Digital Finance – Die Zukunft der Finanzplanung in Unternehmen

Folgendes Beispiel illustriert den Unterschied zwischen Korrelation und Kausalität. Ein Eisverkäufer schaltet immer nur im Sommer Werbeanzeigen in der örtlichen Zeitung. Gleichzeitig stellt er fest, dass seine Eisverkäufe im Sommer höher als im Winter sind. In den Daten ist somit ein positiver Zusammenhang, oder eine positive Korrelation, zwischen den Werbemaßnahmen und den Eisverkäufen zu beobachten. Daraus könnte naiv geschlossen werden, dass die Werbemaßnahmen zu einer Steigerung der Eisverkäufe führen. Bei näherer Betrachtung könnte es allerdings auch sein, dass die Eisverkäufe aufgrund des wärmeren Wetters im Sommer ansteigen und nicht aufgrund der Werbemaßnahmen. In diesem Fall hätten die Werbemaßnahmen keinen kausalen Effekt auf die Eisverkäufe und es wäre empfehlenswert keine Anzeigen zu schalten. Um Korrelation von Kausalität unterscheiden zu können, müssen spezielle Methoden zur Schätzung kausaler Effekte eingesetzt werden. Dies gilt insbesondere für Methoden des maschinellen Lernens.