Можно ли вообще обойтись без экспериментов?

Иногда да: есть наблюдательные методы — разность разностей, регрессионный разрыв, причинные графы. Но они требуют аккуратной работы и явных предпосылок о том, как устроены данные. Если есть возможность поставить честный эксперимент, обычно это самый надёжный способ установить причинность, а наблюдательные методы стоит оставить для случаев, где эксперимент невозможен.

Аналитика и данныеКонцепцияСтатистика

Корреляция и причинность

Корреляция — связь двух величин в данных. Причинность — то, что одна величина действительно влияет на другую.

КРАТКО

Корреляция и причинность — не одно и то же: если две величины движутся вместе, это ещё не значит, что одна вызывает другую. Часто за связью стоит третья, общая причина. Классический пример: продажи мороженого и число утоплений растут одновременно, но виновата жаркая погода. Доказать причинность сложнее, чем найти корреляцию: обычно нужен эксперимент или особая структура данных.

СИНОНИМЫ:корреляция и причинностькорреляция не означает причинностьпричинно-следственная связьcorrelation vs causation

Аналитика регулярно показывает корреляции, а бизнес-решения требуют причинных выводов. Между этими двумя вещами легко запутаться, и именно тут чаще всего рождаются дорогие ошибки.

Откуда берётся ложная корреляция

Общая причина: обе переменные зависят от третьей, скрытой.
Обратная причинность: следствие путают с причиной.
Эффект отбора: данные собраны так, что связь возникла уже на этапе выборки.
Случайность: при достаточно большом числе сравнений где-то обязательно найдётся «значимая» связь.

Как доказать причинность

Рандомизированные эксперименты (A/B-тесты).
Естественные эксперименты и квазиэкспериментальные методы (разность разностей и другие).
Аккуратное моделирование с учётом всех известных смешивающих факторов.

КОГДА ПРИМЕНЯТЬ

Перед любым выводом вида «X влияет на Y»
При интерпретации корреляционных карт и матриц
Когда хочется превратить аналитику в управленческое решение

КОГДА НЕ СТОИТ

В разведочной аналитике — там корреляции часто полезны для генерации гипотез, даже если ещё нельзя говорить о причинности

ПРИМЕР

Аналитик заметил: клиенты, заходившие в раздел справки в первую неделю, чаще остаются на сервисе через 3 месяца. Естественный вывод — «надо чаще водить новых пользователей в справку». При ближайшем рассмотрении оказалось, что в справку чаще ходят более вовлечённые пользователи, и именно вовлечённость объясняет и заход в справку, и удержание. Принудительные показы справки в эксперименте не дали никакого эффекта на удержание.

КАК ИСПОЛЬЗОВАТЬ В SHTAB

В любом дашборде с парой коррелирующих метрик добавьте короткий комментарий: что с чем связано и что прямой причинности это ещё не означает. Иначе руководство будет принимать решения по красивым графикам, не задавая нужных вопросов.

Попробовать бесплатно

Вопросы про «Корреляция и причинность»

Это короткое напоминание: даже если две величины тесно связаны в данных, нельзя автоматически делать вывод, что одна влияет на другую. Связь может объясняться третьей переменной, способом отбора данных или простой случайностью. Прежде чем строить на такой связи решение, её стоит проверить экспериментом или хотя бы честно назвать гипотезой.

Ещё из «Аналитика и данные»

Вся категория →

ARPU и ARPPU (средняя выручка на пользователя)

ARPU — средняя выручка на пользователя. ARPPU — средняя выручка на платящего пользователя.

Business Intelligence (бизнес-аналитика)

Совокупность процессов и инструментов сбора, хранения и визуализации данных для принятия деловых решений.

DAU, WAU, MAU (активная аудитория за день, неделю и месяц)

Количество уникальных активных пользователей за день, неделю и месяц соответственно.

Применяйте термины на практике

База знаний, задачи и цели — в одном сервисе. Бесплатно — без лимита по числу людей.

Попробовать бесплатно Все термины