
Quando duas coisas sobem ou descem juntas, é tentador concluir que uma causa a outra. Na prática, relações assim podem ser coincidência, efeito de um terceiro fator ou até causalidade invertida. Diferenciar correlação de causa é uma das habilidades mais valiosas para quem lida com relatórios, indicadores e pesquisas.

Correlação e causa: a diferença
Correlação significa que duas variáveis se movem juntas de alguma forma. Causa significa que a mudança em uma provoca a mudança na outra. Um exemplo clássico e inofensivo: em dias quentes, vendem-se mais sorvetes e há mais gente na praia. Os sorvetes não causam a ida à praia; o calor influencia os dois.
Em ambientes de trabalho, confusões desse tipo são frequentes e podem levar a decisões caras, como investir em algo que só parecia dar resultado.
Esse tipo de confusão é frequente em notícias que dizem que quem faz tal coisa vive mais ou ganha mais. Muitas vezes, a explicação está em quem escolhe fazer aquilo, e não na atividade em si. Aprender a notar isso protege você de conclusões apressadas.
As três explicações possíveis
Quando houver correlação, considere três hipóteses. Primeira, A causa B. Segunda, B causa A, a causalidade invertida. Terceira, um fator C influencia os dois, o que é chamado de variável de confusão. Existe ainda a possibilidade de coincidência, principalmente com poucos dados.
Perguntar quais dessas explicações se aplicam já melhora muito a análise, mesmo sem conhecimento estatístico avançado.
- A causa B
- B causa A (causalidade invertida)
- C causa os dois (fator em comum)
- Coincidência, comum com poucos dados
Exemplo fictício: treinamento e vendas
Uma gerente fictícia nota que vendedores que fizeram o treinamento vendem mais. Conclui que o treinamento aumenta as vendas. Mas, ao investigar, descobre que apenas os vendedores mais motivados se inscreveram. A motivação pode explicar tanto a adesão ao treinamento quanto as vendas.
Para saber o efeito real, ela organiza um teste com um grupo treinado e outro não, escolhidos de forma equilibrada. Só assim é possível atribuir diferença ao treinamento.
Um erro comum é encerrar a análise cedo demais, no primeiro resultado que confirma a expectativa. Se algo deu certo logo no início, repita o teste em outro período ou outro grupo antes de transformar a prática em regra para toda a empresa.

Seis cuidados antes de concluir
Pergunte se existe uma explicação alternativa. Veja se a relação aparece em vários períodos e grupos, e não só em um. Confira se a causa vem antes do efeito. Considere o tamanho da amostra. Procure um mecanismo plausível que ligue as duas coisas. E, sempre que possível, prefira testes com comparação a observações isoladas.
Esses cuidados não exigem fórmulas, apenas disciplina na hora de ler resultados.
- Há explicação alternativa?
- A relação se repete em outros grupos?
- A suposta causa vem antes do efeito?
- A amostra é grande o bastante?
- Existe um mecanismo plausível?
- Dá para testar com comparação?

Como comunicar com precisão
Use palavras que não prometam mais do que os dados mostram. Prefira está associado a causa ou provoca, a menos que haja teste que sustente. Ao apresentar resultados, deixe claro quais são hipóteses e quais são conclusões firmes.
Essa cautela aumenta sua credibilidade. Quem exagera acaba tendo suas análises questionadas até quando estão certas.
Quando alguém apresentar uma relação forte entre duas medidas, sugira um experimento pequeno antes de uma grande aposta. Testar com um grupo reduzido costuma ser mais barato do que ajustar toda a empresa a uma conclusão equivocada.
Quando a cultura valoriza o aprendizado, até os experimentos que não confirmam a hipótese são comemorados, pois evitaram um investimento maior em algo que não funcionaria.
Números contam histórias, mas nem toda história é a certa. Na próxima vez que uma relação parecer óbvia, liste três explicações alternativas antes de agir.