1.与关联客观一块分析的组织内，这意味着对于承接分析的关键原因是开发的叙述，将招待这一目标。数据分析仅应与问题相关联，而不应与目标相关联。
2.在进行任何分析之前确定“所需的叙述”，自动在决策上施加偏见，并给分析专业人士施加压力以使叙述变得有趣。仅当完成结果，验证结果并突出显示任何潜在的弱点时，才应构建叙述。
3.花更多的时间思考如何以有趣的方式呈现结果，而不是严格地质疑结果的有效性，从而导致错误的结论传递给决策者。在就表示和可视化进行任何讨论之前，数据专业人员应就分析的有效，可辩驳的结论达成共识。

https://towardsdatascience.com/the-three-key-fails-of-storytelling-in-data-science-and-analytics-814982e5c0cb


## 因果之间的联系：
（1）我们是否忘记了同时影响X和Y的变量Z？（忽略的变量）
（2）是Y引起X而不是X引起Y？（反向因果关系）
（3）谁失踪了？（样品选择）
（4）测量X和Y有多容易？（测量误差）
https://towardsdatascience.com/4-reasons-why-correlation-does-not-imply-causation-f202f69fe979

至少在物种建模领域，环境变量属于因变量，物种分布信息对应的是自变量；