डेटा विश्लेषण आधुनिक व्यावसायिक परिवेश में एक महत्वपूर्ण साधन बन गया है। विशेष रूप से, डेटा सहसंबंध विश्लेषण विभिन्न चरों के बीच संबंधों को समझने में केंद्रीय भूमिका निभाता है। इसके माध्यम से डेटा में छिपे प्रतिरूपों का पता लगाया जा सकता है और बेहतर निर्णय लिए जा सकते हैं।
इस सामग्री में डेटा सहसंबंध विश्लेषण की बुनियादी अवधारणाओं से शुरुआत करते हुए सहसंबंध गुणांकों के प्रकार, व्यावहारिक कार्यों में उनके उपयोग के तरीके और उनके परिणामों की व्याख्या तक पर गहराई से चर्चा की जाएगी।
डेटा सहसंबंध विश्लेषण की बुनियादी अवधारणाओं और महत्व को समझना
डेटा सहसंबंध विश्लेषण क्या है
डेटा सहसंबंध विश्लेषण दो या अधिक चरों के बीच संबंधों का विश्लेषण करने की एक सांख्यिकीय विधि है। इस विधि से यह समझा जा सकता है कि चर एक-दूसरे से किस प्रकार जुड़े हैं और किस दिशा में परस्पर क्रिया करते हैं। सहसंबंध विश्लेषण विशेष रूप से यह संख्यात्मक रूप में दिखाता है कि चरों के बीच संबंध कितना मजबूत है। उदाहरण के लिए, तापमान बढ़ने पर आइसक्रीम की बिक्री बढ़ने के सहसंबंध के माध्यम से तापमान और बिक्री के बीच का प्रतिरूप पहचाना जा सकता है। ऐसा विश्लेषण व्यावसायिक रणनीति बनाने में अत्यंत महत्वपूर्ण भूमिका निभाता है।
सहसंबंध विश्लेषण का महत्व और निर्णय लेने में उसकी भूमिका
सहसंबंध विश्लेषण का मुख्य महत्व यह है कि यह डेटा पर आधारित निर्णय लेना संभव बनाता है। चरों के बीच सहसंबंध का विश्लेषण करके कंपनियाँ विपणन रणनीति, परिचालन दक्षता में सुधार और ग्राहक व्यवहार के पूर्वानुमान जैसे विभिन्न क्षेत्रों में प्रभावी निर्णय ले सकती हैं। सहसंबंध विश्लेषण सीधे तौर पर कारण-कार्य संबंध सिद्ध नहीं करता, लेकिन चरों के बीच जुड़ाव को समझने में काफी मदद करके अधिक विश्वसनीय रणनीतियाँ बनाने में योगदान देता है।
सहसंबंध विश्लेषण का व्यावहारिक उपयोग
सहसंबंध विश्लेषण डेटा अन्वेषण की प्रक्रिया में भी अक्सर इस्तेमाल किया जाने वाला साधन है। बड़े डेटा समुच्चयों में महत्वपूर्ण प्रतिरूप खोजना आसान नहीं होता। सहसंबंध विश्लेषण इस डेटा अन्वेषण प्रक्रिया में यह समझने का एक अत्यंत उपयोगी साधन है कि चर किस प्रकार परस्पर क्रिया करते हैं। उदाहरण के लिए, ग्राहक संतुष्टि और दोबारा खरीदने की इच्छा के बीच सहसंबंध का विश्लेषण करके कंपनियाँ ग्राहक निष्ठा बढ़ाने के लिए आवश्यक रणनीतिक अंतर्दृष्टि प्राप्त कर सकती हैं।
सहसंबंध गुणांक की व्याख्या और उसकी सीमाएँ
सहसंबंध विश्लेषण का सबसे महत्वपूर्ण सूचक सहसंबंध गुणांक है। सहसंबंध गुणांक वह मान है जो दो चरों के बीच संबंध की मजबूती और उसकी दिशा को संख्यात्मक रूप में व्यक्त करता है। सहसंबंध गुणांक का मान -1 से 1 के बीच होता है; यह 1 के जितना निकट हो, उतना ही धनात्मक सहसंबंध और -1 के जितना निकट हो, उतना ही ऋणात्मक सहसंबंध दर्शाता है। लेकिन सहसंबंध विश्लेषण केवल संबंध की दिशा और मजबूती दर्शाता है, कारण-कार्य संबंध सिद्ध करने का साधन नहीं है, इसलिए परिणामों की व्याख्या करते समय इस बात का ध्यान रखना चाहिए।
सहसंबंध विश्लेषण में संभावित त्रुटियाँ और सावधानियाँ
सहसंबंध विश्लेषण का अत्यधिक उपयोग करने या उसकी गलत व्याख्या करने से गलत निष्कर्ष पर पहुँचने का जोखिम होता है। विशेष रूप से, केवल सहसंबंध गुणांक के आधार पर निर्णय लेने से गलत आकलन की संभावना अधिक होती है। ऐसा इसलिए है क्योंकि सहसंबंध होने का अर्थ यह नहीं कि कारण-कार्य संबंध भी अवश्य मौजूद हो। सहसंबंध विश्लेषण लागू करते समय विश्लेषण किए जाने वाले चरों की विशेषताओं, डेटा की गुणवत्ता और विश्लेषण के उद्देश्य को पर्याप्त रूप से समझने के बाद सावधानी से आगे बढ़ना आवश्यक है।
विभिन्न प्रकार के सहसंबंध गुणांकों और उनके उपयोग के उदाहरणों का विश्लेषण
पियर्सन सहसंबंध गुणांक: सतत चरों के बीच संबंध का मापन
पियर्सन सहसंबंध गुणांक सबसे व्यापक रूप से इस्तेमाल किया जाने वाला सहसंबंध गुणांक है, जो दो सतत चरों के बीच रैखिक संबंध को मापता है। पियर्सन सहसंबंध गुणांक का मान -1 से 1 के बीच होता है; यह 1 के जितना निकट हो, उतना ही मजबूत धनात्मक सहसंबंध और -1 के जितना निकट हो, उतना ही मजबूत ऋणात्मक सहसंबंध दर्शाता है। 0 के निकट मान सहसंबंध के अभाव को दर्शाता है। उदाहरण के लिए, आयु और आय के बीच संबंध का विश्लेषण करते समय पियर्सन सहसंबंध गुणांक का उपयोग करके इन दोनों के बीच सहसंबंध को आसानी से समझा जा सकता है। पियर्सन सहसंबंध गुणांक दो चरों के बीच रैखिक संबंध की पुष्टि करने में उपयोगी है, लेकिन अरैखिक संबंधों के लिए उपयुक्त नहीं है।
पियर्सन सहसंबंध गुणांक की गणना प्रक्रिया
पियर्सन सहसंबंध गुणांक की गणना में पहले प्रत्येक चर के मान से उसका औसत घटाया जाता है, फिर प्राप्त मानों को आपस में गुणा करके सभी गुणनफलों का योग लिया जाता है। इसे सहप्रसरण कहते हैं, जो दो चरों के बीच पारस्परिक परिवर्तनशीलता दर्शाता है। इसके बाद दोनों चरों के मानक विचलनों का गुणनफल लेकर सहप्रसरण को उससे भाग देने पर पियर्सन सहसंबंध गुणांक प्राप्त होता है। इसका मान -1 से 1 के बीच होता है; यह 1 के जितना निकट हो, उतना ही मजबूत धनात्मक सहसंबंध और -1 के जितना निकट हो, उतना ही मजबूत ऋणात्मक सहसंबंध दर्शाता है।
स्पीयरमैन कोटि सहसंबंध गुणांक: अरैखिक संबंधों का विश्लेषण
स्पीयरमैन कोटि सहसंबंध गुणांक कोटियों के आधार पर चरों के बीच संबंध मापने की एक विधि है। यह अरैखिक संबंधों का मूल्यांकन करने में उपयोगी है और तब प्रभावी होता है जब डेटा सतत न हो या क्रम महत्वपूर्ण हो। पियर्सन सहसंबंध गुणांक जहाँ रैखिक संबंधों पर केंद्रित होता है, वहीं स्पीयरमैन कोटि सहसंबंध गुणांक दो चरों के बीच अरैखिक संबंधों को पहचान सकता है। उदाहरण के लिए, सामाजिक स्थिति और व्यक्तिगत खुशी के बीच संबंध रैखिक नहीं भी हो सकता है, लेकिन स्पीयरमैन कोटि सहसंबंध गुणांक से ऐसे अरैखिक संबंध का स्पष्ट विश्लेषण किया जा सकता है।
स्पीयरमैन कोटि सहसंबंध गुणांक की गणना की विधि
स्पीयरमैन कोटि सहसंबंध गुणांक की गणना डेटा के वास्तविक मानों के बजाय प्रत्येक डेटा मान की कोटि के आधार पर की जाती है। पहले प्रत्येक डेटा मान को कोटि दी जाती है, फिर दोनों चरों की कोटियों के बीच अंतर का वर्ग निकाला जाता है। इसके बाद कोटियों के अंतर के वर्ग को कुल डेटा संख्या से भाग देकर स्पीयरमैन सहसंबंध गुणांक की गणना की जाती है। स्पीयरमैन सहसंबंध गुणांक चरों के बीच अरैखिक संबंधों को पहचानने का एक शक्तिशाली साधन है।
केंडल टाउ सहसंबंध गुणांक: कोटियों की संगति का मूल्यांकन
केंडल टाउ सहसंबंध गुणांक दो चरों की कोटियों के बीच संगति मापने की एक विधि है, जो स्पीयरमैन कोटि सहसंबंध गुणांक के समान है, लेकिन अधिक विश्वसनीय परिणाम दे सकती है। यह विशेष रूप से तब उपयोगी होता है जब डेटा का आकार छोटा हो या समान कोटियाँ बार-बार दिखाई दें। केंडल टाउ असंगत युग्मों की संख्या को ध्यान में रखकर विश्लेषण करता है कि चरों की कोटियाँ कितनी संगति के साथ क्रमबद्ध हैं। उदाहरण के लिए, छोटे डेटा समुच्चय में चरों के बीच संबंध का मूल्यांकन करते समय केंडल टाउ सहसंबंध गुणांक अधिक सटीक परिणाम दे सकता है।
केंडल टाउ सहसंबंध गुणांक की गणना का तरीका
केंडल टाउ सहसंबंध गुणांक इस बात की जाँच पर केंद्रित होता है कि डेटा युग्मों के बीच क्रम संगत है या नहीं। गणना के दौरान दोनों चरों के डेटा युग्मों की तुलना करके 'संगत युग्मों' और 'असंगत युग्मों' की संख्या निकाली जाती है, फिर इन मानों के आधार पर सहसंबंध गुणांक प्राप्त किया जाता है। केंडल टाउ तब लाभकारी होता है जब डेटा कम हो या समान कोटियाँ अधिक हों, और यह कोटि संबंधों की विश्वसनीयता बढ़ाने में प्रभावी है।
व्यावहारिक कार्यों में सहसंबंध गुणांक के उपयोग के उदाहरण
व्यावहारिक कार्यों में विभिन्न सहसंबंध गुणांकों का उचित उपयोग करके व्यावसायिक समस्याएँ हल की जा सकती हैं। उदाहरण के लिए, ग्राहक संतुष्टि सर्वेक्षण के परिणामों के आधार पर ग्राहक निष्ठा का मूल्यांकन करते समय स्पीयरमैन कोटि सहसंबंध गुणांक से अरैखिक संबंध आसानी से पहचाने जा सकते हैं। साथ ही, पियर्सन सहसंबंध गुणांक से उत्पाद की बिक्री और विज्ञापन व्यय के बीच रैखिक संबंध का विश्लेषण करने पर विपणन रणनीति बनाने के लिए महत्वपूर्ण जानकारी मिल सकती है। प्रत्येक सहसंबंध गुणांक कुछ विशेष परिस्थितियों में बेहतर अंतर्दृष्टि दे सकता है, इसलिए समस्या की प्रकृति और डेटा की विशेषताओं के अनुसार उपयुक्त सहसंबंध गुणांक चुनना महत्वपूर्ण है।
शैक्षणिक क्षेत्रों में सहसंबंध गुणांक का उपयोग
सहसंबंध गुणांक का व्यापक उपयोग व्यवसाय के साथ-साथ अर्थशास्त्र, समाजशास्त्र और मनोविज्ञान जैसे विभिन्न शैक्षणिक क्षेत्रों में भी होता है। अर्थशास्त्र में शेयर बाजार की अस्थिरता और आर्थिक संकेतकों के बीच सहसंबंध का विश्लेषण करके निवेश रणनीति बनाई जा सकती है। समाजशास्त्र में यह सामाजिक नेटवर्क विश्लेषण के माध्यम से व्यक्तियों के बीच संबंधों को मापने और समझाने में योगदान देता है। मनोविज्ञान में मानव व्यवहार और विशिष्ट चरों के बीच संबंधों का विश्लेषण करने के लिए सहसंबंध गुणांक का उपयोग करके शोध परिणामों को समर्थन दिया जाता है।
उपयुक्त सहसंबंध गुणांक चुनने का महत्व
सहसंबंध गुणांक का चयन डेटा की विशेषताओं और विश्लेषण के उद्देश्य के अनुसार होना चाहिए। प्रत्येक सहसंबंध गुणांक कुछ विशेष परिस्थितियों में अधिक अर्थपूर्ण परिणाम दे सकता है, इसलिए उपयुक्त सहसंबंध गुणांक चुनना महत्वपूर्ण है। पियर्सन सहसंबंध गुणांक सतत डेटा में रैखिक संबंधों का विश्लेषण करने के लिए उपयुक्त है, लेकिन अरैखिक संबंधों या कोटि आधारित डेटा के लिए स्पीयरमैन कोटि सहसंबंध गुणांक या केंडल टाउ सहसंबंध गुणांक अधिक लाभकारी हो सकता है। उपयुक्त सहसंबंध गुणांक चुनकर विश्लेषण की सटीकता बढ़ाई जा सकती है और उसके आधार पर व्यावहारिक अंतर्दृष्टि तथा रणनीतियाँ विकसित की जा सकती हैं।
व्यावहारिक कार्यों में सहसंबंध विश्लेषण को प्रभावी ढंग से लागू करने के तरीके
डेटा की विशेषताओं के अनुसार सहसंबंध गुणांक का चयन
व्यावहारिक कार्यों में सहसंबंध विश्लेषण को प्रभावी ढंग से लागू करने के लिए पहले विश्लेषण किए जाने वाले डेटा की विशेषताओं को स्पष्ट रूप से समझना आवश्यक है। चर सतत हैं या असतत, इसके अनुसार सहसंबंध गुणांक चुनना महत्वपूर्ण है। उदाहरण के लिए, सतत चरों के बीच संबंध का विश्लेषण करने के लिए पियर्सन सहसंबंध गुणांक उपयुक्त है, जबकि कोटि डेटा या अरैखिक संबंधों का विश्लेषण करने के लिए स्पीयरमैन सहसंबंध गुणांक लाभकारी है। उपयुक्त सहसंबंध गुणांक चुनकर विश्लेषण के परिणामों की सटीकता बढ़ाई जा सकती है।
डेटा पूर्वप्रसंस्करण का महत्व
सहसंबंध विश्लेषण करने से पहले डेटा पूर्वप्रसंस्करण की प्रक्रिया आवश्यक है। सहसंबंध विश्लेषण की विश्वसनीयता बढ़ाने के लिए लुप्त मानों का निपटान और अपवाद मानों को हटाना आवश्यक है। अपवाद मान सहसंबंध गुणांक को काफी प्रभावित कर सकते हैं, जिससे विश्लेषण की सटीकता कम होने की संभावना अधिक होती है। इसलिए अपवाद मानों की पहचान करके उन्हें हटाना या उनका उचित निपटान करना महत्वपूर्ण है, ताकि विकृत परिणामों से बचा जा सके। पूर्वप्रसंस्करण की प्रक्रिया पूरी सावधानी से करने पर अधिक सटीक सहसंबंध विश्लेषण संभव होता है।
सहसंबंध और कारण-कार्य संबंध के बीच अंतर
सहसंबंध विश्लेषण चरों के बीच संबंधों को समझने में उपयोगी है, लेकिन सहसंबंध का अर्थ सीधे कारण-कार्य संबंध नहीं है। अर्थात, दो चरों के बीच उच्च सहसंबंध होने पर भी यह आवश्यक नहीं कि उनके बीच कारण और परिणाम का संबंध हो। इसलिए केवल सहसंबंध विश्लेषण के परिणामों के आधार पर निर्णय लेना जोखिमपूर्ण हो सकता है, और कारण-कार्य संबंध को स्पष्ट करने के लिए अन्य विश्लेषण विधियों का साथ में उपयोग करना आवश्यक है। उदाहरण के लिए, प्रतिगमन विश्लेषण का साथ में उपयोग करने पर कारण-कार्य संबंध के बारे में अधिक स्पष्ट अंतर्दृष्टि मिल सकती है।
सहसंबंध विश्लेषण के परिणामों का दृश्यांकन
व्यावहारिक कार्यों में सहसंबंध विश्लेषण के परिणामों को प्रभावी ढंग से प्रस्तुत करने के लिए दृश्यांकन साधनों का उपयोग महत्वपूर्ण है। प्रकीर्ण आरेख और हीटमैप जैसे साधन चरों के बीच संबंधों को सहज रूप से समझने में उपयोगी हैं; जटिल डेटा को दृश्य रूप में प्रस्तुत करके विश्लेषण के परिणाम अधिक आसानी से समझाए जा सकते हैं। इससे टीम के सदस्यों या प्रबंधन तक विश्लेषण के परिणाम स्पष्ट रूप से पहुँचाए जा सकते हैं और रणनीतिक निर्णय लेने में सहायता दी जा सकती है।
सहसंबंध विश्लेषण का उपयोग करके रणनीतिक निर्णय लेना
व्यावहारिक कार्यों में रणनीतिक निर्णय लेने के लिए सहसंबंध विश्लेषण एक महत्वपूर्ण साधन के रूप में इस्तेमाल होता है। उदाहरण के लिए, विपणन टीम सहसंबंध विश्लेषण से विज्ञापन अभियान के प्रभाव और बिक्री में वृद्धि के बीच संबंध का विश्लेषण कर सकती है और उसके आधार पर विपणन रणनीति में बदलाव कर सकती है। इस प्रकार, सहसंबंध विश्लेषण डेटा पर आधारित निर्णय प्रक्रिया में अर्थपूर्ण अंतर्दृष्टि प्रदान करके रणनीति बनाने में योगदान देता है।
सहसंबंध विश्लेषण के परिणामों की निरंतर निगरानी
सहसंबंध विश्लेषण से प्राप्त अंतर्दृष्टि समय के साथ बदल सकती है, इसलिए निरंतर निगरानी और प्रतिक्रिया आवश्यक है। डेटा हर क्षण बदल सकता है और उसके अनुसार सहसंबंध भी बदल सकते हैं। इसलिए नियमित रूप से डेटा अद्यतन और विश्लेषण करके अंतर्दृष्टि को नवीनतम बनाए रखना और उसे वास्तविक समय में लागू करना महत्वपूर्ण है। इस प्रक्रिया से डेटा पर आधारित रणनीतियों की प्रभावशीलता निरंतर सुनिश्चित की जा सकती है।
सहसंबंध विश्लेषण के परिणामों की व्याख्या और डेटा पर आधारित निर्णय लेना
सहसंबंध गुणांक का परिमाण और दिशा: चरों के बीच संबंध को समझना
सहसंबंध विश्लेषण के परिणामों में सहसंबंध गुणांक चरों के बीच संबंध को संख्यात्मक रूप में दर्शाता है। सहसंबंध गुणांक का परिमाण और दिशा चरों के बीच संबंध की मजबूती और प्रकार दर्शाते हैं, जिनके आधार पर डेटा के प्रतिरूपों और रुझानों को समझा जा सकता है। सहसंबंध गुणांक 1 के जितना निकट होता है, दोनों चरों के बीच उतना ही मजबूत धनात्मक सहसंबंध होता है, और -1 के जितना निकट होता है, उतना ही मजबूत ऋणात्मक सहसंबंध होता है। वहीं, सहसंबंध गुणांक 0 के निकट होने का अर्थ है कि चरों के बीच लगभग कोई संबंध नहीं है और अन्य विश्लेषण विधियों पर विचार करने की आवश्यकता है।
सांख्यिकीय सार्थकता की जाँच: विश्वसनीयता सुनिश्चित करना
उच्च सहसंबंध गुणांक हमेशा अर्थपूर्ण संबंध नहीं दर्शाता। सहसंबंध विश्लेषण की व्याख्या करते समय सहसंबंध गुणांक की सांख्यिकीय सार्थकता की पुष्टि करना आवश्यक है। p-मान की जाँच करके निर्धारित करना चाहिए कि सहसंबंध गुणांक सांख्यिकीय रूप से सार्थक है या नहीं; इससे यह जाँचा जा सकता है कि सहसंबंध कहीं त्रुटि या शोर के कारण तो उत्पन्न नहीं हुआ है। सार्थक सहसंबंध डेटा पर आधारित निर्णय लेने के लिए एक विश्वसनीय आधार बनता है।
सहसंबंध विश्लेषण के परिणामों का उपयोग करके डेटा पर आधारित निर्णय लेना
सहसंबंध विश्लेषण डेटा पर आधारित निर्णय लेने में सहायता करने वाला एक महत्वपूर्ण साधन है। उदाहरण के लिए, ग्राहक व्यवहार के डेटा में कोई विशिष्ट प्रतिरूप मिलने पर उसके आधार पर लक्षित विपणन रणनीति बनाई जा सकती है। चरों के बीच सहसंबंध को समझकर ग्राहकों की पसंद और व्यवहार के प्रतिरूप पहचाने जा सकते हैं तथा अधिक अनुकूलित सेवाएँ प्रदान की जा सकती हैं। ऐसा विश्लेषण ग्राहक निष्ठा बढ़ाने और व्यवसाय की वृद्धि में योगदान दे सकता है।
सहसंबंध विश्लेषण की सीमाएँ और कारण-कार्य संबंध की पुष्टि की आवश्यकता
सहसंबंध विश्लेषण उपयोगी साधन है, लेकिन इसकी सीमा यह है कि सहसंबंध कारण-कार्य संबंध की गारंटी नहीं देता। केवल सहसंबंध गुणांक से स्पष्ट रूप से नहीं जाना जा सकता कि चरों के बीच संबंध महज एक जुड़ाव है या कारण-कार्य संबंध है। इसलिए कारण-कार्य संबंध स्पष्ट करने के लिए समय-श्रृंखला विश्लेषण और प्रयोगात्मक शोध अभिकल्प जैसे अतिरिक्त विश्लेषण आवश्यक हैं। इससे अधिक सटीक निर्णय लिए जा सकते हैं।
नवीनतम डेटा का महत्व
सहसंबंध विश्लेषण से किए जाने वाले निर्णय नवीनतम डेटा और उसकी सटीकता पर आधारित होने चाहिए। पुराना या त्रुटिपूर्ण डेटा सहसंबंध विश्लेषण के परिणामों को विकृत कर सकता है, और उसके आधार पर लिए गए निर्णय व्यवसाय पर नकारात्मक प्रभाव डाल सकते हैं। इसलिए डेटा संग्रह की प्रक्रिया में सटीकता बनाए रखना और निरंतर अद्यतन करना महत्वपूर्ण है; इससे सहसंबंध विश्लेषण के परिणामों की विश्वसनीयता बढ़ाई जा सकती है।
व्यावसायिक संदर्भ के अनुसार व्याख्या और उपयोग
सहसंबंध विश्लेषण के परिणामों की व्याख्या और उनका उपयोग व्यावसायिक संदर्भ के अनुसार करना महत्वपूर्ण है। केवल सहसंबंध गुणांक को देखने तक सीमित रहने के बजाय डेटा का उपयोग संगठन के लक्ष्यों और रणनीति के अनुरूप करना चाहिए। सहसंबंध विश्लेषण निर्णय प्रक्रिया को डेटा का आधार प्रदान करके अधिक नवोन्मेषी और प्रभावी रणनीतियाँ बनाना संभव करता है। इस दौरान सहसंबंध विश्लेषण के परिणामों को व्यावसायिक परिवेश के अनुरूप उचित ढंग से लागू करके बेहतर निर्णय लिए जा सकते हैं।
जटिल डेटा संरचनाओं को समझने और चरों के बीच संबंधों की खोज करने के लिए डेटा सहसंबंध विश्लेषण आधुनिक व्यावसायिक परिवेश में एक आवश्यक विश्लेषण साधन बन गया है। इस विश्लेषण के माध्यम से हम रणनीतिक निर्णय अधिक प्रभावी ढंग से ले सकते हैं।
सहसंबंध विश्लेषण की विभिन्न विधियों और उनके व्यावहारिक उपयोग के तरीकों को समझकर डेटा पर आधारित अंतर्दृष्टि प्राप्त की जा सकती है और उसे व्यावसायिक रणनीति में शामिल किया जा सकता है। आशा है कि डेटा सहसंबंध विश्लेषण से प्राप्त अंतर्दृष्टि के आधार पर नवोन्मेषी और कुशल निर्णय लेने में योगदान दिया जा सकेगा।
