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對於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、明確分析目的
以結果導向的方式去思考，你究竟要解決什麼問題。並且規定具體指標、時間跨度、數量單位、呈現方式等。分析並沒有那麼簡單，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
將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
● 數據表儘量不要出現無意義的空行空列
● 原始數據表不能有合併單元格
● 數據表每列有且只有一種數據類型
2、查看錶中有哪些數據類型？
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號，方便後面改為原順序
● 刪除不必要的空行、空列
● 檢查一下是否有外部鏈接與公式。按住“Ctrl”+“~”鍵，可查看單元格的隱藏信息。
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”-“刪除重複項”-選擇重複列（單選一列表示此列數據重複即刪除，多選表示多個字段都重複才刪除。）
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、眾數、峰度、偏度等基本指標，觀察這組數據的特徵。
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。
需要特別注意「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註冊（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個沒有識別男女，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，需要特別注意。系統導出數據時，很可能把未曾統計標識為零，或者反之。App當日登錄人數未曾統計，或者確實無人登錄，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標，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 將數據合理分組
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 函數將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板，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，要找哪一列內容，是精確的還是模糊的）
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-“確定”
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：通過佈局設計最終的結果
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致
● 不要出現合併單元格
● 避免單元格中有空格存在
● 一個工作表頁面最好只有一個數據表
● 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，對於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，將年份和省份輕鬆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係。試想，如果只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係，這也就意味著，擴張的過程必然要伴隨利潤下降的陣痛，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歷史預測未來。比如如果公司過去幾年的存貨週轉率都比較穩定，可以以此來預測未來幾年的存貨週轉率。又或者通過線性迴歸發現某兩個指標之間過去的線性關係，並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——選擇迴歸類型（線性）來得出簡單的結論。
以上只是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-