# 从因果到相关

## 元数据

- 合集：吴军作品合集
- 作品：智能时代
- 作者：吴军
- 章节：思维的革命
- 定位：AI PM / 产品经理 / 技术商业与增长面试
- 优先级：P0
- 标签：correlation, causality, data-thinking

## 面试问题

大数据思维为什么强调相关性？

## 30 秒回答

在复杂系统中，完整因果链很难获得，强相关关系可以先帮助预测和决策。但相关不等于因果，适合优化，不适合替代全部解释。

## 展开要点

- 相关性适合推荐、搜索、风控、预测等任务
- 因果适合干预、政策和长期战略
- 产品决策要知道自己是在预测还是在解释

## 高频追问

- 什么时候相关性足够？
- 什么时候必须做因果验证？
- A/B 测试在这里扮演什么角色？

## 项目映射

- 用行为数据预测用户下一张该复习的卡
- 对产品改版效果用实验验证因果影响

## AI PM 迁移

AI PM 要能区分 prediction、recommendation 和 intervention，避免把相关当因果。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文。