В большинстве случаев частного сектора вы не будете заботиться о причинности
На практике, несмотря на типичное использование языка, люди гораздо чаще интересуются хорошо понимаемым воздействием , а не (хорошо понимаемой) причинностью.
С академической точки зрения очень интересно знать:
Если я сделаю A, из-за этого результат будет B
Но с практической точки зрения, почти во всех ситуациях люди действительно хотят знать следующее:
Если я сделаю A, результат будет B
Конечно, вы можете быть заинтересованы в воздействии А, но является ли оно истинной причиной или есть скрытая причина, которая просто создает эту корреляцию, обычно не так интересно.
Примечание об ограничениях
Вы можете подумать: хорошо, но если мы не знаем, что A вызывает B, тогда очень рискованно работать над этим предположением.
В некотором смысле это действительно так, но на практике вы снова будете беспокоиться о том, сработает ли это или есть исключения?
Чтобы проиллюстрировать это, вы можете заметить, что эта ситуация:
Если я сделаю A, в ситуации X из-за A результат будет B, а из-за X результат будет отклоняться на дельту
Не намного полезнее, чем эта ситуация (при условии, что вы можете количественно оценить воздействие):
Если я сделаю A, в ситуации X результат будет B, а результат будет отклоняться на дельту
Простой пример: корреляция, чтобы вызвать
- A: пополнить моторное масло
- B: Снижение тормозного сбоя
- C: проверка автомобиля
Логика: C всегда вызывает A и B
Результирующее соотношение: если A повышается, B повышается, но нет причинно-следственной связи между A и B.
Моя точка зрения: вы можете смоделировать воздействие A на B. A не вызывает B, но модель все равно будет правильной, и если у вас есть информация об A, у вас будет информация о B.
Человек, заинтересованный в нарушении тормозов с информацией об A, будет просто заботиться о том, чтобы знать отношение A к B, и заботиться только о том, является ли отношение правильным, независимо от того, является ли это отношение причинным или нет.