Correlação Não é Causalidade — O Erro que Custa Milhares Era uma terça-feira normal quando o VP de Marketing veio com uma "descoberta": "Vendas de gelado aumentam quando a temperatura sobe. Portanto, vamos fazer uma campanha de verão gigante." Resultado proposto: investir R$ 50 mil em marketing de verão. Parecia lógico. Havia correlação clara: temperatura sobe → vendas aumentam. Mas correlação não é causalidade. E esse erro é tão comum quanto perigoso. O Problema da Gelato Vamos decompor o que realmente estava acontecendo: O que eles viram: Correlação: Sim, existe. Quanto mais quente, mais vendas. Conclusão deles: "Calor CAUSA vendas de gelado. Marketing de verão vai aumentar lucro." O que realmente estava acontecendo: Entenda: Temperatura não causou vendas. Férias causaram vendas. A temperatura era apenas um acompanhante do verão. Um sinal visível do que realmente estava mudando. Isso é chamado de Terceira Variável. As 3 Formas de Cair na Armadilha Armadilha 1: Correlação Simples (A ↔ B) Armadilha 2: Relação Temporal Reversa (A causou B, quando foi B que causou A) Você viu correlação e inverteu a seta de causalidade. Armadilha 3: Coincidência Temporal (A e B variam juntos, mas por acaso) Como Não Cair na Armadilha — 4 Perguntas Obrigatórias Sempre que você vir uma correlação, faça estas 4 perguntas: 1. Existe uma Terceira Variável? Como investigar: Liste 5 variáveis diferentes que poderiam explicar ambas as coisas. 2. A Ordem Temporal Faz Sentido? Teste: Se A causou B, A deveria acontecer ANTES de B. 3. O Mecanismo Causal é Plausível? Teste: Faria sentido no mundo real? Ou é absurdo? 4. Posso Testar com A/B Test? O A/B test é a forma mais confiável de provar causalidade. Exemplo Real — O Caso do Email Marketing Dado comum: "Emails enviados às 9am têm mais cliques que emails às 5pm." Correlação: Sim, óbvio. Conclusão fácil: "Enviar às 9am causa mais cliques. É o melhor horário!" A verdade mais complexa: Emails às 9am chegam para pessoas que estão no trabalho Pessoas no trabalho conferem email quando chega Pessoas em casa (5pm) estão ocupadas com vida pessoal Logo, não é "horário do email". É "contexto do leitor". Teste correto: Segmente por tipo de leitor (freelancer vs empregado) Veja qual horário funciona melhor para CADA grupo Conclusão: Empregado responde melhor às 9am. Freelancer às 10pm. Agora você tem causalidade verdadeira, não correlação. A Regra Prática Para Analistas Sempre que você concluir algo: Pergunta 1: "O que realmente observei?" (fatos, correlação) Pergunta 2: "O que estou concluindo?" (causalidade) Pergunta 3: "Qual é a causa REAL?" (investigar variáveis) Pergunta 4: "Como eu testaria isso?" (A/B test, experimento) Se não conseguir responder a pergunta 4, provavelmente está vendo correlação, não causalidade. A Consequência de Não Entender Isso Voltando ao caso do VP de Marketing: Se tivessem se precipitado: Investimento de R$ 50k em campanha de verão Resultado: vendas aumentam 5% (verão realmente vende mais) Conclusão do VP: "Campanha funcionou! ROI de 500%" Realidade: Vendas aumentariam 5% DE QUALQUER JEITO (era verão) Campanha gastou R$ 50k pra adicionar 0% (a causa era verão, não marketing) Resultado: R$ 50k desperdiçados em uma "solução" para um problema que a natureza já resolvia. Aprender a pensar criticamente sobre dados é o que separa analistas que tomam decisões certas de analistas que dilapidam orçamento. Na Elite Data Academy, você aprende estatística não como fórmulas, mas como forma de não se enganar com seus próprios dados. Porque dados mentem quando você não sabe interpretar.