PL
W niniejszym opracowaniu przedstawiliśmy związki między współczesnymi trendami w badaniach ekonomicznych a nowymi metodami analizy danych. Jako reprezentanta nowego nurtu analizy danych wybraliśmy metody ślepej separacji. Jest to dynamicznie rozwijająca się gałąź analizy danych, która zapoczątkowana pewnymi badaniami neurofizjologicznymi, przekształciła się w szerokie spektrum podejść rozważanych w kategoriach metod separacji, reprezentacji oraz transformacji danych. Do zasadniczych technik w tym obszarze należą przede wszystkim: analiza składowych niezależnych, nieujemna faktoryzacja macierzy oraz algorytmy AMUSE oraz SOBI. W drugiej części opracowania rozważamy różnice pozyskiwania wiedzy w podejściu indukcyjno-eksploracyjnym, którego reprezentantem mogą być metody separacji, a podejściem aprioryczno-dedukcyjnym typowym dla ortodoksyjnych nurtów ekonomii. Wykazujemy, że wbrew często opozycyjnemu ich przedstawieniu są to zasadniczo podejścia komplementarne. W naszej interpretacji wybór podejścia jest związany z relacją ilości danych do wielkości wiedzy eksperckiej o zjawisku.
EN
In this paper, we present relations between actual trends in economic research and novel methods in data analysis. As the representation of the new data analysis approach we choose the blind signal separation methods. Blind separation methods is a rapidly developed branch of data analysis. It started from some neurophysiological problem and grew to wide range analytical approaches which currently are considered in term of data separation, representation and transformation. The main techniques in this area are: independent component analysis, nonnegative matrix factorization or AMUSE and SOBI algorithms. In the second part of paper we consider knowledge discovery differences in inductive-exploration approach what is typical for blind signal separation methods and apriori-deductive approach what is typical for orthodox economy theories. Against often opposite treatments we suggest complementary interpretation. In our meaning the natural methodological choice is associated with relation data to expert knowledge about given phenomena. In the small data case we need to compensate it by some theorethical assumptions.