雖然現在數據分析的工具越來越多了，但是隻有Excel、SAS、R、SPSS、Python這 5 大軟件比較常用。而Excel對于很多數據分析人員來說，是最初級也是最主要的分析工具，它可以進行各種數據的處理、統計分析和輔助決策操作，如果不考慮性能和數據量，它可以處理絕大部分的分析工作。那麼，如何利用Excel進行數據分析呢？

一、明确分析目的

以結果導向的方式去思考，你究竟要解決什麼問題。并且規定具體指标、時間跨度、數量單位、呈現方式等。分析并沒有那麼簡單，需要先想明白分析的目的，才能決定用什麼樣的數據去支撐你的分析。這雖然與Excel無關，卻是進行數據分析的邏輯起點。

二、數據整合與梳理

将多項數據導入同一個Excel表格中。

1、注意事項

● 數據表為原始數據表

● 數據表第一行為數據字段名稱，數據字段名稱不可重複

● 數據表中每一行代表一個數據記錄

● 數據表盡量不要出現無意義的空行空列

● 原始數據表不能有合并單元格

● 數據表每列有且隻有一種數據類型

2、查看表中有哪些數據類型？

3、基本操作

● 給每一個sheet頁命名，方便尋找

● 給每一個工作表加一列行号，方便後面改為原順序

● 删除不必要的空行、空列

● 檢查一下是否有外部鍊接與公式。按住“Ctrl” “~”鍵，可查看單元格的隐藏信息。

三、利用Excel對數據進行簡單清洗

原始數據往往雜亂無章，因此需要對數據進行清洗和篩選才能找出其中的規律。

1、去重

步驟：“數據”-“删除重複項”-選擇重複列（單選一列表示此列數據重複即删除，多選表示多個字段都重複才删除。）

2、運用描述性統計命令觀察數據的基本情況

通過添加“分析工具庫”加載項找到數據-數據分析-描述統計，可以得到這組數據的中位數、衆數、峰度、偏度等基本指标，觀察這組數據的特征。

3、是否有「=0」或者空白的數據

選中整張表格數據，在菜單欄上選擇“數據”-“篩選”，然後可用每欄的篩選下拉菜單，看看這欄包含哪些數值。

需要特别注意「0」或者「空白」的數據。它有可能是正常的，例如某天真是沒有人登錄或者注冊（服務器宕機），也可能數據發生缺失錯漏。

如果有大量的「0」或者「空白」，需要思考對我們分析的影響。例如你想統計男生、女生各自的行為，假設1,000個樣本點裡，有800個沒有識别男女，那麼這個結果還有代表性嗎？

另外，Excel軟件對「0」與「空白」的處理不同。例如，有10個數值，2個=0，2個缺失，6個=8。讓Excel數一數該列有幾個值，會返回「8個」。0值計入，缺失項不計入。

若計算這一列的平均值，Excel會算成，（2*0 6*8）/（2 6），返回6，因為求8個數的平均值。既不是全部10個，也不是非零的那6個。

因此，當我們見到「0」或者「空白」時，需要特别注意。系統導出數據時，很可能把未曾統計标識為零，或者反之。App當日登錄人數未曾統計，或者确實無人登錄，意義當然不同。

4、統一數值口徑。

這是個無聊而必要的步驟。

例如我們統計銷售任務指标，有時用合同金額有時用回款金額，口徑經常不統一。統計起來就很麻煩。

5、運用 VLOOKUP 将數據合理分組

VLOOKUP 函數是 Excel 中的一個縱向查找函數，可以用來核對數據，多個表格之間快速導入數據等函數功能。功能是按列查找，最終返回該列所需查詢列序所對應的值。

比如，我們導出原始報表後，可以通過 VLOOKUP 函數将報表中的數字一一導入到新的管理用的報表，這樣既不會破壞原始數據，又可以建立良好的模闆，方便後續使用。VLOOKUP 的四個參數用通俗的話來說，就是（要找誰，要在哪裡找，要找哪一列内容，是精确的還是模糊的）

6、用"條件格式"看數據波動，發現異常。

Excel的"條件格式"功能，可以根據數值大小，給單元格畫上彩色柱狀圖。

四、建立數據透視表

步驟1：點擊“插入”-“數據透視表”-選擇分析區域-“确定”

步驟2：添加要分析的維度和度量

步驟3：度量值的選擇：求和、計數、平均值、最大值、最小值……

步驟4：通過布局設計最終的結果

注意事項：

● 以第一行為字段名稱

● 字段名稱不可重複

● 避免存在空行或者空列

● 每列數據類型保持一緻

● 不要出現合并單元格

● 避免單元格中有空格存在

● 一個工作表頁面最好隻有一個數據表

● 若有除數據表外的數據，最好與數據表留出空行或空列

數據透視表是一個非常容易上手的分組工具，對于簡單的數據處理甚至在便捷程度上打敗了很多編程工具呢。比如要對每個省份的所有專業分數線求一個平均數，将年份和省份輕松地拖動到對應的列和行，就可以得到結果啦。試想，如果在原始表格中手動一個一個求平均數該有多麻煩。

五、分析數據

下面這張圖就是一個數據分析應用的經典例子，顯示的是一個教育公司在擴張過程中，學習中心同比增速與營業毛利率的關系。試想，如果隻是一堆數據放在你的面前，可能根本無法發現其中的規律，但是通過下圖，我們可以發現，學習中心的同比增速一般與營業毛利率呈反向關系，這也就意味着，擴張的過程必然要伴随利潤下降的陣痛，這樣的數據分析就是有效的，可以為公司的擴張戰略提供參考依據。

另一種比較常見的數據分析應用就是從曆史預測未來。比如如果公司過去幾年的存貨周轉率都比較穩定，可以以此來預測未來幾年的存貨周轉率。又或者通過線性回歸發現某兩個指标之間過去的線性關系，并以此來預測未來走勢，這個操作方法可以用散點圖——添加趨勢線——選擇回歸類型（線性）來得出簡單的結論。

以上隻是Excel數據分析的一小部分，還有更多強大的功能等你來探索！

-數據分析展示就用DataHunter-

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!