在世界许多地区，关于关键经济成果的稀疏数据阻碍了公共政策的制定、目标制定和评估。我们展示了卫星图像和机器学习的进步如何帮助改善这些数据和推理挑战。在乌干达电网扩张的背景下，我们展示了如何将卫星图像和计算机视觉相结合，来制定适合推断电力供应对生计的因果影响的地方生计测量。然后，我们展示了当应用于这些数据时，基于ML的推理技术如何比传统的替代方案更可靠地估计电气化的因果影响。我们估计，电网接入使乌干达农村的村级资产财富增加了0.17个标准差，与未经处理的地区相比，我们研究期间的增长率翻了一番多。我们的研究结果为关键基础设施投资的影响提供了全国范围的证据，并为数据稀疏环境中的未来政策评估提供了一种低成本、可推广的方法。