excel商品相关性分析(excel进行相关性分析)

1. excel进行相关性分析

1输入我们要分析的数据，这里以分析促销和营业额的关系为例进行。

2点击工具---数据分析。

3在数据分析工具包中选择相关系数，点击确定。

4在相关系数设置对话框里首先设置输入区域，这里要精确数据位置范围，这里是个两列的数据区域，选择逐列，勾选标志位于第一列。

5设置输出区域，选中输出区域，按标号操作，选出输出的单元格。

6点击确定，结果是相关矩阵，我们可以看到其相关性为0.65349，相关性较大。

2. excel怎么进行相关性分析

1、首先打开excel。

2、输入或复制粘贴你需要验证的两组数据。ps:验证相关性需要两组及以上数据。3、在一个空白的地方，使用如下函数公式来计算=CORREL(B2:B19,C2:C19)函数括号里即这两列数据。4、office按钮-excel选项-加载项-转到-勾选分析工具库。5、使用这个CORREL函数之后，得到0.351211这样的数值。这个值越接近1，那就说明相关性越大；越接近0，说明相关性越小，不相关。从这两组数据来看，A、B两个产品销量的相关性并不强。

3. excel相关性分析函数

方法一：打开Excel，选择一组数据，点击“插入”，选择“散点图”。

选定散点，右键单击，选择“添加趋势线”。

点击“线性”，勾选“显示公式”和“显示R平方值”，得出结果R的平方，用计算机开方就得到相关系数。

方法二：选择“D4”单元格，点击插入公式。

点击“或选择类别”右边的下拉三角，点击“统计”，找到“CORREL”函数。

第一行参数点击“B4-B9”，第二行参数点击“C4-C9”即可。

4. 用Excel做相关性分析

有一定运营能力的淘宝小卖家都知道做宝贝关键词分析，但会的只是一部分，还有相当多小卖家依然一知半解，今天在这里就教大家如何是分析关键词竞争度，从而做出一个好的标题。

工具/原料

安装有office办公软件（带Excel）的台式电脑或者笔记本

正常经营的淘宝卖家店铺账号

方法/步骤

1、打开淘宝网，登陆卖家账号，进入”卖家中心“，从“我订购的应用”中点击进入“生意参谋”。

2、进入“生意参谋”后，点击进入“市场行情”页面，该页面左侧有个“搜索词查询”，点击进入。

3、在上述搜索词查询框内输入：连衣裙女夏，点击搜索，选择“相关搜索词”，最近7天，无线；指标选择：搜索人气，点击率，在线商品数，商城点击占比，支付转化率；

4、将以上条件帅选后一共有5页，共500个词，每页从上到下复制占到到excel表格；

5、下面开始做关键词数据分析，在表格数据“支付转化率”后面输入“竞争度”；

6、鼠标放到“竞争度”下面第一行，输入一个“=”号，然后鼠标移到搜索人气下面第一行，输入“*”号，鼠标再移到点击率下面第一行，输入“*”号，鼠标移到支付转化率下面第一行，再输入“/”号，点回车键，就是用这样一个公式：竞争度=搜索人气*点击率*支付转化率/在线商品数，从而算出关键词的竞争度数值，如图：

7、发现得出的数值很小，为了使用数值便于比较，我们将它乘以10000，然后将鼠标移动到数值边框的右下角，会出现一个小“十”字，双击，得出整列的计算数据。

8、选中“竞争度”这一整列，对这列数值进行降序排列，把前200的词用一个颜色填充标记下，这些是500个词中最有竞争优势的200个；

9、然后再对“搜索人气”这列同上做降序，把前200的词用另外一个不同的颜色填充，如图：

10、继续对“在线商品数”这些做升序排列，把前200的词用不同以上的颜色填充，如图：

11、经过以上步骤的处理，结果已经一目了然，最有价格的关键词就是三个颜色重合的词，把这些词挑选出来，看看那些词符合你的宝贝属性，组合起来放到你的标题里面去，绝对是一个经过数据化分析而来的最佳标题。

注意事项

从生意参谋复制数据到excel的时候，主要不要复制空格，不然粘贴到表格后格式不对。

排序取前多少个词可以自己灵活设定。

5. excel 相关性分析

化学合成实验中经常需要考察压力随温度的变化情况。某次实验在两个不同的反应器中进行同一条件下实验得到两组温度与压力相关数据，试分析它们与温度的关联关系，并对在不同反应器内进行同一条件下反应的可靠性给出依据。

相关系数是描述两个测量值变量之间的离散程度的指标。用于判断两个测量值变量的变化是否相关，即，一个变量的较大值是否与另一个变量的较大值相关联(正相关)；或者一个变量的较小值是否与另一个变量的较大值相关联(负相关)；还是两个变量中的值互不关联(相关系数近似于零)。设(X,Y)为二元随机变量，那么:为随机变量X与Y的相关系数。p是度量随机变量X与Y之间线性相关密切程度的数字特征。

注:本功能需要使用Excel扩展功能，如果您的Excel尚未安装数据分析，请依次选择“工具”-“加载宏”，在安装光盘中加载“分析数据库”。加载成功后，可以在“工具”下拉菜单中看到“数据分析”选项。

1.打开原始数据表格，制作本实例的原始数据需要满足两组或两组以上的数据，结果将给出其中任意两项的相关系数。

2.选择“工具”-“数据分析”-“描述统计”后，出现属性设置框，依次选择: 输入区域:选择数据区域，注意需要满足至少两组数据。

如果有数据标志，注意同时勾选下方“标志位于第一行”，分组方式:指示输入区域中的数据是按行还是按列考虑，请根据原数据格式选择：输出区域可以选择本表、新工作表组或是新工作簿。

3.点击“确定”即可看到生成的报表。可以看到，在相应区域生成了一个3×3的矩阵，数据项目的交叉处就是其相关系数。显然，数据与本身是完全相关的，相关系数在对角线上显示为1；两组数据间在矩阵上有两个位置，它们是相同的，故右上侧重复部分不显示数据。左下侧相应位置分别是温度与压力A、B和两组压力数据间的相关系数。

从数据统计结论可以看出，温度与压力A、B的相关性分别达到了0.95和0.94，这说明它们呈现良好的正相关性，而两组压力数据间的相关性达到了0.998，这说明在不同反应器内的相同条件下反应一致性很好，可以忽略因为更换反应器造成的系统误差。

协方差的统计与相关系数的活的方法相似，统计结果同样返回一个输出表和一个矩阵，分别表示每对测量值变量之间的相关系数和协方差。不同之处在于相关系数的取值在 -1 和 +1 之间，而协方差没有限定的取值范围。相关系数和协方差都是描述两个变量离散程度的指标。

6. 相关性分析 Excel

1、首先打开excel。

2、输入或复制粘贴你需要验证的两组数据。ps:验证相关性需要两组及以上数据。

3、在一个空白的地方，使用如下函数公式来计算=CORREL(B2:B19,C2:C19)函数括号里即这两列数据。

4、office按钮-excel选项-加载项-转到-勾选分析工具库。

5、使用这个CORREL函数之后，得到0.351211这样的数值。这个值越接近1，那就说明相关性越大；越接近0，说明相关性越小，不相关。从这两组数据来看，A、B两个产品销量的相关性并不强。

7. excel中相关性分析怎么做

我们通常把财务分析分为两类：

第一类：狭义的财务分析 - 以财务报表为基础。

第二类：广义的财务分析 - 结合企业实际经营情况。

第一类，简单介绍一下分析的内容：财务管理建设模型。

第二类：框架、思维与要点：集团型企业的 BI 经营分析如何做？

财务管理建设模型

建立财务驾驶舱，指标：资产、负债、利润、现金流、存货等，以下 by 派可数据财务分析案例（ 数据均已脱敏 ）。

利润分析。分析企业利润总额、累计利润总额、净利润、累计净利润、营业利润率、净利润率及同环比情况。

营业利润趋势分析、年利润对比分析、月利润对比分析情况。

收入分析。营业总收入、累计营业总收入、主营业务收入、累计主营业务收入、其他业务收入、累计其他业务收入及同环比情况。

年收入分析趋势，联动月收入情况趋势分析。

主要收入类型占比情况 —— 主营业务收入、营业外收入、其他业务收入及趋势分析情况。

成本费用分析。营业成本、主营业务成本、期间费用、财务费用、管理费用、销售费用及同环比情况。

不同年份费用率对比情况 —— 期间费用率、成本费用利润率、财务费用率、管理费用率、销售费用率年及月度趋势情况。

年期间费用对比分析，联动到期间费用占比分析。

年成本对比分析，联动到月成本对比分析。

资产负债分析，资产合计、负债合计、所有者权益合计等。

资产负债率月度趋势分析。

资产负债总体情况分析，通过下钻可以看到不同月份不同资产、负债和所有者权益情况。

各项目分析钻取分析，例如通过下钻流动资产可以看到货币资金、应收账款、其他应收款、交易性金融资产、应收股利等情况。

应收账款、应付账款月度趋势分析，及同环比情况。

资产负债总体分析，可以通过下钻钻取到不同的项目。

资产总体情况、资产变化趋势等。

资产项目分析，流动资产、非流动资产分析。

不同的资产项目占比分析，例如流动资产中应收账款、应收票据、预付款项、存货、交易性金融资产等分析。

负债与所有者权益情况分析。

财务能力指标分析 – 净资产收益率、存货周转率、流动比率、总资产报酬率、应收账款周转率、速动比率分析等。

盈利能力指标分析 —— 净资产收益率、营业利润率、营业毛利率、成本费用利润率、净利润率、总资产净利率、营业净利率、主营业务毛利率、主营业务利润率、总资产报酬率、资本收益率、股本报酬率分析等。

营运能力指标分析 —— 固定资产周转率、应收账款周转率、股东权益周转率、存货周转率、总资产利润率、流动资产周转率、应收账款周转天数、存货周转天数等趋势分析。

偿债能力分析 —— 流动比率、速动比率、现金比率、资产负债率、营运比率、长期负债比率等。

发展能力分析 —— 总资产增长率、固定资产增长率、资本保值增值率分析等。

其他能力分析 —— 销售费用率、管理费用率、财务费用率、期间费用率、固定资产比率、应付账款周转率、主营业务成本率、销售利润率等趋势分析。

税负分析 —— 税金合计、应交增值税、应交所得税、应交城市维护建设税、应交教育附加、印花税等同环比分析、年度、月度趋势及占比情况。

框架、思维与要点：集团型企业的 BI 经营分析如何做？

在目前国内大部分的商业智能 BI 项目中，项目的发起与启动都是从单一的业务领域或者部门发起的，比如财务、销售、运营等部门，基本上都是由小往大、由点及面，很少一上来直接就从集团层面从顶层全面铺开整体规划。一方面有资金、人力投入成本因素的考虑，另外一方面在于项目的磨合、经验的积累。就如同打仗一样，先从小规模的作战、局部战争开始积累与培养人才与技术经验，再到最后大手笔来组织兵团级别的战役。

但也有越来越多的自身 IT 基础信息化能力沉淀比较好的集团性企业，为了更加长远的规划与考虑，需要从一开始就要有一个相对明确的建设方向和思路，因此整体性和框架性思维就很重要。

派可数据集团经营分析案例

基于我们多年在集团型企业项目建设上的经验，给大家简单总结一下。

说明：本文案例所演示的数据均已做脱敏处理，包括部分维度数据。为了突出一些比较，有些数据在实际业务中可能并不合理，请读者忽略，重点在于理解一些分析思路与框架。

一. 集团型企业成长轨迹与挑战

在讲集团化企业 BI 经营分析建设之前，先了解一下集团型企业的成长轨迹。集团型企业在早期都是通过单一业务开始的，逐步随着我国改革开放的进程以及经济宏观政策的调整，出现了很多新的经济热点。

这些企业在参与社会经济建设的过程中也成功的抓住了这些经济热点并得以壮大发展，通过兼并重组、新设、合资等逐步进入了新的事业领域，最后对外就呈现出来了一种多组织、多业务、多业态的企业集团。

当然，集团化的企业在发展过程中也会面临各种各样的挑战，例如战略协同、集团化管控、财务与风险管控、人才管理与激励等等，这就要求集团化企业需要通过 IT 技术信息化的手段来梳理企业的各类业务协同与管理流程，提升透明度和加快工作效率。

同时，集团化企业在面对这些挑战的时候就不得不对其增长模式、盈利模式、耦合模式做出更加深入的思考，而这些模式的背后一切都离不开数据的支撑，对数据分析结果的论证、判断与决策。

二. 集团型企业经营分析框架

对于集团型企业的经营分析还是一个比较复杂的、系统性的工程，对参与到经营分析的团队和个人需要具备整体性的框架分析思维，也需要具备局部细节的探究能力，更需要具备例如财务、业务、组织管理、行业知识等相关学习和总结能力，同时还要求对数据有比较高的敏感性和很强的数据逻辑能力、洞察力。

对于不同规模、不同行业、不同形态、不同管理方式的集团型企业分析的深度和广度无法完全囊括，但对于很多分析思路而言还是有很多共通性的。比如财务报表分析，基本对每一家企业而言都是相对标准和统一的，可以从比较宏观的角度了解一家企业的财务与经营业绩。

但单纯的财务报表分析是无法全面衡量企业具体职能领域和具体业务活动的业绩表现，所以更多的时候是需要结合财务与实际的业务一起形成联动，对企业的经营做全盘的了解。

专业的财务分析不在本篇文章展开，对于专业的财务分析可以看一些上市公司的年报，这里只从集团型企业经营分析的视角结合一定的财务视角来展开。

集团收入、利润、资金与预算情况

从集团层面首先重点应关注的就是集团收入、利润、资金以及预算执行情况。从营业收入了解到集团目前的收入规模，离预算指标差额、完成率情况；从利润了解到集团目前的利润、预算指标及完成率执行情况；包括目前的资金（主要是流动资金）情况和营业收入、利润近今年的同比情况。

集团经营分析总体指标

如果单纯的从集团层面看以上这些指标分析不出来什么问题，所以就要从构成集团的重要结构，即业务板块来分析。

集团板块收入与预算执行情况

从上面的三张图中基本上对集团的重点业务一目了然，可以清晰的看出在这家集团型企业中房地产的收入以 130亿的收入规模贡献达到了 80%，其次新能源的达到了 17%，家具制造业 1.4%，其它的基本上就可以忽略不计，都在1%以下。所以对于这家集团，房地产板块的业务就是它的主营业务，新能源次之。

实际上，每一家集团对自己的重点的主营业务太熟悉太了解了，基本上不用分析就能知道，在这里重点实际上要关注的有几个方面的点：

第一，集团有无需要战略转型的业务要开拓与发展，当前这个业务发展的如何。尽管这个新开展的业务可能暂时收入规模还不大，但总体趋势可能是比较不错的，所以重点分析的实际上反而是新领域、新业务的拓展情况。

第二，在战略转型的过程中，目标是既要保持集团总体收入规模的增长，同时也要下降主营业务的比重。这一点意思就很明确，主营业务也要增长，其它重点新开拓的业务也要增长，但是其它重点业务增长的速度要远远高于主营业务。

集团板块利润与预算执行情况

单纯的看集团的利润分析感觉不到太大的问题，但是结合收入来看，对比就会很强烈。房地产行业的收入贡献在集团达到了 80%，但是利润贡献却只有 30%左右，0.32 亿元。反而，新能源的收入贡献只有 17%，但对集团的利润贡献却达到了41%，0.43亿元。同时，有一个在收入规模上完全被忽略掉的家具制造业以 2.36亿，1.4%的收入占比贡献了 28% 的利润贡献。

因为数据做了一些处理，我们暂且忽略行业和数据真实性，来思考以下几个问题：

1. 在一家集团型企业中是否存在收入规模大，但是盈利不足的业务板块比如 A 板块。但同时也存在着收入贡献占比不多，但是盈利能力却很强的业务板块，例如 B 板块 ？

2. A 板块是朝阳产业、还是夕阳产业，在未来的 5-10 年中是否能够维持这种规模收入增长，在以往的几年时间收入增长率怎么样 ？

3. B 板块是朝阳产业、还是夕阳产业，在未来的 5-10 年中是否有足够的市场增长空间和天花板，目前的增长速度能够保持多长时间 ？

这种思考都是战略层面的深度思考，进攻的产业有哪些？ 防守的产业有哪些？防守到什么时候就可以抛弃？ 进攻到什么阶段会遇到阻力，这种阻力能够承受到什么时候？

最后又看了下资金情况，可以按照主产业与次要产业看看货币资金、应收票据、应收账款、存货的情况。有多少现金在手上，有多少是别人欠我的，主要是哪些板块欠的比较多，还有多少压在手上、仓库里没有卖出去。

以上的几个点基本上要重点体现出来的就是：收入决定发展规模，利润决定发展质量。还有，整个过程完成的好不好，有没有达到预算执行目标，每个数据的表现都是需要仔细考虑和反馈的。为什么完成的比较好，为什么没有完成，都需要认真思考。

毛利、毛利率的分析定位

在分析上面的收入和利润过程中，大家可能会感觉总少了一点什么，比如毛利、毛利率。确实如此，毛利、毛利率的分析非常重要，但之所以没有放到集团层面去考虑主要有这么几个重点因素：

第一，毛利比较高的业务板块不一定是企业集团的重点收入板块，单纯比较毛利是比较局限的。比如上面有些业态即使毛利再高，但是由于收入规模很小，最终利润贡献也会小到忽略不计，达不到集团重点的经营分析层面。

第二，集团层面的毛利分析一定是放在重点收入业务板块和重点、新关注的业务板块。重点收入业务板块在很大程度上决定了企业集团的收入规模大小，它的毛利对最终利润水平非常重要。重点、新关注的业务板块代表了集团未来的重点业务、新领域、新市场的开拓，在未来收入达到一定的增速、水平和规模的时候，毛利的高低直接影响最终利润的规模大小。

所以对于集团型企业而言，对于毛利水平的分析一定是围绕收入规模占比大的业务板块或是决定未来集团战略转型的新业务板块，或者是老业务板块中的新产品线。因此，关于毛利和毛利率的分析是需要从集团层面下沉到具体的业务板块、业务板块的重点企业、重点企业的重点产品线或新产品线这样的一种分析和比较。

简单总结，毛利、毛利率的分析结构：

1. 集团 -> 重点业务板块 -> 重点企业 -> 重点产品线。

2. 集团 -> 重点业务板块 -> 重点企业 -> 新产品线。

3. 集团 -> 新业务板块。

财务报表视角下的企业

在上面提到的经营分析中，实际上也会涉及到大量的财务分析指标，可以结合集团企业的实际情况从宏观的例如盈利能力、风险控制能力、成长能力三个层面、六个关键点来评价企业整体财务表现。

1. 盈利能力主要体现在获利性和资产使用效率两个方面：

获利性 —— 在同等业务量和营业收入水平下，降低成本以产生更多利润的能力，即如何最大化利润表的 最终行 Bottom Line （净利润）。

资产使用效率 —— 在同等资源占用和生产能力（资产规模）下，取得更高业务量、营业收入或现金流入的能力，即如何最大化利润表的第一行 Top Line （营业收入）或最大化经营利润的变现速度。

2. 财务风险控制能力主要体现在流动性、偿付性和财务结构三个方面：

流动性 —— 现金是否足够支撑日常运营的支出，以及流动负债是否可由足够的流动资产来偿还，即评价企业的短期偿债能力。

偿付性 —— 企业是否可以偿还长期负债，企业的长期偿债能力如何。

财务结构 —— 资本中不同股权与债权的比例，不同比例下财务杠杆作用以及对利润的影响。

3. 成长能力主要体现在经营增长方面：

经营增长 —— 企业在长期发展中业务量规模的扩张程度，资源投入的增加速度，以及所带来的收入和盈利的增长速度。

反映以上三个层次六大关注点的财务指标有很多，集团型企业也需要根据自身运营特点，围绕这个基本的财务分析框架来选择合适的财务指标进行科学评价。

行业影响、市场影响因素

任何数据的解读都离不开行业性，尤其是集团型的在收入规模达到一定水平下的企业，行业与市场因素对收入、毛利、利润的影响都会非常大，以下面几个行业为例：

光伏发电行业 - 资金密集性行业，主要以自有资金、银行借款、融资性租赁来筹措资金，整体负债较高。如未来宏观经济形势发生不利变化或信贷收缩，公司业务的持续发展可能会受到不利影响。同时，光伏电站项目投产到进入补贴名录时间较长，可再生能源基金收缴结算周期较长等因素，导致国家财政部发放可再生能源补贴存在一定的滞后，对标的公司现金流压力比较大。

医药行业 - 第一，容易受市场政策影响，例如：2019年国家卫健委发布的《关于印发第一批国家重点监控合理用药药品目录（化药及生物制品） 的通知》，对西医开具中药处方加强了管理，可能会导致中药品种在部分医院的处方和推广面临困难。第二，医保和基药目录产品进入医院需要通过药品招标采购流程，受医保支付压力影响，近年的招标采购中降价成为普遍的趋势。 第三，国家对通过一致性评价的产品实施带量采购，药品价格降幅明显。包括受环保等政策影响，近年来化学原料药价格大幅上涨，未来几年仍可能继续小幅上涨。

化工行业 - 化工行业主要上游行业为石化行业，市场波动受国际原油价格直接影响，下游行业多为民生行业，受宏观经济影响很大。包括主要原材料价格波动引发的成本增加无法直接向市场客户进行转移，利润空间缩小。同时，因安全生产监管、环保监管等各个方面的原因，企业的生产经营也会受到比较大的影响。

通过行业分析，了解所在行业整体发展收入规模、行业收入增速、整体毛利、利润情况对比集团各业务板块实际发展情况，以及在行业中处于一个什么样的市场位置基本上就可以大概判断出集团主要业务板块在市场的竞争力表现。行业收入增速快，但业务板块收入水平明显低于行业平均水平，是市场品牌宣传力度不够、市场没有打开还是产品竞争力不够，到底是哪些因素的影响 ？ 行业细分领域毛利率整体水平高，但在该行业业态下的企业毛利率水平低下，又是哪些因素导致的 ？只有将数据置身于行业水平来对比了解，这样才更容易找到与行业内头部企业的差距，以及不断思考怎样做才能做得更好。

业态 - 企业 - 产品线，企业重点调整与决策影响的考虑

对于重点业态下的重点企业，重点业态下的重点产品线以及涉及到集团产业升级、战略调整目标下的新业态、新业务领域、新产品线均应该纳入到集团经营层面进行深入分析，重点仍然分析的是收入、成本、毛利、费用与利润。

重点业态追求效率。对重点业态的关注除了对收入规模的关注外，重点关注的是利润水平，因为重点业态的发展跟随行业发展水平可能增速已经达到一定的瓶颈，在发展增速能够保持在一定水平的前提下，通过对成本、费用的控制来提升利润率水平，本质上追求的是效率的提升。

新业态追求规模和占有率。对新业态的关注重点放在收入增长规模的变化，代表了集团型企业未来变革、升级转型的趋势和方向，寻找增长第二级，以市场占有率为目标，本质上这个阶段追求的是市场规模。

同时，也应该注意到集团型企业在未来一到两年重点决策的改变对各个业态下在收入、成本、毛利、费用和利润以及资金运作等方面的影响。例如在北京地区，因为产业调整、环保政策、安全等各个方面的原因，对很多企业特别是传统生产制造、化工行业就有很大的影响，特定环境下的停工停产、人力成本的上升、上下游产业链的重塑、物流成本的增加等都促使集团型企业需要从整体来考虑如何应对。

三. 总结

基本上到这里，围绕集团型企业的重点经营分析的介绍就可以告一个段落，大家也可以从中看到其复杂性，实际上是综合了财务、业务、经营管理、行业因素等各个方面的考虑，最终要形成一个对集团高层管理决策有价值的一种可视化分析，让他们能够从各种不同的视角对集团经营有一个相对比较全面的了解。

在这个过程中，我始终认为业务永远是第一位的，商业智能 BI 的作用和目的是用以一种更加便捷和简单的方式来解读业务，从总到分、自上而下的回答在业务解读过程中的各种问题。这就要求在项目建设过程中，商业智能 BI 实施交付的方法论要紧扣业务本身，呈现重点目标数据、体现集团经营管理思路、定位问题和发现问题。最终，商业智能 BI 仍然要回归到业务、回归到管理本身，帮助企业提升决策的效率与质量。

8. Excel做相关性分析

插入散点图，在图上添加趋势线，选择趋势线选项R。R值反映相关性，最大为1，最小为-1。

9. excel如何相关性分析

1、首先打开excel。

2、输入或复制粘贴你需要验证的两组数据。ps:验证相关性需要两组及以上数据。

3、在一个空白的地方，使用如下函数公式来计算=CORREL(B2:B19,C2:C19)函数括号里即这两列数据。

4、office按钮-excel选项-加载项-转到-勾选分析工具库。

5、使用这个CORREL函数之后，得到0.351211这样的数值。这个值越接近1，那就说明相关性越大；越接近0，说明相关性越小，不相关。从这两组数据来看，A、B两个产品销量的相关性并不强。