Correlazione e causalità nei tuoi dati personali: come leggere i tuoi numeri con onestà

Ecco una frase che suona vera. “I giorni in cui ho bevuto più acqua sono i giorni in cui mi sono sentito più concentrato. Quindi l’acqua migliora la mia concentrazione.” La prima metà va bene. La seconda è un salto, e in quel salto l’analitica personale finisce in silenzio fuori binario.

Questo articolo parla di quel salto. Cosa ti dice davvero una correlazione nei tuoi dati, cosa non ti dice, le quattro letture più sbagliate e come agire su uno schema senza esagerare. Se per te è tutto nuovo, parti dalla nostra guida all’analitica personale e torna quando avrai un paio di settimane di registrazioni.

Cos’è davvero una correlazione

Una correlazione, in senso personale, è una piccola osservazione statistica. Dice: nei tuoi dati, in questo periodo, due campi tendevano a muoversi insieme. Quando uno era alto, anche l’altro era alto. Oppure quando uno era alto, l’altro era basso. Su molti giorni, i giorni con più acqua si allineavano con i giorni di maggior concentrazione più spesso del contrario.

È un fatto reale sulle tue registrazioni. Ed è anche un fatto molto più stretto di quanto sembri.

Una correlazione è limitata in tre modi insieme. È limitata a te, non a nessun altro. È limitata a questo periodo della tua vita, non al resto. Ed è limitata da tutto il resto che stava accadendo in quei giorni, che la correlazione assorbe in silenzio nella propria forma. Il numero che vedi è lo schema dopo che la vita gli è passata attraverso, non prima.

Leggere una correlazione come se fosse una legge fisica pulita è l’errore più facile da fare, e la maggior parte delle app non fa niente per scoraggiarlo.

Cosa una correlazione non è

Quattro cose in particolare. Nessuna è un cavillo semantico. Sono la differenza fra usare bene i propri dati e ingannare se stessi.

Non è la prova che una cosa abbia causato l’altra

Quando acqua e concentrazione si muovono insieme, diverse storie reggono allo stesso modo. Forse l’acqua aiuta la concentrazione. Forse la concentrazione, o quello che rende concentrata una giornata, ti spinge anche a bere più acqua (ti sei ricordato della bottiglia perché la giornata era calma). Forse entrambe dipendono da altro, un’agenda tranquilla, un weekend, una stagione. La correlazione non sa distinguerle. Solo un esperimento può cominciare a farlo.

Non è la prova che lo schema reggerà il mese prossimo

Uno schema pulito in marzo può sparire in aprile. La tua vita cambia, le abitudini cambiano, le stagioni cambiano. Una correlazione descrive cosa è successo, non cosa succederà. Trattarla come previsione è leggerla in più.

Non è la prova che lo schema valga per qualcun altro

Il tuo coinquilino potrebbe registrare gli stessi campi per le stesse settimane e ottenere una forma diversa. L’analitica personale è personale per costruzione. Uno schema nei tuoi dati non ha alcuna pretesa sugli altri, e i loro non ne hanno su di te.

Da sola non è azionabile

Questa è la più trascurata. Anche una correlazione forte non ti dice, da sola, se cambiare un campo cambierà l’altro. Poiché la causa può andare nell’altra direzione, o attraverso un terzo fattore, “fai più X per avere più Y” è un’ipotesi, non una conclusione. La mossa onesta davanti a una correlazione forte è “fammelo provare”, non “agisco come se fosse vero”.

Le quattro letture più sbagliate

Se registri con cura per qualche mese, le incontrerai tutte e quattro. Dare loro un nome aiuta.

Confondere la direzione

Acqua e concentrazione è l’esempio classico. È stata l’acqua ad aiutare la concentrazione, o il tipo di giornata in cui riesci a concentrarti è anche il tipo di giornata in cui bevi acqua? Senti che la risposta sia la prima. I dati tacciono su quale sia vera.

Una lettura con la direzione confusa trasforma per riflesso “X correla con Y” in “X causa Y”, quando “Y causa X” o “condividono una causa” reggono entrambi gli stessi numeri.

Variabili nascoste (la terza variabile)

I due campi possono muoversi insieme perché qualcos’altro li sta muovendo entrambi. Sonno. Stress. Weekend contro feriale. Una consegna. Una vacanza. Il tempo. I tuoi dati vedono i due campi, non il terzo nascosto, e il terzo nascosto gonfia silenziosamente il legame apparente.

Esercizio utile: quando vedi una correlazione forte, scrivi tre altre cose che accadevano nei giorni con X alto. Se la maggior parte di esse viaggia insieme a X, la storia X verso Y probabilmente ne prende in prestito la forza.

Causalità inversa

“Più acqua porta a più concentrazione” si può ribaltare senza rompere i dati. “Essere più stanchi porta a bere meno acqua perché tu-da-stanco dimentica la bottiglia” produce la stessa nuvola di punti. Da una correlazione non puoi sapere quale sia vera. Puoi indovinare dalla conoscenza di te, ma sii onesto: stai ragionando, non misurando.

Coincidenza

La più silenziosa e più comune. Con un piccolo insieme di giorni, uno schema abbastanza pulito può apparire solo perché ai piccoli campioni capita di farlo. Due settimane di “ogni volta che ho fatto sport mi sono sentito meglio” possono appiattirsi entro la sesta settimana. Più la finestra è corta, più spazio ha il rumore di sembrare una storia.

La cura sono più dati. Gli schemi che sopravvivono a uno o due mesi di registrazione onesta meritano più peso di quelli che spuntano in dodici giorni.

Come leggere onestamente una correlazione mostrata da Loggr

Quando Loggr mostra uno schema, lo fa in linguaggio chiaro, con un piccolo grafico. Qualcosa come “nei giorni di allenamento il tuo punteggio dell’umore è stato decisamente più alto che nei giorni senza allenamento”. Loggr non rivendica una causa, non ti dice cosa fare ed etichetta la forza così che tu possa calibrare.

Questo è l’input. Ecco una lista di domande da farti prima di interiorizzare qualunque cosa.

Chiediti cos’altro avevano in comune quei giorni

I giorni di allenamento probabilmente non sono solo giorni di allenamento. Possono essere anche i giorni in cui hai dormito bene, i giorni con un’agenda più calma, i giorni in cui stavi già abbastanza bene da voler muovere il corpo. Lo schema mostrato da Loggr è il contorno della relazione. L’interno tocca a te.

Una prova semplice: apri le tue note dei giorni alti e dei giorni bassi fianco a fianco. Leggile. Spesso la storia cambia.

Chiediti quanti dati ci stanno dietro

Forte con uno o due mesi di registrazioni coerenti è più credibile di forte con due settimane. Loggr non mostra uno schema finché non ci sono abbastanza giorni accoppiati a giustificarlo, ma la soglia di “abbastanza” è il minimo per uno sguardo credibile, non per una conclusione chiusa. Uno schema che ha tenuto attraverso un’intera stagione è ben diverso da uno che ha appena oltrepassato la linea.

Chiediti quanto è grande il divario

Se nei giorni di allenamento la tua umore media è stata 7,0 e in quelli senza 6,8, è a malapena una storia. Se i giorni con allenamento erano 7,0 e quelli senza 5,0, lì sì che è una storia. Loggr mostra il confronto perché tu veda il divario; non fermarti a “Loggr l’ha chiamata forte” saltando la parte in cui guardi i numeri.

Chiediti se volevi già che fosse vero

La più dura. Se uno schema combacia con una convinzione con cui sei arrivato, trattalo con più scetticismo, non meno. Il bias di conferma è la forza più potente nell’analitica personale, con un margine che la maggior parte sottostima. Uno schema che ti sorprende è più informativo di uno che ti conferma, perché le tue convinzioni stavano già tirando i dati.

Cosa puoi fare con una correlazione

Lo scopo non è farti smettere di guardare i tuoi dati. È l’opposto. Le correlazioni nei dati personali sono utili se le tratti per ciò che sono: un generatore di ipotesi, non una conclusione. Tre usi produttivi.

Generare un piccolo esperimento

Una volta che noti “i giorni di allenamento correlano con un umore migliore”, il passo produttivo è un piccolo esperimento. Allenati di proposito in una serie di giorni in cui forse non l’avresti fatto, tieni il resto il più costante possibile e osserva. Anche una versione informale di questo è più onesta che agire sulla correlazione come se fosse una prova. L’esperimento è il punto.

Per lo stesso motivo gli schemi dello stesso giorno e del giorno dopo fanno parte degli strumenti. Abbiamo parlato degli effetti del giorno dopo a parte: lo scarto fra causa ed effetto è parte di ciò che un esperimento deve scegliere.

Notare ciò a cui non stavi prestando attenzione

Uno schema a volte è più utile per ciò che implica che per ciò che dice. “Sport correla con umore” forse ti sta parlando dello sport. O forse ti sta dicendo che i giorni senza sport sono spesso domeniche, e che la storia vera è qualcosa delle tue domeniche. La correlazione puntava allo sport; ciò che hai notato era altro. Conta.

Costruire conoscenza di sé nel tempo

Sapere che tre cose tendono a presentarsi insieme nella tua vita è utile anche senza un racconto causale. Conosci la forma della tua settimana. Sai quali lunedì tendono a essere più duri. Niente di questo richiede una causa provata. Richiede solo una descrizione onesta, ripetuta abbastanza a lungo perché diventi stabile.

Come Loggr è costruito tenendo conto di questo

L’impostazione si vede nel prodotto.

• Loggr mostra gli schemi in linguaggio chiaro. Nessun punteggio gergale, nessuna affermazione di causa, nessun consiglio. La frase descrive cosa è successo, non cosa fare.
• Loggr etichetta la forza: debole, moderata, forte. Uno schema debole è mostrato per quello che è, senza ammantarlo.
• Loggr non fa emergere uno schema finché non ci sono abbastanza giorni accoppiati dietro. Sotto quella soglia l’insight appare bloccato, con una breve nota su cosa serve.
• Loggr confronta i campi nello stesso giorno e con uno scarto di un giorno, e tiene la relazione più forte. È il meccanismo del giorno dopo descritto nella guida al tracciamento per coppie. Funziona in entrambe le direzioni: uno schema dello stesso giorno può nascondere uno del giorno dopo, e viceversa.
• Loggr non interpreta lo schema per te. L’interpretazione è il pensiero, e il pensiero è ciò che rende l’esercizio sensato.

La disciplina dura

Se di tutto questo articolo prendi una sola abitudine, prendi questa. Quando una correlazione sembra confermare qualcosa che già credevi, sii più scettico, non meno.

Il motivo è strutturale. Le tue convinzioni sulla tua vita hanno modellato il modo in cui hai registrato fin dall’inizio: quali campi hai scelto, come hai valutato l’umore, cosa hai ricordato. Uno schema che conferma quelle convinzioni riflette in parte quelle scelte, non è un fatto indipendente. Uno schema che le contraddice ha dovuto farsi strada attraverso il tuo pregiudizio per apparire. Ha guadagnato l’attenzione che riceve.

Quando una correlazione forte cade su qualcosa che già sapevi, rallenta. Ripercorri le quattro letture sbagliate sopra. Fatti le quattro domande della checklist. Poi decidi se vuoi metterla alla prova. La maggior parte delle volte lo schema sopravvive all’esame e hai imparato qualcosa di onesto. A volte no, e hai imparato qualcosa di ancora più onesto: che stavi leggendo i tuoi dati attraverso una lente.

FAQ

Se non posso provare la causa, a che serve?

Serve a un’attenzione più affilata. I dati personali non sostituiscono il pensiero. Lo indirizzano nei posti giusti. Una correlazione dice “magari merita uno sguardo”. È utile, finché non la promuovi a “questa è la risposta”.

Posso fare A/B test su me stesso?

Formalmente sì. Vari un input, tieni gli altri il più costanti possibile, registra per un paio di settimane, poi inverti l’input e registra altre due. Confronta. Otterrai qualcosa di più vicino a una lettura causale di quanto possa darti una correlazione passiva. Due avvertenze. Resti una persona sola, quindi il risultato vale solo per te in questo periodo. E la vita raramente ti lascia tenere il resto costante. Gli A/B personali sono utili e limitati; entrambe le cose insieme.

Devo agire su una correlazione forte?

Forse, come esperimento. Non come conclusione. L’inquadramento onesto è: “provo per due settimane e vedo cosa succede, e non sarò sorpreso se non porta da nessuna parte”.

E se la correlazione contraddice qualcosa che credevo?

Dalle più attenzione, non meno. Gli schemi che sopravvivono a convinzioni contrarie sono di solito più onesti di quelli che confermano. Uno schema contrario è arrivato lì nonostante la trazione delle tue convinzioni. È prova più dura, per gli standard dell’analitica personale.

Quanto tempo prima di poter dare fiducia a uno schema?

Una regola pratica: una settimana per impostare, un mese per il primo sguardo credibile, una stagione per dargli peso serio. Schemi che tengono attraverso un trimestre, fra umori e settimane diverse, sono più solidi di quelli che spuntano in una quindicina intensa.

E se Loggr mi mostra due schemi che si contraddicono?

Succede. Due campi possono correlare con un terzo in direzioni opposte. O uno schema dello stesso giorno può andare in un senso e quello del giorno dopo nell’altro. Sono i dati che sono onesti con se stessi. La lettura giusta di solito è “qui c’è una storia più complicata”, non “uno dei due sbaglia”.

In sintesi

• Una correlazione nei tuoi dati è una descrizione di ciò che è successo in questo periodo, nella tua vita, con tutto il resto assorbito dentro. È reale. Ed è più stretta di quanto sembri.
• Una correlazione non prova una causa, non è una previsione, non si generalizza ad altre persone e da sola non è azionabile.
• Le quattro letture sbagliate comuni sono: direzione confusa, terze variabili nascoste, causalità inversa e coincidenza da piccolo campione. È facile caderci. Nessuna è catastrofica se resti onesto.
• Leggi uno schema di Loggr con quattro domande: cos’altro condividevano quei giorni, quanti dati ci stanno dietro, quanto è grande il divario, e lo volevo già vero?
• L’uso produttivo di una correlazione è generare un piccolo esperimento, notare ciò che non stavi guardando e costruire conoscenza di sé nel tempo. Niente di tutto questo richiede di affermare una causa.
• Quando uno schema conferma qualcosa che già credevi, sii più scettico, non meno. Il bias di conferma è la forza più potente nell’analitica personale.

Prova questo la prossima volta che Loggr mostra uno schema

La prossima volta che Loggr mostra una correlazione nei tuoi dati, non agire subito. Scrivi tre altre cose che potrebbero spiegarla, poi decidi se una è più plausibile della storia a cui sei arrivato per prima. L’esercizio è il punto. Se non hai ancora iniziato a registrare, puoi aprire Loggr e creare il tuo primo campo in un minuto. Sei tipi di campo, su iOS, Android e web. Gli schemi compariranno quando ci sarà abbastanza per sostenerli, in linguaggio chiaro, con un piccolo grafico. Leggerli onestamente resta compito tuo, ed è la parte che vale la pena.