在商业领域的“关联”与“相关”不是同一个概念，关联描述了事务之间的频繁模式，而相关指明了事务之间的数据影响规律，这里重点介绍零售业的相关性分析。

相关性分析是零售业最有效的统计工具之一，相关性分析的最大魅力在于，可以将一大堆杂乱无章、单位不统一、时间相近、空间相同的复杂数据，加工成一个简洁、有效、优雅的描述性数据，并找出其间的数据规律。

相关性分析可以找出变量之间的变换趋势，但是要找出这种变化趋势仅仅是数据表现，还是关联关系或因果关系，就需要通过关联挖掘算法，尤其是要通过时间序列关联分析，才可以判断相关性的性质。

在零售门店运营中，销售业绩是最受关注的，而销售业绩会受到诸多因素影响，这些因素可能来自门店环境，如天气、湿度温度、光照度等，也可能来自门店内部的选品、价格、促销、陈列等因素，各种因素叠加共同影响了门店的销售业绩，寻找这些影响因素、并加以量化分析，就是相关性分析的工作。

零售业是一个数据密集的行业，被所谓的数据“海啸（tsunami）”所淹没，比如有POS机的交易数据、智能设备及传感器等结构化数据、也有音频、视频等非结构化数据。

沃尔玛的创始人沃尔顿曾经说过：“Retail is Detail”（零售就是细节），每一个细节都可能影响经营业绩，门店环境因素就是其中的一个关键细节变量，能够对业绩产生显性或隐形的影响。

零售业是一个与环境高度相关的行业，销售时段、天气（雨、晴、雾、多云、晴朗等）、温度（寒冷、冷、舒适、温暖、热、酷热）、湿度、光照度、背景音乐、噪音、客流等都会对销售业绩产生影响，对这些影响因素进行量化分析及数据描述，能帮助门店提前做出相应的准备。

现在零售门店中投入了大量的智能化商业设施，这些商业设施（如制冷设备、POS机、自助机、摄像头、音响等）都具有很强的数据收集功能，可搜集交易数据、温湿度、光照度、音视频、客流量、货架陈列变化等数据。

目前炒作很热的商业物联网，主要应用场景之一就是对门店的环境数据采集、分析及利用。但当前国内商业物联网依然处于初级的单设备数据层面，呈现“数据孤岛”状态，门店整体的物联网数据采集、集中管理、分析及高效利用还谈不上。

现今的零售门店中安装了大量的摄像头，并产生了海量视频数据，除了基础的安防应用外，怎样合理、有效利用、合规地利用这些视频数据，也是处于初级阶段，有些视频应用涉嫌触犯了消费者个人隐私权、游走于法律的边缘。

需要指出的是，门店中POS机产生的交易数据并不属于商业物联网的范围。

POS机交易数据是最早被采集、分析及充分利用的业务流程数据，不应该生硬地归纳到物联网范畴。

很多商品的销售状况都与门店的环境因素相关，这类商品被称为环境敏感商品，如温度敏感商品、湿度敏感商品、时间敏感商品、天气敏感商品等等。

商品销售量与天气因素有非常大的相关性，下雨天时雨具会热销，气温上升时碳酸饮料、啤酒类商品会热销，而冬天气温下降时热饮、黄酒、白酒类商品会热销，这些都是天气因素对于商品销售的影响。

我曾经在北京某购物中心从事过管理工作，某经理总结天气对于销售的影响是：“刮风减半、下雨全完”，言简意赅地描述了天气因素对购物中心的业绩影响。

要想衡量天气因素对于业绩的影响方式，门店温度是最直观的量化指标，门店中的温度与不同的商品销售量有着最直接的相关性表现，比如门店周边的环境气温上升，会导致碳酸类饮料的销量上升，门店周边的环境气温下降，热饮类饮料的销售会上升、同时碳酸类饮料的销量会下降，这些都是零售业的温度相关性表现。

很多店长都有直觉，当气温上升时，碳酸饮料的销售量必然会增加，当气温下降时，热饮类商品的销售量会增加。

但是要去问这些店长，门店的气温上升到 28度后，每上升一度，碳酸类饮料会增加多少瓶？门店的气温由28度上升到30度，凉面的销售量会有什么变化？当门店气温下降到5度，每下降一度，奶茶等热饮类饮料的销量会增加多少杯？下雨天关东煮的销售量会有什么变化？

大多数店长对于这些问题是知其然不知其所以然，有概念没数据，这些细节看起来很琐碎，但是把门店中琐碎事情集中在一起，找出其中的数据规律，就是有意义的事情。

对于上述问题，相关性分析是一种很好的分析及预测方法，根据以往的数据规律、可以帮助预测未来，比如可以将门店周边的温度、湿度、时间因素、体感温度等环境因素进行归纳、寻找规律，并预测可能对门店的销售业绩带来的影响