
Sorvete e afogamentos aumentam juntos no verão, mas ninguém acha que o sorvete afoga. O calor é a causa comum. Essa é a ideia central de que correlação não é causa, e ela vale tanto para estudos científicos quanto para o relatório de vendas da sua empresa. Os casos a seguir são fictícios, criados só para ilustrar o raciocínio.
O que é correlação, afinal

Correlação significa que duas medidas variam juntas: quando uma sobe, a outra tende a subir ou a descer. Ela é fácil de enxergar em um gráfico de dispersão e é um bom sinal para investigar, nunca uma conclusão.
Causalidade é mais exigente: significa que mexer em uma coisa provoca mudança na outra. Para afirmar isso, precisamos de um desenho de teste, de comparação com grupos parecidos ou de conhecimento sólido sobre o mecanismo.
Caso 1: a loja de roupas e a chuva
Uma loja fictícia notou que nos dias de chuva as vendas de guarda-chuva e de casacos subiam juntas. O gerente concluiu que anunciar casacos aumentaria a venda de guarda-chuvas. Na verdade, as duas vendas respondiam a um terceiro fator: o tempo.
Quando existe um fator oculto que afeta as duas variáveis, chamamos de variável de confusão. A pergunta para se fazer é: existe algo que poderia estar mexendo nas duas coisas ao mesmo tempo?
Caso 2: o treinamento e o desempenho
Em uma empresa fictícia, quem fez um curso opcional de vendas teve desempenho melhor que quem não fez. Seria fácil concluir que o curso funciona. Mas quem se inscreve em cursos opcionais talvez já fosse mais motivado e dedicado.
Esse é o chamado viés de seleção: o grupo que escolhe participar já é diferente do que não escolhe. Para saber o efeito do curso, seria preciso comparar grupos parecidos ou medir o desempenho antes e depois nas mesmas pessoas.
- Os grupos eram parecidos no início?
- Quem escolheu participar?
- Houve medição antes e depois?

Caso 3: a coincidência pura
Com muitos dados, sempre aparecem pares de números que andam juntos por acaso. Uma empresa fictícia achou que o número de e-mails enviados na semana acompanhava o faturamento, mas a relação sumiu quando analisaram um período mais longo.
Quanto mais comparações você faz, maior a chance de achar algo que parece relevante e não é. Desconfie de padrões encontrados depois de testar muitas combinações, sobretudo quando não existe uma explicação razoável.

Perguntas para desconfiar com educação
Diante de uma suposta relação, faça perguntas curtas: o que veio primeiro? Existe um terceiro fator? A relação aparece em outros períodos e outros grupos? Faz sentido explicar como uma coisa provocaria a outra?
Essas perguntas não servem para desqualificar o colega, e sim para fortalecer a conclusão. Uma análise que resiste a elas ganha credibilidade, e uma que não resiste é melhor descobrir antes de virar decisão.
- Qual veio primeiro?
- Há um terceiro fator?
- Repete em outros períodos?
- Existe um mecanismo plausível?
Um teste rápido antes de acreditar numa relação
Quando alguém apresentar uma relação entre duas variáveis, use este teste de trinta segundos. Troque a ordem: será que B causa A e não o contrário? Procure o terceiro fator: o que poderia estar afetando as duas? Pergunte pelo tamanho: quantos casos sustentam isso?
Se a relação sobreviver às três perguntas, trate-a como uma hipótese promissora e planeje um teste mais cuidadoso, como comparar grupos parecidos ou fazer uma mudança pequena para ver se o efeito aparece. Esse hábito protege a empresa de gastar dinheiro em soluções para problemas que não existem.
- Inverter a direção da causa
- Procurar o terceiro fator
- Verificar o tamanho da amostra
Correlação é um convite para investigar, não um veredito. Da próxima vez que ouvir quando A sobe, B sobe também, responda com curiosidade: o que mais pode explicar isso? Essa pergunta evita muitas decisões erradas.