相关性分析

加入超过 200 万学生的行列，通过 365 Data Science 提升自己的职业生涯。向曾在 Meta、Spotify、Google、IKEA、Netflix 和可口可乐工作过的讲师学习，掌握 Python、SQL、Excel、机器学习、数据分析、AI 基础知识等。

免费开始

兰迪·罗塞尔
4 分钟阅读
相关性分析缩略图

每家公柬埔寨移动的电话数字司都有（或应该有）一系列关键绩效指标(KPI)，或者简单地说，是他们应该遵循的目标。然而，这些 KPI 不可能都在一千个不同的方向上发挥作用，因为这会适得其反。它们之间的相互关联非常重要，因为这可以优化性能并帮助我们成功实现目标。

但我们如何知道这些设定的 KPI 是否兼容呢？

在业务分析和商业智能中，了解两个变量之间的相关性非常重要 - 例如，这些变量可以是您的业务的价值驱动因素和预期结果。这是分析方法取得成功的一个关键方面。而我们可以通过一种叫做相关性分析的方法来找出这种关系。在本文中，我们将更详细地讨论它的含义、我们如何应用它以及相关性分析的优点和缺点。

什么是相关分析？
相关分析是一种统计技术，旨在确定一对变量是否相关。它与比较分析和趋势分析一样，是业务分析的一部分。

在业务环境中，该技术可用于了解哪些变量正在影响任何特定的结果指标。例如，它可以突出显示价格与特定产品销售数量的相关程度，或者求职者分数是否与未来员工绩效相关。

需要强调的是，相关性建立了统计关系，但并不能证明因果关系。一个很好的例子是游乐场所产生的总收入与美国授予的计算机科学博士学位数量之间的关系。这两个变量在某些地区在统计上是相关的，但实际上，造成这种关系的可能是它们与另一个“未知”变量的相互关系——比如最新的技术进步。这意味着确定实际因果关系可能需要进一步分析。

无论如何，毫无疑问，相关分析的关键输出之一是相关系数，它表明两个变量之间关系的强度。

什么是多重相关分析？
还有一些技术可以确定多个变量和单个变量之间的统计关系。它们可以帮助确定哪些变量对特定结果指标影响最大。例如，我们可以应用多重相关分析，使用价格、季节和商店布局来确定集体关系，以及变量与商店中产品数量的个体关系。

相关分析的优点是什么？
在您的业务中采用此技术有一些好处：

其成本低廉。可以使用 Microsoft Excel 等标准业务工具来应用分析。或者，您可以使用Python和R等开源编程语言进行更复杂的相关性分析。
比较容易理解。对于商业专业人士来说，学习统计原理以应用相关性分析和解释结果是很容易实现的。毕竟，相关系数在 -1 和 1 之间变化，因此解释起来非常直观。
它为您提供了深刻的见解。该技术提供了有关变量之间相关关系的信息，并深入了解这些关系的强度和确定性程度，以及有助于决策的其他因素。
相关分析的缺点是什么？
与任何其他技术一样，相关性分析也有一些缺点：

它本身并不能证明因果关系。如果分析师没有正确应用它，他们就会冒着识别出彼此相关但互不影响的变量的风险。反过来，这可能会导致管理者使用错误的绩效杠杆——就像街机收入和计算机科学博士学位之间的相关性示例一样。当然，玩电子游戏的人减少并不会导致博士学位的减少。计算机科学专业的毕业生也是如此，对吗？
它需要从一组预定义的变量开始。管理者需要提前选择要测试的变量。另一方面，更先进的数据挖掘技术可以帮助识别更广泛的集合中的关系。
在我们的分析中应用它是有先决条件的。例如，为了获得可靠的结果，该技术要求我们提供数值数据和最少数量的观察结果，这对于处理各种形式的大量数据的大型企业来说并不理想。
相关分析的结论是什么？
虽然这种技术有明显的缺点，但它们并没有超过优点。相关性分析非常适合查找两个变量之间的相关性，这对于希望设置高质量 KPI 并改善业务的公司非常有帮助。

我们可以有把握地得出结论，它相对简单、易于理解，并且对分析职业极其有益——无论您是刚开始从事数据科学还是正在寻求职业转变。它可以为您提供很大帮助——只要您拥有适量的数据并且业务经理已经很好地定义了变量。总体而言，相关性分析对于我们的业务分析目标非常有利。

_________________
電話號碼列表