看到题目是不是顿感疑惑？只看表象很容易得出这样的结论，需要慎重看待看似相关的关系。

前两天有篇很火的文章《幸好不是所有聪明人都在批发快感》，批判了目前主流的互联网生产力都聚焦在提供用户“奶头乐”（Tittytainment），并赞扬了少部分不局限在眼前的苟且，依旧致力于全球人民福祉的公司与项目（友情提示：以IBM为关键字，在文中被cue了12次）。

当然，观点我同意，正如那位热衷于从0到1的大佬彼得·蒂尔当年也抱怨过：“我们想要一辆会飞的汽车，得到的却是140个字符。”

被点歪的科技树，仿佛在把社会引向尼尔·波斯曼所构想的“娱乐至死”，并且“文化向技术投降”的地步。

但原文中为了责怪大众科技加深了人们的负面情绪，引用了如下的论据和证明方式。

“随着iPhone的发布，美国中学生的孤独感却几乎直线上升”

我无意为iPhone是否真实导致了这种情况的发生辩护，但单纯从文中对于数据的使用及论证方式，在未经相关性验证的情况下，将不特定事件定性成为因果关系。不仅没有依据，并且煽动大众对于事实的认知。捎带使得我对全文的动机产生怀疑（再一次提示，IBM作为正面案例，在文中被cue了12次）。

A导致了B？

作为互联网行业的数据分析工作者，日常会处理大量的信息来判断平台的健康程度以及制定优化办法。其中，需要解释两组波动数据间的关系时，就需要花一定时间去思考数据间的关系是因果，还是相关？

举个“因果关系”的例子：

先前在滴滴运营快车时，当其他人为因素（如补贴、司机运力等）不变，天气状况是直接影响每天订单量的原因，呈“微笑曲线”状。三伏天、冬至或者暴雨的极端天气，都可以导致订单量大幅增加；风和日丽的天气大家都愿意走路去公共交通站，使用更便宜的交通方式。

这是通过常理可以推断，并且基于数据验证后的结果。

而对于相关关系，如果一个事件变化后，另一个事件也随之发生变化，但二者不属于原因和结果的关系，则称它们之间存在“相关关系”。存在相关关系的两个事件之间虽然有关联，但不属于因果关系。

日本经济学家中室牧子在判断区分因果及相关关系时，列举了三条判断原则：