excel数据分析与处理(下)（在excel中分析）

本篇文章给大家谈谈excel数据分析与处理(下)，以及在excel中分析对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。 今天给各位分享excel数据分析与处理(下)的知识，其中也会对在excel中分析进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、如何利用Excel做数据分析

• 2、怎样用Excel做数据分析

• 3、[ 干货] 数据处理必须掌握的40个EXCEL神技巧！（建议收藏）

• 4、【数据分析】Excel数据分析全流程

如何利用Excel做数据分析

Excel是日常工作中最常用的工具excel数据分析与处理(下)，如果不考虑性能和数据量的话excel数据分析与处理(下)，可以应付绝大部分的分析工作。数据分析的最终目的是解决excel数据分析与处理(下)我们生活和工作中遇到的问题，明确的问题为数据分析提供了目标和方向。

Excel数据分析步骤分为：明确问题-理解数据-清洗数据-数据分析或构建模型-数据可视化。

一、明确问题

以上篇文章中提到的淘宝和天猫婴儿用品数据为数据集来进行数据分析。

1、在一级分类商品中，哪个商品销量最好，在此分类下，哪个子分类最受欢迎？

2、不同季度对用户购买行为有什么影响？

2、不同年龄对用户购买行为有什么影响？

3、不同性别对用户购买行为有什么影响？

二、理解数据

参考 沐沐：描述统计分析 理解数据集部分

三、数据清洗

数据清洗步骤为：选择子集-列名重命名-删除重复值-缺失值处理-一致化处理-数据排序-异常值处理。

1、选择子集

有时候原始数据量过大，有时候并不需要全部字段，我们可以将不需要用到的字段进行隐藏，为了保证数据的完整性，尽量不要删除数据。从问题中我们可以发现购买商品表中的商品属性对于我们分析数据没什么帮助，可以将其隐藏（选中商品属性列-右击-选择隐藏）。

2、列名重命名

我们可以将原始数据集的英文字段改成中文字段，方便阅读和理解，双击列名直接修改即可。

3、删除重复值

从购买商品表和婴儿信息表示中可知，如果全部字段重复，我们才认为数据是有重复的，从操作来看，是没有重复值的。

4、缺失值处理

可以看总共有多少行数据，然后鼠标选中列来看缺少多少数值。如果有缺失值，我们可以用定位找到缺失值（选中列-F5-定位条件-空值）。未找到缺失值。

5、一致化处理

对数据列的数据格式进行统一处理。数据中的购买时间列和出生日期列为常规格式，我们需要转换为日期类型（选中列-右击-设置单元格格式-日期），然后再选中列-分列-下一步-下一步-列数据格式：日期：YMD-完成。

6、数据排序

我们通过对购买次数列进行降序排序，发现用户‘2288344467’在2014年11月13日购买了10000份的‘50018831’二级分类、‘50014815’一级分类商品。

7、异常值处理

通过数据透视表没有每列数据中的异常值。

至此，我们已经得到分析问题的数据了，下一步，利用Excel中的数据透视、函数和分析工具来进行数据分析来解决我们的业务问题了。

1、在一级分类商品中，哪个商品销量最好，在此分类下，哪个子分类最受欢迎？

将商品一级分类放在行标签，值为购买数量的求和项，得出最受欢迎的一级商品为28，购买数量为28545。

在此分类下，即在一级分类28商品下，最受欢迎的是哪类二级商品？

2、季度对用户购买行为有什么影响？即看每个季度销量怎么样？

从数据透视结果来看，我们发现，12-14年的第四季度在该年的销售量都是最高的。

3、不同年龄对用户购买行为有什么影响？

在分析这个问题之前，我们需要将一级分类商品和二级分类商品用Vlookup函数V到婴儿信息表中，然后计算出婴儿的年龄。

根据计算出的数据透视出来各年龄段的购买量为：从透视表中我们可以看出4岁以前的婴儿为主要用户群体。

从婴儿不同年龄段购买二级商品数量来看，各年龄段最受用户欢迎的二级商品如下图所示：

4、不同性别对用户购买行为有什么影响？

我们可以看出男婴儿和女婴儿的人数相差小，但是女婴儿的购买数量将近是男婴儿的两倍。

最受男女婴儿欢迎的二级分类商品的TOP5

此外，我们还可以看出最受男女婴儿欢迎的二级分类商品TOP5。

怎样用Excel做数据分析

前言

最近松懈了，花了很多时间在玩游戏看视频上，把学习计划耽搁了，总说要自律，但光说不做是没用的，最主要是自控能力太差了，得承认自己和大多数人一样，爱玩、不愿意迈出舒适区，“知行合一”，只四个字，大道至简，却超过99%的人都做不到。在前进的路上，希望自己能克服惰性，提升自控力，按计划耐心学习并践行。

1、数据分析步骤：

提出问题→理解数据→数据清洗→构建模型→数据可视化

2、实践案例：

利用一份招聘网站的数据作为实战案例。

第一步提出问题：

1）在哪些城市找到数据分师工作的机会比较大？

2）数据分师的薪水如何？

3）根据工作经验的不同，薪酬是怎样变化的？

第二步理解数据：

初始数据有6875条，14项内容。

设置表格列宽（步骤如下图），显示全部内容，方便后续操作，最后保存。

第三步清洗数据：

这一步需要花费的时间占大部分，把数据处理成自己想要的样子。

1、选择子集：选择公司全名和公司ID两列并隐藏（取消隐藏方法：全选表格→开始→格式→隐藏和取消隐藏→取消隐藏列）

2、列名重命名：双击列名可以修改成自己想要的列名。

3、删除重复值：选择职位ID将其重复值删除（步骤如下图）

4、缺失值处理：选择职位ID列计数5032，选择城市列计数5030，城市列缺失两个数据。

查找并定位城市列的缺失值（步骤如下图），缺失值填上海。

缺失值处理的4种方法，根据情况灵活使用：

1）通过人工手动补全；

2）删除缺失的数据；

3）用平均值代替缺失值；

4）用统计模型计算出的值去代替缺失值。

5、一致化处理：对“公司所属领域”进行一致化处理（步骤如下图）

将原来的“公司所属领域”列隐藏，并将复制的列进行分列：

6、数据排序：

7、异常值处理：

第四步构建模型

第五步数据可视化

通过上面的分析，我们可以得到的以下分析结论有：

1）数据分析这一岗位，有大量的工作机会集中在北上广深以及新一线城市，如果你将来去这些城市找工作，可以提高你成功的条件概率。

2）从待遇上看，数据分析师留在深圳发展是个不错的选择，其次是北京、上海。

3）数据分析是个年轻的职业方向，大量的工作经验需求集中在1-3年。

对于数据分析师来说，5年似乎是个瓶颈期，如果在5年之内没有提升自己的能力，大概以后的竞争压力会比较大。

4）随着经验的提升，数据分析师的薪酬也在不断提高，10年以上工作经验的人，能获得相当丰厚的薪酬。

3、划重点：

1）分列功能会覆盖掉右列单元格，所以我们记得先要复制这一列到最后一个空白列的地方，再进行分列操作。

2）上面图片中的函数：IF(COUNT(FIND({"数据运营","数据分析","分析师"},L2)),"是","否")。

3）Ctrl+Eneter快捷键，在不连续的单元格中同时输入同一个数据或公式时很好用。

4）精确查找和近似查找（模糊查找）的区别

（1）精确查找是指从第一行开始往最后一行逐个查找。一找到匹配项就停止查询，所以返回找到的第一个值。

（2）当你要近似查找的时候，它就会苦逼地查遍所有的数据，返回的是最后一个匹配到的值。

5）在使用vlookup函数时，在很多情况下使用的是精确匹配，而在进行分组时需要用模糊匹配，所以这里要输入“1”来进行模糊匹配。

6）Excel设置了快捷键F4帮助用户迅速切换相对引用、绝对引用和混合引用，步骤如下：

（1）选定包含该公式的单元格；

（2）在编辑栏中选择要更改的公式内容，并按 F4 键；

（3）以引用单元格A1为例，每次按 F4 键时，Excel会依次在以下组合间切换：

按一次F4是绝对引用

按两次、三次F4是混合引用

按四次F4是相对引用

7）使用这个函数过程中，如果出现错误标识“#N/A”，一般是3个原因导致：

（1）第2个参数：查找范围里第一列的值必须是要查找的值。

比如这个案例里第2个参数选定的的范围里第一列是姓名，是要查找值的列。

（2）数据存在空格，此时可以嵌套使用TRIM函数将空格批量删除。

（3）数据类型或格式不一致，此时将数据类型或格式转为一致即可。

[ 干货] 数据处理必须掌握的40个EXCEL神技巧！（建议收藏）

优秀的HR设计师都在关注这里

   最近正在做半年度总结，涉及到各项管理数据分析，需要用到各种EXCEL函数及操作小技巧。 别看这些小工具似乎微不足道，关键时刻真的可以事半功倍。 所以在此总结工作中常用的小技巧，以便大家查询使用，具体如下：

1、快速数据批量求和 ：

选中需要求和的数据，按住Alt+=

2、文本数字快速进行拆分：

选择数据，找到界面的“数据-分列-固定宽度”作如下的操作即可。

3、多单元格批量输入同一个内容 ：

选中单元格输入内容，最后按住Ctrl+enter即可。

4、多表格数据快速查找：

查找替换的时候，选择工作范围按钮进行操作，如下图

5、快速插入批注： 按住shift，然后按住F2即可

6、高亮显示重复值：

选中数字区域，点击开始——条件格式——突出显示单元格规则——重复即可。

7、 高亮显示每一列数据的最大值：

选中数据区域，点击开始——条件格式——新建规则——使用公式确定要设置格式的单元格，在相应的文本框中输入公式=B2=MAX(B:B)，然后设置填充颜色即可

8、 单元格文字竖排显示：

选中内容，之后点击开始——对齐方式——调整字体方向选——竖排文字。若是内容比较多，又想单行显示，可以直接按Ctrl+1打开单元格格式界面，将垂直对齐方式更改为居中对齐即可。

9、批量计算单元格内的公式：

先输入一个空格，之后输入=3*8，选中区域，按Ctrl+E进行快速填充，随后按Ctrl+H打开查找和替换对话框，在查找中输入=，在替换中输入空格+等号，全部替换，然后在查找中输入空格，在替换中不输入内容，然后全部替换。

10、 快速输入特定编号

选中单元格区域--设置单元格格式--数字—自定义—类型里输入"A-"000，在前两个单元格输入1和2，下拉填充即可。

11、 快速输入班级：

选中单元格区域--设置单元格格式--数字--自定义--类型里输入“物流专业@班”，在第一个单元格输入1，下拉填充即可。

12、 快速复制上一行内容

选中下一行中对应的空白单元格区域，按【Ctrl+D】即可完成快速复制。 是不是比【Ctrl+C】再【Ctrl+V】更直接呢？

13、 快速输入每个月份最后一天

输入第一个月份最后一天--下拉填充--选择“以月填充”。

14、公式快速转数值：

按Ctrl键把需要复制的公式分两次选取进行复制粘贴。

15、快速选中公式所需的某列数据区域

设置公式时，我们经常直接用鼠标往下拖拉选中数据区域，其实，只要借助【Ctrl+Shift+↓】组合键就可以快速在公式中输入数据区域。

16、合并单元格快速求和

选中总计列单元格区域，输入公式： =SUM(C2:C12)-SUM(D3:D12)，按【Ctrl+Enter】组合键。

17、 快速提取文本和数值

在B2和C2 单元格中分别输入公式： =RIGHT(A2,LENB(A2)-LEN(A2))

=LEFT(A2,LEN(A2)-LEN(B2))，下拉填充

18、数据求和

对报表进行求和可以说是一个相当高频的操作了。比如，下图是一个对报表进行求和汇总（按行、按列、总计）的常规操作。选中数据及要求和的空白区域，在键盘上同时按“ALT和等号键（ALT+=）”

19、 取消“合并单元格”的报表处理

在报表处理中，合并单元格非常常见，但同时也给数据汇总和计算带来麻烦。 选中整个部门列，点击一次“合并单元格”按钮取消单元格合并，按F5定位空白单元格，在编辑栏输入： =B51，点击Ctrl+Enter键完成批量录入。

20、快速复制上一行内容 ： Ctrl+D

21、星期几显示： 公式“=TEXT(A1，"AAA")”

22、首行和首列同时固定不动：

可以将鼠标放在第二行和第二列的交叉单元格，然后点击“视图”-“冻结窗口”-“冻结拆分窗格”

23、大写阿拉伯数字如何输入：

函数NUMBERSTRING直接转换

24、快速关闭所有打开的Excel文件：

按住Shift键不放，然后直接关闭窗口即可。

25、两列数据互换：

可以利用Shift键与鼠标左键来实现。

26、 电话分段显示

电话分段显示可以直接右击“设置单元格格式”，然后在自定义中输入“000-0000-0000”点击确认即可快速分段。

26、快速提取身份日期

假设我们已经录入好身份证号码，这里我们可以选择数据，然后点击数据下“分列”，进入相应对话框，其次利用分列线，将日期框选，最后将数据改为“日期”格式即可。

27、快速制作图表： 直接按【Alt+F1】，一键生成图表。

如果我们想要了解每行数据的图表走向，利用迷你图则是最合适的方法。

首先选中数据，在快速分析中选择“迷你图”，然后选择一个图表即可。

28、标题跨列居中

学会跨列居中这个小技巧，再也不用担心合并单元格带来的问题了。

29、数据批量添加前缀： 不需要用键盘一个个敲上去，一步即可搞定！

30、只填充工作日

31、合并同类项：

32、自动批量创建表格

公司里的费用报表，要按照月份创建多个工作表，记录每个月的费用。 每次都要一个一个新建工作表，还得为每一个工作表修改名称，麻烦！ 相当麻烦！

拆分工作表这种工作，交给数据透视表，还是点击几下鼠标，搞定！

33、按照季度分段统计

每个月最后那几天最让人讨厌，又要做月报统计，又要做季度统计，特别是季度，要一个季度一个季度地筛选、统计、记录，超级繁琐。 如果你会数据透视表，月报、季度报、年报只是点击几下鼠标的事情。

34、灵活变换统计口径

做数据统计最讨厌的就是，你刚刚费了九牛二虎之力，把数据统计好。 领导说要按照 A 方法统计，过会儿又说按照 B 方法统计，改来改去。

你都想象不到，用数据透视表应对这种需求，有多方便、多灵活、鼠标拖一拖就好了。

35、轻松制作动态图表

动态图表看上去非常直观、生动，但是一看到那些公式、控件什么的，心里就发毛。 使用数据透视表+切片器，再创建一个图表，轻轻松松实现动态图表。

36、 提取姓名、手机号

想拆分姓名和手机号码？先输入第一个姓名，选取它和下面的空行，按Ctrl+E，一秒搞定拆分（提取手机号码同样方法）

37、 恢复E+的数字格式显示

数字长度如果大于11位会以科学记数法显示，设置自定义格式 0 可以让数字正常显示出来

38、 转换日期

不规范的数字和字串，用分列可以快速转换成标准的日期格式。

39、快速合并多行数据

把列拉宽 - 选取数据 ， 开始 - 填充 - 两端对齐（Excel2003是内容重排）

40、快速跨表复制粘贴

按shift选取多个工作表，选取工复制的表格区域，开始 - 填充 - 成组工作表。

温馨提示 ： 由于篇幅限制，上述实例分享不全且字体可能模糊不清，在本公众号后台回复“EXCEL”，可获得全套EXCEL操作小技巧哦。

【数据分析】Excel数据分析全流程

作为数据分析师， 清晰了解数据分析的步骤是非常重要的，有助于清楚把控整个数据分析的流程。

作为想要学习数据分析的人员，了解整个数据分析的流程， 这样在面对一个数据分析问题的时候，知道如何去开展。

那么数据分析流程包含哪些环节呢？

我将一次完整的数据分析流程主要分为六个环节，包括明确 分析目的、数据获取、数据处理、数据分析、数据可视化、总结与建议 。

做任何事情都有其对应的目的，数据分析也是如此。每一次分析前，都必须要先明确做这次分析的目的是什么，只有先明确了目的，后面的分析才能围绕其展开, 常见的数据分析目标包括以下三种类型：

指标波动型 : 主要是针对某个指标下降了，上涨或者异常所做的分析， 比如DAU(日活跃用户数)降低了， 留存率降低了， 电商平台的订单数量减少了， 收入降低了，质量指标如卡顿率上涨的，分析的主要目的是挖掘指标波动的原因， 及时发现业务的问题。

评估决策型 ：主要是针对某个活动上线， 某个功能上线， 某个策略上线的效果评估以及下一步迭代方向的建议，这些建议是指导产品经理或者其他业务方决策的依据。

专题探索型 : 主要是针对业务发起的一些专题的分析， 比如增长类的专题分析， 怎么提高用户新增，活跃，留存，付费， 比如体验类的专题分析， 如何提高用户查找表情的效率， 比如方向性的探索， 微信引入视频号的功能的用户需求分析以及潜在机会分析。

明确了数据分析目的之后， 第二步就是根据我们的分析目的，提取相对应的数据，通常这一个环节是利用 hive sql 从数据仓库中提取数据。

提取的数据通常要注意提取的维度和对应的指标个数，以电商app 的付费流失严重分析案例,我们需要提取的维度和指标可以根据具体的业务流程来(如图):

首先从维度上，我们需要确定好，比如时间维度我们提取的时间跨度是多长，比如今天的数据和昨天的对比，那就是取2天的数据，如果是这周和上周那就是十四天的数据。

设备维度的值是否需要提取ios和安卓的用户进行不同的平台的对比，分析付费流失严重是否主要发生在某个平台。

年龄、性别、地域维度，就是提取用户这些维度的信息， 主要是为了在哪一个年龄层， 哪一个性别，哪一个地域流失最严重。

新老用户的维度， 主要是从新旧维度上分析流失严重是否是集中在新用户还是老用户(如图所示)

确定好了维度以后， 接下来就是指标信息， 维度+ 指标才是一个完整的数据 。

因为需要分析每一个环节的流失情况，所以需要提取下单的每一个环节对应的指标的人数和次数。

基于这些人数和次数，我们可以计算每一个环节之间的转化率。

活跃浏览比 = 浏览的人数/活跃的人数

浏览添加比 = 添加的人数/浏览的人数

添加下单比 = 点击下单人数/添加购物车人数

成功下单率 = 成功下单的人数/点击下单的人数

当我们知道我们应该从哪里获取数据， 以及获取哪些指标数据后，为了保证我们提取的数据的质量，我们通常要对数据进行处理。

常见的数据处理有异常值处理，空值处理。举个例子， 比如我们在提取用户的年龄数据之前，我们需要去除掉年龄中的空的数据以及异常的数据， 异常的数据指得是比如年龄超过120岁这种。

数据处理好了之后，就可以开始分析，根据我们的分析目标，我们要选择合适的分析方法和分析思路去做拆解和挖掘。

常见的分析方法包括：漏斗分析， 相关性分析， 5w2h 分析， aha 时刻分析， 麦肯锡逻辑树分析法，用户画像分析，RFM用户分群，对比分析等方法，这些方法详细的介绍会在第三章展开， 在这里不做赘述

针对我们的订单流失的问题，典型的分析思路和方法是利用漏斗分析和用户画像分析。

漏斗分析主要是可以挖掘付费流失严重的主要流失环节是在哪里。我们发现付费流失严重主要是因为用户活跃到浏览商品的转化率从50%跌倒30%， 减少了20%，那就可以把问题定位到为什么用户浏览变少的问题上。

用户画像分析，可以帮助我们分析流失严重的用户是什么特征，比如什么样的年龄， 性别， 地域等， 那就可以知道这种流失是集中在哪一个年龄群体，哪一个地域群体以及其他的行为特征。

通过数据分析得出结论后，还需要用图表展示出来，俗话说得好，“文不如表，表不如图"，用图表可以更清晰展现你的结论，通常的可视化我们可以利用excel 自带的可视化的功能， 也可以通过python或者R脚本进行可视化。

常见的图表有: 柱形图，折线图，饼图，条形图，面积图， 散点图，组合图，箱线图

当我们利用图表把我们的数据分析结论展示出来以后，最后就是数据分析的总结的部分，主要分成我们得出了什么具体的结论以及给业务具体的建议，告诉他们改进的方向。

这就是一次完整的数据分析的流程，从分析目的到提取数据，到分析数据给出结论的完整的过程。

关于excel数据分析与处理(下)和在excel中分析的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。 excel数据分析与处理(下)的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于在excel中分析、excel数据分析与处理(下)的信息别忘了在本站进行查找喔。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。