数据相关性分析是指分析判断两个指标之间有没有关系，若有，具体是什么样的关系。产品经理在日常工作中，每天都会看大量的数据，观测很多个指标。比如对于策略产品经理，除了观察最基本的DAU，VV，时长，CTR等流量、转化类指标，还需要观察CVR，GMV，UV价值等收益类指标。
这么多的指标，他们之间的是怎么一个关联关系，是否存在一个核心指标能够表征其他指标的变化情况，也就是会不会存在一个指标会随着另一个指标的变化而发生变化。这个是在产品迭代过程中非常常见，为了完成阶段性目标，需要确定迭代的方向找到影响结果的关键指标，而不是盲目的猜测试错，相关性分析就是找到关键指标的方法之一。
相关性分析的作用是通过数据去判断影响因素是否与最终结果相关，以及相关密切程度高低，据此衡量数据指标间的关系，为后续的产品迭代提供方向，同时相关性分析得出的相关系数也可作为迭代过程中任务优先级排序的衡量指标之一。
相关的定义
相关，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，销量与价格的关系。
相关分析
相关分析，就是去找两个变量A和B之间到底有什么关系，就是变量A发生变化之后，变量B是怎样跟着变化的。
相关的分类
相关基本上可以分为线性相关和非线性相关两种。
线性相关是最简单的，比如一段时间内，在一个人身上，头发的长度和时间就呈现线性相关关系。
非线性相关里，有指数，平方，幂等其他相关类型。
每类相关都有对应的公式和判定相关程度的相关系数,比如皮尔森，斯皮尔曼等，我们在日常工作中，其实不需要知道公式怎么推导，只需要知道怎么用即可，使用Excel,Python,SPSS等工具可以直接得出结果。
本文主要简单的介绍如何使用Excel做简单的线性相关分析。
线性相关分析
拿到一组数据我们用Excel做散点图可以大致看出两个数据的相关关系。
这里需要引入一个相关系数：R。相关系数R的大小可以表示两个变量的相关程度。R数值的正负可以表示是正相关还是负相关。
R的数值范围：-1~1，-1表示负相关，1表示相关，0表示非线性相关，也可能是其他形式的相关，因为R只是线性相关的相关系数。
R的相关系数绝对值越大，相关性越大，根据一般的经验值
绝对值大于等于0.6是高度相关
绝对值在0.3~0.6之前是中等相关
绝对值小于0.3是弱相关
如何使用Excel做线性相关性分析
1.需要选中Excel中要做相关性分析的两列数据，点击「插入」，选择插入「散点图」-「散点图」
2.点选散点图中的任意一个散点，右击鼠标，在下拉菜单里点击「添加趋势线」
3.确认页面最上方的「线性」选项
4.滑到最下面勾选「显示公式」和「显示R方」
做完这四步就得到了一张图表，我们还需要增加给横纵坐标轴添加标签：
1、点击【添加图表元素】
2、在下拉菜单里选择【坐标轴标题】
3、添加【主要横坐标轴】+【主要纵坐标轴】
最后填入对应的坐标单位信息
大家会得到一个线性回归方程：y=ax+b，以及R²值
在高度相关的情况下，可以通过线性方程，当自变量x为某数值时，因变量y的结果，以此可以简单做出一些指标上的预测。
线性相关分析的简单应用
在电商交易场景中，我们想要提升GMV这个指标，但是，GMV不能直接优化，所以我们着手在与其相关联的指标CTR和CVR做优化，首先做的相关性分析就是CTR，CVR，GMV两两之间是否有相关关系。
经过类似上述步骤的计算，CTR与CVR的R值只有0.003，几乎没有相关性。CTR与GMV为0.11、CVR与GMV的值为0.48，得出结论是CVR与GMV的相关性更强，因此你可以确定当前的优化方向应该是优化CVR，以便获得GMV的提升。
