数据分析，为什么需要因果推断

“相关性并不意味着因果关系”，相信做数据分析的同学都明白这个道理。有一个喜闻乐见的例子：夏天海岸，鲨鱼袭击事件较其他季节多20%，同时冰淇淋销量比其他季节多100%，冰淇淋销量和鲨鱼袭击事件成正相关关系，得出结论销售冰淇凌会导致鲨鱼袭击。这实际上是违背常识的。好奇心是人类的天性，我们肯定会问：why？

• 假设我们灰度了一个新的推荐策略，实验用户的高留存是由新的策略导致的吗，这个策略能带来多大的收益，有没有存在一种可能：实验用户正好是高活跃用户？
• 在历史观测数据上去研究某个干扰变量是否会对留存造成影响，把某一天的用户分为实验组和对照组，然后比较这两组用户的次日留存。两组用户的次日留存肯定是有差别的，但又有多少差异是由于干扰变量带来的？会不会这两组用户本身就是不同质的，即使没有这个干扰变量，他们之间就存在差异。

要探究上述问题，最好的方法可能是使用随机流量的AB实验，但是AB实验也存在一些局限性，在之前写过的一篇文章《AB实验踩坑之路》中提到，有些情况下可能没办法控制想要测试的干扰变量。

• 从用户角度讲，一部分用户无法使用某类功能而另一类用户则可以，可能会引发舆情问题；
• 需要有满足最小样本量的随机流量，并且实验需要持续一段时间，如空跑和实验期；
• 从开发角度，同时维护多套代码也有一定成本；
• 用户的很多行为是我们无法通过实验控制的，如果我们通过实验措施去刺激用户进行某个行为，不同用户有不同敏感度和反馈。

所以，在不方便进行AB实验的时候，使用手边已有的历史数据进行推断和决策就变得很重要，这个时候可以用因果推断或者称为观察性研究来解决。当然在可以实验的情况下还是推荐AB实验的。

之后再继续写一些因果推断在数据分析、营销推荐领域的实践。