莫把数据的相关性当成因果关系

　　大数据时代，很多商学院都会讲到这个经典案例：沃尔玛发现啤酒和尿布的销售量是相关的，但究竟是因为啤酒销量增高导致尿布销量增高，还是反过来？沃尔玛不需要做太深入的研究，有了相关性的分析结果，就足以把啤酒和尿布放在一起卖，从而提高销量。

　　这个成果非常有意思，但没有理论根据。换句话讲，相关性可以不需要理论支持，只需要用统计学的方法描述数据。这样的结果，在很多时候非常有用，但如果把相关性当成因果关系来指导决策，可能就会有害。

　　不妨再看看下面几个例子。

　　在日常生活中，我们经常听到有的妈妈说，“我一定要把孩子送到那个补习班，那个补习班的孩子很多都考上好大学了。”这句话背后隐含着一个观察分析结果：去这个补习班的孩子，比不去的考上好大学的多得多。

　　这个结论就源自简单的相关性分析，但这位家长可能犯下一个错误：把相关性分析当作因果关系，进而据此决策。其实，上这个补习班只是那些孩子考上好大学的其中一个原因（相关数据），两者之间是否构成因果关系，需要更复杂的分析，仅一个相关系数远远不够。

　　再举一个例子。去年在美国的很多新闻媒体报道过一篇论文，论文作者分析了14万篇学术论文后，通过相关性分析发现题目比较短的论文更容易被引用。作者认为他们用了大数据，对此，我提出两点。

　　第一，大数据在这里是帮助他们找出结论，还是“害”了他们呢？在统计学中，衡量统计结果是不是比较确定，需要计算这个统计结果的方差。方差的大小跟数据量大小有关，当所有其他条件一样时，数据量越大，方差值越小，统计结果的确定性越大，包括错误的结果。也就是说，作者利用大数据得到了比较确定的相关系数的结果，但可能还有很多变量之间的相关系数比较高。除了标题长短，是不是文章长短、图表应用等因素都相关呢？

　　第二，这个结果完全靠相关系数得到，同前面补习班的例子一样，不能当作因果关系来指导决策。如果一篇文章的标题短被引用得多，另一篇文章标题长被引用得少，没有任何意义，两篇文章本就不同。

　　大数据时代，数据之间的相关性分析，有时就足以给人带来惊喜的结果，但决策者一定要既知其一又知其二。相关性不等于因果关系，因果关系需要严格的分析和推理。

　　统计学的方法，是用来帮助指导商业决策的一个非常有用的工具，如何正确地使用这个工具，还需要具有对商业行为和决策的深入理解。

　　很多商家经常用优惠券来吸引客户，但不是随便发给每个人。如果大量的优惠券给到的就是常去店里买东西的客户，没有优惠券，他们依然常来，因为优惠券，反而可能使商家的盈利降低了。这就是将相关性当成因果关系，进而做出错误决策的常见案例。

　　所以，企业家切记：不要将相关性当作因果关系去指导决策，这一区别的重要性在大数据时代显得更为突出。

　　董晓静

关注读览天下微信， 100万篇深度好文， 等你来看……