你好，我是个好学的熊宝宝。
今天将继续更新9大数据分析方法系列。 在工作中，我们经常问：
下雨与业绩下降有多大关系？
销售上升与新品的上市有多大关系？
市场营销投资与业绩有多大关系？
这些问题包括相关分析法。
一、什么叫“相关”
简而言之，关联是两个事件之间的关系。 例如：
广告投入和销售业绩
雨和店里的人流
用户点击和消费行为
即使不做分析，直观上这些事件之间也有关系。 但是，如果不分析的话，就很难说清楚具体是什么样的关系。 相关性分析是找到这种关系的方法。
二、什么是“相关分析”
相关性分析特别是找出两个数据指标之间的相关性。
比如在某个APP，用户会多次浏览商品，他会买吗？
一派多见表明用户感兴趣，所以就买
另一派认为，看了这么久也不买的话，绝对不会买
另一派认为，看几次与买不买无关，必须看有无活动
听起来也有道理，最后还是要用数据说话。 这里讨论的是用户的浏览行为和消费行为之间是否存在关系的问题。 关联分析是指找出这两个指标之间的关系。
三、直接相关关系
注意：指标之间可能天生相关。
常见的有三种形式：
在结构分析法中，整体指标与部分指标的关系
指标分解法中，主指标与副指标的关系
漏斗分析法中，前后阶梯指标之间的关系
(如下图所示)
这三种情况下，直接相关。直接关系不需要数据计算，可以通过指标整理来揭示关系。
在直接相关的情况下，两个指标同时呈上升/下降的趋势是可以理解的。 例如：
由于公司整体业绩差，a分公司的业绩也差(结构分析)。
由于客户数量过少，整体业绩较差(主指标、副指标) )。
看广告的人数太少，最后的转变不顺利(前后的步骤) ) ) )。
如果两个直接相关的指标不出现同样的上升和下降，往往意味着问题。 例如，用户增加，注册的新用户的数量急剧增加，但收费转化率持续大幅下降，这表明顾客效率正在下降。 可能是目标用户枯竭，可能是渠道伪装，也可能是招揽客户的方法错误。 总之要深入分析。 （
四、间接相关关系
有些指标并不直接相关，但在理论上是相关的。 例如，品牌广告和销售收入在理论上一定有关系。 广告多了，知名度高了，销售额一定会提高。
但是品牌广告没有商品链接，所以不能直接说。 有5000万销售业绩的是用户通过广告链接购买的。 此时是典型的间接相关关系(下图)。
分析间接相关性有两种常用方法。 一种是散点图法，可以直接绘制散点图以找到相关关系。 请参照下图。
另一个是计算相关系数。 这里不用相关系数的具体公式，伙伴们只要记住excel中对应的操作即可(下图)。
计算表明，广告投入和销售两个指标之间确实存在相关关系。 至于具体是怎么联系的，还可以进一步研究。
间接关系经常被用来寻找改善业绩的措施。 例如，互联网行业知名的“魔法数字”法，其本质就是要求用户浏览、点赞、分享、登录等行为与用户留存、付费行为之间的相关关系。
如果发现用户4次称赞后，用户90天的残留明显增高。 这个“4次保留”叫做魔法数字，努力给用户按4次点赞。
五、相关分析的不足之处
世界上没有完善的分析方法，相关分析有两大缺点。
不足1 :相关关系不等于因果关系。 两个指标的相关性，本质上是
一条数据公式计算出来的结果，至于两个指标为啥相关？不能直接从计算里得结论。实际上只要两个指标走势相似，在计算的时候就能显示出相关关系。
这里有一个经典例子，下图是我在小区里种的一棵树的高度，与我国GDP之间的相关分析。大家会发现：哇塞！这俩指标完美相关哦！那么我种的这颗树就是我国的龙脉，能保佑我国经济腾飞咯？——当然不是！这就是相关不等于因果的直接体现。
不足二：相关分析不能解决非量化指标问题。
很多时候，我们想找的关系不能用数据量化。比如我们想知道：旗舰店是不是比社区店更能吸引消费者。一个店是不是旗舰，取决于位置、装修、宣传等诸多因素，不能粗暴的用开店面积、员工人数等指标来代替。
想分析这种非量化特征与指标之间的关系，需要用到另一种分析方法：标签分析法。以后再分享哦。以上就是今天的分享
作者：迷人的星星。公众号：码工小熊。数据界新人，喜欢数据分析、数据挖掘。连，支持下迷人的星星哦。