做数据分析的目的是希望找到表面现象下面的原因，从而找到解决问题的正确途径。

因果分析可能是数据分析里最复杂的一种。很多人把相关性分析等同于因果分析，这是一个常识性的错误。相关并不一定等于因果。举个例子，夏天来了，你会发现游泳的人数和购买冰激凌的人数这两组数据呈现强相关性，但你并不能因此就得出结论说是因为游泳的人多所以导致买冰激凌的人多。

统计学家们在做因果分析时，一般会有严格的条件限制。要得出两个因素之间存在因果关系，至少得满足两个前提：第一，两个因素在发生时间上存在先后顺序，先发生的为因，后发生的为果；其次，在其他条件不变的前提下，第一个因素发生变化，会导致第二个因素的变化。

举个例子，公司做了一次人才发展项目，你如何证明这个项目是有效果的呢？严格的做法是，首先，收集员工在参加项目之前、期间和之后的绩效表现，观察前后阶段绩效是否发生明显的变化；其次，确保在项目实施期间，员工除了该项目之外，不会受到其他任何外部因素的影响。(www.daowen.com)

更严格的做法是，另找一组同样的员工进行对比。这组人的来源和之前一组完全一样，不同的是他们没有参加任何人才发展项目。假如项目结束之后，前一组员工的绩效提升明显高于后一组，就有了充分的证据来印证该项目的有效性。

之前一位客户曾告诉我，他们在分析一个人才项目有效性的时候，使用了更极端的方法：挑一组明显能力低于平均水平的员工参加项目，之后再和正常水平的一组员工进行对比。假如前一组员工的绩效提升高于后一组，就能更有效地说明项目确实带来了积极的效果。