不纠结于因果，不止步于相关

“是相关不是因果”是大数据分析的经典说法。但到了工业场景，可靠性要求“一定要有因果”。面对这个矛盾，我提出“不纠结于因果”：要从原理上给出因果解释，但不一定要用数据证明因果性。这样既发挥大数据的优势，又避免分析太难。

今天给某MBA班上课时，和一位同学进行了讨论。所以，我想把这个说法丰富一下：不纠结于因果，不止步于相关。

加上后半句的目的，是承认相关性对工业大数据分析的价值：为发现真相提供线索。相关性的线索就像福尔摩斯发现的蛛丝马迹，本身往往不是我们想要的东西。但它却能帮助我们引出真相。

在十多年前，我研究数据建模时提出过这样的观点：在工业界，原理往往是清晰的——我们缺少的是变量和参数。

具体地说：机理模型（y=f(x)）是知道的，但关键变量（x）却是不知道的。现实工业建模时，要用那些能够获知的变量（z），来建立现实的模型（y=H(z) ）。这样的模型之所以能用，是因为可测变量（z）与真实变量（x）存在关联。

这个思想同样可以用在根因分析。

 进行根因分析时，先从大量的数据中海选出与事件（y）具有相关性的变量（z）。然后在进一步分析，这些变量背后真正起作用的因素（x）是什么。这样的例子非常多。

20多年前，宝钢同事就发现：自行车用钢的合格率与班组有关。“班组”就是具有相关性的变量（z）。但这个变量不是真正起作用的变量。真正起作用的变量是这个班采用的、钢板的平整量（x）。10多年前我们也发现，钢材的性能与季节（z）有关：其实则是与气温（y）有关。今天班上同学说质量与时间、日期有关，其实是与人的工作状态有关。

所以，即便是在工业场景中，相关性也能给我们有用的线索。但是，我们的分析不能止步于相关性、去发现真实的因果关系。当然，要往前走的这一步，仍然需要人专业的知识：因果是数据之外的知识提供的。