excel數據分析自學（利用excel分析數據）

本篇文章給大家談談excel數據分析自學，以及利用excel分析數據對應的知識點，希望對各位有所幫助，不要忘了收藏本站喔。 今天給各位分享excel數據分析自學的知識，其中也會對利用excel分析數據進行解釋，如果能碰巧解決你現在面臨的問題，別忘了關注本站，現在開始吧！

本文目錄一覽：

• 1、怎樣用Excel做數據分析

• 2、一般用excel怎么做數據分析

• 3、【數據分析】Excel數據分析全流程

• 4、零基礎學數據分析應該怎么入門

怎樣用Excel做數據分析

前言

最近松懈了，花了很多時間在玩游戲看視頻上，把學習計劃耽擱了，總說要自律，但光說不做是沒用的，最主要是自控能力太差了，得承認自己和大多數人一樣，愛玩、不愿意邁出舒適區，“知行合一”，只四個字，大道至簡，卻超過99%的人都做不到。在前進的路上，希望自己能克服惰性，提升自控力，按計劃耐心學習并踐行。

1、數據分析步驟：

提出問題→理解數據→數據清洗→構建模型→數據可視化

2、實踐案例：

利用一份招聘網站的數據作為實戰案例。

第一步提出問題：

1）在哪些城市找到數據分師工作的機會比較大？

2）數據分師的薪水如何？

3）根據工作經驗的不同，薪酬是怎樣變化的？

第二步理解數據：

初始數據有6875條，14項內容。

設置表格列寬（步驟如下圖），顯示全部內容，方便后續操作，最后保存。

第三步清洗數據：

這一步需要花費的時間占大部分，把數據處理成自己想要的樣子。

1、選擇子集：選擇公司全名和公司ID兩列并隱藏（取消隱藏方法：全選表格→開始→格式→隱藏和取消隱藏→取消隱藏列）

2、列名重命名：雙擊列名可以修改成自己想要的列名。

3、刪除重復值：選擇職位ID將其重復值刪除（步驟如下圖）

4、缺失值處理：選擇職位ID列計數5032，選擇城市列計數5030，城市列缺失兩個數據。

查找并定位城市列的缺失值（步驟如下圖），缺失值填上海。

缺失值處理的4種方法，根據情況靈活使用：

1）通過人工手動補全；

2）刪除缺失的數據；

3）用平均值代替缺失值；

4）用統計模型計算出的值去代替缺失值。

5、一致化處理：對“公司所屬領域”進行一致化處理（步驟如下圖）

將原來的“公司所屬領域”列隱藏，并將復制的列進行分列：

6、數據排序：

7、異常值處理：

第四步構建模型

第五步數據可視化

通過上面的分析，我們可以得到的以下分析結論有：

1）數據分析這一崗位，有大量的工作機會集中在北上廣深以及新一線城市，如果你將來去這些城市找工作，可以提高你成功的條件概率。

2）從待遇上看，數據分析師留在深圳發展是個不錯的選擇，其次是北京、上海。

3）數據分析是個年輕的職業方向，大量的工作經驗需求集中在1-3年。

對于數據分析師來說，5年似乎是個瓶頸期，如果在5年之內沒有提升自己的能力，大概以后的競爭壓力會比較大。

4）隨著經驗的提升，數據分析師的薪酬也在不斷提高，10年以上工作經驗的人，能獲得相當豐厚的薪酬。

3、劃重點：

1）分列功能會覆蓋掉右列單元格，所以我們記得先要復制這一列到最后一個空白列的地方，再進行分列操作。

2）上面圖片中的函數：IF(COUNT(FIND({"數據運營","數據分析","分析師"},L2)),"是","否")。

3）Ctrl+Eneter快捷鍵，在不連續的單元格中同時輸入同一個數據或公式時很好用。

4）精確查找和近似查找（模糊查找）的區別

（1）精確查找是指從第一行開始往最后一行逐個查找。一找到匹配項就停止查詢，所以返回找到的第一個值。

（2）當你要近似查找的時候，它就會苦逼地查遍所有的數據，返回的是最后一個匹配到的值。

5）在使用vlookup函數時，在很多情況下使用的是精確匹配，而在進行分組時需要用模糊匹配，所以這里要輸入“1”來進行模糊匹配。

6）Excel設置了快捷鍵F4幫助用戶迅速切換相對引用、絕對引用和混合引用，步驟如下：

（1）選定包含該公式的單元格；

（2）在編輯欄中選擇要更改的公式內容，并按 F4 鍵；

（3）以引用單元格A1為例，每次按 F4 鍵時，Excel會依次在以下組合間切換：

按一次F4是絕對引用

按兩次、三次F4是混合引用

按四次F4是相對引用

7）使用這個函數過程中，如果出現錯誤標識“#N/A”，一般是3個原因導致：

（1）第2個參數：查找范圍里第一列的值必須是要查找的值。

比如這個案例里第2個參數選定的的范圍里第一列是姓名，是要查找值的列。

（2）數據存在空格，此時可以嵌套使用TRIM函數將空格批量刪除。

（3）數據類型或格式不一致，此時將數據類型或格式轉為一致即可。

一般用excel怎么做數據分析

一般來說，需要學習一些Excel相關基本知識，運用Excel進行數據分析，就需要六個步驟，這六個步驟分別是明確分析的目的和思路、做好數據收集工作、數據處理、數據分析、數據展現、數據分析報告。

在數據分析工作之前的要有明確的分析目的，這是因為只有明確數據局分析的目的，才不會偏離數據分析的方向，在確定數據分析的目的以后，還要梳理好數據分析的框架，在確定好分析框架的體系以后，還需要結合實際情況去進行搭建分析框架。這樣才能夠保證數據的完整性。

而數據收集工作就需要明確數據了來源，一般來說，數據收集的途徑有三種，第一種就是傳統的手工錄入數據，比如設置問卷調查表。第二種就是自動導入網上的數據，第三種就是導入文本數據。大家在進行數據收集工作的時候根據實際情況去進行數據收集方式的選擇。

我們再來說說數據處理工作，數據處理工作有三個階段，分別是數據清洗、數據加工、數據抽樣。數據清洗工作就是用函數法和篩選法或者條件格式發去處理重復數據。使用定位輸入或查找替換找到空白或以錯誤標識符顯示的單元格，最常用的是以樣本平均值代替缺失值，也可以用統計模型計算出來的值進行替換，或根據實際情況保留或刪除缺失數據。利用IF函數檢查錯誤或利用條件格式標記錯誤。而數據加工就有很多種方法，分別是數據抽取、數據計算、數據分組、數據轉換。而數據抽樣就是利用函數進行隨機抽樣。

接著我們說說數據分析，數據分析方法有很多，比如包括對比分析法、分組分析法、結構分析法、平均分析法、交叉分析法、綜合評價分析法、杜邦分析法、漏斗圖分析法等。而數據分析工具就是用Excel自帶的分析工具就可以了，而這個自帶的工具的功能是很強大的。

然后說說數據展現。一般情況下，能用圖說明問題的就不用表格，能用表格說明問題的就不用文字。所以，數據展現使用圖表是現在的主流方式，那么圖表的作用是什么呢？圖表的作用就是表達形象化、突出重點、體現專業化。經常用的圖表的類型有表格、餅圖、條形圖、柱形圖、折線圖、散點圖等。

最后就是數據分析的報告了，數據分析報告的要求就是需要有明確的結論，沒有明確結論的分析稱不上分析，同時也失去了報告的意義。

【數據分析】Excel數據分析全流程

作為數據分析師excel數據分析自學， 清晰excel數據分析自學了解數據分析excel數據分析自學的步驟是非常重要的，有助于清楚把控整個數據分析的流程。

作為想要學習數據分析的人員，了解整個數據分析的流程， 這樣在面對一個數據分析問題的時候，知道如何去開展。

那么數據分析流程包含哪些環節呢？

我將一次完整的數據分析流程主要分為六個環節，包括明確 分析目的、數據獲取、數據處理、數據分析、數據可視化、總結與建議 。

做任何事情都有其對應的目的，數據分析也是如此。每一次分析前，都必須要先明確做這次分析的目的是什么，只有先明確了目的，后面的分析才能圍繞其展開, 常見的數據分析目標包括以下三種類型excel數據分析自學：

指標波動型 : 主要是針對某個指標下降了，上漲或者異常所做的分析， 比如DAU(日活躍用戶數)降低了， 留存率降低了， 電商平臺的訂單數量減少了， 收入降低了，質量指標如卡頓率上漲的，分析的主要目的是挖掘指標波動的原因， 及時發現業務的問題。

評估決策型 ：主要是針對某個活動上線， 某個功能上線， 某個策略上線的效果評估以及下一步迭代方向的建議，這些建議是指導產品經理或者其他業務方決策的依據。

專題探索型 : 主要是針對業務發起的一些專題的分析， 比如增長類的專題分析， 怎么提高用戶新增，活躍，留存，付費， 比如體驗類的專題分析， 如何提高用戶查找表情的效率， 比如方向性的探索， 微信引入視頻號的功能的用戶需求分析以及潛在機會分析。

明確了數據分析目的之后， 第二步就是根據我們的分析目的，提取相對應的數據，通常這一個環節是利用 hive sql 從數據倉庫中提取數據。

提取的數據通常要注意提取的維度和對應的指標個數，以電商app 的付費流失嚴重分析案例,我們需要提取的維度和指標可以根據具體的業務流程來(如圖):

首先從維度上，我們需要確定好，比如時間維度我們提取的時間跨度是多長，比如今天的數據和昨天的對比，那就是取2天的數據，如果是這周和上周那就是十四天的數據。

設備維度的值是否需要提取ios和安卓的用戶進行不同的平臺的對比，分析付費流失嚴重是否主要發生在某個平臺。

年齡、性別、地域維度，就是提取用戶這些維度的信息， 主要是為了在哪一個年齡層， 哪一個性別，哪一個地域流失最嚴重。

新老用戶的維度， 主要是從新舊維度上分析流失嚴重是否是集中在新用戶還是老用戶(如圖所示)

確定好了維度以后， 接下來就是指標信息， 維度+ 指標才是一個完整的數據 。

因為需要分析每一個環節的流失情況，所以需要提取下單的每一個環節對應的指標的人數和次數。

基于這些人數和次數，我們可以計算每一個環節之間的轉化率。

活躍瀏覽比 = 瀏覽的人數/活躍的人數

瀏覽添加比 = 添加的人數/瀏覽的人數

添加下單比 = 點擊下單人數/添加購物車人數

成功下單率 = 成功下單的人數/點擊下單的人數

當我們知道我們應該從哪里獲取數據， 以及獲取哪些指標數據后，為了保證我們提取的數據的質量，我們通常要對數據進行處理。

常見的數據處理有異常值處理，空值處理。舉個例子， 比如我們在提取用戶的年齡數據之前，我們需要去除掉年齡中的空的數據以及異常的數據， 異常的數據指得是比如年齡超過120歲這種。

數據處理好了之后，就可以開始分析，根據我們的分析目標，我們要選擇合適的分析方法和分析思路去做拆解和挖掘。

常見的分析方法包括：漏斗分析， 相關性分析， 5w2h 分析， aha 時刻分析， 麥肯錫邏輯樹分析法，用戶畫像分析，RFM用戶分群，對比分析等方法，這些方法詳細的介紹會在第三章展開， 在這里不做贅述

針對我們的訂單流失的問題，典型的分析思路和方法是利用漏斗分析和用戶畫像分析。

漏斗分析主要是可以挖掘付費流失嚴重的主要流失環節是在哪里。我們發現付費流失嚴重主要是因為用戶活躍到瀏覽商品的轉化率從50%跌倒30%， 減少了20%，那就可以把問題定位到為什么用戶瀏覽變少的問題上。

用戶畫像分析，可以幫助我們分析流失嚴重的用戶是什么特征，比如什么樣的年齡， 性別， 地域等， 那就可以知道這種流失是集中在哪一個年齡群體，哪一個地域群體以及其他的行為特征。

通過數據分析得出結論后，還需要用圖表展示出來，俗話說得好，“文不如表，表不如圖"，用圖表可以更清晰展現excel數據分析自學你的結論，通常的可視化我們可以利用excel 自帶的可視化的功能， 也可以通過python或者R腳本進行可視化。

常見的圖表有: 柱形圖，折線圖，餅圖，條形圖，面積圖， 散點圖，組合圖，箱線圖

當我們利用圖表把我們的數據分析結論展示出來以后，最后就是數據分析的總結的部分，主要分成我們得出了什么具體的結論以及給業務具體的建議，告訴他們改進的方向。

這就是一次完整的數據分析的流程，從分析目的到提取數據，到分析數據給出結論的完整的過程。

零基礎學數據分析應該怎么入門

數據科學是一門應用學科，需要系統提升數據獲取、數據分析、數據可視化、機器學習的水平。下面就簡單提供一個數據分析入門的路徑：

第一階段：Excel數據分析

每一位數據分析師都脫離不開Excel。excel是日常工作中最常用的工具，如果不考慮性能和數據量，可以應付絕大部分分析工作。雖然現在機器學習滿地走，Excel依舊是無可爭議的第一工具。

第二階段：SQL數據庫語言

作為數據分析人員，首先要知道如何去獲取數據，其中最常見的就是從關系型數據庫中取數，因此可以不會R，不會python，但是不能不會SQL。DT時代，數據正在呈指數級增長。Excel對十萬條以內的數據處理起來沒有問題，但是往小處說，但凡產品有一點規模，數據都是百萬起。這時候就需要學習數據庫。

第三階段：數據可視化商業智能

數據可視化能力已經越來越成為各崗位的基礎技能。領英的數據報告顯示，數據可視化技能在歷年年中國最熱門技能中排名第一。

學習數據分析可以到CDA數據分析認證中心了解一下，CDA是大數據和人工智能時代面向國際范圍全行業的數據分析專業人才職業簡稱，具體指在互聯網、金融、咨詢、電信、零售、醫療、旅游等行業專門從事數據的采集、清洗、處理、分析并能制作業務報告、提供決策的新型數據人才。 關于excel數據分析自學和利用excel分析數據的介紹到此就結束了，不知道你從中找到你需要的信息了嗎 ？如果你還想了解更多這方面的信息，記得收藏關注本站。 excel數據分析自學的介紹就聊到這里吧，感謝你花時間閱讀本站內容，更多關于利用excel分析數據、excel數據分析自學的信息別忘了在本站進行查找喔。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。