其实在工作环境中类似的逻辑有很多，比如有数据显示，数字化程度高的企业业绩更好，但这能不能证明企业可以投资数字化转型提升自己的业绩呢？不一定，这个数据本身只证明了相关，它没有证明因果。说不定是因为业绩好的企业才有钱去搞数字化转型，并不是因为搞了数字化转型所以业绩好。
再比如，有一些数据证明了，对少数群体更包容的企业业绩更好，所以鼓励企业去包容少数群体。但坦白讲，如果就事论事，这一条数据不见得证明了因果性。究竟是因为包容，所以业绩变好了，还是说业绩好的公司才有时间和精力去在公司里推行各种包容性的培训呢？
在这个例子里，代不代表这个数据就完全没有意义？也并不是。我们回想—下，相关性给我们的意义是什么？是预测性。如果今天我想找一个业绩好、前途好的公司，我如果看到他们数字化程度高，我如果看到他们很包容少数群体，我管它因果，我至少确定这两件事情同时发生。
C同时带来A和B
下面我们来讲另外一个相关并不是因果的可能性，C带来A和B这样的一种结构。
这种例子其实是最隐秘的。当我们没有完全控制变量的时候，当我们没有留意到C或者说还没发现C的时候，就容易把A和B误解为因果关系。
