I dati nelle mani giuste possono essere incredibilmente innovativi e dovrebbero essere una componente chiave di qualsiasi scelta. Una delle espressioni più note dell’analista americano W. Edwards Deming è: “In Dio abbiamo fiducia”. Ogni altra persona, porti informazioni”.

Sia come sia, sempre e comunque, le informazioni possono essere giudicate erroneamente e fraintese. Una delle più grandi idee sbagliate è quella che si distingue tra causalità e connessione.

Qualche tempo fa, Bloomberg ha pubblicato un articolo sui pericoli che si corrono nel mescolare le due cose. L’articolo ha raggiunto inferenze selvagge come Facebook sta guidando l’emergenza dell’obbligo greco o che la fama del nome del bambino ‘Avas’ ha causato la bolla dell’alloggio negli Stati Uniti. Chiaramente si tratta di modelli oltraggiosi, tuttavia mostra le minacce di non comprendere la distinzione.

Cosa sono la causalità e la correlazione?

Che ne dite di iniziare con l’essenziale? Qual è il significato di causalità e correlazione?

Tutto sommato, come indicato dal collegamento dell’Agenzia di Insights, è “una misura fattuale (comunicata come numero) che descrive la dimensione e l’intestazione di un collegamento tra almeno due fattori”.

Mentre la causalità “Mostra che un’occasione è la conseguenza dell’evento dell’altra occasione; per esempio c’è una connessione causale tra le due occasioni. A questo si fa riferimento anche come circostanze e risultati logici”.

Il grande modello di causalità rispetto alla correlazione che viene utilizzato il più spesso possibile è che il fumo corrisponde all’abuso di alcolici, tuttavia, non provoca dipendenza da alcolici. Mentre il fumo provoca un’espansione del pericolo di creare malignità polmonare.

Per quale motivo la distinzione è significativa?

Ottenere la giusta distinzione è fondamentale. L’evangelista pubblicitario Avinash Kaushik ha spiegato come non capire la distinzione possa essere eccezionalmente pericolosa. Kaushik ha pubblicato un articolo di The Financial specialist, che ha evidenziato la dichiarazione che mangiare più dessert può aiutare a sostenere i punteggi di understudy sulla scala di comprensione PISA.

“Agli individui comuni (non investigatori), questo grafico e questo articolo sembrano autentici”, ha composto Kaushik. “Dopo questo è un sito rispettabile ed è un gruppo legittimo. Grazioso, e guarda c’è una linea rossa, che assomiglia a una ragionevole appropriazione, e un R-squared!

Eppure, Kaushik ha bisogno che noi contempliamo le informazioni attuali e non ci fidiamo completamente delle cose.

Egli fa presente che, nonostante il ragionevole collegamento tra questi indici informativi, non c’è in realtà nulla che possa giustificare la causalità dell’uno e dell’altro. Mentre ci può dare l’impressione di essere una chiara connessione che associa il livello di intelligenza all’utilizzo dello yogurt gelato, l’informazione non rivela in modo conclusivo nulla al di là di questa innegabile correlazione.

Fare casi forti

Finalmente Kaushik utilizza il modello dell’esperto finanziario come punto di partenza per ricordare a noi – e agli investigatori di tutto il mondo – di essere progressivamente sospettosi nei confronti di casi che giungono a forti conclusioni sulla base di informazioni corrispondenti. Ha fatto riferimento a vari modelli diversi, tra cui la scienza e il suicidio, le valutazioni sulla qualità dei vettori e i piani di volo. La fonte di ispirazione di Kaushik ha esortato gli utenti a guardare oltre le informazioni e a mantenere una distanza strategica dai fini semplici.

“La nostra principale responsabilità è quella di essere sospettosi, di scavare e comprendere, di fare un colpo e di pungolare e di liquidare l’incredibilmente fuori strada e nella remota possibilità che non sia incredibilmente fuori strada, a quel punto, per dare un senso a quanto possa essere giusto, in modo da poter dare un suggerimento informato”, ha proseguito.

Come si fa a fare le cose per bene

La causalità è una zona che è il più spesso possibile fraintesa e molto bene può essere notoriamente difficile raccogliere la causalità tra due fattori senza fare un incontro controllato e randomizzato. Inoltre, una connessione può essere una misura utile ma ha dei vincoli, in quanto è generalmente legata alla stima di una relazione diretta. Sia come sia, capire che la correlazione non suggerisce la causalità e realizzare la cosa che conta è un buon punto di partenza.