2 微信基于StarRocks的实时因果推断实践

愿景与工作：团队致力于实现"All in SQL"的愿景，开发了腾讯开源分布式因果推断工具Fast-Causal-Inference，该工具基于OLAP引擎和SQL解析引擎，能在秒级处理数千亿行数据进行因果推断计算，支持SQL/Python语言交互，并包含20+常用因果推断模型。
均值检验场景：
- 提供基于方差估计的检验函数，并具备方差削减能力（利用协变量信息做回归降低噪声，提高统计效力）。
- 适用于传统统计量效力不足的场景，如金额相关指标分布极端时，非参检验更显著。
- 适用于关注用户群体提升而非平均提升的业务场景，如时长长尾指标。
业务真实使用效果：
- 解决维度高、遍历算法计算量大、第一类错误概率爆炸等问题。
- 因果树模型：分裂条件最大化治疗效应异质性，输出树结构叶节点策略效果，自动化发现交叉维度下的显著异质因果效应。
- 因果森林模型：总结合并不同结构的因果树结果，更精准、稳定地预测每个个体的因果效应。
应用场景：观测性分析无法做实验时，通过因果推断工具实现高效分析。