Causal Inference for Business Decision Making

Worum geht's

Du lernst Grundlagen der kausalen Schlussfolgerung für betriebliche Entscheidungen: von philosophischen Unterschieden zwischen Korrelation und Kausalität über experimentelles Design bis zu modernen Methoden wie Instrumentvariablen und Causal Machine Learning. Am Ende kannst du Geschäftsprobleme mit Gegenfaktischen, DAGs und geeigneten Methoden modellieren und kausale Effekte in R oder Python schätzen.

Was du danach kannst

• Philosophische Unterscheidung von Korrelation und Kausalität bewerten
• Counterfactual Framework und kausale DAGs auf Business-Probleme anwenden
• Häufige Bias-Mechaniken erkennen und kontrollieren (Confounding, Collider, Mediator)
• Kausale Effekte in R oder Python schätzen
• Ein vollständiges kausales Analyseprojekt durchführen und berichten

Aus was das Modul besteht

• LecturesVermittlung der theoretischen Grundlagen und Konzepte
• Coding LabsPraxisnahe Übung der Methoden in R oder Python
• Project WorkAnwendung der Methoden in einem End-to-End-Projekt
• PresentationDarstellung und Diskussion der Projektergebnisse

Lehrmethode

• LecturesEinführung in Theorie, Philosophie und methodische Grundlagen
• Coding LabsPraktische Umsetzung: z.B. Permutationstests, Simulationen von Bias
• Project WorkTiefe Anwendung: Hypothesenbildung bis Reporting
• PresentationKommunikation und kritische Reflexion der Ergebnisse