Causal Inference на Python. Причинно-следственные связи в IT-разработке

Сколько покупателей привлечет дополнительный доллар, вложенный в онлайн-рекламу? Какие клиенты будут покупать только по скидочному купону? Как разработать оптимальную стратегию ценообразования? Причинно-следственный анализ (casual inference) — лучший способ разобраться, как влиять на бизнес-метрики, которыми вы хотите управлять. И для этого понадобится всего пара строк кода на Python. Матеуш Факур рассказывает про малоизвестные применения причинно-следственного анализа, с помощью которых можно оценить влияние воздействия на результат. Менеджеры, специалисты по работе с данными и бизнес-аналитики познакомятся как с классическими методами причинно-следственного анализа, так и с современными подходами: — A/B тестами — линейной регрессией — мерой склонности — синтетическим контролем — разностью разностей — применением машинного обучения для оценки гетерогенных эффектов Каждый метод проиллюстрирован практическим примером.