Kausaalne järeldus Pythonis. Põhjuslikud seosed IT-arenduses

Kui palju ostjaid toob kaasa täiendav dollar, mis on investeeritud veebireklaami? Millised ostjad ostavad ainult siis, kui neile antakse sooduskupong? Kuidas määrata optimaalne hinnastrateegia? Parim viis välja selgitada, kuidas meie käsutuses olevad tegurid mõjutavad neid ärinäitajaid, mida me soovime saavutada, on kausaalne järeldus.
Mateusz Fakur, Nibanki andmeanalüüsi vanemspetsialist, räägib praktiliselt kasutamata kausaalse järelduse potentsiaalist tagajärgede ja efektide hindamisel. Juhatajad, andmeanalüütikud ja ärianalüütikud tutvuvad klassikaliste visuaalsete järeldusmeetoditega, nagu randomiseeritud kontrollkatseted (A/B testid), lineaarne regressioon, kalduvuse hindamine, sünteetilised juhtmehanismid ja erinevus erinevuses. Iga meetod on kaasas näitega reaalsest elust.