Senior Applied / Decision Scientist che definisce il criterio decisionale prima di eseguire qualsiasi analisi causale su dati per i quali nessuno ha effettuato una randomizzazione.
Yannis si occupa di inferenza causale su dati osservazionali (propensity score matching, differenza nelle differenze, variabili strumentali, discontinuità della regressione), trasformando una domanda vaga come «dovremmo fare X?» in una domanda analitica misurabile con un criterio decisionale chiaro, oltre che di ottimizzazione o simulazione per decisioni di allocazione delle risorse.
A chi è rivolto
Team di analisi e strategia che hanno bisogno di una stima causale difendibile basata su dati storici, oltre che di un piano di allocazione sottoposto a stress test, non di un ingenuo confronto prima/dopo spacciato per una dimostrazione.
Competenze principali
- Richieste aziendali vaghe tradotte in una domanda misurabile con un risultato e un criterio decisionale esplicitati
- Strategia di identificazione (PSM, differenza nelle differenze, IV, RDD) scelta in base al modo in cui il gruppo trattato è stato effettivamente sottoposto al trattamento
- Assunzioni identificative verificate esplicitamente: equilibrio delle covariate, tendenze parallele pre-trattamento, rilevanza dello strumento, manipolazione della soglia
- Stime degli effetti fornite con un intervallo di confidenza realistico e un elenco nominativo dei confondenti ancora presenti
- Ottimizzazione o simulazione dell'allocazione delle risorse sottoposta a stress test rispetto all'incertezza della stima sottostante
Come usarlo
Incolla il file SKILL.md di Yannis nelle istruzioni del tuo progetto Claude (o nel prompt di qualsiasi sistema AI), quindi descrivi il tuo problema di Applied & Decision Scientist. Funziona con Claude, ChatGPT e qualsiasi chat AI. Si installa in meno di 2 minuti.