【摘要】：结合实际数据分析工作，简要介绍了VLOOKUP函数的基础应用，重点介绍亲测高效有难度的VLOOKUP函数高级应用。最后分享我运用Excel的一点技巧。

毕业后，第一份工作是在一家互联网公司做数据分析。

尽管和所学专业没那么匹配，但我还是挺满意。因为向来对数字很敏感，对常用统计软件也都有所了解。

正式入职，发现面试时说的什么SPSS，Eviews统统都不用，基本就是用Excel。对于研究生毕业，第一份工作，我多少有些落差。既来之则安之，我心想用什么工具最方便，工作中应该可以自己选择。对于word和ppt还算熟练，Excel也就一般。多学点总不会差。

开始工作，我发现Excel的功能简直太强大，我之前了解的仅是皮毛。尤其在更新到2013版后，操作更智能和快捷，数据量大时计算较费时。对于日常工作影响倒不大，借助Excel我的数据分析工作也很快上手。

除了宏不太会，工作之余也会多琢磨一些公式和操作。以至于同办公室的同事，甚至外部门的同事都来找我帮忙解决Excel的问题。时间久了，领导特意让我在部门内部定期做教学分享。

我确实喜欢和数据打交道的感觉，从冗杂的繁琐数据中分析出最终的结果相当有成就感。在简书上也看到了许多实用的Excel操作指南或技巧。

今天分享一个职场中最常用，功能强大，却少有人掌握的VLOOKUP函数。很多文章都提到过这个函数的基础应用，此外还有一个高级应用，是我在工作中遇到，亲测高效快捷的有力工具。

VLOOKUP函数---最最最常用的查找函数

四个必备参数=（要查找的值，要查找的区域，返回数据在查找区域的第几列数，逻辑值）

注： FALSE或0，则返回精确匹配，如果找不到，则返回错误值 #N/A（首选）

TRUE或1，则返回近似匹配值，如果找不到，则返回小于第一个参数的最大值。

VLOOKUP函数的基础应用：一对一的匹配

理解上述文字很晦涩，用实例来说明。

例1： 下图中左表为源数据：各类产品在三个城市的日销售数据。

需求：查询产品B和F在上海的销售额。

因为提供的数据量很少，人工查找就能完成。但实际工作中数据量很庞大，人工查找费时费力且准确率低。这时用VLOOKUP一秒搞定。

做法：在G2单元格内，输入公式，见红框内。回车后，出现结果；将公式复制或下拉至G3，同理可得结果。

参数解释：

（1）“F2”为我们要查找的参照值，即在源数据第一列查找“产品B”。当公式下拉复制时，自动切换为查找F3。

（2）“A：C”指我们要在此范围内查找数据。该参数也可写为“$A$2：$C$9”，即绝对引用。这样可保证无论公式如何拖拽复制，数据源始终固定引用该区域。

（3）参数“3”指在选择的数据源“A列-C列”范围内，要查询的销量在引用的第三列，即C列。

（4）FALSE，即精确查找。

这样，通过应用该函数，实现了产品型号和销量一对一的匹配查找。

应用该公式的硬性条件：

（1）必须保证需要查找的参照值与源数据格式一致。

即例1中：F列与A列完全一致，不仅内容相同，尤其保证单元格格式一致，否则只会返回错误值 #N/A。如不一致，查找前需转换成一致的格式。有时较难分辨。

（2）必须保证源数据表中的第一列没有重复项。

即A列中没有出现重复的产品类型。假如源数据中出现了多行“产品B”，那么在查找时只能返回第一次“产品B”出现时对应的销量。

当（2）无法满足时，查找不再是一对一，而是一对多的匹配。需要对VLOOKUP函数进行扩展才得以实现查找功能。

VLOOKUP函数的高级应用：一对多的匹配

例2：下图左表为客服中心的每日工作记录，日积月累，这个表数据量庞大且信息冗杂。

需求：王丹和张鹏岗位变动，需将他们接待过的全部客户汇总转交其他同事维护。

数据量小手动筛选即可，使用透视表也可完成。这里我借助简单的例子，介绍如何使用VLOOKUP完成。当数据量庞大，这是较便利的方法。

做法：

第一步：将A列排序，在A与B列间新插入两列。

第二步：计数。在B2输入公式=COUNTIF(A$2:A2,A2)，回车，下拉即可。

目的是对A列中同一个名字的出现次数进行计算。如图李珊出现了四次。

第三步：构建辅助列。在C2输入公式=A2&B2，回车，下拉即可。目的在于将A列B列的内容合并。这时C列即为辅助列。保证了源数据的唯一性，此时已满足VLOOKUP基础应用的第二个硬性条件。

第四步：进行匹配查找。在H2输入公式=VLOOKUP($G2&H$1,$C$2:$D$18,2,FALSE)， 复制公式至其他单元格即可得到结果。

与基础应用相比，仅参数1有变化，涉及相对引用和绝对引用问题。

参数1：将“客服姓名&序号“合并作为第一个参数。公式向右向下复制后，“客服姓名”行变列不变，所以锁定列。“序号”列变行不变，所以锁定行。即为：“$G2&H$1”。锁定即绝对引用。（此处较难理解，操作中通过尝试能够理解透）

参数2：绝对引用C2至D18区域。即为：“$C$2:$D$18”，新数据源。

参数3：返回所选区域C2至D18中的第2列数据。即为：客户姓名

参数4：FALSE，即精确查找。

第五步：将H2中的公式向下向右复制至K3，即得全部结果。可对比源数据表验证是否正确。

在序号为4的单元格内出现了#N/A值。表明没有找到“王丹4”和“张鹏4”对应的内容，说明这两人接待的客户仅有3人。

这样，通过其他功能辅助，实现了客服与客户一对多的匹配查找。

总结：VLOOKUP的高级应用是在基础应用的基础上，借助了COUNTIF和&函数，构建辅助列，使得源数据表中第一列无重复。四个必备参数中仅参数1涉及绝对引用和相对引用，略有难度。

应用Excel的技巧

1.填充了公式的单元格，在得到结果后，最好将计算结果转换为“值”。

两个好处：一是避免源数据的任何变动再次影响公式的计算结果；二是Excel本身计算较费时。如公式一直存在，每次打开该文件，或是刷新时都会重新计算，严重影响Excel运算速度。

2.Excel的数据承载量相对较小。2013版每个sheet能够填充接近105万行。

如果涉及较多sheet,数据量可想而知。因此在上一条的基础上，必须及时保存，否则数据量大时Excel难免会出现重启。毕竟多数人用的都是免费版，为了避免做无用功，及时保存很重要。这可是次次抓狂的经验教训。

3.Excel的功能很丰富，没有哪一本书或是哪一个老师能够完全教会所有功能。

更实际的是，从点到面去学习。比如说我介绍了VLOOKUP函数的应用，其中涉及到了绝对引用的概念，以及countif函数的应用，这时就引导你去学习新知识。

任何功能的组合都能起到耳目一新的作用。

4.Excel做不到死记硬背，多练习才利于掌握。

比如说，在工作中我给同事教过无数次VLOOKUP函数的应用，当时似懂非懂，勉强会用。想不到的是他们下一次遇到早已忘得一干二净。在我看来是很简单的一个公式而已，仅需掌握四个参数。关键是他们不常用，而我几乎天天用。

任何技能都是如此。孰能生巧，才能更快掌握更多功能。哪怕是多记几个快捷键，都会为你使用Excel加分不少。

多学一点技能，就能少求助别人，且让别人来求助于你。普通离优秀，永远差一项技能。

写出来为分享，也为记录。

PS：如果没有看懂，或是觉得现在用不到我介绍的公式。没关系，请收藏，因为工作后，无论做什么工作一定一定一定会用到VLOOKUP。

请尊重原创的辛苦。欢迎分享，欢迎交流。

以往我们做报表，都是用基础的excel，进阶一点用数据透视表做个分析，甚至会写几个VBA宏就已经很高大上很能提高效率了。

比如以前小编在市场，需要汇总13个中国大区的销售和客户数据，汇总，做销售分析表，月度的，季度的。最后还要做一个类似dashboard的可视化贴到PPT中，合着我就是一个做报表和PPT的，无论是个人还是这个岗位的价值都无处体现。

其实，在做报表的过程中其实我也在偷偷学习着业务。譬如我发现华中地区每个月末月初，都有个销售低点，呈现一种“月初放松，月末刹车”的状况，数据走势与其他地区显然不同，想和领导反映，但领导关注的只是当月当季度的总结果，期间的数据从无关心，其实，数据分析是可以追踪销售细节的。

一直想做的事到之后一家公司有了体现。公司的信息化相对完善，有正规的报表系统。常规业务报表交由信息部开发，做成固定报表，自动导出发送邮件。一张报表如果做了参数查询功能的话能抵几十张手工作业报表，这解决了以前大量手工做报表的通病。

但是，经常要费很多时间去和IT沟通业务逻辑，这个数据字段代表什么，数据缺失怎么办。当时已经了解到市面上有另外一种自助式的可视化产品BI，在做数据报表方面更加便捷，比方说Tableau、FineBI、PowerBI等等。

但最后考虑到我们没有ETL的技能，而且数据上面还有一些规范化的操作，所以数据处理的工作还得交由IT搞定。多数工具中也只有FineBI有数据和报表管理的权限，更加适合我们的情况，于是选择了FineBI。IT部门准备数据，给我开放数据权限，拿到数据我自己做分析。

那FineBI是什么？

这是一个可视化的自助式BI工具，整个操作就是导数据/连数据库——处理数据（可视化ETL）选择图表——拖数据字段——可视化展现&美化，操作简单上手快。长久以来，对于个人，我一直是拿他当可视化报表工具，其实用得好，它可以对接企业大数据平台，做企业数据运营分析用。

用了将近两个月，令人惊艳的是它的效率，对得起“自助”这个词。让我即使是一个菜鸟小白，也不怕做不出好看实用的可视化报表，开发一个模板也再也不需要花一个上午，最快的完成一张分析模板不过5分钟。

今天在这里主要分享5个关于finebi快速做可视化报表的心得，学会这5招，即使你刚接触数据分析，刚接触可视化，也能够在短时间内“套”出自己想要的好看实用的报表。他的高效自助性主要体现在这4个方面……

一、依法炮制

推荐场合：单报表开发

推荐技能：组件复制、指标复制

1、指标复制

推荐指数：★★★★☆

最开始，我并不懂得怎么做数据分析报表，只会按着领导的要求把指标陈设好，但是有时碰到类似下面这些指标的时候，就很头疼。下面的指标大家看着都很熟悉，对比分析是我们在数据分析时经常用到的分析方法，希望比较某指标和昨日值、同期值、年初值、环期值或者目标值之间的差值及其变化率，但是传统的报表开发通常需要反复添加同一个指标，如下面的”当日存款金额（万）“，然后再对该指标做不同日期过滤得到结果。

作为一个爱（会）上（偷）进（懒）的小白，自然是学点技能节约开发时间。对于这种简单重复的工作，则可以用”指标复制“这一功能快速复制已有指标及过滤条件，简单修改过滤条件，就可以轻松提高开发效率。

2、组件复制

推荐指数：★★★★★

单个图表组件的效率提升之后，自然我就开始琢磨着怎么提高不同图表组件的开发效率。有的时候会碰到不同组件但是极其类似的分析需求，以下面为例。

我们想做公司下属三个大区的趋势分析，放在一起做比较。现在费了九牛二虎之力做好了“南部大区的趋势分析”，并结合实际业务对其中一些关注的关键因素做了以下处理：

①只希望看到南部大区的相关数据

②起租金额最高的日期进行奖牌标记

③在起租金额平均值以下的日期进行字体标红警示

④起租金额在130~150范围内的日期进行标蓝处理

⑤格式与数量级优化，数据标签优化等样式优化

个人对这个南部大区的趋势分析感到满意，接着需要再对东部大区和中西部大区做同样的趋势分析以及对关键因素进行标记。这时不需要把以上5个步骤再设置一遍，只要用上“组件复制“这一神技，然后更换下过滤条件，10秒钟就完成了东部大区的趋势，完全省去了以上一系列繁琐重复的工作，简直不能更便捷！

我们甚至可以直接用“组件复制”的这个神技分分钟开发出下方这个酷炫屌炸天的租赁大屏，美滋滋。

二、移花接木

推荐场合：多报表开发

推荐技能：组件复用、指标复用

后来，我进阶了，又开始了进一步的学（偷）习（懒）之旅。

当我们开发了多张报表后，通常在新开发的报表中需要对某些指标反复使用（尤其是计算指标或者做了很多条件限制的复杂指标），同时对某些指标也总是需要重复进行相似的分析。这个时候我们会特别希望能够直接把已经开发的报表的指标或者分析图表拿过来，直接在新开发的报表中使用。换句话说，我们希望对于任何指标的相同条件过滤、计算或者分析，我们都只要进行一次，就可以达到一劳永逸的效果，不用再做任何重复的工作。这么美妙的功能，就可以通过组件复用和指标复用实现。

举个例子，管理员在公司系统挂出了一个十分酷炫的互联网大屏驾驶舱，这么欧气的分析模板，我们自然是要沾沾光的。正好领导要我做一个关于流量的渠道分析，我是一脸懵逼，不知道应该用哪些数据进行分析，也不知道该怎么进行分析，自然而然地想借鉴下驾驶舱中对流量的渠道分析部分，当然能直接拿过来用就更好了。嗯，好了，且看我怎么分别用组件复用和指标复用两种方法快速地套出我的报表。

3、组件复用

推荐指数：★★★★★

我需要用到驾驶舱中的折线图”浏览量趋势“、饼图”一级渠道“、饼图”二级渠道“以及雷达图”城市访问/跳出“，秀的时间到了，我花了30s做出下面这个”流量-渠道分析“模板。

只需要在组件复用中把”互联网大屏驾驶舱“模板中对应的四个组件拖入到现在的模板，就可以自动生成新的分析图表。爽歪歪。

4、指标复用

推荐指数：★★★★

再后来，我的数据分析思维提高了，觉得驾驶舱中对于用户流量的分析不够到位，我有一番我的分析见解，可以拿着相同的指标做更好的分析，但是我又不知道这些指标是存放在数据库的哪里，我该去哪里才能找到它们。

这个时候就能用上指标复用了，在我想做的分析图表中，将驾驶舱中的指标拖过来直接用，马上就生成了另外一个分析图表。像下面的气泡图，比驾驶舱中的还要酷炫。

具体操作的过程如下：

三、他山之石

推荐场合：跨用户开发

推荐技能：模板复用

毕竟数据分析是个长期的事情，有时因为数据分析思维的局限导致了我实在对做报表束手无策。隔壁部门的“陈独秀”前辈在可视化数据分析方面是个有多年经验的老手了，经常在会议上看到他做报告时逻辑严谨，可视化报表也做得令人啧啧称赞。抱着虚心学习的态度请教了他，他也毫不吝啬地把他认为很有价值的分析报表通过“模板复用”直接分享让我学习同时让我瞻仰一下：“好东西就是要拿来分享啊”。精辟！膜拜！

5、模板复用

推荐指数：★★★★★

学会这招之后，我好长时间不做模板了，嗯，时不时就去“陈独秀”那里拿些模板（开个玩笑：D）。

写在最后

上面5个技能能大幅度节约我们开发的效率，很快地套出我们要的模板，可以最大程度地利用和共享已经做好的资源和报表，。不过，对于刚入手的小白们来说，最重要的还是要慢慢提高自己数据分析的技能和思维，这才是根本啊。

　　从我实际的观察，结合对数据的理解，数据分析或数据驱动在不同的公司，在不同的阶段落地，需要经历这样的5个阶段：

　　1.靠经验+拍脑袋决策——无意识阶段

　　2.统计数据产生后的数据结果——感知数据阶段

　　3.分析数据产生背后的原因——思考阶段

　　4.根据数据分析的结论开始行动——行动阶段

　　5.让期望产生的结果产生——数据驱动阶段

　　星牛网小编在这里只具体来分析一下前四个阶段，别问我为什么，我也很无奈啊，说了没用啊~

　　第一阶段

　　这个阶段的企业，基本没有数据分析部门，对于运营过程中的常规数据分析，基本由产品运营人员手工做报表，公司内部没有开发专门的数据分析系统，也没有接入第三方数据分析平台，导致无法通过数据给企业带来额外的信息和价值。

　　第二阶段

　　这个阶段，是关于如何回答好5W2H的。（注：5W2H是指什Who、When、Where、What、Why、How、How Much）

　　需要有数据分析师的角色帮助各部门分析各类数据，公司可以成立自己的数据团队来开发数据分析工具，也可以选择第三方的平台，不论哪种方式，都要收集足够的数据，把各个部门所产生的数据尽可能准确、详细的统计到，并且有可视化展现的报表可以查看。这样，企业经营者就可以通过数据统计的结果，感知到公司各个部门的运营情况，把各个部门的工作内容变成可量化的指标来评估。

　　第三阶段

　　这个阶段是通过分析、洞察数据来思考为什么会有这样的结果，是对于上个阶段的进一步诊断。需要对数据进行多维分析，还需要有很强的行业知识，对数据有全方位的认知。除了对数据的全面掌握以外，还需要引入行业参考数据等，再跟据自身产品的特点，找到每一个可量化指标的最佳参考数据，监控这些指标，快速查找原因。从而能够清晰的知道是哪些原因导致的，从而做出合理的决策。

　　第四阶段

　　这里说的行动，指的是基于对数据做了大量的分析，在得到结论或者数据模型之后，对产品做的优化，给用户提供不同的产品体验。包括数据部门在内的各个部门需要进行联动，将分析结论和实践结合起来，让数据结论不止停留在报表上，要让数据在产品和营销中流动起来。

　　听小编说了这么多的，到底你们的数据能发挥出多大的价值，是以何种形式来驱动企业发展的，需要大家共同来创造啦。

为什么有的报表好用，有的报表不好用，有的企业会做一堆乱七八糟的报表，最近经常会思考这些问题。

有人说数据分析，为了开源节流，这个没有错，今天我从另外一个角度解读。数据分析，是为了应对风险(说明：风险与机会是一起的。PMI中将其共同列为风险管理，本文所有风险与机会同义)，开源节流的每一次操作每一个节点，也是风险。

企业经营，风里来雨里去，免不了碰到大大小小的机会和风险，抓住机会躲避风险是每个企业以及个人的毕生追求。

PMI中将风险归为以下几类：

已知的已知风险

未知的已知风险

未知的未知风险。

本文将数据分析，也归纳为三层需求

第一层需求：应对已知的已知风险

可以将这一层需求看作为被动使用的数据，拿零售行业的场景举例：

采购员要进行采购，没有数据作为参考，只能进行盲目采购，那商店的缺断货、商品积压的风险一定出现。所以采购员需要通过数据查看各类商品的销售情况、库存情况、可售天数情况进行判断，以此决定采购需求，避免错误的商品采购所导致的商品缺断货、高库存等风险。此为通过数据来应对已知的已知风险。

对于企业之中，这类的应用特别多，多到部分企业会忽略这是一种数据分析的应用。企业中常用的业务系统比如erp等软件系统，也会自带一些简单的数据查看类报表，其作用也是很大程度上来应对这一类风险。

但是，从另一个角度去看，这类风险的应对也有很大的优化空间：

风险应对的效率：提升风险应对的效率，是提升应用标准化的一个体现，当一个应用难以使用时，容易造成人员惰性，取巧而放弃使用，从而提高了风险发生的概率。

复杂的已知的已知风险的应对：绝大部分企业并没有将数据覆盖所有的已知风险，举例：新品的引进，新品的引进为商店带来新的盈利点，但是错误的引进甚至会带来负面效应。大部分企业的新品引进并没有一个很好的方案来应对：通过数据进行品类关联并对比，可以看出本店铺对于市场上销量靠前的商品的缺货情况，本店已有商品的市场占有情况，从而可以优化新品引进的策略。这一类的应用还有很大的空间，这也就是为什么很多企业乐于同行之间的交流，希望彼此可以互通有无，发现类似数据场景的应用。

第二层需求：应对未知的已知风险

这一类数据一般为主动使用的数据，更多的是周期性使用的数据，常见的比如领导们常看的日报表、周报表等。

企业的风险发生的概率是分布在每一天的，但是它每一天都可能发生也可能不发生，例如部分员工的消极怠工、部分商品的质量异常、个别门店突然面临的对手竞争等。这一类风险当然是希望在发生的最短时间内就可以发现并且应对。所以企业中产生了大量的这一类型的报表需求。

这类报表也很常见，但是他们价值的体现不如第一层需求类来的直接，这一类报表经常被浏览，但大部分情况是没有发现风险的，所以有时会产生一种这类报表没什么用的感觉。

在我们所遇到的项目中，这类需求报表占比是很多的，也是争议最大的。领导层所需要看的日/周/月报类报表相对还好，毕竟是每天都会有人看，并且作为企业数据监督和追踪的一种形式。

此外，还会有很多分析类的报表也属于这一层级，比如商品的价格带分析：找到某类商品的价格点，对比销售高点或销量高点，从而发现可能的商品价格分布的不合理或者货架摆放位置的不合理(价格点商品附近陈列丰富的商品可以给顾客带来商品丰富的感觉)。进一步调整商品价格分布以应对商品陈列或者价格分布的风险(机会)。

这类报表的应用难度比较大，因为经验或者知识储备的不同，对风险的认知和识别能力不同。同样以上面的价格带分析报表为例，其目的为应对陈列、商品价格分布、商品引进/采购、目标活动人群选择的风险。但是使用报表的业务人员没有形成对这些风险(机会)的认知，就造成了缺乏对该报表的数据解读能力，该报表便成为了一个花瓶报表，价值无法得到体现。

针对这一类报表，我的建议是场景化，让每一张报表背后都有它的风险机会描述，当自我不能解读的报表，也就不要指望业务可以解读并使用，并不是将一堆的指标都进行展示就能产生价值，它于落地的应用还相隔甚远。

第三层需求：应对未知的未知风险

这类需求近些年来大量出现，大数据概念被大多数人所重视也很大程度上是因为这一类需求。

风险的不可预测性使得大量人群希望通过技术的手段来帮助识别和发现风险。比如很多人希望通过聚类这类算法的应用，来形成用户画像，发现自己之前无法发现的特性，或者通过对商品关联的挖掘，发现未知的商品关联关系，从而调整商品布局以发现巨大的商机，比如“啤酒与尿布”(不知真伪)。

但是这类需求实现难度巨大，目前还属于少数互联网公司的专利，对于大多数企业尤其是传统企业而言，其实现成本是难以接受的，个别数据乙方可能会以此为诱饵进行宣讲，但就我所了解到的还难以形成很好的应用。

但是第三层需要要怎样处理？无论是机器还是算法很多都是对人对模拟，只是拥有更快的速度而已，所以相信通过人的作用可以弥补这一类需求。

同样以商品模块举例：除了我已知的商品价格、布局风险外，通过对商品价格分布那张报表的分析，发现在非价格点的价位(比如是10元)销量比正常值都高，正常情况10元价格商品的销量是价格点商品销量的1/5，但是报表显示这一期间的比例高达了1/3，通过进一步分析，发现是由于某一天活动对该商品进行打折促销，从而该商品销量上升，再进一步分析该商品的销量上升并没有给企业带来业绩的上升，该商品的周边商品销量基本没有变化，也就是该商品的连带率是很低的，同时该商品库存并非临保商品。通过调查发现是店长和供应商的私下协议而采取的促销行为。

以上只是举例，通过人的思考可以发现很多的未知的未知风险。这也就是近些年来bi产品的出现的原因，bi产品希望能够给业务人员一个灵活的数据应用环境，让他们的思考得到延伸和数据上的支持，从而应对未知的未知风险。

当然，理想情况如此，很多企业并没有将bi产品应用成为以上的价值。原因很多，主要的是包括业务人员没有分析意识、没有一个很好的分析入口(不做进一步解读)。

综上：

我将对数据分析的需求分为三层，每一层的使用难度也都有不同，越向后越容易产生“这个报表没什么用”的感觉。现实中，也有很大程度上确实是这个报表没法用，因为很多it人员也并没有理解我做好的报表是为了解决什么样的问题，只知道这个指标有用，我就展示给你看。所以这样的报表可能真的很难用。

我觉得，让数据发挥它的价值，可以尝试将数据与风险相关联，对风险进行数据化的解读，从而来让报表更加落地，更加可用。

ps：一切的文章都是我当时的想法，不能作为知识来解读，大家尽做参考，欢迎交流。

End.

施老师：

在平常的办公中，经常有学员问我，怎样做一份让领导眼前一亮的数据分析报表，而且是自动的。下面就由宁双学好网施老师来教你。

一、首先打出一份员工产量统计表

二、然后把员工姓名复制一行到下面的位置，右边打好筛选月份，

三、然后在下方输入公式：=VLOOKUP($J$2,$B$2:$G$8,COLUMN()-1,0)，鼠标往右拉，得出员工一月份的产量，然扣右边用【数据】- 【数据有效性】算出筛选月份的序列。

四、然后点击插入菜单【图表】-【柱型图】，选择下方的一月，就自动生成柱型图表

五、将图表的底纹填充好看一些

最后我们可以点击筛选月份，点击什么月份就会出现该月份的柱型数据。是不是很方便啊。

人们常说“报表做得好，升职加薪少不了”。这就取决于，数据报告的两个重要作用：一是可指导性，是内核，让人看完报表之后恍然大悟“哦，原来问题出在这里”；二是美观性，是包装，让人看第一眼就赞叹“哇塞，这报告666”。

可是，为什么你加班加点做了那么多报表，却依然得到不老板的认可？

问题出在哪呢？

老板需要的是什么样的报表

现阶段，业务人员是如何来满足决策者的数据分析需求的？97%以上是通过Excel手工整理各种报表，不到3%利用了IT技术，实现了报表的自动化。随着决策者对分析的要求越来越高，于是报表越来越多、越来越复杂。在一个Excel页面中，密密麻麻布满了决策者关心的所有内容，只恨屏幕不够大。而这些大量的手工处理，很容易出错，且耗时久。

对上报上来的厚厚一叠报表，绝大多数决策者都会回答：有看，只是一般只看其中的一两张。没有时间，真的感觉有问题，还是直接找人来问了。

这就是问题的关键——我们给决策者提供了大量的报表，为什么帮助不大呢?因为信息一旦过多，就会变成“信息洪水”，大量的报表让决策者深陷“信息洪水”中。

员工再问决策者：希望用什么方式将信息给您呢？领导：希望有问题的时候随时能知道。

决策者这句话的核心有两点：一是有问题才让我知道，没问题的话，其实我也不需要关注。二就是我随时都可以知道。

报表能实现决策者的“希望”吗?答案是否定的。

（1）报表根本无法快速让决策者识别是不是有问题，它只是罗列了一堆数字而已。

（2）无论报表制作者多么厉害，领导想要什么就有什么，基本上也是不可能的。

那么能如何解决这个问题呢? 答案就变得简单了，就是用BI技术，改变决策者获取报表的方式。

报表工具与BI系统的区别

有人说：“我通过一个软件，能自动生成决策者想要的报表，然后再配上一些仪表盘和图表，不就可以了吗?也不见得需要BI。报表软件多简单，哪像BI要规划数据仓库，要ETL，还要建模型，多麻烦”。

以Excel报表和亿信BI来举例，对比一下报表软件与BI系统的区别：

Excel报表应用场景主要是业务报表制作，比如一些企业固定的月报，季报和关键数据指标的统计、展示和分析。主要功能分为三大类：数据展示(报表)、数据查询(参数)和数据录入(填报)，还有报表管理。数据展示报表可分为表格类和图表类。

而亿信华辰的拳头产品亿信BI有领导驾驶舱、图形化建模、自助式即席分析、智能钻取分析等多项功能。他可以构建大型的综合的数据分析平台，也可以作为小型的个性化的解决方案。相比报表，侧重点在于分析，优势在于操作简单、能够处理大量数据，可以实现任意维度、任意分析路径快速实时分析。

从工具角度上讲：

报表工具一般连接的是事务处理型数据库，不能实现多维分析的操作；当然，目前有些报表工具用链接传参的方式实现所谓的钻取，实现复杂，还会有性能的问题。

BI工具一般连接的是多维模型数据库，可以很容易实现各种多维分析的操作，如钻取、旋转和切片等；还能很容易地实现基于指标和维度的拖拽分析和自助分析。

以上两个工具也都可以连接对方的数据库，但发挥不了相应的功能；比如报表工具连接多维数据库后，多维分析操作、拖拽分析和自助分析还是实现不了。

从系统角度来讲：

报表系统一般接入在某个业务系统数据库上，为MIS系统提供灵活的报表查询实现。当然，报表系统在数据量小时也可以连接若干业务系统数据库，实现跨库的关联查询，但这个查询是由报表工具来实现的，实现起来的复杂度和性能依赖于报表工具的能力

BI系统主要包括数据仓库/数据集市、ETL、数据分析、BI应用等多个组成部分和实施过程，最终BI应用中除了有报表展现外，还有多维分析、自助分析、数据挖掘等功能。

从工程化角度来讲：

报表工程相对比较简单，投资可以比较小，实施周期相对较短，见效比较快。

BI工程相对比较复杂，投资比较大，实施周期相对比较长，见效相对较慢，但效果比较好，尤其是在数据整合的数据质量、报表口径统一化、应用性能上有很大的优势。

从发展过程看，一般先是上了报表系统，发现报表系统的若干问题后，再上BI系统。

BI为什么能替代报表

很多企业一直有个误区：认为做了一个报表系统就是用上了BI，其实不竟如此，报表只是BI的一部分。虽然BI应用的结果通常需要报表来展示，但是，BI不仅仅是报表。

报表是数据展示工具，商务智能BI是数据分析工具。商务智能的重点在于商业数据的分析，集成了数据统计、数据展示、数据分析和挖掘的解决方案。

从下图中，可以看到，大数据管理与应用技术发展过程中，数据管理已从报表阶段进化到BI阶段。BI是一个辅助决策的智能系统，它的核心就是帮助企业利用好数据，让决策管理者随时随地获取关键信息，让决策者基于数字决策，最终提高决策水平。

通过报表工具与 BI系统的区别，以及各自的特点，可以得出BI替代报表是趋势，同时也是发展的机遇。抓住机遇、争得先机应是摆在决策者面前的课题。

最后小亿谈点关于BI的价值思考：

BI不是让你相信自己所知道的，而是促使你去思考更多的问题和疑惑。BI迫使我们怀疑得出的结论、回到初步阶段、重新设定假定和条件。它促使我们思考，而不是给出事实。BI可以让你从不同视角查询一系列相关数据，以便在一组不确定的条件下更进一步接近事实。你需要BI工具帮助做出最佳决策，而不是正确决策。BI让决策不再止步于结果。

作者：数据观 来自：数据观 https://shujuguan/?from=

［摘要］：看似复杂的库存体系，可以通过简明的数据可视化还原全貌！

［主文］：一直以来，库存管理都是影响企业盈利能力的重要因素之一。对库存管理不当可导致货品大量积压，占用现金流，延误生产计划与销售订单。使用数据观对库存进行可视化分析，可以实现：1、分析现有的库存体系，还原库存体系原貌，为决策提供数据支持；2、通过对问题的挖掘分析，对现有的库存体系进行优化；3、衡量、传递合理库存信息，保障采购、生产、销售的正常运行。

所需数据：

以上数据是基本的仓储数据，一般的连锁门店都有；为避免储存数据的方式不同，我们还为您列出了所需全部字段：

除了两个标红的指标需要我们处理一下之外，其它字段都是现有的。为什么要额外计算这两个指标呢？因为，累计出仓金额占比（累计出仓金额／总金额）可以帮助我们审视商品SKU是否符合“二八贡献结构“，即80%的销售额是由20%的商品带来的。

数据处理：

如何计算“累计出仓金额”？听起来像要对每种SKU的销售额做求和，然后要按照降序排列，最后还要加上上一个项目的金额，不算小的工作量！不过，使用数据观的在线ETL工具，可以很迅速地对繁琐的数据进行排列计算。首先，将两个“输入”按钮拖入中央画布，并分别选择为“商品报表”与“销售列表”，将其关联起来，并通过“选择列”剔除无关信息，就得到每件商品的销售状况了。选择“分组聚合”，统计出每件商品的销售额。接下来，使用“排序和累计”，让商品销售额按照降序排列，且累加销售额。此时，我们已经有了“累计出仓金额”（且按照降序排列），再添加一个“常量列”，将值设置为总销售额，就可以计算“累计出仓金额占比”了！

ETL流程示意图

可视化分析：

现在，我们已经有了充足的字段和干净的数据，允许我们从以下四个角度来分析库存状况：

商品概况库存情况库存周转及安全库存库存盘点

（一）、商品概况：

指标说明：SKU数为商品编号，不重复计数，可计算出本店一共有多少个SKU；类别数为类别，不重复计数。从以上两个KPI可以看出，库存中的商品一共8类，总共28个SKU。而下面的“柱＋面积”组合图，就是我们说的“二八贡献图”了。每条柱子代表每个SKU的出仓金额，柱子越高表示出仓金额越高；而面积图则使用的“累计出仓金额占比”（即累计出仓金额／总金额），面积图上的80%点位应当出现在柱图的前20%最佳。通过分析我们看到，库存商品的累计出货金额贡献比例和“二八贡献结构”有一定差距，TOP1商品突出，但TOP2至最差出货额商品差别不大。

（二）、库存情况：

指标说明：以上各指标的金额计算都为“数量*成本价”得出的成本金额；平均库金额为（期初库存金额+期末库存金额）/2。两个分组柱图，主要看的是各类商品的期初、期末库存金额，与进仓、出仓金额分布。而分组条图，除了可以看到库存排名之外，还可以看平均库存占比（蓝条）与出仓金额占比（褐条）是否相当。从库存结构对比出货结构上看，各类商品的比例相当，表面库存比例结构合理。

（三）、库存周转及安全库存：

指标说明：本期周期为一个月，周转天数为周转次数*30天（请根据店铺实际情况进行调整）；根据设置的最佳周转天数（60~90天）可看出耳机类和充电宝类不在最佳周转天数内，图中已标红；根据设置的安全库存，图中显示电脑耗材类中有2个SKU，充电宝类1个SKU处于安全库存值以下，需进行进货。具体低于安全库存值多少、是什么型号的商品需要进货，可以通过下钻来查询。

（四）、库存盘点：

指标说明：盘点金额计算方式为误差数量*零售价。期初的盘点盈亏金额总计为盘盈202.5元，通过条图我们可以看到，各类商品的盈亏金额都在正负500元内，差异主要出自U盘、电脑耗材和耳机类。通过气泡图，我们可以看到，28个SKU中无差异的有4个（蓝色表示），盘亏的有15个（红色表示），剩余9个盘盈（黄色表示），鼠标移动其上还可显示商品的具体编号与盈亏数量。就这样，本来各自分散的库存数据，变成了一份领导能读懂、合作伙伴也能读懂的看板。赏心悦目之余，各种问题水落石出，大大提升了日常管理效率，为企业的高效运转添薪加火。

如果你作为一名SEMer，每天80%的工作时间是打开后台，监控核心关键词的排名，每天去调整价格，调整移动比例，否定一些垃圾流量的话，那么我会觉得，你与一名优秀的SEMer人员之间，还有很大的提升空间。

因为一名优秀的SEMer，每天应该有80%的工作时间在做数据分析，20%的工作时间是最后将数据分析出的结果进行后台操作。有人问过我，你认为SEM推广的核心是什么？我以多年的经验总结出两个因素：“行业市场分析”与“数据分析”。

数据分析基于推广数据的筛选与总结。数据报表也分为两种：一种是 后台数据报表（账户报告、关键词报告、地域数据报告、搜索词数据报告等等），这些报表可以后台直接下载筛选使用；

还有一种是 基于第三方统计平台与代码标记的数据报表（关键词跟踪报表、url转化报表、各平台流量占比数据报表等等）。接下来我就给大家分享一下如何筛选适合自己推广数据报表以及如何筛选数据有价值信息。

一、账户报告

数据分析重要程度：★★★★

阐述：账户报告是推广数据分析最基本数据报告，账户报告可以清楚显示出账户推广的展现量、点击量、消费量、点击率、平均点击价格。做日报表或周报表可以做出环比数据值，可以清楚分析整体账户推广情况。

要根据自己账户推广设定限值，当环比数据达到限值得时候，就要重点关注分析。即使环比数据是正向发展，也可以分析出来原因，这样也可以明确效果提升的原因。

例如：推广账户数据环比展现量限值5%，既展现量环比增长5%还是降低5%都要明确分析，如发现今天账户推广数据环比昨天降低7%，既触发限值，结合实际调整操作可分析得知，昨天核心词有调整匹配方式，有4%的长尾关键词昨日没有置左展现，所以根据数据可以清楚知道账户环比降低原因。

根据原因作出相应正向调整即可。而且账户报告，每天的PC与移动的消费占比也一定重视，账户的效果波动可能也多数与PC与移动消费占比有关。

二、搜索词报告

数据分析重要程度：★★★★★

阐述：搜索词报告是作为数据分析与sem优化最为重要的数据报告之一。推广流量精准度与否都可以利用这个搜索词报告一目了然。

但是搜索词报告大部分人都是基于后台搜索词报告直接进行否词操作，而且有很多人都是看见一个不相关的搜索词马上否定掉。最后会发现我们计划否词数或者单元否词数不够用了。

其实 对于搜索词报告我们一般都是将每天搜索词报告做一份excel透视报表，可以透视清楚哪些搜索词垃圾流量触发点击数最多的，超过2次以上点击垃圾流量进行否定处理。触发一次搜索垃圾流量一周集中累计再集中做出透视数据分析，最后看出那些单次点击一周内累计垃圾流量多次触发的搜索词再进行否定关键词。

搜索词报告另外一个数据作用，将有检索搜索词有效添加到投放关键词中。这个也是拓展有效关键词最有效的数据支持。

三、关键词报告

数据分析重要程度：★★★★★

阐述：关键词是sem推广投放核心，关键词数据报告也是所有关键词报告数据分析的最重要的参考数据。但是关键词报告一定是要结合其他数据报告一起分析，才能筛选出我们有效的数据，下面就给大家分析几种比较实用的数据报告结合分析组合。

1）关键词报告与搜索词报告：根据搜索词报告可以 拓展有检索关键词；其次搜索词报告匹配出垃圾流量，不一定要做否定关键词，有部分单次点击垃圾搜索词可以结合关键词报告数据，对于关键词进行匹配方式调整。

2）关键词报告与咨询转化报表：每天结合咨询平台中有效咨询所触发的关键词报表与搜索词报表进行 核算每个关键词转化成本，这样我们可以集中投放高转化关键词，控制高消费低转化关键词消费。

3）关键词报告与账户报告：关键词报告与账户报告关系是包含于关系。即账户数据异常要排查到关键词报表中关键词，所以 账户报告要与关键词报告对应查看与分析。

四、地域报告数据

数据分析重要程度：★★★

阐述：地域数据报表主要作用是明确各地域消费占比与各个地域推广数据。如果对于此数据调整，可以结合后端转化数据进行调整。

调整各个地域消费占比依据：

1、根据后端转化效果进行地域消费占比调整；

2、根据业务地域需求度，进行地域消费占比调整。

五、url跟踪转化代码数据

数据分析重要程度：★★★★★

阐述：url跟踪转化代码数据是定制型数据报表，适用于多平台推广及转化统计。

这类代码与url部署后数据优点：

1、各个平台转化有区分；

2、url部署有利于监控着落页表现；

3、关键词转化id可以直接统计转化词。

4、如果推广有项目区分，可以另行标记区分。

这样统计出来数据可以区分：

1、关键词转化监控

2、地域转化监控

3、项目转化监控

4、平台推广转化

最后，想说跟大家分享了这些比较常用数据报表与数据的分析方式，只是比较 有代表性与实用性的数据报表。SEM 数据分析还有很多需要大家深入研究与专研的。我个人也给予大家几点 SEM 数据分析注意事项：

1、所有数据报表要坚持多维度相结合进行分析处理；

2、数据分析一定要作为日常优化流程，不要账户出现问题才进行数据分析排查问题，日数据异常要积极分析与调整，才能让账户推广效果稳定；

3、数据筛选是数据分析的基础，大量的数据要筛选出有效的价值，依据有大量数据的分类、筛选、过滤等环节进行数据提炼，这个最好要有良好的Excel技能支撑才会高效的进行。

数据分析是我们SEM推广调整的支撑，如果你是一名好的数据分析师，那么还会玩转不了SEM推广吗？

|来源：艾奇学院

百家号-【袁帅数据分析运营】：袁帅，互联网数据分析运营实践者，会点网事业合伙人，运营负责人。CEAC国家信息化计算机教育认证：网络营销师，SEM搜索引擎营销师，SEO工程师。数据分析师，永洪数据科学研究院MVP。中国电子商务协会认证：中国电子商务职业经理人，畅销书《互联网销售宝典》联合出品人之一。中国国际贸易促进委员会:今日会展会员联盟VIP个人会员，全经联园区委秘书处成员，中国低碳智慧园区联盟理事，周五咖啡媒体人俱乐部发起合伙人。百度VIP认证站长，百度文库认证作者，百度经验签约作者，百家号/一点资讯/大鱼号/搜狐号/头条号/知乎专栏/艾瑞专栏等媒体平台入驻作者，互联网数据官（iCDO）原创作者，互联网营销官CMO原创作者。

每个人都会有机会进行数据展示，为什么别人展示永远获得正视，而我的展示永远只有自己愿意去看，别人在看手机？那怎样做数据图表分析呢请看以下步骤：

如何对表格进行修饰，本次小编带来两个技巧，一是使用“套用表格格式”，和使用“条件格式”。二是带领大家学会养成修饰表格的思维。

第一步是对表格进行粗略的修饰调整，思维：行高、列宽、对齐方式、表格线等；

使用“套用表格格式”、“条件格式”之后看数据不再枯燥无味，而且还更有看头。“条件格式”可以将筛选条件转换为颜色可视化，从而达到一目了然的效果。

第一个技巧，①“套用表格格式”。方法：任一单元格→开始→套用表格格式。

②“条件格式”，方法：选中单元格区域→开始→条件格式。

条件1：高于平均值

条件2：数据条

条件3：色阶

第二个技巧：养成修饰图表的思维。这次举例柱形图的修饰例子，其他希望大家动用类似的方法进行模拟实践。

步骤一：根据销售数据建立柱状图，建立方法可参考。选择数据源→插入→柱状图→选择数据源→编辑坐标

步骤二：添加辅助线。选择数据源→→添加→点击柱体右键，设置数据系列格式→次坐标轴→选中柱体，右键更改图表类型→折线图。

希望回答对你能有所帮助，如果觉得不错就来点个赞或关注吧，感谢各位了！

企业报表分析不是简单汇总与上报

现代企业信息化程度越来越高，ERP、BI、进销存等管理系统，各类数据报表、分析报告随处可见。暂不说企业信息化是企业办公、电脑、网络一体化，或者是企业管理模式信息化，总之，所有这些做法的初衷都是好的。走进办公室总是一派繁荣景象，办工作桌总是有一大叠A4纸码得整整齐齐，有多少管理人员关注过，在这祥和热烈的气氛中又有多少混乱与浪费？

这是一张所有人都能够看懂的企业金字塔组织结构图，我们现在把企业报表和这张结构图对应起来，再结合当前你所认识的、了解的企业报表工作，你将不难发现，总是有一些企业，在报表分析当中，不分管理层级需求，将所有能够看到的数字以报表形式上报，没有体系，只有混乱。用一句话来概括：企业数据报表的的分析，就是汇总和上报！（这些企业大概是小规模的吧，一般中型、大型企业都有一套企业报表规范）

抓住企业报表需求分析是关键

有以上混乱状况出现，也可以相对看出，公司发展遇到了些许瓶颈。员工每天忙忙碌碌，兢兢业业，可是生意却总是不见有所回报。解决这个问题，抓住企业报表需求分析是关键。

此图所示是未经调查的纯主观想法，只做参考。有一部分人或许不认同高层报表的需求，不同的管理人员有不同的想法，可以理解。我想高层人员更应该注重战略决策、行业趋势的观察等工作，而报表分析工作的重点应由中层及基层人员主抓。报表设计的思路必须进行根本上的转变，在设计、制作一份报表前首先搞清楚谁将会看到这份报表，能不能从报表中发现一些问题，甚至该问题的解决方案。从上而下，或者从下而上去观察，我们的报表是否应当遵循一定的报表体系要求，是否具备规范的制作、分析、解决流程。

区别对待过程性指标和成果性指标

从报表的构成来看，体现生意上的一些指标是必不可少的。因此，针对不同的指标，设计不同的报表，是第二个关键。原因很简单，某些指标是成果性的，而某些指标是过程性的，不能一视同仁。比如计划完成率，做这个报表时，工作已经结束了，而各品类占比这个指标，却时刻体现着工作正在进行的状态。那如果我们把这种过程性、结果性的指标区分开来，或许会有意想不到的收获，而不是所有指标统统拿给领导去看。最后，推荐一本与此相关的精品图书：《用数据决策:构建企业经营分析体系》