电话销售分析散点图方法揭秘

散点图是在直角坐标系中显示数据的两个变量（X和Y）之间的关系的图表类型。散点图中的数据被显示为点的集合，其目的是通过大量数据点的分布，来标识两个变量之间的相关性或观察它们之间的关系，从而发现某种趋势，也可利用数据点的某种聚集性来发现异常。例如，我们可以用横坐标表示身高、纵坐标表示体重，画出表现某一班级学生“身高—体重”情况的XY散点图，由此获得班级学生身高和体重的详细分布状况。

散点图需要大量的原始数据作为支撑，考虑到篇幅的关系，在这里不举过于复杂的例子，仅以简单的“电话次数—销量关系”为例进行说明。如图16-24所示。数据表中给出了某公司2018年和2019年有关销售电话次数与销量的数据。生成散点图时只需选中数据区域为C2:D25的部分数据表，然后单击“插入”选项卡—“图表”组—“插入散点图（X、Y）或气泡图”下拉按钮。在下拉列表中选择合适的散点图选项，即会根据选中的数据生成一个XY坐标图：将第一列“电话次数”作为自变量X，数据范围自动取为760～940；同时，将第二列“销量”在0～120的范围内生成对应的Y轴坐标值，并将每一个点，例如2018年1月（X：893，Y：91），安排到坐标系中。当然，自动生成的散点图（XY图表）还需要进一步的优化：

将纵坐标的最小值改至70，最大值将自动被设置为100。

增加线性趋势线。

将数据系列的“标记”宽度改为2.25磅，并添加“偏移：右下”的阴影效果。

为横坐标和纵坐标添加轴标题，然后将图表标题改为适当的文字。

(www.xing528.com)

图16-24　“电话次数—销量关系”散点图

利用散点图可以标识出不同类型的数据的相关性，即变量之间的增减联动关系。这种关系一般有正相关、负相关、不相关三种相关性类型。

正相关：如果趋势线的斜率大于0，即横坐标变量X增大时，纵坐标变量Y一般随之增大。

负相关：如果趋势线的斜率小于0，即横坐标变量X增大时，纵坐标变量Y一般随之减小。

不相关：趋势线斜率为零（水平），表明当X变化时，变量Y不会随之变化，只会随机取值。

另外，对于趋势线，可以自动求出其趋势线公式和R2值。其中，R2值是趋势线拟合程度的指标，是取值范围在0～1之间的数值，其越接近1时，数据离散度越小，拟合度越高，反之则相反。