Les restrictions de la politique des données empêchent-elles le commerce des services?

Cet article examine si les politiques de données restrictives ont un impact sur le commerce des services sur Internet. Nous avons collecté des informations comparables sur diverses mesures politiques qui réglementent les données d'un large groupe de pays pour les années 2006-2016. Ces informations sont compilées dans un indice pondéré qui évalue le caractère restrictif des politiques de données de ces pays. Nous distinguons les politiques réglementant le mouvement transfrontière des données des politiques réglementant l'utilisation nationale des données. En utilisant des estimations économétriques, nous montrons que des politiques de données strictes ont un impact négatif et significatif sur les importations de services à forte intensité de données. Par conséquent, les pays appliquant des politiques restrictives en matière de données, en particulier en ce qui concerne le flux transfrontière de données, souffrent de niveaux de services plus faibles échangés sur Internet. Cet impact négatif est plus marqué pour les pays disposant de réseaux numériques mieux développés. Les résultats de notre analyse sont significatifs et valables pour différents contrôles de robustesse.
1. Introduction
Le commerce des services sur Internet a augmenté régulièrement au cours des deux dernières décennies et représente désormais une part de plus de 20 pour cent du commerce total dans le monde (Loungani et al.2017). Les progrès technologiques, en particulier les technologies de l'information et des télécommunications (TIC) et les régimes réglementaires ouverts concernant les services ont tous deux contribué à l'expansion du commerce des services. Un troisième facteur a également joué un rôle important dans l'élargissement de la portée du commerce transfrontières des services, à savoir la nature mondiale d'Internet, qui est au centre de ce document.
L'Internet mondial repose sur le flux de données dans le monde entier. De nombreux services numériques sont gourmands en données car ils utilisent une grande quantité de données électroniques dans leur processus de production qui traversent les frontières plusieurs fois avant la consommation du service (figure 1). Cela facilite le commerce des services sur Internet. La libre circulation des données à travers les frontières permet aux producteurs de services de se procurer et d'envoyer des données là où leur valeur est le mieux utilisée, renforçant ainsi leur avantage comparatif dans les services numériques. Cependant, au fil des ans, les pays ont mis en place des politiques qui restreignent le flux transfrontalier et l'utilisation domestique des données (Ferracane et al., 2018b). Ces politiques menacent la nature mondiale d'Internet et devraient augmenter les coûts des services de trading en ligne. Ce document est le premier à évaluer si les politiques de données ont un impact négatif sur le commerce des services sur Internet.
Nous définissons les politiques de données comme les mesures réglementaires qui restreignent l'utilisation commerciale des données électroniques. Nous limitons notre analyse aux mesures politiques mises en œuvre au niveau national ou supranational (comme l'UE). Bien qu'il existe un grand nombre de politiques de données mises en œuvre par les entités publiques locales, ce ne sont pas les politiques sur lesquelles nous nous concentrons sur ce document. Nous identifions deux catégories principales de politiques de données. La première catégorie couvre les politiques qui ont un impact sur le transfert transfrontalier de données; la deuxième catégorie couvre les politiques qui s'appliquent à l'utilisation des données au niveau national. La première catégorie traite de toutes les mesures qui augmentent le coût de la conduite des affaires au-delà des frontières en obligeant les entreprises à conserver les données à l'intérieur d'une certaine frontière ou en imposant des exigences supplémentaires pour les données à transférer à l'étranger. Cette dernière catégorie fait référence à toutes les mesures qui imposent aux entreprises certaines conditions d'accès, de stockage, de traitement ou plus généralement d'utilisation commerciale des données dans une certaine juridiction.
Plus précisément, ce document utilise une approche empirique pour évaluer si les politiques de données mises en œuvre dans 64 pays entre 2006 et 2016 ont un impact significatif sur les importations de services sur Internet. 1 Pour cette analyse, nous développons un soi-disant indice de politique des données qui mesure à quel point les pays sont restrictifs dans la réglementation à la fois de l'utilisation intérieure et du mouvement transfrontalier des données. Grâce à une spécification économétrique, nous relions cet indice au commerce transfrontières de services pour étudier si des politiques de données restrictives réduisent effectivement les importations de services échangés sur Internet. Pour analyser cette question, nous utilisons une stratégie d'identification avancée pour évaluer si des services plus gourmands en données sont relativement plus affectés par des niveaux plus élevés de politiques de données restrictives suivant la méthodologie mise au point par Arnold et al. (2015; 2011).
Le sujet des politiques de données et du commerce des services est nouveau. La littérature antérieure sur les politiques de données se limite à analyser si les politiques de données ont un effet significatif sur la productivité. Par exemple, Ferracane et al. (2018a) utilisent des données au niveau de l'entreprise pour évaluer si les politiques de données entravent les performances de productivité au niveau de l'entreprise dans les biens et services à forte intensité de données. Les auteurs concluent que des politiques de données restrictives affectent négativement la productivité dans ces secteurs (en aval). Les auteurs constatent également que les politiques réglementaires nationales sur l'utilisation des données ont tendance à avoir un impact légèrement plus fort sur la productivité des entreprises par rapport aux restrictions sur le flux transfrontalier de données. Une explication potentielle est que les politiques restreignant la libre circulation des données affectent d'abord et avant tout la capacité des pays à échanger (c'est-à-dire importer) des services, ce qui affecte à son tour la productivité étant donné que les données sont un intrant. 2
Cet article se concentre sur la question de savoir si les politiques de données entravent les importations de services échangés sur Internet. Pour évaluer de façon solide si différents types de politiques de données affectent différemment le commerce des services, ce document divise l'indice de politique de données en deux sous-indices. Un sous-indice couvre simplement les restrictions affectant le flux transfrontalier (CB) de données, et un reprend toutes les autres politiques réglementaires (DR) nationales affectant l'utilisation nationale des données. Pour estimer notre modèle, la stratégie d'identification que nous développons repose sur l'intuition que les services plus gourmands en données sont proportionnellement plus affectés par des politiques de données plus strictes.
Une autre raison d'utiliser cette stratégie d'identification est que de simples corrélations montrent un lien négatif entre les politiques de données et le commerce des services, en particulier pour certains services à forte intensité technologique. Un nombre important de services à forte intensité technologique sont également à forte intensité de données. Le tableau 1 présente les régressions en tant que corrélations pour les deux sous-indices de la politique de données que nous utiliserons plus tard dans nos régressions. Le tableau montre que des secteurs tels que les services postaux et de courrier, les DPI, les services d'information, la R&D et les services audiovisuels présentent des coefficients négatifs. Ce résultat négatif signifie que des politiques de données plus restrictives sont associées à une diminution des échanges dans ces secteurs. Ce modèle nous motive à développer une méthodologie plus propre pour identifier avec précision les secteurs qui dépendent le plus des données, et à terme, arriver à des conclusions plus solides et génériques concernant l'impact des politiques de données sur le commerce des services. 3 Pour nous assurer que ce canal de performances réduites n'est pas faux, nous fournissons des indicateurs alternatifs de l'intensité des données et incluons différentes variables de contrôle pour la réglementation des services, et utilisons différentes sources de données sur les échanges de services.
Le reste de cet article est organisé comme suit. La section suivante fournit une brève revue de la littérature traitant de tous les travaux antérieurs pertinents sur la manière dont les politiques de données ont un impact sur l'économie. La section 3 présente la stratégie empirique de notre évaluation économétrique et présente les différentes sources de données sur le commerce des services et les intensités de données. Cette section explique également comment nous construisons l'index de politique de données. La section 4 présente les résultats de notre modèle empirique et de nos contrôles de robustesse. Enfin, la dernière section conclut et place les résultats empiriques dans un contexte politique plus large.
1 Dans le langage de l'OMC, le commerce transfrontières de services sur Internet est communément appelé le commerce de services selon le mode 1, qui est défini comme les services fournis depuis le territoire d'un Membre vers le territoire de tout autre Membre »conformément à l'article premier. : 2 de l'AGCS. Il convient de mentionner que, jusqu'à présent, les membres de l'OMC ne se sont pas mis d'accord sur une détermination claire de la question de savoir si la livraison transfrontière électronique d'un service est un service fourni par le biais du mode 1 de l'AGCS (transfrontalier) ou du mode 2 (consommation à l'étranger).
2 La restriction des flux de données limite la capacité des pays à importer des services numériques contre des prix plus bas et une plus grande qualité de nouveaux services et variétés, ce qui affecte ensuite la productivité. En outre, la littérature sur le commerce des marchandises a montré que la restriction des intrants intermédiaires limite le potentiel des pays à atteindre des niveaux de productivité plus élevés. Voir, par exemple, Amiti et Konings (2007) et Goldberg et al. (2010; 2009) dans le cas des marchandises.
3 À noter que certains coefficients affichent un résultat positif qui peut être dû à l'omission de variables de contrôle telles que la réglementation des services. Cependant, en raison de l'insuffisance des observations lors de l'inclusion de ces contrôles, les régressions deviennent impossibles. Cela nous donne également une raison pragmatique d'utiliser notre stratégie d'identification préférée des intensités de données par secteur. Voir plus loin dans l'article.
2. Littérature précédente
La littérature économique qui traite du lien entre les politiques de données et le commerce des services est rare. Cela est probablement dû au fait que ce sujet est relativement nouveau. Pourtant, certains éléments de la relation triangulaire entre les flux de données, les politiques de données et le commerce des services ont été étudiés dans une certaine mesure.
Une première série de documents de recherche étudie le rôle économique des données d'un point de vue générique. Manyika et al. (2016), par exemple, affirment que la contribution des flux de données transfrontaliers au PIB a dépassé celle des flux de marchandises dans la vague actuelle de mondialisation. L'étude indique que les flux de données représentent aujourd'hui 2,8 billions de dollars de l'augmentation totale du PIB mondial au cours de la dernière décennie, ce qui a eu un impact plus important sur la croissance que le commerce des biens traditionnels. Il est intéressant de noter que ce travail ne consacre pas une attention particulière aux interconnexions qui existent entre les flux de données et le commerce des services, mais considère le premier comme un canal distinct qui affecte l'économie indépendamment des services. Des travaux antérieurs de Freund et Weinstein (2002) ont cependant mis en évidence le rôle facilitateur de l'internet dans le commerce des services. Ils indiquent qu'une augmentation de la pénétration d'Internet de 10% a pour effet d'augmenter la croissance du commerce des services de 1,1 point de pourcentage pour les importations et de 1,7 point de pourcentage pour les exportations. Ces conclusions sont étroitement liées à la question de savoir si les flux de données influencent le commerce des services dans la mesure où les restrictions sur les données peuvent être considérées comme une restriction à l'utilisation d'Internet.
Un volet distinct de la littérature se concentre sur la cartographie des différentes politiques liées aux données. Une première tentative a été réalisée par Stone et al. (2015) qui couvre uniquement les mesures des exigences de localisation des données. Leur étude note également que les flux de données améliorent l'efficacité du commerce pour les entreprises de services spécialisés tant au niveau national qu'international. Ces entreprises de services comprennent l'hébergement, le traitement et l'exploitation de données. Cependant, l'étude ne souligne pas explicitement l'importance économique de la libre circulation des données (et donc également des politiques de données) sur de nombreux autres services à forte intensité de données tels que les services d'information et les services aux entreprises. En outre, les travaux de Ferracane (2017) catégorisent davantage les différentes formes de politiques de données existantes qui affectent le mouvement transfrontalier des données et étudient toutes les politiques de données appliquées dans 64 grandes économies pour montrer que les restrictions de données sont appliquées dans de nombreux pays, sous différentes formes et sur différents types de données. Enfin, Ferracane et al. (2018b) développent le Digital Trade Restrictiveness Index (DTRI) qui évalue le niveau de restrictivité pour différents types de politiques de données. Une version développée de cet index est utilisée dans la partie empirique de cet article. 1
Un dernier volet de la littérature pertinente évalue plus spécifiquement si les restrictions sur les mouvements transfrontaliers et l'utilisation des données ont un effet d'entraînement sur la productivité. Bauer et al. (2016) est le premier travail sur ce lien et il se concentre sur la productivité sectorielle. Ce travail examine comment certaines restrictions de données affectent la productivité dans les secteurs à forte intensité de données pour un panier d'économies émergentes et l'Union européenne (UE). Leur index des restrictions de données est composé de l'augmentation »d'un index existant des restrictions du marché des produits (PMR), tel que mesuré par la base de données PMR de l'OCDE, avec des restrictions réglementaires supplémentaires sur les données. Une évaluation plus rigoureuse de cette relation empirique est fournie par Ferracane et al. (2018a). En utilisant des données au niveau de l'entreprise dans un ensemble de pays développés et en construisant un indice de restrictivité à part entière sur les politiques de données, les auteurs confirment la conclusion que les politiques de données restrictives nuisent considérablement à la productivité des entreprises actives dans des secteurs à forte intensité de données, avec des preuves plus solides pour restrictions à l'utilisation domestique des données.
À ce jour, cependant, il n'y a pas d'examen empirique approfondi sur la façon dont les politiques de données affectent les services échangés sur Internet. Cela est surprenant compte tenu de la mesure dans laquelle le commerce des services repose aujourd'hui sur des flux de données (voir Bauer et al., 2016) et compte tenu de la part importante de tous les échanges de services échangés sur Internet. 2
Cependant, des travaux récents de Goldfarb et Trefler (2018) examinent les implications théoriques potentielles des politiques de données, telles que la localisation des données et les règles de confidentialité, sur le commerce international et la façon dont ces politiques sont liées aux modèles existants de commerce international. Bien que cette discussion soit placée dans un contexte plus large de l'intelligence artificielle (IA), les auteurs indiquent clairement qu'une industrie de l'IA élargie, dans laquelle les flux de données sont un facteur important, aurait des implications claires pour le commerce des services. De même, Goldfarb et Tucker (2012) soulignent que les réglementations en matière de confidentialité peuvent nuire aux activités innovantes, en particulier dans les services. Ils présentent les résultats des études de cas antérieures qu'ils ont entreprises dans deux secteurs de services, à savoir les services de santé et la publicité en ligne. En bref, les deux études montrent qu'il existe des liens étroits entre l'approvisionnement et le déploiement efficaces des données, l'économie des services et le commerce des services.
1 Un autre rapport récemment développé par l'USITC (2017) a décrit et examiné les nombreuses façons dont le commerce numérique a lieu et termine cet examen par une liste de mesures politiques pertinentes pour les flux de données. Les exemples incluent la protection des données et les règles de confidentialité et de localisation des données. D'autres exemples que le rapport de l'USITC inclut sont plus indirectement liés aux flux de données tels que les mesures de cybersécurité, la censure et les mesures de droits de propriété intellectuelle. Ces mesures ne sont pas incluses dans notre évaluation empirique mais sont néanmoins reprises et discutées dans Ferracane et al. (2018b).
2 Les autres canaux de commerce des services sont conformes à l'article 1: 2 de l'AGCS de l'OMC: mode 2, qui couvre les services fournis sur le territoire d'un pays au consommateur de services de tout autre pays (également appelé consommation à l'étranger »); Le mode 3, qui comprend les services fournis par un fournisseur de services d'un pays, par le biais d'une présence commerciale, sur le territoire de tout autre pays (également appelé présence commerciale »); et enfin le mode 4, les services fournis par un fournisseur de services d'un pays, grâce à la présence de personnes physiques d'un pays sur le territoire de tout autre pays (également appelé présence de personnes physiques »).
3. Stratégie empirique
Cette section présente la stratégie empirique. Nous développons un soi-disant indice de liaison de données, qui tient compte du fait que certains secteurs de services dépendent plus des données que d'autres, c'est-à-dire qu'ils sont plus intenses en données. Intuitivement, nous nous attendons à ce que les secteurs plus gourmands en données soient proportionnellement plus affectés par les changements dans les politiques de données. Pour refléter cette considération dans le cadre empirique, nous pondérons notre indice de politique de données avec une mesure de l'intensité des données pour chaque secteur de services. Dans une deuxième étape, nous présentons notre spécification de base pour les régressions dans lesquelles nous utilisons la variable de liaison de données.
3.1 Liaison de données
L'indice de couplage des données s'appuie sur la méthodologie mise au point par Arnold et al. (2011; 2015) et est présenté dans Ferracane et al. (2018a). Leur approche empirique a été utilisée dans de nombreux autres articles dans le but de créer un soi-disant indice de couplage des services. Dans notre cas, nous développons un indice de couplage de données. Pour chaque pays, nous interagissons l'indice de politique de données spécifique au pays avec les intensités de données de chaque secteur de services en aval. Cette stratégie d'identification repose sur l'hypothèse que les secteurs plus dépendants des données sont ceux qui sont les plus affectés par les changements dans les politiques de données. Cette approche pondérée est, à notre avis, une meilleure méthode pour mesurer l'impact des politiques de données sur le commerce des services qu'une analyse non pondérée plus simple des politiques de données et du commerce des services comme le fait le tableau 1 (voir Introduction). La raison en est que tous les services ne déploient pas une quantité égale de données sur Internet et que tous les services ne sont pas aussi facilement échangeables sur Internet.
Par conséquent, l'indice des politiques de données spécifiques au pays que nous développons est multiplié par une mesure de l'intensité des données pour le pays c, à partir d'un ensemble de secteurs producteurs de données d, pour chaque secteur de services en aval j. C'est ainsi que la variable de liaison de données (DL) est configurée, dans laquelle l'intensité des données est exprimée en (D / L). Nous développons deux types d'intensités de données présentées dans les équations (1) et (2). Les équations des intensités de données montrent un numérateur différent, à savoir ϛjd et φjd, respectivement. Dans l'équation (1), le terme ϛjd désigne l'utilisation de logiciels pour chaque secteur j pour lequel des données sont extraites de l'enquête sur les TIC du recensement américain. Dans l'équation (2), le terme φjd représente l'utilisation en entrée des services de données de chaque secteur en aval j que nous obtenons du tableau d'utilisation des entrées-sorties du Bureau américain d'analyse économique (BEA). Nous utilisons ce dernier numérateur pour nos contrôles de robustesse. Dans les deux cas, les intensités de données sont exprimées sous la forme d'un rapport sur le travail, appelé LABj, qui est employé dans chaque secteur en aval j. Les données sur le travail sont extraites du Bureau américain des statistiques du travail (BLS). En conséquence, nous appliquons respectivement la formule suivante:
Notez que dans l'équation (1) et (2), nous mettons les indicateurs d'intensité dans les journaux, conformément à la littérature précédente sur les intensités des facteurs. Cette expression des intensités est donc plus proche de la littérature sur l'avantage comparatif comme Chor (2011), Nunn (2011) et Romalis (2009). Dans l'équation (2), cependant, l'intensité des données en utilisant φjd est plus conforme à la littérature susmentionnée comme Arnold et al. (2011; 2015) mais aussi Bourlès (2013) qui créent un indicateur de dépendance en utilisant des matrices entrées-sorties, bien que nous utilisons le travail comme dénominateur au lieu de l'utilisation totale des intrants comme le font la plupart de ces articles. La littérature économique appelle également ces derniers types de partages des liens en amont. 1 Enfin, dans l'équation (1) et (2), l'indice de politique des données se réfère à un indice de politique des données par pays (voir la section 3.3).
Nous choisissons nos deux mesures d'intensité des données pour varier au niveau de l'industrie et spécifiques à une seule année, à savoir 2010, pour éviter les problèmes d'endogénéité. Cela peut se produire dans le cas où des secteurs de services à forte intensité de données avec des volumes d'échanges élevés poussent à des restrictions réglementaires plus faibles sur les données au fil du temps. De plus, au lieu d'intensités spécifiques au secteur national (c'est-à-dire ϛcjd ou φcjd), nous utilisons des intensités de données sectorielles communes pour un pays, à savoir les États-Unis, ce qui rend nos coefficients d'entrée de données plus exogènes. Cependant, pour atténuer la crainte que cette année ne se situe au milieu de notre période de panel, nous utilisons l'année 2007 pour mesurer les intensités des données dans l'équation (2). Pourtant, il faut être conscient du fait que les TIC et les technologies Internet ont eu un impact énorme sur l'élargissement de la portée du commerce des services au cours des dernières années grâce à la libre circulation des données. 2
3.2 Intensité des données
Le degré d'intensité des secteurs dans l'utilisation des données est mesuré de deux manières. Pour notre mesure préférée de l'intensité des données telle que définie dans l'équation (1), nous utilisons les informations sur l'utilisation des données de l'enquête sur les TIC du recensement américain de 2011. Ces données sont basées sur des enquêtes et enregistrent, au niveau détaillé du secteur du SCIAN à 4 chiffres, combien chaque industrie et secteur des services dépense en intrants du secteur des TIC en termes d'équipement TIC et de logiciels en Mn USD.
Pour nos régressions, nous prenons les dépenses en logiciels informatiques dans le cadre de notre intensité de données préférée. L'enquête sur les TIC du recensement américain enregistre en fait deux variables distinctes sur les dépenses en logiciels, à savoir les dépenses capitalisées et non capitalisées. Nous sélectionnons d'abord les dépenses non capitalisées car ce proxy est plus proche de notre deuxième mesure de l'intensité des données pour laquelle nous utilisons des données d'entrées-sorties. Cependant, les résultats de la régression sont également valables lors de l'utilisation de dépenses en logiciels capitalisées. Les dépenses de logiciels non capitalisées comprennent les achats et la masse salariale pour le développement de logiciels et de licences de logiciels et les accords de service / maintenance pour les logiciels. Bien que ce proxy ne saisisse pas entièrement la mesure dans laquelle les secteurs utilisent les données électroniques, il s'agit néanmoins du type de variable d'utilisation des données le plus proche que nous puissions trouver publiquement. Nous prenons l'année 2010 pour nos régressions, et comme nous l'avons dit, nous divisons ces dépenses en logiciels sur la main-d'œuvre, également pour l'année 2010, et nous les utilisons dans notre régression de base.
La figure 2 donne un aperçu des intensités de données pour chaque secteur de services calculées pour les dépenses capitalisées et non capitalisées. Les deux intensités sont calculées à 4 chiffres du SCIAN, puis concordées au niveau BPM6 à 2 chiffres. La raison du reclassement des coefficients d'entrée est que nos données sur le commerce des services sont fournies dans le MBP6. Puisqu'aucune table de concordance n'existe entre le SCIAN et le BPM6, nous avons développé notre propre matrice et agrégé ces coefficients d'entrée de données au niveau du BPM6 à 2 chiffres pour les deux intensités en prenant la moyenne simple. Notez qu'une catégorie forme un décalage entre les deux tableaux de classification, à savoir Propriété intellectuelle / Redevances et droits de licence. Ce secteur n'est pas déclaré dans le recensement américain ni dans la base de données BLS. Néanmoins, il est important d'inclure ce secteur car il couvre, entre autres, les brevets, les marques et les droits d'auteur - qui sont tous des éléments à forte intensité de données et pour lesquels des volumes élevés de commerce de services sont également enregistrés. Par conséquent, nous avons développé notre propre méthode de concordance pour inclure ce secteur. Les détails de cette concordance se trouvent à l'annexe 1. 3
La figure 2 montre également le classement des secteurs selon l'intensité des données en utilisant notre proxy pour les dépenses en logiciels capitalisées et non capitalisées. Sans surprise, les secteurs des télécommunications et des services informatiques sont les plus gourmands en données. Ils utilisent une grande quantité de données grâce à leur utilisation accrue des logiciels. Les services d'information tels que les services de traitement des données et la recherche sur le Web sont également très gourmands en données, conformément à nos attentes. Une constatation intéressante est que les services financiers et d'assurance apparaissent également comme des secteurs très gourmands en données. Les deux secteurs sont plus largement considérés comme très technologiques et les technologies Internet ont massivement augmenté dans le secteur des services financiers. 4 De l'autre côté du spectre, les secteurs les moins gourmands en données sont les services de construction et de voyage. Le milieu de gamme des secteurs à forte intensité de données est un mélange de secteurs modernes et traditionnels tels que la R&D et les services de transport.
Une deuxième façon de calculer les intensités de données consiste à utiliser les données du US BEA Input Use Table, qui est fourni au niveau à 6 chiffres. Cette méthode alternative est définie dans l'équation (2). Pour ces intensités, nous devons d'abord déterminer les secteurs qui fournissent des données à d'autres secteurs en aval (services) avant de pouvoir calculer le tableau 2 qui répertorie les secteurs que nous définissons comme producteurs de données ». Ce sont des secteurs qui génèrent une grande quantité de données lors de la prestation de leurs services. À ce titre, nous déterminons que ces secteurs agissent comme une entrée de données dans tous les autres secteurs en aval de l'économie. Par conséquent, nous calculons les valeurs d'entrée sur la base de ces huit secteurs. Cette liste de secteurs va au-delà de ce qui est couvert par des dépenses purement logicielles. Il suit Bauer et al. (2016) et est conforme à Jorgenson et al. (2011) concernant leurs industries productrices de TI. Ils comprennent, entre autres, le secteur des télécommunications; traitement de données, hébergement et services connexes; fournisseurs de services Internet et portails de recherche Web; éditeurs de logiciels; services de conception de systèmes informatiques; et autres services informatiques.
Nous calculons le rapport entre l'utilisation des services de données d'entrée du BEA sur la base des prix d'achat et de la main-d'œuvre pour chaque secteur de services en aval au niveau à 6 chiffres. La main-d'œuvre provient à nouveau du BLS des États-Unis dans le SCIAN pour la même année et est appariée à la matrice d'entrées-sorties du BEA des États-Unis qui s'intègre parfaitement. Pour cette intensité de données, nous prenons l'année 2007 car le dernier tableau d'entrées-sorties disponible du BEA date de cette année. Toutes les intensités sont re-concordées dans BPM6 en utilisant notre table de concordance auto-développée. 5 Comme le montre la figure 3, les services de télécommunications, la propriété intellectuelle, les services informatiques et financiers sont à nouveau les secteurs de services les plus gourmands en données. Cependant, deux changements notables sont visibles par rapport à la figure 2. L'un est l'augmentation remarquable de l'intensité des données pour les services techniques, commerciaux et autres services aux entreprises. Alors que notre indicateur préféré d'intensité de données montre une faible intensité de données pour ce secteur, en utilisant les données BEA, ce secteur est maintenant le troisième plus grand utilisateur de services de données. Un deuxième changement est que les services d'assurance ont considérablement baissé dans le classement et sont désormais l'un des secteurs les moins gourmands en données utilisant des données BEA.