Như vậy ta gọi việc có thể nhìn thấy mối tương quan trên số liệu, nhưng lại
không có quan hệ trực tiếp giữa hai số liệu đó là “mối tương quan giả tạo”.
Điểm rắc rối của Mối tương quan giả tạo chính là thường không thể nhận ra
nguyên nhân thứ ba đã bị che lấp như trường hợp “Tổng giảm giá” này. Khi
ta chỉ tập trung vào những gì nhìn thấy, ở đây là dữ liệu, thì khó có thể nghĩ
đến những điểm khác. Mà ngay cả dữ liệu đang phân tích cũng không thể
hiện cho ta thấy rằng có hay không “thông tin bị che mất”.
Có những cách phân tích để xác nhận có hay không Mối tương quan giả tạo
ở mức độ nào đó trong thống kê hay số học, tuy nhiên tôi nghĩ trong đời
thường, ngoài trường hợp cần độ chính xác cao, ít khi nó được sử dụng.
Việc nhận biết “câu chuyện bị giấu đằng sau” đó sẽ phụ thuộc vào kiến thức
và độ nhạy bén của người phân tích. Nếu người phân tích có kiến thức trong
lĩnh vực phân tích thì tốt, nếu không có một cách hiệu quả là lắng nghe ý
kiến hay lời khuyên của những người xung quanh.
Tôi cũng hay hỏi thăm những người làm trong lĩnh vực mà kết quả phân tích
hay câu chuyện liên quan đến, bằng những câu như “tôi cũng biết giữa XX
và YY có tương quan, nhưng anh xem thử bình thường nó có liên hệ với
nhau chặt chẽ không?”
Nếu cảm nhận hay hiểu biết của họ khác với cái ta nhìn thấy, hãy xem lại
thử có nguyên nhân nào mình không thấy, hoặc hỏi thử họ xem nguyên nhân
là gì. Chỉ là cần lưu ý có trường hợp cách nhìn của những người đó một
chiều, hay đôi khi họ sẽ không chấp nhận những gì mới mẻ (mặc dù đó là sự
thật). Với tôi, những khi không cảm thấy hài lòng về bản phân tích của
mình, tôi thường cố tham khảo thêm ý kiến của những người khác nhau,
điều này nhằm tránh ý kiến một chiều hoặc cá nhân chủ nghĩa.
(5) Không kiểm chứng quan hệ nhân quả
