数値データ群から正または負の関係性を判断します。
天然成分を使った保湿性の高い化粧水を開発しました。売れ行きは好調ですがさらなる拡販のために、DMの配送を検討しています。商品コンセプトから中高年をターゲットと考えていますが、念のため販売履歴から客層を分析します。販売数、年齢、年収、により相関分析を行ったところ、年齢に面白い結果が現れました。
相関係数は2つのデータ群の関係性を正または負の方向を、-1~1の間で強さを表します。販売数と年齢の相関係数が、-0.6となりました。これはコンセプトに反して年齢が販売数と年齢は負の相関関係にあり、年齢が低いほど販売数が増える傾向が強いということを表しています。販売履歴を詳細に見ると10代後半から20代前半の顧客が多く購入しているようです。さらに詳しい分析はアンケートなどを行う必要がありますが、ひとまず全く異なるターゲットにDMを送る危険は避けられたようです。
顧客の属性から客層を知りたい
商品の属性をもとに販売数に違いはあるか判断したい
スタッフの業績と業務内容との関連を知りたい
顧客の年齢や年収、来店数をもとに販売数の関係を数値化する
商品のセット数と販売数の相関係数から関係性を見る
顧客に対する電話やメールなどの対応方法ごとに業績の関係性を知る
相関係数は2つのデータ群をもとに、データの関連性を判断します。
相関係数は、正と負の方向と-1~1までの強さによって2つのデータ群の関係性を表します。概ね、0~0.3未満:ほぼ無関係、0.3~0.5未満:非常に弱い相関、0.5~0.7未満:相関がある、0.7~0.9未満:強い相関、0.9以上:非常に強い相関と言われています。
ただし、この関係は因果関係を示しているわけではありません。例えば、父親の身長と息子の身長を測った場合、高い相関があったとします。しかし、息子の背の高さは父親の背の高さの原因であると結論づけることはできません。明らかに逆です。このように、相関関係は因果関係を示すものではありません。
相関係数を算出する際にサンプルが2つしかない場合、必ず相関係数は1となります。たとえ元の集団(母集団)の相関が0だったとしてもサンプル数が少ないために相関が高いと判断されてしまいます。ある集団の相関があるかどうかを調べるためには、ある程度のデータ数が必要ということになります。そこで調べたサンプル数でも相関があるといえるか検証するのが、相関の無相関検定というものです。
Trunk tools では、販売管理と支出管理の取引履歴を、顧客データ、商品データ、スタッフデータ、取引先データを組み合わせて多角的な分析が可能です。ここでは、Trunk tools を利用してできる分析の簡単な一例をご紹介します。
同一趣味の顧客数と特定商品の売上金額は? スタッフと商品との関係は? 数値を眺めているだけでは見えない関係を、相関により明らかにしてください。
行ラベルと列ラベルを選択し、集計値による相関係数と散布図を表示します。
相関係数をもとに、散布図で相関係数を視覚的に把握します。
ブックマークに登録すれば、分析を行なったときのメモとあわせて、いつでも分析結果を復元できます。
グラフや数値の見方がわからなくても、分析結果とあわせて表示されるポイントとヘルプで、すぐに業務にご活用いただけます。
分析手法一覧から調べたい手法を選択してください。
サービス一覧から利用できる業務データをご確認ください。