی ذریعہ یا امپرنٹ نہیں ہے۔
طاقتور اشارہ:
میں 2014-2023 Türkiye سالانہ حقیقی GDP نمو استعمال کروں گا۔ مجھے اس کے لیے بنیادی ماخذ (TURKSTAT) اور مکمل سیریز کا نام بتائیں؛ مجھے بتائیں کہ کیا سیریز کی قیمت مقرر ہے اور بیس سال کی تصدیق کے لیے کہاں دیکھنا ہے۔ اس ڈیٹا کو ڈاؤن لوڈ کرنے کے لیے اقدامات/کوڈز بھی دیں۔ خود نمبر تیار نہ کریں۔
عام غلطیاں
- حقیقی ڈیٹا کے لیے مصنوعی ذہانت کے "نمونہ آؤٹ پٹ" ٹیبل کو غلط سمجھنا۔ وہ نمبر من گھڑت ہو سکتے ہیں۔ صرف کوڈ/گائیڈ لائن استعمال کریں۔
- میٹا ڈیٹا کو سیدھ میں لائے بغیر دو سیریز کا موازنہ کرنا۔ بنیاد/یونٹ/ڈیفینیشن میں فرق جعلی نتائج پیدا کرتا ہے۔
- حقیقت کے لئے ایک پروجیکشن کو غلط کرنا۔ آئی ایم ایف ڈبلیو ای او میں اگلے سال کا اعداد و شمار ایک تخمینہ ہے۔
- نظر ثانی کو نظر انداز کرنا۔ یہ نہیں بتانا کہ آپ کون سا ورژن استعمال کر رہے ہیں۔
- تعدد کی مماثلت۔ بغیر کسی تصحیح کے ماہانہ سیریز کو سہ ماہی سیریز کے ساتھ ملانا۔
- فوٹ نوٹ میں ماخذ کا حوالہ نہیں دینا۔ ایک ایسی شخصیت جس کا سراغ نہیں لگایا جاسکتا ہے وہ ایک ایسی شخصیت ہے جو ناقابل برداشت ہے۔
خلاصہ میں
تجزیہ کی طاقت ڈیٹا کی طاقت ہے۔ صحیح ذریعہ تلاش کرنے کے لیے AI کا استعمال کریں، سیریز سے میچ کریں اور ڈاؤن لوڈ کوڈ لکھیں۔ لیکن ہمیشہ بنیادی سرکاری ذریعہ (TURKSTAT, EVDS, IMF, World Bank, Eurostat, FRED) سے اعداد و شمار حاصل کریں۔ میٹا ڈیٹا کو سیدھ میں لا کر خاموش غلطی کے ذرائع جیسے نظرثانی، بنیادی سال، حجم، اور تفصیل کو بے اثر کریں۔ اگر دو ذرائع آپس میں متصادم ہیں تو پہلے انتساب کا موازنہ کریں۔
درخواست کا کام
ایک ایسے اشارے کا انتخاب کریں جسے آپ اپنے کاروبار میں اکثر استعمال کرتے ہیں۔ AI سے ماخذ اور میٹا ڈیٹا چیک لسٹ کو اوپر ٹیمپلیٹس 1 اور 3 کے ساتھ نکالیں۔ پھر دو مختلف ذرائع سے ایک ہی اشارے تلاش کریں (مثال کے طور پر ترکسٹیٹ اور ورلڈ بینک) اور اعداد و شمار کا موازنہ کریں۔ اگر کوئی فرق ہے تو، ٹیمپلیٹ 4 کے ساتھ وجہ کی تشخیص کریں اور اپنی تلاش کو تین جملوں میں نوٹ کریں۔
چیک لسٹ
- میں نے اپنے مقصد کے لیے موزوں بنیادی ماخذ کا انتخاب کیا (میں نے ترکی کے سرکاری/بین الاقوامی موازنہ کے درمیان فرق کیا)۔
- میں نے آفیشل پیج سے سیریز کی یونٹ، بیس سال، تفصیل اور اپ ڈیٹ کی تاریخ کی تصدیق کی۔
- میں نے حقیقی ماخذ سے حاصل کردہ ڈیٹا کا استعمال کیا، مصنوعی ذہانت کے ذریعے دیے گئے "نمونہ کے اعداد و شمار" سے نہیں۔
- میں نے کم از کم چند مشاہدات کا لفظی طور پر سرکاری اشاعت سے موازنہ کیا۔
- میں نے نظرثانی/ورژن کی حیثیت کی جانچ کی اور اس ورژن کو نوٹ کیا جو میں استعمال کر رہا تھا۔
- [ ] میں نے میٹا ڈیٹا کو سیدھ میں کر کے دو ماخذ تنازعات کی وضاحت کی۔
- میں نے ہر ایک شخصیت کا ماخذ بنایا جسے میں نے فوٹ نوٹ کے ساتھ ٹریس ایبل استعمال کیا۔