イメージ画像 ㏚ 「データがこう言っているから、これが原因に違いない！」
会議で自信満々にプレゼンしたのに、鋭い上司から「それ、本当に因果関係あるの？」と突っ込まれて言葉に詰まったことはありませんか？
数字は嘘をつきませんが、数字の「解釈」は平気で嘘をつきます。
今回は、データ分析で最も陥りやすい罠、「相関関係」と「因果関係」の違いを世界一わかりやすく解説します。
1. 「アイスが売れると水難事故が増える」の謎
有名な例え話があります。
ある統計データを見ると、「アイスクリームの売上が上がると、水難事故の件数も増える」という強い関係が見つかりました。
これを真に受けて、**「水難事故を減らすために、アイスの販売を規制しよう！」**と考えたら……どう思いますか？「そんなバカな」と思いますよね。
ここで起きているのは以下の現象です。
相関関係： A（アイス）が増えると、B（水難事故）も増える（連動しているだけ）。
因果関係： Aが原因で、Bという結果が起きる（直接的なつながり）。
このケースでは、**「気温の上昇」**という共通の原因（第三の変数）が、アイスの売上と水難事故の両方を押し上げているだけ。アイスと事故の間に直接の因果関係はありません。
2. 仕事でやりがちな「偽の因果関係」
ビジネスの現場では、もっと巧妙にこの罠が仕掛けられています。
例①： 「残業が多いチームほど、売上が高い。だから売上を上げるために残業を増やそう！」
実際は： 「仕事量が多い（第三の変数）」から、結果として残業も売上も増えているだけ。
例②： 「この広告を出してから、会員数が増えた。この広告のおかげだ！」
実際は： 単に「ボーナス時期」だったから、消費意欲が上がっていただけかもしれない。
これを見誤ると、**「効果のない施策に予算を投じる」**という致命的な失敗につながります。
3. 【卒業検定】データに騙されないためのチェックリスト
分析結果を見たとき、反射的に信じる前に、次の3つの問いを自分に投げかけてください。
「逆」は成り立たないか？（逆の因果）
Aが原因でBになったのか、それともBが原因でAになったのか？（例：顧客満足度が高いから売れるのか、売れているから満足度が高く見えるのか）
「第三の変数」は隠れていないか？
AとBの両方に影響を与えている「真の原因（気温、景気、季節など）」はないか？
ただの「偶然」ではないか？
たまたま同時期に数値が動いただけではないか？（サンプル数は十分か？）
4. 本日のまとめ：数字の向こう側にある「ストーリー」を疑え
データ分析の本質は、グラフを作ることではありません。「なぜその数字が動いたのか」という背景（メカニズム）を正しく推論することです。
相関関係は、単なる「ヒント」に過ぎない。
因果関係を証明するには、実験や深い洞察が必要。
「相関がある＝因果がある」という思い込みを捨てるだけで、あなたの分析の鋭さは10倍に跳ね上がります。
次回の講義予告：
データが不十分なとき、どうやって「正解」を推測すればいいのか？
AI時代の必須教養、「ベイズ推定」を使った最強の推論術についてお話しします。
リブと一緒に、知の再起動を加速させましょう！
