“每天晚上都有人加班到很晚，为什么无法杜绝加班呢……”

会议上是否有人提出过这样的问题？

如果在这个时候提出“是不是因为效率意识太低”“是不是管理上存在问题”等模糊的回答是绝对错误的。

正确的做法是直接拿出“相关系数”来提高自己观点的说服力。

相关系数是表示两个变量之间“关系强弱”的数值。正确利用相关系数，就能够找出问题的原因和本质。

“其实减少加班并不难，根据相关系数显示，会议时间和加班之间存在很深的联系。”像这样拿出相关系数的证据，就能瞬间改变会议的走向。

只要使用Excel之中的“CORREL函数”就能瞬间计算出相关系数（r）。关于CORREL函数的具体使用方法请大家参阅相关书籍，就连我这个不擅长数学的人都能学会，相信大家也一定没问题的。

相关系数表示的关系强弱如下所示。

●“CORREL函数”的使用示例

下图就是使用CORREL函数对加班时间与相关要素之间的相关性进行调查得出的数据。

r=0.7～1　相关性很高

r=0.4～0.7　具有一定相关性

r=0.2～0.4　相关性较弱

r=0～0.2　几乎不相关

通过这个表格，可以看出加班时间与会议时间之间存在很强的相关性。

在使用相关系数的时候，需要对以下两个要素进行检查。

①确认是否存在“因果关系”。

假设小学生“计算的正确率”和“身高”之间的相关系数为“0.9”。单从数值上来看，可以说存在很强的相关性。

但实际上并不是身高越高，数学成绩就越好。

也就是说，这属于“存在相关关系，但没有因果关系”的情况。

在这种时候，需要思考：“当数字增加或减少的时候，结果是否会出现变化？”

②通过“散布图”进行确认

当一些极端的数值对数据产生影响的时候，就不应该使用相关系数。

为了确认是否存在这种情况，可以使用Excel之中的“散布图”功能。

比如下图之中“B营业部”的情况，可能就是存在其他的原因。

●用“散布图”确认是否存在极端数值的影响

“销售额的提升与什么相关？”

“员工满意度与什么相关？”

善于使用相关系数的人，就能在工作之中把握主动权。

我再重复一遍，即便是数学不好的人也不用担心。因为一切都可以用Excel搞定。

Point

在把握要因的时候，可以用CORREL函数来进行计算。