数据分析并非只是简单的数据分析工具三板斧——Excel、SQL、Python，更重要的是数据分析思维。没有数据分析思维和业务知识，就算拿到一堆数据，也不知道如何下手。

推荐书本《数据分析思维——分析方法和业务知识》，本文内容就是提取这本书的主体思维，以提高自身的数据分析素养。

先来点鸡汤：学会把书读薄，就要学会总结，撰写学习博客的过程就是加深印象的过程，也是持续提高自身素质的有效方法。冲冲冲！

此前篇章：

数据分析思维（一）：业务指标（数据分析并非只是简单三板斧）

数据分析思维（二）：分析方法——5W2H分析方法、逻辑树分析方法、行业分析方法

数据分析思维（三）：分析方法——多维度拆解分析方法

数据分析思维（四）：分析方法——对比分析方法、A/B测试

数据分析思维（五）：分析方法——假设检验分析方法

---

相关分析方法

1.1 什么是相关分析方法

什么是相关分析方法？顾名思义，就是研究两种或两种以上的数据或对象之间是否存在某种关系，或彼此否存在影响。比如身高和体重。

1.2 相关分析方法有什么用？

（1）研究两种数据的关系。比如，子产品对整体产品有多少影响度或贡献度。

（2）扩大我们的思路，将视野从一种数据扩大到多种数据。比如“销量下降”可能受到不止一种数据的影响，通过相关分析，我们可以知道哪些数据对销量有影响，从而快速锁定问题的原因。

（3）相关分析通俗易懂，便于大家沟通和理解。数据分析方法有很多种，许多看似高端的分析方法，在实际工作中难以令对方理解。

1.3 如何使用相关分析方法？

主要有两种：散点图、相关系数。散点图偏主观分析（还可以发现异常值），相关系数偏理论分析。对于两种数据的情况，我们可以将数据放到一个表格，并使用分析工具（如Python等）绘制散点图以及计算相关系数。相关系数的知识相信大家都懂的，不多赘述。

1.4 如何使用 Excel 进行相关分析？

假定有以下数据：

 1、点击“文件”选项，找到“选项”，选择“加载项”，点击“转到”。

2、选择“分析工具库”，点击确定。 

3、 在“数据”选项卡里找到“数据分析”并点击。

4、在对话框中选择“相关系数”，单机确定。

5、勾选“标志位于第一行”，表明数据第一行是标题，选择“输入区域”（即数据所在的单元格范围），然后单击确定。

6、然后得到以下相关系数矩阵，就可以利用相关系数进行相关分了析。这里就不演示用 Excel 散点图的制作了，比较简单。

1.5  如何应用相关分析解决问题？

由于业务问题通常不是只有一种因素影响，而是多种影响因子共同导致。这就需要我们多考虑各种方面，多问几个“问题与该因素相关吗”，然后分析验证。

注意事项

（1）相关关系 ≠ 因果关系。某个问题与某个因素相关，并不是说该问题的产生完全由该因素决定，还可能与多种因素有关。

（2）很多时候，只用一种分析方法是不够的，还需要结合其他分析方法。

 # 文章仅供个人学习。后续还会继续更新。冲！