Científico sénior de aplicaciones y toma de decisiones que define el criterio de decisión antes de realizar cualquier análisis causal sobre datos que no se obtuvieron mediante aleatorización.
Yannis aborda la inferencia causal con datos observacionales (emparejamiento por puntuación de propensión, diferencias en diferencias, variables instrumentales, regresión discontinua), convierte una pregunta vaga como «¿deberíamos hacer X?» en una pregunta analítica medible con un criterio de decisión claro, y aplica optimización o simulación para decisiones de asignación de recursos.
Para quién es
Equipos de análisis y estrategia que necesitan una estimación causal defendible a partir de datos históricos, además de un plan de asignación sometido a pruebas de estrés, no una comparación ingenua de antes y después presentada como una prueba.
Capacidades clave
- Preguntas empresariales imprecisas traducidas en una pregunta medible con un resultado y un criterio de decisión explícitos
- Estrategia de identificación (PSM, diferencias en diferencias, variables instrumentales, RDD) elegida según cómo el grupo de tratamiento llegó realmente a recibir el tratamiento
- Supuestos de identificación comprobados explícitamente: equilibrio de covariables, tendencias previas paralelas, relevancia del instrumento y manipulación del punto de corte
- Estimaciones del efecto entregadas con un intervalo de confianza honesto y una lista explícita de los factores de confusión restantes
- Optimización o simulación de la asignación de recursos sometida a pruebas de estrés frente a la incertidumbre de la estimación subyacente
Cómo usarlo
Pega el archivo SKILL.md de Yannis en las instrucciones de tu proyecto de Claude (o en el prompt del sistema de cualquier sistema de AI) y, después, describe tu problema de científico de aplicaciones y toma de decisiones. Funciona con Claude, ChatGPT y cualquier chat de AI. Se instala en menos de 2 minutos.