一、基本概念：

著名统计学家卡尔·皮尔逊设计了统计指标——相关系数(Correlation coefficient)。相关系数是用以反映变量之间相关关系密切程度的统计指标。一般用字母r 表示，用来度量两个变量间的线性关系。

（大同人才网www.lizhongrcw.com）

从图表上，相关系数越大，越是能够感受到两个变量之间的线性关系越高！

在统计学中进行相关性验证检验时，有个P值法检验，一般P＜0.05说明具有显著相关性，

著名的啤酒和尿布就是相关系数的经典案例，相关系数突破大家思维的是：不要去考虑因果，系统太复杂，只需要找出相关的规律！

使用相关系数进行分析的过程中，核心思维是：哪两个变量？ 

基于组织的思考，哪个变量是目标变量Y，哪些变量是操作变量X？

二、应用案例

例1：公司是否需要颁布考勤制度呢？

目标变量Y=绩效，操作变量X=上班时间

准时上班不是目的，目的是绩效，准时上班，是绩效保障的手段

去拉下员工数据，以日志形式字段1=员工平均上班时间，字段2=员工2年类的平均绩效，计算两个字段的相关系数，如果r为显著相关，就需要颁布并强化考勤制度，如果r非常低，或者是不显著，大可不必颁布这个制度，因为从实证来说，该组织的上班时间与绩效无相关性！

例2：如何来评估E-Learning的学习效果

目标变量Y=绩效，操作变量X=在线学习时间

E-Learning不是目的，目的是绩效，学习是绩效保障的手段

去拉下员工数据，以日志形式字段1=员工在E-Learning项目期间的平均绩效，字段2=员工E-Learning项目期间的学习数据（比如时间），计算两个字段的相关系数，如果r为显著相关；如果r非常低，或者是不显著！

以往我们评估学习效果，非常热衷于界定因果。基于相关系数的评估，我们可以验证相关！我们无法说：是因为学习了绩效高，还是绩效高的人本身就热爱学习；但有一点可以告诉我们：组织需要！

例3：如何来开发较为难培养的能力？

X1-能力A；X2-能力B；X3-能力C；…….

计算不同能力的相关系数,有些能力比较难开发,就去开发与这项能力相关系数较高的且容易被开发的能力

推荐<卓越领导者>,里面的能力开发思想,就是很好地应用了这种思维

三、启发

大数据时代,我们如何进行人力资源管理?

HR需要去做一系列的信息的部署，尽可能地丰富我们的管理字段，从中找出那些那些相关系数！这个相关系数是组织自己的客观规律，而非别人的最佳实践，是组织自己的实证！

大数据时代，我们的HR工作，将是实证主义！