数据分析思维工具-相关分析

在工作中，我们可以用对比分析定位问题，用拆解分析将复杂问题简单化，找到小的切入点。 但是，针对同一个问题，有时候能找到多个小的切入点。 所以，我们要进一步学习相关分析，用数据去判断这些影响因素是否与最终的结果相关，以及相关密切程度高低，据此判断工作的优先级。

• 相关分析法：验证切入点，迅速判断工作优先级
• 来源：圈外数据学院L1
• 什么是相关
  • 相关，其实就是指两个变量，当一个变量发生变化时，另一个变量也跟着变化的关系。比如：体重随身高变化而变化，销售量随价格变化而变化。
• 什么是相关分析
  • 相关分析，就是去找到两种变量中间，到底有什么相关关系，是正相关，还是负相关，还是指数相关，或者是其他相关，等等。也就是说，A因素变了之后，B因素是怎么跟着变的。
• 相关分析三大应用场景
  • 1、快速锁定大问题相关的小因素，优化资源配置
  • 2、用数据说服他人，终结撕逼
  • 3、帮我们判断事情的优先级
• 相关关系
  • 线性相关
    • 正线性相关
    • 负线性相关
  • 非线性相关
    • 1、指数相关
    • 2、对数相关
• 正线性相关
  • 当Y轴的数值，整体上随着X轴数值的增高而增高，且呈接近直线的分布时，两组变量为正线性相关。
• 负线性相关
  • 当Y轴的数值，整体上随着X轴数值的增高而降低，且呈接近直线的分布时，两组变量为铜线性相关。
  • 比如，”裙摆指数“，就是经济越好的时候，女生的裤子长度越短，这就是负相关。
• 指数相关
  • 就是指一个变量，以固定的比率变化， 变化趋势越来越明显。
  • 比如，一个人的工资和职级，基本是指数关系，比如原来工资是1尤，按照20%的比例涨薪，就涨到了12000。下一次升职，再按20%涨薪，就涨到了14400。你会发现，第一年涨薪绝对值是2000，第二年则提升到了2400，出现了指数型的增长。
  • 再比如，常常讲的复利，就是指过去的利息也产生了利息，这个就是指数级的增长。
  • ”量变达到质变“：比如，一件事情启动，在相当长的一段时间内，几乎没有任何能让外我看出来的进步。直到某个时候，一下子显现出来，越增长越快。这就是一个指数递增关系。
  • 1.01的365次方=37.78343433289,0.99的365次方=0.2551796445229,这是指数的规律。
• 对数相关
  • 对数相关和指数相关，正好是相反的关系。如果指数变化是先慢后快，那么对数变化就是先快后慢，后期逐渐进入平台期。
  • 比如，健身，在一开始时，常常感到身心愉快，进步神速，但越到后面，就越发现每天的训练好像进入平台期。
  • 再比如学习，一开始从60分提升到80分，比后期从90分提升95分，要简单、快速得多。
• 相关分析怎么做
  • 相关分析用Execl、Python、SPSS都可以做。不过用哪个工具不重要，都能给你结论。
  • 案例：一家公司内部，某个工程师岗位的月薪与工作该岗位工作年限之间的相关分析。
  • 1、我们选择这些数据放入Excel，做成散点图
  • 在散点图上选择”添加趋势线“，就得到：
  • 在Excel里面，可以选择”显示相关系数“。
  • 直接通过Execl找到这条直线趋势线的公式：y=3934.4x+8463.9,x是横轴，代表工作年限，y是纵轴，代表月工资收入。
  • 得到公式后，我们就可以进行预测：假设工作年限x=1.5,代入公式y=3934.4x+8463.9,得到对应的y=14365.5元。
  • 数据预测是”相关分析“的进一步
    • 我们常说的”大数据“，也是基于不同变量之间的关联性来进行分析和应用的。
    • 2009年，谷歌公司就利用数据成功预测了美国冬季流感的传播趋势，甚至可以定位到具体的区域和所在州。
• 注意事项
  • 两个变量存在的相关关系，并不一定代表这两个变量存在因果关系。相关并不代表因果。
  • 当我们在做相关分析时，如果从数据上发现两个变量是相关的，还要额外注意，是不是还有一个另外的其他变量在影响着我们的分析结果。相关分析只是一种数据分析方法，最终的结论，还需要我们结合对业务的理解来判断。