trường hợp thí nghiệm là thực tế, chúng vẫn còn đắt và tốn thời
gian.
So với nó, việc phân tích phi-nhân-quả, chẳng hạn các mối
tương quan, thường nhanh và rẻ tiền. Không giống như các liên
kết nhân quả, chúng ta có các phương pháp toán học và thống
kê để phân tích các mối quan hệ và các công cụ kỹ thuật số cần
thiết để chứng minh sức mạnh của chúng với sự tự tin.
Hơn nữa, các mối tương quan không chỉ có giá trị cho riêng
chúng mà còn vạch đường cho các cuộc điều tra nhân quả. Bàng
cách cho chúng ta biết hai sự vật nào có khả năng liên kết,
chúng cho phép ta tiếp tục điều tra xem một mối quan hệ nhân
quả có tồn tại không, và nếu như vậy thì tại sao. Cơ chế lọc
không tốn kém và nhanh này làm giảm chi phí của phân tích
quan hệ nhân quả thông qua các thí nghiệm kiểm soát đặc biệt.
Thông qua các mối tương quan chúng ta có thể có cái nhìn
thoáng qua về các biến quan trọng mà sau đó chúng ta sử dụng
trong các thí nghiệm để điều tra nguyên nhân.
Nhưng hãy cẩn trọng. Các mối tương quan là mạnh không chỉ vì
chúng cung cấp những hiểu biết, mà còn vì những hiểu biết
chúng cung cấp là tương đối rõ ràng. Những hiểu biết này
thường bị che khuất khi chúng ta mang quan hệ nhân quả áp
dụng vào tình huống. Ví dụ, Kaggle, một công ty tổ chức những
cuộc thi khai-thác-dữ-liệu đã lập ra một cuộc thi vào năm 2012
về chất lượng của xe cũ, mở cho tất cả mọi người. Một đại lý xe
cũ cung cấp dữ liệu cho các nhà thống kê tham gia cuộc thi để
xây dựng một thuật toán nhằm dự đoán những chiếc xe bán đấu
giá nào có khả năng gặp sự cố. Một phân tích tương quan cho
thấy những chiếc xe sơn màu da cam ít bị khiếm khuyết hơn
nhiều - khoảng một nửa tỷ lệ trung bình của các xe khác.
