O Erro que Custa R$ 200K+ Aqui está um cenário real que vi acontecer em uma empresa de e-commerce: Gerente viu que quando vendiam mais sorvete, o faturamento subia. Conclusão óbvia: "aumentem a produção de sorvete". Então cortou investimento em marketing e dobrou a produção. Resultado? Faturamento caiu 40%. Por quê? Porque a variável oculta era temperatura. Dias quentes vendem mais sorvete E os clientes compram mais tudo (férias de verão). Aumentar sorvete sem marketing não fazia sentido. Correlação: faturamento e vendas de sorvete estão relacionadas. Causalidade: sorvete não causa o faturamento. Temperatura (variável oculta) causa os dois. Esse erro custa centenas de milhares em decisões ruins. Os 3 Pontos de Verificação Antes de Afirmar Causalidade Antes de afirmar "A causa B", você PRECISA responder essas 3 perguntas: 1. Existe Variável de Confusão? Variável de confusão é aquela que influencia TANTO A quanto B, fazendo parecer que A causa B. Exemplo: Você observa: mais publicidade → mais vendas Variável oculta: Black Friday (ambos aumentam juntos) Verdade: não foi a publicidade que causou vendas, foi Black Friday Como validar: pergunte ao seu time. "Quando vimos correlação entre X e Y, qual era o contexto? Era feriado? Mudou campanha? Tinha anomalia operacional?" Variáveis de confusão comuns: Sazonalidade (mês, trimestre, estação) Eventos externos (Black Friday, lancamento de produto, mudança de preço) Mudanças internas (nova campanha, novo time, novo processo) 2. A Ordem Temporal Faz Sentido? Para A causar B, A PRECISA acontecer ANTES de B. Parece óbvio, mas é onde 50% das análises erram. Exemplo errado: Você vê: "usuários que viram a landing page converteram mais" O que realmente aconteceu: usuários que já eram clientes visitaram a landing page (efeito reverso) A causa B: conversão causou a visita, não o contrário Como validar: trace a linha do tempo. Quando exatamente A aconteceu? Quando exatamente B aconteceu? Há causas que reversas possíveis? Exemplo de ordem temporal correta: 1. Dia 1: Enviamos email de educational content 2. Dia 3: Visitantes clicaram no link do email 3. Dia 5: Alguns visitantes compraram Ordem temporal faz sentido: email → clique → compra. 3. O Mecanismo Causal É Plausível? Mesmo que A venha antes de B e não haja variável de confusão óbvia, o mecanismo precisa fazer sentido no mundo real. Exemplo implausível: Você observa: "pessoas que usam meia vermelha têm salário mais alto" Correlação: existe Ordem temporal: a meia vem antes? Talvez Mecanismo: "meias vermelhas causam aumento salarial"? NÃO FAZ SENTIDO O que provavelmente está acontecendo: profissionais mais sênior se vestem melhor (e usam meias vermelhas porque podem gastar mais em moda). A meia é um proxy para senioridade, não a causa. Exemplos plausíveis: "Mais treinamento → melhor performance" (mecanismo faz sentido) "Melhor infraestrutura de TI → menos downtime" (mecanismo faz sentido) "Marketing aumentado → mais leads" (mecanismo faz sentido) A Estatística é Sobre Não Enganar a Si Mesmo A maioria das análises que vejo confirmam a hipótese que o analista JÁ acreditava. Coincidência? Não. Viés de confirmação é real. Você procura evidências que apoiam sua tese e ignora as que contradizem. Antes de afirmar causalidade: 1. Pergunto a mim mesmo: qual seria a evidência que contradiz minha tese? 2. Busco essa evidência 3. Se encontro, repenso a conclusão Estatística não é sobre números bonitos. É sobre não cometer erros que custam R$ 200K+ em decisões ruins. Elite Data Academy te ensina a pensar estatisticamente. Python, SQL, Power BI e estatística aplicada em um só lugar. Acesse agora com 7 dias grátis—R$ 35/mês depois.