Waarom bewijst een sterk patroon in uw data geen oorzakelijk verband?
Een sterk patroon bewijst geen oorzakelijk verband. Hetzelfde patroon kan namelijk ontstaan doordat een derde factor beide waarden beïnvloedt, doordat oorzaak en gevolg andersom liggen of doordat de overeenkomst toeval is. Een correlatie meet hoe sterk twee zaken samen variëren; ze zegt niets over het waarom.
Neem een fictieve winkelketen voor huishoudelijke artikelen met 30 winkels, Larkfield Home. De commercieel manager, Priya, bekijkt het afgelopen kwartaal. Acht winkels hielden in het weekend kookdemonstraties en 22 niet. Haar export ziet er zo uit: 'Winkels met demonstraties: gemiddelde weekomzet 41,200. Winkels zonder demonstraties: 34,900. Verschil: +18%. Opmerking: regiomanagers kozen de winkels voor demonstraties. Demonstraties vooral van nov tot dec. Onder de demonstratiewinkels vallen 5 van onze 6 grootste vestigingen.' Een AI-assistent die het overzicht samenvatte, schreef: 'Kookdemonstraties zorgen voor 18% meer weekomzet. Invoering in alle winkels zou de omzet moeten verhogen.' De directie wil de invoering maandag goedkeuren.
| Winkelgroep | Winkels | Gemiddelde wekelijkse omzet | Grootste websites opgenomen | Maanden waarin demo's plaatsvonden |
|---|---|---|---|---|
| Demowinkels | 8 | 41,200 | 5 van 6 | Vooral november en december |
| Winkels die geen demowinkels zijn | 22 | 34,900 | 1 van 6 | Geen |
Hoe test u of een correlatie op een oorzakelijk verband wijst?
Toets een correlatie door de drie alternatieve verklaringen één voor één uit te sluiten. Voer daarna waar mogelijk een eerlijke vergelijking uit waarin alleen de vermoedelijke oorzaak verschilt. Elke stap hieronder is een vraag die u aan de gegevens stelt voordat iemand geld uitgeeft.
1. Zoek naar een verstorende variabele
Een verstorende factor is een derde factor die invloed heeft op beide zaken die u vergelijkt. Bij Larkfield zijn winkelgrootte en seizoen mogelijke factoren: grote winkels verkopen sowieso meer, en November en December zijn drukke maanden voor kookgerei. Vraag u af wat er nog meer verschilt tussen de twee groepen.
2. Controleer de richting
Omgekeerde causaliteit betekent dat het gevolg in werkelijkheid de vermeende oorzaak veroorzaakt. Als regiomanagers demonstraties gaven aan winkels die al goed draaiden, leidden stijgende verkoopcijfers tot demonstraties, niet andersom. Vraag hoe de groepen zijn gekozen.
3. Houd rekening met toeval
Bij acht winkels en één kwartaal kan een verschil door toeval ontstaan, vooral als iemand veel promoties heeft bekeken en alleen de uitschieter heeft gerapporteerd. Vraag hoeveel vergelijkingen er zijn gemaakt en of het patroon ook in een andere periode zichtbaar is.
4. Vergelijk gelijksoortige zaken
Vergelijk winkels met demonstraties met vergelijkbare winkels zonder demonstraties in dezelfde weken: groot met groot, klein met klein. Als het grootste deel van het verschil verdwijnt, waren de verstorende variabelen verantwoordelijk voor het effect.
5. Voer een experiment uit
De sterkste toets is een gecontroleerde proef: kies vergelijkbare winkels, wijs willekeurig aan de helft daarvan demonstraties toe voor dezelfde weken en vergelijk de resultaten. Door willekeurige toewijzing worden omvang, locatie en verkoopgeschiedenis gelijkmatig verdeeld, waardoor een overblijvend verschil veel waarschijnlijker door de demonstratie komt.
Hoe ziet een zwakke interpretatie van de Larkfield-gegevens eruit, en hoe een verbeterde?
De zwakke interpretatie neemt de AI-samenvatting zonder meer over: 'Demonstraties verhogen de verkoop met 18%, dus organiseer ze overal.' Daarmee wordt een waargenomen verschil tussen twee groepen die verschillen in omvang, seizoen en selectie, omgezet in een belofte over wat er in 22 andere winkels zal gebeuren.
De verbeterde interpretatie luidt: 'Winkels met demonstraties verkochten per week 18% meer, maar het ging vooral om onze grootste vestigingen, de demonstraties vonden plaats in onze twee drukste maanden en de regiomanagers hadden de winkels geselecteerd. Als we de vijf grote winkels met demonstraties vergelijken met grote winkels zonder demonstraties in dezelfde weken, is het verschil ongeveer 4%. Dat valt binnen de normale variatie van week tot week. We kunnen nog niet zeggen of demonstraties helpen. Voorstel: een proef van zes weken in 12 vergelijkbare middelgrote winkels, waarvan er zes willekeurig worden gekozen voor demonstraties. We meten de verkoop van kookgerei en de personeelsuren.' Die versie vertelt het bestuur wat bekend is, wat niet en hoe dat kan worden uitgezocht, met één maand vertraging als prijs.
Hoe kunnen AI-samenvattingen u misleiden met correlaties?
AI-samenvattingen zijn vooral misleidend wanneer ze een correlatie beschrijven met woorden die een oorzakelijk verband suggereren, zoals 'zorgt voor', 'leidt tot', 'verhoogt' of 'vanwege'. Daardoor klinkt een patroon als een bewezen effect. Een taalmodel schrijft vloeiende verklaringen bij cijfers; het weet niet hoe de winkels zijn geselecteerd, tenzij u dat vertelt, en geeft zelden uit zichzelf aan dat het oorzaak en toeval niet van elkaar kan onderscheiden.
U kunt dit beperken door de assistent de ontbrekende context te geven (hoe groepen zijn geselecteerd, de datums, de steekproefomvang) en te vragen onderscheid te maken tussen wat de gegevens laten zien en wat een mogelijke verklaring is. Controleer de uitvoer daarna op werkwoorden die een oorzakelijk verband suggereren en vervang elk daarvan door wat daadwerkelijk is waargenomen, bijvoorbeeld 'winkels die demonstraties hielden, hadden ook een hogere omzet'.
Hoe controleert u een bewering over een oorzakelijk verband voordat u ernaar handelt?
Controleer een bewering over een oorzakelijk verband door te vragen hoe de groepen zijn gekozen, of de oorzaak in beide groepen vóór het gevolg kwam, of het verschil ook in een andere periode of bij een grotere steekproef blijft bestaan en of de samenvatting 'hangt samen met' zegt wanneer het bewijs alleen een correlatie aantoont. Schrijf de antwoorden naast de bewering voordat iemand uitgaven goedkeurt.
Wat zijn veelgemaakte fouten rond correlatie en causaliteit?
De meest voorkomende fout is een wijziging doorvoeren omdat een dashboard een verschil liet zien, zonder te vragen hoe de groepen zijn samengesteld. Andere fouten: een hoge correlatiecoëfficiënt als bewijs zien, alleen die ene promotie van de twintig rapporteren die goed leek te werken, seizoensinvloeden vergeten en aannemen dat geen correlatie ook geen effect betekent. De tegenovergestelde fout kost ook geld: pas willen handelen bij volledige zekerheid, terwijl een kleine gerandomiseerde proef meestal weinig kost.
Waar staat deze les binnen Tosheo.ai?
Deze les maakt deel uit van de categorie Datawetenschap en analyse en staat aan het begin van de cursus datawetenschap, omdat elk volgend onderwerp, van dashboards tot machinaal leren, ervan afhangt dat u een patroon niet voor een oorzaak aanziet. In de praktijkopdracht op Tosheo.ai krijgt u een fictieve gegevensverzameling en een door AI geschreven samenvatting. De feedback op basis van het beoordelingsschema wijst elke causale bewering aan die niet door de gegevens wordt ondersteund. De les biedt een professionele basis, geen opleiding tot statisticus.
Bronnen en reikwijdte
Australian Bureau of Statistics: correlatie en causaliteit (gecontroleerd op 19 oktober 2026) ↗