Desbloquea todo tu potencial como analista de negocios con el poderoso marco de impacto causal de 5 pasos
Aprovecha al máximo tu potencial como analista de negocios con el poderoso marco de impacto causal de 5 pasos
La inferencia causal puede ayudarte a convertirte en una estrella del análisis de negocios
En un contexto empresarial, el liderazgo suele estar interesado en el impacto de una decisión o evento en el KPI de interés. Como analista de rendimiento, paso la mayor parte de mi tiempo respondiendo alguna variante de esta pregunta: “¿Cuál es el impacto de {Noticias, anuncios gubernamentales, eventos especiales…} en el rendimiento del país X?”. Intuitivamente, podemos responder a esta pregunta si tuviéramos una forma de saber qué hubiera sucedido si las Noticias/anuncios/eventos especiales nunca hubieran ocurrido.
Esta es la esencia de la inferencia causal, y algunas personas muy talentosas están trabajando arduamente para hacer que los marcos de inferencia causal estén disponibles para que los usemos.
La librería Causal Impact de Google es uno de esos marcos. Desarrollado por Google para ayudarles a tomar mejores decisiones sobre el presupuesto de marketing, esta librería puede ayudarnos a cuantificar el impacto de cualquier evento o intervención en una serie temporal de interés. Puede sonar aterrador, pero en realidad es bastante intuitivo.
Como analistas de negocios, debemos aprovechar estas herramientas en nuestra vida diaria; aquí te presento 5 pasos sencillos que puedes seguir para implementar tu primer análisis de Causal Impact.
- Noticias VoAGI, 22 de noviembre 7 controles esenciales de calidad de datos con Pandas • Los 5 mejores bancos de datos vectoriales que debes probar en 2024
- Análisis de datos de autoservicio como una jerarquía de necesidades
- Grandes Modelos de Lenguaje, StructBERT — Incorporando Estructuras del Lenguaje en el Entrenamiento Previo
Paso 1: Instalar e Importar Paquetes
Para esta guía, utilizaremos Python.
Comenzaremos instalando el paquete Google Causal Impact.
>pip install tfcausalimpact
puedes encontrar más información sobre este paquete en GitHub: https://github.com/WillianFuks/tfcausalimpact
Para ejecutar un análisis de Causal Impact, solo necesitas 4 paquetes.
from causalimpact import CausalImpactimport pandas as pdimport seaborn as snsimport matplotlib.pyplot as plt
Paso 2: Importar Datos y Definir Períodos Antes/Después
Podemos pensar en el marco de Causal Impact como un problema de series temporales.
En una fecha específica, observamos un evento, noticias, etc. y seguimos cómo cambia nuestra medida de interés después de este evento en comparación con un punto de referencia. Puedes pensar en tu punto de referencia como…
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- ¿Conda demasiado lento? ¡Prueba Mamba!
- Las 5 mejores APIs de difusión estable para una integración fácil de aplicaciones
- Altman está de vuelta El CEO de OpenAI triunfa sobre la turbulencia en la sala de juntas
- Tutorial de Sklearn Módulo 1
- Investigadores de Stanford innovan en el modelo de lenguaje de gran escala para la veracidad de los hechos Rankings de preferencia automáticos y avances en NLP para la reducción de errores
- Incrustación de texto y recuperación de similitud de frases a gran escala con Amazon SageMaker JumpStart
- La nueva función de diseño de Amazon Textract introduce eficiencias en tareas de procesamiento de documentos de inteligencia artificial generales y generativos.