Excel數(shù)據(jù)分析方法、技術與案例

第 1章 數(shù)據(jù)分析的核心目的與常見誤區(qū) 1
1．1　數(shù)據(jù)分析的三大核心目的　1
1．1．1　發(fā)現(xiàn)問題　1
【案例1——超標開支都到哪里去了】　1
【案例2——哪些材料是控制和改善的重點】　2
1．1．2　預測未來　4
【案例3——明年銷售預測如何做】　4
【案例4——哪個價格更合適】　4
1．1．3　優(yōu)化決策　5
【案例5——哪個價位適合建立庫存】　5
【案例6——哪個候選人更適合】　6
1．2　數(shù)據(jù)分析的四大誤區(qū)　6
1．2．1　什么都要分析——貪多　7
【案例7——多多益善的分析結(jié)果，領導一定喜歡嗎】　7
1．2．2　幾個數(shù)據(jù)想分析出“一朵花”——做夢　7
【案例8——想用3個月數(shù)據(jù)預測全年情況】　7
1．2．3　數(shù)據(jù)量大不知道分析啥——抓瞎　8
【案例9——一句話的任務】　8
1．2．4　不會可視化圖表——暈菜　8
【案例10——怎樣發(fā)現(xiàn)哪些產(chǎn)品是明星產(chǎn)品】　9
【案例11——哪些價格是不合理的】　9
1．2．5　機智地回答領導的“靈魂三問”　10

第　2章 數(shù)據(jù)分析流程與分析元素　12
2．1　數(shù)據(jù)分析流程的五大步驟　12
2．1．1　分析設計：先思考，再動手　12
2．2．2　數(shù)據(jù)采集：盡量確保原始數(shù)據(jù)的規(guī)范性　12
2．2．3　數(shù)據(jù)整理：規(guī)范化并消除錯誤　13
2．2．4　數(shù)據(jù)分析：4個小步驟　13
2．2．5　數(shù)據(jù)報告：圍繞說服力進行撰寫　13
2．2　“一句話的任務”案例　14
【案例——一句話的任務，我該怎么辦】　14
2．3　分析的5個元素：量價額差率及其組合　16
2．3．1　1分鐘了解五大元素　16
2．3．2　單元素分析　17
【案例1——產(chǎn)品1～8月銷售量分析】　17
【案例2——產(chǎn)品全年銷售額】　17
【案例3——貿(mào)易增長率分析】　18
2．3．3　雙元素分析　18
【案例4——對產(chǎn)品銷量進行“量量”分析】　18
【案例5——網(wǎng)店對當周銷量進行“量價”分析】　19
【案例6——機械廠對產(chǎn)品進行“量率”分析】　19
2．3．4　三元素分析　20
【案例7——某公司為考察銷售目標完成度進行“量量率”分析】　20
2．3．5　五大元素與其他元素的組合分析　21
2．3．6　確定分析維度的3種原則　21

第3章　數(shù)據(jù)采集：快速獲取有價值的數(shù)據(jù)　23
3．1　數(shù)據(jù)采集必須考慮的三者關系　23
3．1．1　訴求者：著重溝通　24
【案例1——溝通不暢導致數(shù)據(jù)分析返工】　24
3．1．2　分析者：專注分析　24
3．1．3　采集者：滿足需求　25
【案例2——我給你一個模板，簡單明確效率高】　25
3．2　數(shù)據(jù)采集獲取的3個主要來源　26
3．3　某公司盈利報告在數(shù)據(jù)采集方面的案例　26
【案例3——多部門數(shù)據(jù)采集與合并】　26

第4章　數(shù)據(jù)規(guī)范化處理方法與技巧　29
4．1　詳解數(shù)據(jù)規(guī)范化處理的目的　29
4．2　快速審核數(shù)據(jù)必備的四大方法　29
4．2．1　篩：通過數(shù)據(jù)篩選，發(fā)現(xiàn)數(shù)據(jù)問題　30
【案例1——篩選出不正常的類別】　30
4．2．2　查：通過索引、查找、定位，發(fā)現(xiàn)數(shù)據(jù)問題　31
【案例2——用VLOOKUP索引查出異常品號】　31
【案例3——用定位（Ctrl+G）查出異常價格】　32
4．2．3　排：通過對數(shù)據(jù)進行排序，判斷數(shù)據(jù)是否存在異常　33
【案例4——通過排序檢查產(chǎn)品的重量是否存在問題】　33
4．2．4　驗：對數(shù)據(jù)進行比對或驗證，找出數(shù)據(jù)的異?！?4
【案例5——體重數(shù)據(jù)錄入錯誤，數(shù)值結(jié)果出現(xiàn)異?！俊?4
【案例6——用COUNTIF函數(shù)發(fā)現(xiàn)重復的數(shù)據(jù)】　34
4．3　數(shù)據(jù)規(guī)范化處理6字秘訣　35
4．3．1　6字秘訣的特點詳解　35
4．3．2　快速記住6字秘訣：右手聯(lián)想法　36
4．3．3　刪：刪掉問題數(shù)據(jù)　37
【案例7——篩選出問題數(shù)據(jù)后進行刪除】　37
【案例8——找出重復數(shù)據(jù)后進行刪除】　37
4．3．4　補：補全不完善、缺失的數(shù)據(jù)　39
【案例9——補上漏掉的打卡數(shù)據(jù)】　39
4．3．5　替：對不規(guī)范、不標準、不統(tǒng)一的數(shù)據(jù)進行合理替換　40
【案例10——Ctrl+H高效替換相同的數(shù)據(jù)】　40
【案例11——批處理替換無效數(shù)據(jù)為保底獎勵】　41
【案例12——批處理運算高效調(diào)整大量數(shù)值】　42
【案例13——用REPLACE函數(shù)智能替換數(shù)據(jù)】　43
4．3．6　轉(zhuǎn)：轉(zhuǎn)換數(shù)據(jù)格式，讓數(shù)據(jù)標準化　44
【案例14——為數(shù)據(jù)設置統(tǒng)一的格式】　44
4．3．7　拆：拆分數(shù)據(jù)，剝離出有用的部分　46
【案例15——拆分寬度固定的數(shù)據(jù)】　47
【案例16——拆分分隔符號固定的數(shù)據(jù)】　48
【案例17——通過合并操作消除數(shù)據(jù)隱患】　50
4．3．8　分：將數(shù)據(jù)分類，讓分析更加方便　51
【案例18——利用IF函數(shù)為數(shù)據(jù)分類】　51
4．4　人員信息數(shù)據(jù)綜合處理的案例　52
【案例19——處理表格中數(shù)據(jù)不準確、不標準、缺失等問題】　52

第5章　數(shù)據(jù)分析必備函數(shù)和透視技術　60
5．1　必備的數(shù)據(jù)分類函數(shù)　60
5．1．1　if函數(shù)的六大經(jīng)典用法示例　60
5．1．2　iferror函數(shù)的經(jīng)典用法　62
5．1．3　isna函數(shù)的經(jīng)典用法　63
5．2　必備的求和與計數(shù)函數(shù)　63
5．2．1　sumif單條件求和的15種經(jīng)典用法　63
5．2．2　countif單條件計數(shù)的15種經(jīng)典用法　66
5．2．3　sumifs多條件求和的13種經(jīng)典用法　69
5．2．4　countifs多條件計數(shù)的13種經(jīng)典用法　71
5．3　必備的查找與定位函數(shù)　72
5．3．1　vlookup函數(shù)的7種經(jīng)典用法　73
5．3．2　hlookup函數(shù)的基本用法　77
5．3．3　index函數(shù)的基本用法　77
5．3．4　match函數(shù)的基本用法　78
5．3．5　offset函數(shù)的基本用法　79
5．4　必備的數(shù)據(jù)透視表與切片器用法　80
5．4．1　創(chuàng)建數(shù)據(jù)透視表　80
5．4．2　利用透視表做數(shù)據(jù)分析　82
5．4．3　利用切片器制作分析模型　84
5．4．4　利用切片器制作可視化分析模型　86

第6章　專業(yè)數(shù)據(jù)可視化與圖表變形技術　91
6．1　數(shù)據(jù)可視化的五大尷尬事　91
6．2　數(shù)據(jù)可視化圖表變形實例講解　92
6．2．1　一張圖讓你看懂圖表元素　92
6．2．2　數(shù)據(jù)間的關系：相關性和相對性　94
6．2．3　柱形圖與變形記：對比數(shù)據(jù)分析圖表　95
6．2．4　二維柱形圖與變形記：對比數(shù)據(jù)分析圖表　100
6．2．5　堆積柱形圖與變形記：多元素數(shù)據(jù)分析圖表　106
【案例1——用瀑布圖分析數(shù)據(jù)變化過程】　113
6．2．6　柱線復合圖與變形記：多元素比較分析圖表　115
【案例2——用帕累托圖分析產(chǎn)品質(zhì)量原因】　120
6．2．7　條形圖與變形記：排序法分析圖表　122
6．2．8　堆積條形圖與變形記：結(jié)構對比分析圖表　132
6．2．9　折線圖與變形記：趨勢分析圖表　137
6．2．10　餅圖與變形記：占比法分析圖表　141
6．2．11　散點圖和氣泡圖：相關性分析圖表　146
6．2．12　動態(tài)數(shù)據(jù)可視化分析模型原理　153
6．2．13　怎樣根據(jù)數(shù)據(jù)選擇圖表　161

第7章　9種常用數(shù)據(jù)分析方法與實戰(zhàn)案例　165
7．1　分析數(shù)據(jù)兩大原則　165
7．1．1　先總后分，層層拆解　165
7．1．2　由主要到次要　167
7．2　分析數(shù)據(jù)的9種常用方法　167
7．2．1　比較法：數(shù)據(jù)打包與切塊　168
【案例1——某電子公司產(chǎn)品利潤結(jié)構分析】　177
7．2．2　排序法：數(shù)據(jù)排序與比較　178
7．2．3　結(jié)構法：數(shù)據(jù)拆包與分類　181
【案例2——分區(qū)域各季度銷售情況分析】　182
7．2．4　階梯法：數(shù)據(jù)上樓和下樓　184
【案例3——財務利潤預實分析】　185
7．2．5　漏斗法：數(shù)據(jù)收斂與發(fā)散　185
【案例4——某網(wǎng)店訂單數(shù)據(jù)分析】　187
7．2．6　關聯(lián)法：數(shù)據(jù)因果與關聯(lián)　188
【案例5——價格與重量關系分析】　189
7．2．7　雷達法：數(shù)據(jù)無關與協(xié)同　190
【案例6——如何選擇供應商】　191
7．2．8　象限法：數(shù)據(jù)定位與象限　192
【案例7——銷售量價與利潤率分析】　193
7．2．9　趨勢法：數(shù)據(jù)趨勢與預測　194
【案例8——預測未來3年銷量】　195
7．3　根據(jù)數(shù)據(jù)選擇分析方法　196
7．4　兩道思考題　196

第8章　利用工具進行高級數(shù)據(jù)分析　198
8．1　加載并打開分析工具　198
8．2　規(guī)劃求解　199
8．2．1　單變量求解　199
【案例1——帽子銷量必須達多少才能確保目標利潤】　201
8．2．2　多變量求解　202
【案例2——規(guī)劃求解計算保本點】　203
8．3　利用規(guī)劃求解求出最優(yōu)解　205
【案例3——求出最大利潤的產(chǎn)量組合】　205
8．4　回歸分析　206
8．4．1　一元回歸　207
【案例4——降雨量與樹苗生長高度關系分析】　207
8．4．2　多元回歸　208
【案例5——某地區(qū)人口增長率與總收入、消費、人均GDP關系分析】　211
8．5　相關系數(shù)　213
【案例6——各科目考試成績相關性分析】　214
8．6　直方圖　215
【案例7——統(tǒng)計指定區(qū)域內(nèi)銷量出現(xiàn)的次數(shù)】　215
8．7　指數(shù)平滑　217
【案例8——使用不同阻尼系數(shù)預測產(chǎn)品銷量】　217
8．8　移動平均　219
【案例9——患兒體溫檢測結(jié)果分析】　219

第9章　商務數(shù)據(jù)的分析案例與模型　222
9．1　發(fā)現(xiàn)問題：從備件銷售價中發(fā)現(xiàn)經(jīng)銷商的“貓膩”　222
9．1．1　上任第 1天發(fā)現(xiàn)價格問題　222
9．1．2　通過排序發(fā)現(xiàn)兩家可疑的經(jīng)銷商　222
9．1．3　為公司挽回130萬元損失　223
9．2　預測未來：數(shù)據(jù)回歸推導銷售趨勢預測模型　223
9．2．1　銷售部門做不好預測來求助　223
9．2．2　根據(jù)一元回歸的擬合度選擇預測公式　224
9．2．3　銷售部門順利過關　225
9．3　優(yōu)化決策：利用回歸與相關性分析市占率與客戶滿意度的關系　225
9．3．1　市占率呈下滑趨勢卻沒有任何應對之策　225
9．3．2　用回歸分析市占率與客戶滿意度的關系　226
9．3．3　用相關系數(shù)分析如何從客戶滿意度著手提升市占率　228
9．3．4　半年后市占率得到了顯著提高　228
9．4　商務數(shù)據(jù)分析指標寶典列表　229

第　10章 財務數(shù)據(jù)的分析案例與模型　230
10．1　發(fā)現(xiàn)問題：巧用保本點管控企業(yè)收益率　230
10．1．1　銷售額在提升，但利潤率在下滑　230
10．1．2　原來是只顧銷售不顧結(jié)構　231
10．1．3　制定一個合理的保本點確保公司盈利　231
10．2　預測未來：利用回歸分析模型預測投資風險　232
10．2．1　朋友想接下一個1700萬元的工廠　232
10．2．2　用回歸分析模型預測10年銷售額　232
10．2．3　根據(jù)銷售額預測未來10年的利潤額　233
10．2．4　結(jié)論樂觀，決定投資　234
10．3　優(yōu)化決策：通過項目凈現(xiàn)值優(yōu)化投資　234
10．3．1　3個投資項目，老總拿不準　234
10．3．2　通過凈現(xiàn)值比較，結(jié)果一目了然　235
10．3．3　結(jié)論清晰可靠，老板表示滿意　235
10．4　財務數(shù)據(jù)分析指標寶典列表　235

第　11章 HR數(shù)據(jù)的分析案例與模型　237
11．1　發(fā)現(xiàn)問題：找出高薪還要離職的真正原因　237
11．1．1　質(zhì)量部離職率出現(xiàn)異?！?37
11．1．2　新老兩頭翹，中間有斷層　237
11．1．3　調(diào)查原因后開除“老油條”　238
11．2　預測未來：通過回歸分析預測個人能力　239
11．2．1　射擊隊教練遇上三選一難題　239
11．2．2　用回歸分析預測運動員發(fā)揮水平　239
11．2．3　科學的選擇帶來最佳的效果　240
11．3　優(yōu)化決策：通過相關性和回歸分析設計薪酬調(diào)整方案　240
11．3．1　因員工離職率高而欲改革薪酬體系　240
11．3．2　分析數(shù)據(jù)薪酬與能力匹配的問題　240
11．3．3　解決方案：工資總額不變，依據(jù)能力調(diào)薪　242
11．3．4　謹慎實施，效果顯著　243
11．4　HR數(shù)據(jù)分析指標寶典列表　243
11．4．1　HR管理中常用的分析方向及分析建議　243
11．4．2　常用的HR分析公式　243

第　12章 生產(chǎn)數(shù)據(jù)的分析案例與模型　246
12．1　發(fā)現(xiàn)問題：應用數(shù)據(jù)實時分析監(jiān)控生產(chǎn)進度　246
12．1．1　交付滿足率總是出現(xiàn)問題　246
12．1．2　工人不愿承擔換件損失　246
12．1．3　任務分解，層層統(tǒng)計，公開競賽　247
12．2　預測未來：應用回歸分析模型計算安全庫存　249
12．2．1　領導要求減少庫存緩解資金壓力　249
12．2．2　回歸分析模型精確估算庫存　249
12．2．3　驗證半年，領導終于放心　251
12．3　優(yōu)化決策：利用數(shù)據(jù)分析最優(yōu)化物流成本　252
12．3．1　3車7點的狀況　252
12．3．2　各點里程情況分析　252
12．3．3　3種不同的派送方法　253
12．3．4　最終的結(jié)果　254
12．4　生產(chǎn)數(shù)據(jù)分析指標寶典列表　255

第　13章 質(zhì)量數(shù)據(jù)的分析案例與模型　256
13．1　發(fā)現(xiàn)問題：火速降低產(chǎn)品的投訴率　256
13．1．1　產(chǎn)品連續(xù)遭到客戶投訴　256
13．1．2　分析數(shù)據(jù)抓住主要問題　256
13．1．3　投訴率得到有效抑制　257
13．2　預測未來：應用回歸分析預估質(zhì)量索賠率　257
13．2．1　產(chǎn)品連續(xù)遭到客戶投訴　258
13．2．2　回歸分析預測8年投訴率　258
13．2．3　按10%的投訴率核算索賠成本　258
13．3　優(yōu)化決策：利用回歸和規(guī)劃求解計算最優(yōu)質(zhì)量成本　259
13．3．1　質(zhì)量成本的構成是怎樣的　259
13．3．2　質(zhì)量成本諸要素之間的邏輯關系　259
13．3．3　從采集的數(shù)據(jù)中求出平衡點　260
13．4　質(zhì)量數(shù)據(jù)分析指標寶典列表　262

第　14章 經(jīng)營管理數(shù)據(jù)的分析案例與模型　263
14．1　發(fā)現(xiàn)問題：多維度透析低收益原因并進行改善　263
14．1．1　總成零件收益為負，總經(jīng)理發(fā)話要解決　263
14．1．2　從設計、采購與銷售3個維度進行分析　263
14．1．3　收益由負變正，總經(jīng)理表示認可　266
14．2　預測未來：應用數(shù)據(jù)相關性和回歸分析做投資計劃　267
14．2．1　某行業(yè)盈利與多方因素相關　267
14．2．2　多方因素的相關性分析與回歸分析　268
14．2．3　董事會通過投資分析計劃　270
14．3　優(yōu)化決策：利用數(shù)據(jù)簡單對比支撐商務決策　270
14．3．1　大客戶要求合并產(chǎn)品并重新定價　270
14．3．2　從雙方立場進行價格分析　271
14．3．3　與客戶協(xié)商新價格，確保雙贏　272
14．4　經(jīng)營數(shù)據(jù)分析指標寶典列表　272

第　15章 構建分析模型與可視化報告　273
15．1　模型是效率之王　273
【案例1——修改表格數(shù)據(jù)，計算結(jié)果沒變化，老板不高興】　273
【案例2——同樣的數(shù)據(jù)不同的分析模型，結(jié)果出現(xiàn)天壤之別】　274
15．2　何時需要建模與可視化建?！?78
15．3　4種建模類型如何選擇　279
15．4　5C法構建數(shù)據(jù)分析模型　279

第　16章 利用控件定制高級動態(tài)分析模型　281
16．1　構思模型：用什么效果來呈現(xiàn)　281
16．2　數(shù)據(jù)采集：確定數(shù)據(jù)并規(guī)范格式　282
16．3　公式鏈接：讓數(shù)據(jù)統(tǒng)計和圖形繪制同步進行　283
16．3．1　鏈接C30單元格與5個單選項控件　283
16．3．2　鏈接圖表數(shù)據(jù)源與基礎數(shù)據(jù)表　284
16．3．3　鏈接圖表數(shù)據(jù)源與KPI考核項目名稱　285
16．3．4　鏈接圖表數(shù)據(jù)源與當前累計完成率　286
16．3．5　鏈接圖表數(shù)據(jù)源與預計累計完成率　286
16．3．6　根據(jù)數(shù)據(jù)源繪制圖表　286
16．3．7　調(diào)整“累計實際”的格式　287
16．3．8　調(diào)整“累計預計”的格式　288
16．3．9　調(diào)整“當月目標”和“當月實際”的格式　288
16．3．10　調(diào)整“當月完成”率的格式　289
16．3．11　調(diào)整圖表視覺細節(jié)　290
16．4　模型檢驗：采用實際數(shù)據(jù)進行檢驗　293
16．5　安全設置：避免他人誤操作或惡意修改數(shù)據(jù)　293
16．5．1　開放允許修改的單元格區(qū)域　294
16．5．2　隱藏重要的單元格區(qū)域　294
16．5．3　執(zhí)行數(shù)據(jù)表保護　295
16．6　模型拓展建議　296

第　17章 PowerBI與超級數(shù)據(jù)透視　297
17．1　2分鐘了解PowerBI組件　297
17．2　在Excel中加載數(shù)據(jù)分析插件　297
17．3　快速了解Power Query　302
17．4　快速了解Power Pivot　324
17．5　快速了解Power View　328
17．6　快速了解Power Map　328

第　18章 制作高質(zhì)量的數(shù)據(jù)分析報告　330
18．1　口頭報告的要點　330
18．2　Excel報告的要點　331
18．1．1　邊界條件　331
18．1．2　數(shù)據(jù)結(jié)果　331
18．1．3　分析建議　332
18．3　PPT報告的要點　333
18．3．1　PPT報告的邏輯　333
18．3．2　PPT報告的誤區(qū)　333
18．4　Word報告的要點　334