Inferência Estatística
Análise de Impacto em Séries Temporais e Forecast Contrafactual
Avaliação de se uma alteração observada numa métrica foi causada por uma intervenção ou por tendência, sazonalidade ou ruído.
Tipo de dados: simulado. Sem dados confidenciais de clientes ou empregadores.
Resumo Executivo
Este estudo estima se uma alteração visível numa métrica temporal é compatível com efeito de intervenção após considerar tendência de base, sazonalidade e ruído.
Pergunta de Negócio
A intervenção alterou a métrica para além do que seria esperado pela trajetória anterior?
Pergunta Estatística / Hipótese
A hipótese nula é que o período pós-intervenção segue o caminho contrafactual previsto pelo comportamento anterior. A hipótese alternativa é que o período observado se afasta desse caminho esperado por uma magnitude relevante.
Dados
A base é simulada como uma série semanal com histórico anterior à intervenção, data de intervenção, tendência, sazonalidade e variáveis de comparação. A estrutura permite separar o momento da intervenção de efeitos recorrentes de calendário.
Metodologia
A análise compara valores observados após a intervenção com um forecast contrafactual. Usa enquadramento de séries temporais interrompidas, incerteza preditiva e interpretação por intervalos, em vez de uma comparação simples antes-depois.
Implementação
Python e R são usados para decomposição, diagnóstico do modelo, estimação contrafactual e intervalos de incerteza. Power BI é usado apenas para comunicação executiva quando os resultados estatísticos estão estabilizados.
Resultados
O resultado é um impacto acumulado estimado, desvio pontual face ao contrafactual e intervalo de incerteza. A evidência apoia decisão apenas quando o desvio observado é estatística e operacionalmente relevante.
Limitações
As principais limitações são eventos concorrentes não observados, histórico prévio curto, quebras estruturais, especificação incorreta do modelo e interpretação excessiva quando a data de intervenção não é bem definida.
Recomendação Executiva
Usar a diferença estimada face ao contrafactual como evidência direcional para expansão ou investigação. Quando a incerteza permanece elevada, prolongar a janela de observação ou adicionar uma série de comparação.
Ferramentas Utilizadas
Python, R e Power BI.
Links
Notebook, repositório GitHub e PDF executivo em breve.