Je ziet het vaak in onderzoeken, dashboards en nieuwsberichten: “Er is een sterke correlatie.” Maar wat betekent dat eigenlijk?
Op warme dagen worden er meer ijsjes verkocht. Op warme dagen verdrinken er helaas ook meer mensen.
Zet je die cijfers naast elkaar, dan zie je een verband: als de ijsverkoop stijgt, stijgt ook het aantal verdrinkingen.
Betekent dit dat ijs eten gevaarlijk is? Natuurlijk niet.
Als het warm is, kopen meer mensen een ijsje én gaan meer mensen zwemmen.
Toch maken we dit soort denkfouten verrassend vaak. Vooral wanneer het verband iets minder duidelijk is dan dat tussen ijsjes en verdrinkingen.
Wat is correlatie?
Correlatie betekent dat twee dingen met elkaar samenhangen. Dus kort: samenhang.
Als het ene verandert, zie je dat het andere vaak ook verandert. Soms bewegen ze dezelfde kant op, soms juist in tegengestelde richting.
In dit voorbeeld:
Meer zon => meer ijsverkoop
Meer zon => meer zwemmers
Dit zijn beide positieve correlaties.
Een voorbeeld van een negatieve correlatie is: hoe hoger de prijs van een product, hoe minder ervan verkocht wordt.
Correlatie helpt dus om patronen in data te ontdekken. Maar het vertelt je niet waardoor zo’n patroon ontstaat.
Een overtuigende conclusie die niet altijd klopt
Stel dat een bedrijf het volgende ontdekt:
Klanten die de nieuwsbrief lezen, kopen gemiddeld meer producten.
Hier wordt het marketing team blij van, de nieuwsbrief werkt blijkbaar. Meer nieuwsbrieven versturen dut.
Echter…..
Misschien zijn trouwe klanten sowieso meer geïnteresseerd in het bedrijf. Ze kopen vaker én lezen vaker de nieuwsbrief.
In dat geval zorgt de nieuwsbrief niet noodzakelijk voor de extra aankopen. Er zit iets achter beide: betrokken klanten gedragen zich anders.
De cijfers kloppen, maar de conclusie is hier te snel getrokken.
Correlatie is geen causaliteit
Dit is een uitspraak in de statistiek:
Causaliteit betekent dat het ene daadwerkelijk het andere veroorzaakt. Dit wordt ook genoemd een causaal verband. Oorzaak en gevolg.
En correlatie betekent samenhang.
Als twee dingen tegelijkertijd gebeuren, weten we nog niet wat de oorzaak precies is.
Misschien veroorzaakt A inderdaad B.
Maar het kan ook andersom zijn: B veroorzaakt A.
Of er is een derde factor C die zowel A als B beïnvloedt.
Denk terug aan ons voorbeeld aan ijses (=A), verdrinkingen (=B) en warm weer (=C).
Dat verschil lijkt misschien theoretisch, maar het wordt relevant zodra je beslissingen gaat nemen op basis van data.
Nog een voorbeeld uit het dagelijks leven
Stel dat uit onderzoek blijkt dat mensen die regelmatig sporten gemiddeld gelukkiger zijn.
Een voor de hand liggende conclusie is: sporten maakt gelukkig.
Maar misschien gaan mensen die zich goed voelen juist vaker sporten. Misschien spelen gezondheid, inkomen, vrije tijd of sociale contacten mee. Waarschijnlijk is het zelfs een combinatie van verschillende factoren.
Alleen op basis van de correlatie kun je dat niet bepalen.
Het onderzoek heeft dan wel iets interessants gevonden. Alleen nog niet de verklaring.
Op de werkvloer
Op het werk worden correlaties al snel vertaald naar acties.
Medewerkers die vaker op kantoor zijn, presteren beter.
Klanten die onze app gebruiken, blijven langer klant.
Teams die veel trainingen volgen, halen betere resultaten.
Vestigingen met meer personeel hebben een hogere omzet.
Allemaal interessante observaties.
Maar voordat je mensen verplicht vaker naar kantoor te komen, iedereen naar een training stuurt of extra personeel aanneemt, wil je weten wat er werkelijk achter het verband zit.
Misschien gebruiken vooral tevreden klanten de app.
Misschien krijgen de beste teams juist vaker budget voor trainingen.
Misschien hebben drukke vestigingen zowel meer personeel als meer omzet omdat er simpelweg meer klanten komen.
Data geven je dan een aanwijzing, geen kant-en-klare conclusie.
Drie vragen die bijna altijd helpen
Je hoeft geen statisticus te zijn om kritischer naar zo’n verband te kijken.
Als iemand zegt dat uit de data blijkt dat X leidt tot Y, stel dan eens deze vragen:
- Is er alleen samenhang gevonden, of is ook onderzocht of X werkelijk Y veroorzaakt?
- Kan er iets anders zijn dat zowel X als Y beïnvloedt?
- Zou het verband ook andersom kunnen werken?
Met die drie vragen voorkom je al een verrassend groot aantal verkeerde conclusies.
Conclusie
Correlatie = samenhang
Causaliteit = oorzaak en gevolg
Een patroon of een samenhang is nog geen verklaring: Samenhang is niet hetzelfde als oorzaak.
Dus als twee lijnen prachtig dezelfde kant op bewegen, concludeer dan niet meteen dat het ene het andere veroorzaakt.
Stel eerst de interessantere vraag: Wat zou hier aan de hand kunnen zijn?