数据分析最常见的错误之一是把相关当因果。两个指标一起涨，可能只是同受第三因素影响，也可能纯属巧合。基于错误因果判断做决策，往往事与愿违。
经典例子是冰淇淋销量与溺水人数正相关，真正原因是气温上升。业务中类似陷阱很多，比如功能使用多的用户留存高，可能是活跃用户本就爱用功能，而非功能带来留存。
判断因果要靠实验或准实验方法。随机对照实验最可靠，能消除混杂因素。无法做实验时，可用断点回归、双重差分、倾向得分匹配等方法，但都有较强假设，需要检验。
观察数据能提供线索但不能直接下结论。发现相关后，先列出可能的混杂因素和反向因果，再设计验证方案。不要用回归系数直接解释为因果效应。
汇报时用词要准确，说“相关”而不是“导致”。如果要做因果推断，明确方法、假设和局限性，让决策者知道结论的可靠边界。
