情报魔方电商数据分析，超级月报一招学会。

运营是一个店铺的核心，运营所做的事比较多，比较杂，是一个综合度较高的工作，不光要有淘宝的基础知识和技能，还要懂数据，注重用户体验，懂得店铺的优化和产品的运营推广等等一些。可能很多小伙伴每天上班第一件事就是要浏览分析店铺的数据情况和竞品的数据。不光是每天这样浏览数据，在月度以及年度汇报的时候，还要整理月报年报。下面我们来看下关于月报的一些内容。

一名合格的运营人员完整的店铺数据分析，应当包括以下几个部分：

店铺核心数据：包括转化率、客单价、销售额、DSR、PV、UV、加购收藏情况等等。

店铺流量结构：免费流量、付费流量、和自主访问。(此处可以在【生意参谋-流量地图】查看)。

活动分析：每月的活动次数、活动的类型、每次活动的盈亏情况、活动折扣力度和活动流量在整体流量结构中作出的贡献、活动报名失败及失败原因的分析，还有审核通过的活动，在活动后及时的复盘以及复盘后应当在下次活动中需要提高的部分应当如何调整。

客服分析：客服的回复速度(响应速度、语句用词、)询单率、询单数、询单转化率、以及客服催付成功率。

库存状况分析：库存总量、库存分布品类结构、店铺每月动销宝贝占比。

行业大盘：行业大盘增长率情况、同比增长幅度、环比增长幅度的情况。

额外还应注意退款率情况和退款问题的分析。产品的中差评总结，从而找出问题做出调整。

店铺的分析大概需要以上这些内容，要学会自己去找数据，但是以上的一些数据生意参谋能提供，如果更深层次的数据还是要借助第三方工具来仔细的分析数据背后的奥秘。

目前市面上的很多第三方工具都可以提供数据服务，小编近期发现了一款高性价比的电商数据分析工具，今天我们就用“情报魔方”来演示一下如何做月报。

假如我们想做竞品TOP店铺的每月销售额，以及环比增长幅度的统计。我们可以用情报魔方来助你完成这个部分的数据整理，以便更好的了解对手。

首先我们打开情报魔方后台，点击店铺数据的部分，在销售趋势中我们选择月趋势，可以看到竞品店铺2018年11月的最新数据。以此类推，增幅是表格公式计算。

其次我们来整理竞品TOP店铺品牌成交主要类别，在【店铺数据-类别分析】中我们可以看到竞品店铺的类目销售占比饼图，以及店铺类目销售的明细。

因产品追溯历史数据是30天，所以运营小伙伴要每月定期做月报，数据会及时更新。

有的小伙伴会问，如果我想了解竞品店铺的每月分布到各宝贝的销售明细，怎么办?

别急，情报魔方提供了很详细的竞品店铺所有产品销售数据呢。

这样的话，我们就可以完美的留存竞品对手的所有数据!俗话说知己知彼百战百胜，只有在足够了解竞品的情况下，我们才能更好的作出战略的调整，爆款打造和做事情一样都需要数据和计划，如果你还没有学会用数据说话，那你就不会明白同样是做电商人为啥别人会做的那么好，学习和技巧是一方面，在数据细节上要下足功夫!小编祝各位商家在双12中大卖大卖!

本文来自/中国电影发行放映协会

国产影片TOP20

进口影片前5名依次为：神秘巨星、勇敢者游戏：决战丛林、星球大战：最后的绝地武士、移动迷宫3：死亡解药、奇迹男孩。

院线TOP20

影院TOP500

5月份以来，国内棉花价格相对稳定，外棉价格大幅下跌；中国、印度、越南棉纱价格均有所下跌，印度尼西亚棉纱价格小幅上涨，国内棉纱价格仍低于国外棉纱；国内棉纱与棉布产销率有所下降，储备棉成交率略有下降；新年度全球主要国家棉花普遍增产，供应充裕；国内外金融政策偏紧，国际大宗商品价格延续偏弱走势，棉花期货价格跌幅相对较小。

一、价格走势

（一）棉花价格

5月份以来，国内现货价格略有上涨，外棉中国主港报价下跌110元/吨，跌幅0.7%，但印、巴国内棉价小幅上涨；内外棉价差由319元/吨扩大至494元/吨；郑棉期货主力合约下跌385元/吨，跌幅2.41%;ICE棉花期货主力合约下6.08美分/磅，跌幅7.71%（表1、图1、图2、图3）。

（二）棉纱价格

5月份以来，国内棉纱价格小幅下跌，越南、印度尼西亚棉纱价格略有上涨，印度棉纱价格大幅下跌。总体上看，国外棉纱价格仍高于国内（表2、图4）。

（三）棉花、棉纱与涤短价差

5月份以来，国内棉花与涤短之间价差略有增加，环比增幅0.36%；与棉纱之间价差有所减小，环比减幅3.3% （表3、图5）。

二、供需状况

（一）全球棉花供需状况

美国农业部5月份发布的数据显示，2016/17年度，全球棉花产量有所调减，消费量和贸易量均较上月所调增，期末库存大幅调减；中国以外地区棉花产大于需151万吨，较上月减少6万吨（表4）。当月，美国农业部首次发布2017/18年度全球棉花产需预测数据，全球棉花产量同比大幅增加，中国以外地区棉花产大于需250万吨，较2016/17年度扩大99万吨。

（二）国内棉花供需状况

1、棉花供应

截至6月9日，全国累计加工皮棉503.7万吨，同比减少2.0万吨，加工率99.7%，其中新疆加工皮棉403.7万吨，加工率为99.7%；累计销售皮棉457.1万吨，同比减少38.6万吨，销售率82.1%，其中新疆销售皮棉367.1万吨，销售率为90%。

截至6月9日，累计计划出库202.06万吨，累计出库成交142.00万吨，成交率为70.28%；成交平均价格为14989元/吨，折3128价格16194元/吨，成交最高价16780元/吨，最低价12810元/吨，累计成交平均长度为28.2mm，累计成交708家。

2、棉花需求

截至6月8日，被抽样调查企业棉花平均库存使用天数约为30.7天（含到港进口棉数量），环比减少1.2天，全国棉花工业库存约65.2万吨，环比减少3.4%；准备采购原料的企业占77%，环比增加5个百分点；83%的抽样企业打算稳定配棉比，环比减少6个百分点；6%的企业打算降低配棉比，环比减少1个百分点；11%的企业打算加大配棉比，环比增加7个百分点；纱产销率为96.4%，环比下降0.4个百分点；库存为14.9天销售量，环比增加0.5天；布产销率为94.1 %，环比下降1.1个百分点；布库存为46.3天销售量，环比增加2.5天。

三、进出口贸易

（一）中国

1、棉花进口

2017年4月，中国进口棉花10.5万吨，较3月份减少1.6万吨（图6）；2016年9月-2017年4月，中国累计进口棉花77.9万吨，同比增加13.5万吨，主要进口来源为美国、印度、澳大利亚、乌兹别克斯坦和巴西，占比分别为48%、18%、11%、9%和5%（图7）。

2、棉纱进口

2017年4月，中国进口棉纱14.1万吨，较3月份减少3.1万吨（图8）; 2016年9月-2017年4月，中国累计进口棉纱133.6万吨，同比减少3.5万吨，主要进口来源为越南、印度、巴基斯坦、中国台湾和印度尼西亚，占比分别为33%、24%、18%、5%和5%（图9）。

3、服装出口

2017年4月，中国服装出口金额108.72亿美元，较3月份增加7.36亿美元（图10）；2016年9月-2017年4月，中国累计服装出口金额908.1亿美元，同比减少83.45亿美元，主要出口市场为欧洲（只包括欧盟及英国，下同）、美国和日本，占比分别为21%、20%和12%（图11）。

（二）美国

1、棉花出口

2017年4月，美国出口棉花35.6万吨，较3月份减少6.5万吨（图12）; 2016年9月-2017年4月，美国累计出口棉花225.8万吨，同比增加102.3万吨，出口目的地主要为越南、中国、印度尼西亚、土耳其、巴基斯坦、墨西哥、印度、泰国、韩国和孟加拉国，占比分别为19%、18%、10%、9%、7%、6%、5%、4%、4%和4%（图13）。

2、服装进口

2017年4月，美国服装进口金额29.57亿美元，较3月份减少0.21亿美元（图14）；2016年9月-2017年4月，美国累计服装进口金额278.22亿美元，同比减少12.04亿美元，主要进口来源为中国、越南、印度尼西亚、洪都拉斯、印度、萨尔瓦多、柬埔寨、墨西哥和孟加拉国，占比分别为32%、15%、5%、5%、4%、4%、4%、3%和3%（图15）。

（三）欧洲服装进口

2017年3月，欧洲服装进口金额35.73亿美元，较2017年2月份增加3.53亿美元（图16）；2016年9月-2017年3月，欧洲累计服装进口金额260.12亿美元，同比减少21.68亿美元，主要进口来源为中国、孟加拉国、土耳其、柬埔寨、印度、巴基斯坦和越南，占比分别为32%、22%、14%、6%、6%、3%和2%（图17）。

（四）日本服装进口

2017年4月，日本服装进口金额9.93亿美元，较3月份增加1.39亿美元（图18）；2016年9月-2017年4月，日本累计服装进口金额86.89亿美元，同比减少5.29亿美元，主要进口来源为中国、越南、孟加拉国、印度尼西亚、柬埔寨、泰国和意大利，占比分别为68%、11%、4%、3%、3%、3%和2%（图19）。

（五）印度

2017年3月，印度进口棉花2.3万吨，较2月份增加1.1万吨（图20）; 2016年9月-2017年3月，印度累计进口棉花29.7万吨，同比增加20.1万吨，主要进口来源为澳大利亚、美国、埃及和马里，占比分别为37%、30%、4%和3%（图21）。

、棉花出口

2017年3月，印度出口棉花11.8万吨，较2月份减少0.7万吨（图22）; 2016年9月-2017年3月，印度累计出口棉花73.3万吨，同比减少32.7万吨，主要出口目的地为孟加拉国、中国、巴基斯坦、越南、印度尼西亚和泰国，占比分别为39%、20%、16%、12%、6%和2%（图23）。

、棉纱出口

2017年3月，印度出口棉纱9.0万吨，较2月份减少1.3万吨（图24）; 2016年9月-2017年3月，印度累计出口棉纱76万吨，同比减少0.2万吨，主要出口目的地为中国、孟加拉国和巴基斯坦，占比分别为42%、14%和6%（图25）。

（六）澳大利亚棉花出口

2017年3月，澳大利亚出口棉花0.67万吨，较2月份减少0.06万吨（图26）; 2016年9月-2017年3月，澳大利亚累计出口棉花22.02万吨，同比减少2.61万吨，主要出口目的地为中国、越南、印度尼西亚、孟加拉国、泰国、印度、日本和巴基斯坦，占比分别为25%、17%、16%、10%、7%、4%和1%（图27）。

（七）巴西棉花出口

2017年4月，巴西出口棉花3.1万吨，较3月份减少0.1万吨（图28）; 2016年9月-2017年4月，巴西累计出口棉花49.8万吨，同比增加39.5万吨，主要出口目的地为印度尼西亚、韩国、越南、土耳其、孟加拉国、中国、马来西亚、巴基斯坦和泰国，占比分别为21%、14%、13%、13%、9%、7%、6%、6%和4%（图29）。

四、宏观经济

（一）全球主要经济体经济运行总体情况

2017年5月，全球主要经济体PMI总体上略有上涨，中国环比持平，美国、日本和欧元区环比略有上涨（图30）。

（二）国内金融市场情况

2017年6月5日，上海银行间同业隔夜拆放利率2.82，环比上涨0.02，同比上涨0.82（图31）；美元对人民币汇率中间价6.7935，环比下跌0.14%，同比上涨3.72%（图32）。

（三）全球大宗商品价格走势

2017年5月31日，CRB指数（7307）收盘价179.77，环比下跌1.08%（图33）。

做好数据分析需要考虑三个问题，数据从哪来，数据到哪去，数据怎么去？今天我们来讲讲数据怎么去的问题，也就是数据分析步骤。

一、定义

“勿忘初心，方得始终”，做数据分析前要想好针对的问题是什么，想通过数据分析解决什么问题，数据分析的结果能帮助你达到什么目的，对现阶段你的产品有何实际的意义。

基于分析目的确定分析范围。比如你想分析用户流失原因，你分析的范围就是流失的用户，你不能去分析新增的用户，再比如电商类产品，你想对高价值用户进行分析，那么什么是高价值用户，那么你可能确定范围：“xx年xx月xx号-xx年xx月xx号，购买次数5次以上，总金额在3000元以上的用户”，这些都是我们在数据分析之前需要确定的，只有范围确定清楚了，分析的数据才具有指导意义。

规划分析的进度和质量。比如说你要做数据的采集，你就需要考虑清楚用什么样的技术手段采集数据，用什么样的方法进行分析，然后这个过程中产生的误差多大范围内是可接受的，或者是自身有了预判，我知道这种数据分析方式会带来什么样的影响，对最后的结论带来多少干扰。

二、测量

测量包含收集获取数据和数据预处理。

收集获取数据。是用问卷的方式定量分析？还是从服务器调取日志进行分析...，这些都是数据的来源

预处理：比如说做调查问卷，对于回收来的问卷我们需要判断哪些数据是有效的，哪些数据是无效的，比如调查问卷共15道题，用户就答了一道题，这个就属于无效问卷，需要剔除出去，这个时候他的数据是不完整的，放进去反而会影响最终的数据结果。同样对数据库的数据也需要预处理，比如说你想统计新增用户，但是来了很多羊毛党用户，这部分用户对你是没有价值的，也需要处理掉。预处理的好坏，直接决定数据分析结果的质量。

三、分析

分析包含对数据的统计描述和针对问题的归纳和总结。

数据的统计描述。统计是对数据的定量分析，描述是对数据的定性分析，就是对你的数据进行定性和定量的客观性描述。

问题的归纳总结。这个是最重要的，也就是拿出我们的结论，数据本身没有价值，数据分析的结果才有价值。

四、改进

改进就是找到问题的解决方案和降低负面影响。

给出解决方案。比如最近产品用户流失比较厉害，你通过调查问卷和用户访谈了解用户流失原因，当得到分析结果以后，你需要给出解决方案。是你的体验没做好，还是竞争对手挖墙脚，亦或是你的商品价格提高了...这些都是原因，找到主要原因，给出专业的解决方案，老板要的是方案，不关心你分析的过程。

降低负面影响。比如电商的购物流程，浏览商品--》加入购物车--》下单--》支付--》完成购买，你通过漏斗模型分析，发现从加入购物车到下单流失很多，你通过数据分析发现流失的原因是设计上的问题，那么就可以重新优化设计方案，降低负面影响。

五、控制

数据分析是一个持续性的过程，所以需要持续的跟踪反馈，比如做数据的日报、周报、月报，它是一个非常持久的工作，而且数据分析的结果发出去以后，不同的人可能会有不同的看法，那么我们产品经理就需要收集不同的观点。

更新迭代。更新迭代是我们产品经理的一份重要的工作内容，不论是功能上的更新迭代，还是数据上的更新迭代。有的人可能说为什么要做数据上的跟踪迭代呢？因为数据具有时效性，我们分析的往往是一个时间段内的数据，数据会随着时间的推移发生变化，根据这些变化，我们需要做一轮新的数据分析。

出品 | 新元--ACG数据中心

编辑 | 蓝

平台概述与分析

（一）有妖气平台

1.新增作品点击量和评论量分析

数据统计结果显示，10月份有妖气平台魔幻、少年、动作类型新增作品点击量排名前三，点击量占比分别为28%、24%、21%，少女、恋爱类型次之，点击量占比为9%、7%。

数据统计结果显示，有妖气平台中魔幻、少年、动作三种类型新增作品评论量排名前三，分别占比26%、25%、22%，新增作品评论量2547、2458、2133。

2.更新作品点击量和评论量分析

数据统计结果显示，少年类型在有妖气平台更新作品点击量中排名第一，点击量为2825亿，占比为23%，动作、魔幻类型分别排名第二、第三，点击量分别为2055亿、1961亿。

数据统计结果显示，有妖气平台少年、魔幻、少女类型更新作品评论量排名前三，评论量分别为2330万、1886万、1738万。

（二）动漫之家平台

1.平台新增作品点击量和评论量分析

数据统计结果显示，热血、奇幻、搞笑类型在动漫之家平台新增作品点击量中排名前三，点击量占比分别为16%、11%、10%，此三种类型的点击量占比共达到平台37%的份额。

数据统计结果显示，动漫之家新增作品评论量中搞笑、热血、奇幻类型排名前三，评论量分别为1976、1646、1632。

2.更新作品点击量和评论量分析

数据统计结果显示，动漫之家平台更新作品点击量排名前三的类型为悬疑、冒险、恐怖，点击量分别为243亿、199亿、192亿，占比为15%、12%、12%。

数据统计结果显示，动漫之家平台搞笑类型更新作品评论量位列第一，仙侠、颜艺类型紧随其后，评论量占比分别为20%、12%、11%，三种类型共占平台43%的份额。

市场概述与分析

（一）新增作品分析

1.市场新增作品数量

数据统计显示，41周新增作品数量最多，新增作品106部，40周新增作品数量最少，新增作品406部。

数据统计显示，有妖气以336部新增作品蝉联新增作品排行榜的榜首位置，网易、腾讯新增作品数量紧随其后，分别新增74部、65部。

2.市场新增作品点击量

数据统计显示，10月市场不同周次新增作品点击量在后三周呈下降趋势，在第41周，新增作品点击量突破400万。

数据统计显示，有妖气10月新增作品点击量最高，新增作品点击量为355亿，遥遥领先于其余平台。

3.市场新增作品评论量

数据统计显示，10月第40周新增作品评论量最高，评论量为2548个，43周的新增作品评论量最低，为0个。

数据统计显示，10月市场动漫屋、动漫之家、有妖气新增作品评论量排名前三，评论量占比分别为43%、32%、17%。

（二）更新作品分析

1.市场更新作品数量

数据统计显示，10月市场43周更新作品数量最高，为1733部，40周更新作品数量最低，更新1303部作品。

数据统计显示，腾讯以727部更新作品蝉联更新作品排行榜的榜首位置，有妖气次之，月更新作品650部。

2.市场更新作品点击量

数据统计显示，10月市场更新作品点击量在41周达到峰值，点击量为546亿，第40周更新作品点击量最低，为403亿。

数据统计显示，10月更新作品点击量有妖气、微漫画、动漫之家三个平台排名前三，点击量占比分别为66%、19%、12%。

3.市场更新作品评论量

数据统计显示，第43周更新作品评论量最大，为988万个，40周更新作品评论量最小，为543万个，整体来看，10月市场不同周次更新作品评论量呈上升趋势。

数据统计显示，10月有妖气平台更新作品评论量占比45%，位列第一名，动漫之家、动漫屋、网易紧随其后，分别占比37%、10%、7%。

排行榜

（一）漫画作品全网排行榜

1.月点击量排行榜

2.累计点击量排行榜

（二）10月新增作品排行榜

1.10月新增作品点击量排行榜

第六届“中国文化产业资本大会”现已启动

12月22日-23日，期待您的参与！

刘朝晨

信中利资本董事总经理/高级合伙人

已确定出席第六届中国文化产业资本大会

麻辣娱投定位于“中国文娱CEO资讯”自媒体。每年专访100+行业大咖，报道200+创业公司，发布1000+专业文章，覆盖10万+粉丝。已入驻头条号、百家号、一点号、搜狐号、大鱼号、网易、微博等平台，敬请关注！

文 │ 漫叔

一、 各漫画平台数据概况

1、腾讯动漫数据概况

8月腾讯动漫TOP10的榜单中，在榜漫画的月评论数均超过1万条，《妖怪名单》以2.1万条月评论数位列第一位；人气方面，《通灵妃》以18亿的人气月增量高居榜首。

在8月腾讯动漫最快上升TOP10的榜单中，位列前三甲的分别是《驭灵师》、《贺少的闪婚暖妻》和《小绿和小蓝》。

近5个月内腾讯动漫的月评论数趋势图中，该平台在7、8月的月评论数都超过了百万级，其中在8月份的月评论数最高，为110万条；4、5、6月份的月评论数都在50万条-80万条左右。

2、快看漫画数据概况

8月快看漫画榜单中，《怦然心动》以67.6万条评论数位列第一；与此同时，该漫画在人气方面也以24.7亿的人气月增量排在了8月人气榜单中的第一位。

8月快看漫画平台最快上升TOP10的榜单中，漫画《别闹！我想静静......》排在榜首，8月评论数较7月增长了4.3万条，增幅557%；排在第二位的是漫画《狼的谎言》，8月评论数较7月增长了2.5万条。

快看漫画平台在近两个月的月评论数猛增，分别为548.01万和580.96万，与腾讯动漫、网易漫画和漫漫漫画平台相比暑期效应更加明显。该平台的主要受众群体可能是年轻人群。

3、网易漫画数据概况

8月网易漫画的榜单中，《太子得了失心疯》以1.9万条月评论数位列第一位；人气方面，排在第一位的是《我在后宫当巨巨》，人气月增量为1.2亿。

8月网易漫画平台最快上升TOP5的榜单中，排在第一位的是《街球江湖》，月评论数较7月增长7467条，增幅2575%。

网易漫画平台在近5个月的评论数趋势图中，该平台的月评论数在8月份达到最高，为21万。此外，网易漫画平台在7月的月评论数明显低于6、8月份的月评论数，这可能与部分作品被下架有关。

4、漫漫漫画数据概况

8月漫漫漫画平台的榜单中，《两不疑》以4210万的人气月增量排在榜单中的第一位；评论数方面，位列前三甲的分别是《男装店与“公主殿下”》、《虎王供养日记》和《隐藏的心》。

8月漫漫漫画最快上升 TOP3的榜单中，位列第一的是《男装店与“公主殿下”》，月评论数较7月增加了3513条，增幅121%；排在榜单中的第二位的是漫画《喂，看见耳朵啦》，月评论数较7月增长了1241条，增幅197%。

从漫漫漫画平台4月-8月的评论数趋势图中可以看出，该漫画平台的月评论数呈明显的U型增长。其中4月份的月评论数最高，为4.13万条。

二、暑期动态漫画表现

暑期新上动态漫画13部，其中排在第一位的是《先婚后宠小娇妻之总裁花式宠妻 第1季》，上映至今（8月31日）累计播放量为5853万，远超其他作品。

8月播放量增量统计区间为2018.8.1--2018.8.31

在动态漫画弹幕量的榜单中，位列第一的是《我在皇宫当巨巨》，累计弹幕近4万条。

8月弹幕增量统计区间为2018.8.1--2018.8.31

三、暑期漫画改动画作品数据概况

暑期漫改动画共有6部，排在第1位的是5月30日上映的《幻界王》，截止到8月31日，累计播放量超过2亿，最高单日播放量为7530万；动画《西行纪》以2亿2840万的累计播放量位列第2，此外，该动画在豆瓣上的评分为8.3。

《西行纪》

漫画《西行纪》（原名《西游》）主要讲述了师徒四人在西游取经结束后发生的故事。这部颠覆经典的西游类漫画自连载以来，漫画总收藏数为148万，全网收藏数历史最高排名位列第28名。

漫改动画《西行纪》于7月18日在腾讯视频独家放映。截止到8月31日，累计播放量为2.4亿，最高单集播放量超过了3600万，登骨朵前三甲14次。

自动画《西行纪》上映以来，对其原版漫画有明显的带动作用，单日收藏数全网排名从424名上升最高至96名。

四、 8月漫画改真人项目

《快把我哥带走》

漫画家姐妹档幽·灵的人气作品《快把我哥带走》于2016年1月25日连载于快看漫画和动漫之家。在院线电影、动画、以及网番同时存在的情况下，该漫画在快看漫画平台上的热度超过41亿，点赞量近6000万，漫画总评论数超过110万，30天的评论数全网排名位列第20位。

漫画总收藏数超过680万，30天内收藏数全网排名在8月17日影片上映的当天达到最高，为第4位。

影版《快把我哥带走》在上映当天的票房就将近5000万，截止到8月31日，累计票房突破3亿，豆瓣评分为7.0分。

自影片上映以来，漫画《快把我哥带走》的评论排名呈明显上升的趋势，在近30天内单日评论数的全网排名从24名上升最高至第3名。

五、8月重点漫画介绍

驭灵师

由武汉时代漫王科技有限公司出品的原创漫画《驭灵师》于2016年 4月29日开始更新于腾讯动漫、快看漫画等动漫网络平台。该漫画在8月腾讯动漫最快上升TOP10的榜单中位列榜首，较7月评论增量为1.5万条，增幅300.7%。

截止到8月31日，该漫画已经更新至243话，累计评论数13.9万条，在近30天的评论数全网排名位列第55位；

该漫画的日评论数在8月11日达到最高，为第10名。

我在皇宫当巨巨

古风恋爱漫画《我在皇宫当巨巨》在网易漫画独家连载，其同名改编动态漫画于2018年6月11日全网上映。截止到8月31日，累计播放量为3.8千万。并且，在动态漫画弹幕量的榜单中，《我在皇宫当巨巨》以近4万条弹幕的成绩位列第一，该动画的8月弹幕增量近2万条。

自连载以来，该漫画已更新至第58话，网易平台内热度为6.6亿，截止到8月31日，累计总评论数近7万，近30天内评论数全网历史最高排名为第30名。

喂，看见耳朵啦

治愈系日常泡面番《喂，看见耳朵啦》于2015年3月1日连载于漫漫漫画平台。并且由该漫画改编的同名动画于8月25日在B站独家放映，该动画为漫漫漫画平台改编的第一部动画作品。

自动画上映以来，该漫画近30天的日评论数全网排名呈现出明显上升的趋势，并在8月26日达到最高，位列第87名。截止到8月31日，该漫画的平台内热度为4.2亿，总评论数为7.9万条。

别闹！我想静静.......

漫画《别闹！我想静静.......》于2016年8月12日在快看漫画平台连载。第一季漫画于2018年5月18日完结。第二季漫画于本月3日拉开序幕，截止到8月31日，该漫画第二季已更新至第5话，平台内热度为23亿，近30天评论数全网排名第40名。

漫画上线至今（8月31日），总评论数近50万，8月24日的单日评论数全网排名位列第9位。

4月份以来，国内棉花价格依然较为稳定，外棉价格有所上涨，内外棉价差进一步缩小；印度棉纱大幅下跌，价格已十分接近越南和印度尼西亚棉纱，但仍明显高于中国国内棉纱；国内纺织企业产销率仍保持较高水平，购棉意向有所增强，储备棉出口成交相对稳定；国内外金融政策依然偏紧，国际大宗商品走势总体偏弱，但棉花期货价格相对坚挺。

一、价格走势

（一）棉花价格

4月份以来，国内现货价格基本平稳，国外现货价格上涨233元/吨，涨幅0.19%，但印度棉价格略有下跌；内外棉价差由522元/吨缩小至319元/吨；郑棉期货主力合约上涨555元/吨，涨幅3.61%;ICE棉花期货主力合约上涨1.54美分/磅，涨幅1.99%（表1、图1、图2、图3）。

（二）棉纱价格

4月份以来，国内棉纱价格有所下跌，越南、印度尼西亚棉纱价格相对坚挺，印度棉纱价格大幅下跌。总体上看，国外棉纱价格仍高于国内（表2、图4）。

（三）棉花、棉纱与涤短价差

4月份以来，国内棉花与涤短之间价差略有增加，环比增幅0.78%；与棉纱之间价差也有所减小，环比减幅3.31%（表3、图5）。

二、供需状况

（一）全球棉花供需状况

美国农业部4月份发布的数据显示，2016/17年度，全球棉花期初库存较上月略有调减，产量、贸易量和期末库存均较上月有所调增；中国以外地区棉花期初库存略有调增，产量、消费量、贸易量和期末库存均有所调减，棉花产大于需157万吨，较上月增加3万吨（表4）。

数据来源：美国农业部

（二）国内棉花供需状况

、棉花供应

截至4月28日，累计加工皮棉501.9万吨，同比增加6.0万吨，加工率98.9%，其中新疆加工皮棉403.5万吨，加工率为99.6%；全国累计销售皮棉416.6万吨，同比减少18.8万吨，销售率82.1%，其中新疆销售皮棉335.9万吨，销售率为82.9%。

截至5月2日，2017年储备棉累计计划出库121.34万吨，成交89.15万吨，成交率为73.47%；成交最高价16500元/吨，最低价12810元/吨，折3128价格16263元/吨，成交平均价格为14868元/吨，累计成交平均长度为28.2mm，累计成交651家。

、棉花需求

截至4月10日，被抽样调查企业棉花平均库存使用天数约为32.9天（含到港进口棉数量），环比增加2.6天，全国棉花工业库存约68.9万吨，环比增加6.9%；准备采购原料的企业占72%，环比提高2个百分点；85%的抽样企业打算稳定配棉比，环比下降8个百分点；5%的企业打算降低配棉比，环比增加2个百分点；10%的企业打算加大配棉比，环比提高6个百分点；纱产销率为100.1%，环比下降2.1个百分点；库存为13天销售量，环比增加0.8天；布产销率为102%，环比下降1.9个百分点；布库存为37.5天销售量，环比减少3.3天。

三、进出口贸易

（一）中国

、棉花进口

2017年3月，中国进口棉花12.1万吨，较2月份减少1.7万吨（图6）；2016年9月-2017年3月，中国累计进口棉花67.4万吨，同比增加10万吨，主要进口来源为美国、印度、澳大利亚、乌兹别克斯坦和巴西，占比分别为45%、20%、12%、9%和5%（图7）。

图中国棉花进口量年度分国别累计统计图（单位：吨，下同）

、棉纱进口

2017年3月，中国进口棉纱17.2万吨，较2月份减少0.1万吨（图8）;2016年9月-2017年3月，中国累计进口棉纱119.5万吨，同比减少1万吨，主要进口来源为越南、印度、巴基斯坦、中国台湾和印度尼西亚，占比分别为32%、28%、18%、5%和5%（图9）。

、服装出口

2017年3月，中国服装出口金额101.36亿美元，较2月份增加42.35亿美元（图10）；2016年9月-2017年3月，中国累计服装出口金额799.38亿美元，同比减少88.57亿美元，主要出口市场为欧洲（只包括欧盟及英国，下同）、美国和日本，占比分别为22%、20%和11%（图11）。

（二）美国

、棉花出口

2017年3月，美国出口棉花42.1万吨，较2月份增加4.4万吨（图12）;2016年9月-2017年3月，美国累计出口棉花190.3万吨，同比增加90.4万吨，出口目的地主要为越南、中国、印度尼西亚、土耳其、墨西哥、巴基斯坦、印度、泰国、韩国和孟加拉国，占比分别为20%、19%、10%、9%、7%、7%、5%、4%、4%和3%（图13）。

、服装进口

2017年3月，美国服装进口金额29.78亿美元，较2月份减少1.33亿美元（图14）；2016年9月-3月，美国累计服装进口金额248.65亿美元，同比减少12.29亿美元，主要进口来源为中国、越南、印度尼西亚、洪都拉斯、印度、萨尔瓦多、柬埔寨、墨西哥和孟加拉国，占比分别为33%、15%、5%、5%、4%、4%、3%、3%和3%（图15）。

（三）欧洲服装进口

2017年2月，欧洲服装进口金额32.2亿美元，较2017年1月份减少6.87亿美元（图16）；2016年9月-2017年2月，欧洲累计服装进口金额224.39亿美元，同比减少15.5亿美元，主要进口来源为中国、孟加拉国、土耳其、柬埔寨、印度、巴基斯坦和越南，占比分别为34%、21%、13%、6%、6%、3%和2%（图17）。

（四）日本服装进口

2017年3月，日本服装进口金额11.32亿美元，较2月份增加3.56亿美元（图18）；2016年9月-2017年3月，日本累计服装进口金额76.96亿美元，同比减少5.17亿美元，主要进口来源为中国、越南、孟加拉国、印度尼西亚、柬埔寨、泰国和意大利，占比分别为68%、11%、4%、3%、3%、3%和2%（图19）。

（五）印度

2017年2月，印度进口棉花1.2万吨，较1月份略有增加（图20）;2016年9月-2017年2月，印度累计进口棉花27.4万吨，同比增加19.4万吨，主要进口来源为澳大利亚、美国、埃及和马里，占比分别为40%、28%、4%和3%（图21）。

2017年2月，印度出口棉花12.5万吨，较1月份减少5.2万吨（图22）;2016年9月-2017年2月，印度累计出口棉花61.5万吨，同比减少34.9万吨，主要出口目的地为孟加拉国、中国、巴基斯坦、越南、印度尼西亚和泰国，占比分别为37%、22%、15%、13%、6%和2%（图23）。

、棉纱出口

2017年2月，印度出口棉纱10.4万吨，较1月份减少2.9万吨（图24）;2016年9月-2017年2月，印度累计出口棉纱67.1万吨，同比减少2.3万吨，主要出口目的地为中国、孟加拉国和巴基斯坦，占比分别为45%、13%和6%（图25）。

（六）澳大利亚棉花出口

2017年3月，澳大利亚出口棉花0.67万吨，较2月份减少0.06万吨（图26）;2016年9月-2017年3月，澳大利亚累计出口棉花22.02万吨，同比减少2.61万吨，主要出口目的地为中国、越南、印度尼西亚、孟加拉国、泰国、印度、日本和巴基斯坦，占比分别为25%、17%、16%、10%、7%、4%和1%（图27）。

（七）巴西棉花出口

2017年3月，巴西出口棉花3.2万吨，较2月份增加0.9万吨（图28）;2016年9月-2017年3月，巴西累计出口棉花52.3万吨，同比增加31.2万吨，主要出口目的地为印度尼西亚、韩国、越南、土耳其、孟加拉国、中国、马来西亚、巴基斯坦和泰国，占比分别为20%、15%、13%、11%、9%、8%、7%、6%和4%（图29）。

四、宏观经济

（一）全球主要经济体经济运行总体情况

2017年4月，全球主要经济体PMI总体保持平稳，其中中国和欧元区环比略有下跌，美国和日本环比略有上涨（图30）。

（二）国内金融市场情况

2017年5月3日，上海银行间同业隔夜拆放利率2.85，环比上涨0.03，同比上涨0.85（图31）；美元对人民币汇率中间价6.8931，环比下跌0.0062，跌幅0.09%，同比下跌0.1023，跌幅1.57%（图32）。

（三）全球大宗商品价格走势

2017年4月28日，CRB指数（7307）收盘价181.73，环比下跌4.15，跌幅2.23%（图33）。

编者按：这是一篇介绍如何制作图表的文章，作者是Amazon战略规划部的第一位分析师Eugene Wei（后来还担任过Flipboard、Hulu的产品负责人，Oculus的视频负责人），原文标题叫做《Remove the legend to become one》，意思是删掉图例成为传奇，因为在英语里面legend有图例和传奇的意思。简单来说，这篇文章介绍了一段经历，一套经验和一本宝书。是一篇告诉我们如何制作出好看的图表，更重要的是如何通过知识追求真相的非常实用的文章。

第一部分：经历

我的第一份工作是在Amazon开始的，在战略规划部当第一名分析师，接手做Analytics Package的工作。特意大写是因为这既是一项严肃的工具能让我们的业务明晰，也是因为其月复一月的制作工作统治了我整整1年多的生活。

1997年那时候，分析甚至还不是一个真正的词。我知道是因为试过找术语，希望澄清我要做的东西，但却找不到，字典里没有，互联网上也没有。回想起你刚开始成规模地使用互联网之时一般搜索引擎返回的结果数之少你就会意识到自己已经老了。那时候智慧还隐藏在新闻组，Yahoo还要靠手工去组织web目录，而很多的Google搜索返回结果寥寥无几。那时候如果俄罗斯人想要干涉选举的话，他们可能会植入一些故事到rec.artsics里面然后挑拨几个极客，但也就只能这样了。

尽管他找不到那词的定义，但是猜它是什么并不难。分析的某种名词形式。不仅如此，Analytics Package本身已经不言自明。真的。它会附带一页纸的附言，总是有一段简短的序言阐明目的，然后再跳到一段内附信息的文字摘要，形式跟论文摘要差不多，或者一封致股东信。我想贝索斯多年后创立的著名的公司政策，也就是支持写文章禁止PPT的做法，也许在那时候的Analytics Package附言那里找到一些起源。它们的启发是一样的：如果你没法用书面语言解释清楚某个东西的话，你自己是不是已经真正理解了呢？

我的面试流程最后一环用了1个小时，面试官是当时招聘的负责人Ryan Sawyer。经历了几乎包括所有资深高管以及贝索斯和Joy Covey等我这辈子预见的最出色的人的重重挑战之后，我以为最后这一道免不了的HR面试关不过是走走形式罢了。但那时候Ryan让我用他能够理解的方式解释一个我能理解的最复杂的东西。权当是给我的工作热热身。

Analytics Package都包含有什么，以至于需要书面解释？图表，一页页的图表，有关Amazon业务方方面面的图表。收入、时评、营销、运营、客服、人员编制、G&A、客户感知、市场渗透率、客户生命周期价值、存货周转率。通常一页纸4张图，横向布局。

Package这个词似乎有点累赘如果Analytics本身是名词的话。但如果你见过其中一个的话，你就会知道它为什么叫做Package。1997年我到Amazon时，Analytics Package大概是30到50页纸的图表。1年后，我转做产品管理时，它已经膨胀到100页了，此外我还在做一份有关客户订单趋势的不行报告。Analytics也许是指可交付的分析或者分析的实践，但Analytics Package在分量上就像电话簿，或者Restoration Hardware五金公司的目录。

那时候公司还没有把精力集中到开发内部仪表盘和分析工具上面，所以Analytics Package是用我们今天标准看来根本不入流的东西做的。我手工把数据录入Excel表，生成图表，调整布局，然后再打印成册。

这整件事最糟糕的部分之一是搞正确页码。Analytics Package背后是整整一个目录的链接电子表格。由于不同的图表来自不同的工作簿，我必须把整个Analytics Package都打印出来，排好序，然后再通过某个晦涩的打印设置菜单手工插入页码。总之，确保分页按照预期就像是拆除炸弹一样。

时至今日，公司都是平板电视挂在墙上，24/7不间断地展示着各种图表。其中大多数都不为人所关注。随时保持透明度的主旨没有错，但对人性的理解不是。我们无视那些随时可见的东西。然而，如果一个月一次把一大摞图表扔到你桌面，再加上概括结果的一封附言，并且如果CEO和你的同事都会在同一天收到同一份报告，同事报告里面该包含有你那部分业务的运营情况的话，你一定会留意的，就像任何人都会注意看一本有关自己公司的书的索引有没有提到自己一样。仪式很重要。

报告会发给全公司的资深经理。一开始资深的定义是根据职级，但就像职场大部分事情的走势一样，谁又被增加到分发表里面变成了一个月度竞争的来源。有人可能怀疑这是我的想法，因为分发表是我来制订的，但其实我关心这个是因为每个月我都得打印和复印纸质版。

现在我已经很少使用复印机了，但那一年我使用的次数比我之前和之后所有日子加起来的使用次数都要多，所以我可以相当自信地说这些机器是人类有史以来制造的最不牢靠的机器之一。

这是一场游戏，其唯一的目标是减少痛苦。一百份一百页的文档。机器复印到一定时候就会坏掉。过了一段时间就会卡纸。墨盒会没墨了。你一次愿意冒险复印多少份？太少你得再次重复设置过程。太多可能会有中间出错的风险，而这又会演变成一系列更为复杂的任务，比如只复印剩下还没复印的然后跟之前已经完成的合并。（如果你在想我为什么要手工插入页码的话，这不仅是为了方便引用特定图表，也是为了在复印机坏掉时找出哪一份资料的哪一页缺失了）

当然你也可以在清理卡纸之后恢复打印，但实际上这从来都没有见效过。以后我知道了，像这种量级的卡纸实际上是复印机永远也无法恢复的。

我变成了精通总部所有复印机情况的大师。我知道哪些复印机能够承担这一繁重的任务，了解每一台的可靠程度。对每一台机器可靠性的波动情况，使用情况以及上一次维修时间都了如指掌。由于我通常每天都加班到很晚，我会把大规模的复印任务留到最后，因为那时候整栋大楼的复印机都可以供我差遣。

有时候我光听复印机内部的复印鼓和引擎声就能觉察要卡纸了。有问题的机器会呼哧呼哧作响，就像烟鬼一样，有时候我会在复印机为我服务时把手放在机器上，就像医者把手放在病人身上一样。我会自称为复印机私语者，不过当我处理它们时总是会连声咒骂，从来没有窃窃过。后来在分析师任期末时，我得到一笔预算去招个临时工帮我完成每个月的打印工作，因为都忍受过那种永远也做不完的劳力之苦，我们至今仍有联系。

我的另一个痛苦来源是另一个工具的极度脆弱性：Excel 97的链接表格。直到今天我仍然是Excel的拥趸，Excel是微软Office套件最棒的工具了，而且如果你从事的是严肃的工作的话，仍然是地球上最顶级的电子表格工具。然而，我永远也无法忘记Excel 97的链接工作簿噩梦，一个理论上似乎很有前景的想法但实际工作起来却完全不是一回事。

为什么不干脆做到一个巨大的工作簿里面去呢？不同的部门必须针对不同的图表提交数据，那时候让多个人同时处理同一份Excel表格简直就是一团糟。找出谁的变更卡住了，整个比较的过程，这些都是难以为继的。所以我给不同的部门都建立了Excel工作簿。其中一些数据我会自己收集手工输入，而有的部门有年轻一点的员工，也有时间和资金去输入和维护自己组织的数据。

哪怕是这个过程很多地方也会出错。当我试图竖起护栏保留链接所有工作簿的公式时，从单元格保护到字体加粗到条件格式标明可编辑单元格等等，到了一般用户手里之后就没有一个电子表格可以幸存的。有人会在这里插入一行，那里插入一列或者误删了一个公式。某月，一个用户可能会改了一个工作表的名字，或者按季度增加此前从未出现过的摘要列。突然之间一堆的#ERROR出现在各个地方的单元格上，或者如果你不走运的话，数字还在，但却是错误的而你并没有意识到。

因此每个月有一部分时间都是用来检查每一张电子表格以及修补出问题的链接和指针，重新建立图表已经丢失的表格链接，或者更阴险的隐患，那些表格链接对了但表格区域链接错误的情况。

但哪怕这些都做完了，有时候表格计算也会出问题。这是注定的。电子表格的原理就是这样，唯一的错误只能是用户错误。我的主工作簿的一个单元格会指向另一个工作簿的单元格。它们的值应该是一致的。但是，当我打开两个工作簿时，一个现实1345另一个却显示1298。强制所有单元格重算的按键是F9。我已经反复按了。有时候重算能行。有时候不行。有时候我会试一下Ctrl - Alt - Shift - F9。有时候我只能祈祷。

我工作中唯一哭过一次，那是在一天很晚的时候，我妈刚刚因癌症去世了，我左腿又因为刚做了ACL/MCL疝气手术打了石膏，当我无法理解为什么我的工作簿核不平，有那么一刻我的意志力崩溃了，决定投降了。这不是循环引用，这个我知道只要我穷究下去是可以解决的，或者至少如果是工作簿内的循环引用的话是最终还是可以解决的。不，Excel 97链接工作簿这个固有的脆弱是一个不信神的程序里面的一个随机缺陷，我的感觉仿佛自己就是整个宇宙当中最遭天谴的那个倒霉蛋。

我想要离开办公室，但是我太累了拄着拐杖走不了太远。那个时候周围已经没有一个人。我把计算机和灯都关了，一头趴在在桌子上，直到那一刻缓了过去。然后我重启计算机，打开两个工作簿，然后看着有问题的两个单元格。它们还是不一致。我按了一下F9。这次匹配了。

大多数时候，在深夜我完成了所有Analytics Package的复印，然后用小，然后是中，最后是大的装订夹把材料夹到一起时，我会把大部分的复印册捧在手上，一册册放到每一位接收人的办公桌上。从我的办公桌出发到一个个办公室串门是一次受欢迎的休息，也许可以停下来跟某位还在熬夜的同事聊上几句。我感觉就像是个按照固定路线送报的，而且往往都在同一个时间起床。

尽管Analytics Package留给了我那么多痛苦回忆，但我仍视之为我职业生涯当中对我影响极大的经历之一。在做报告的过程中，我感觉我们企业的整个组织都摆在了我的面前，它的复杂性和内在工作变得一目了然。同样地，我想象程序员把数据表变成3D图表的数据可视化流程，我能够跟踪从客户想买书到一美元是如何在我们企业内部流动的整个过程。我清楚每一位员工的薪水，从分销商到我们仓库，从货架到传送带，然后打包，搬上运输车，我清楚每一笔订单的时间成本。我能够像职业赌徒算牌一样预测出每100订单会有百分之多少的客户向我们投诉，并且其中有百分之多少属于哪一类型的问题。

我知道，如果我们每月能获得一位客户的话，下个月有多少他的家人朋友会通过口口相传成为新客户。我知道如果1998年1月100客户完成了第一笔订单的话，其中会有多少比例的人2月、3月、等等还会再次下单，以及每一笔订单的平均金额是多少。随着我们的发展，以及随着我们影响力的提升，我可以看出跟出版商和分销商谈判更长的应付周转天数对我们现金流的影响，也能看到每次我谈成了更好的列表价折扣之后我们的毛利都会逐步攀升。

生活在高频交易和正态分布的领域，一个大数定律占主导的领域是多么舒服啊！每个月观察人们购书（以及后来的CD和DVD）的一致性和可预测性就像是在显微镜底下识别自然界的一些晶体结构一样。我不羡慕Snapchat或者Twitter或者Pinterest这样的公司，上市或有朝一日可能上市的社交网络，或者那些从事社交网络业务的公司，当他们的网络那么大但仍然那么的不稳定（收入流就更加了）时他们得设法管理好投资者的期望。社交网络的指数性增长当然很有趣，但如果你是Twitter每个季度都要努力向投资者解释为什么你又没有达到目标时就很无趣了，当你要假装知道一个季度后收入情况会怎样，且不说2、3个季度后的情况时，事情就没那么有趣了。

在Amazon，我能够卡出我们下个月甚至更远的未来的收入是多少，误差只有几个百分点的精度。唯一需要做出的决定是我们打算告诉华尔街我们的预测数字是多少。那时候，我们总是低估我们的收入（underpromise），因为我们知道结果会超出预期（overdeliver），唯一的问题是我们应该预测多少收入并且仍然在下一次财报会上给大家带来惊喜，并且这种惊喜是可靠的。

我们对自身业务的了解深度继续超过了我服务过的任何公司。这很大程度上要归功于贝索斯对详细程度的要求。没人能像最高领导人那样对责任设定标准。大部分功劳要算到Joy和我的经理Keith头上，是他们让Analytics Package成为了战略规划部门最核心的任务之一。Keith把我推给了Tufte改变了一切。还有更大的功劳属于所有那些帮助收集业务各方面晦涩难懂的数据的人，那些负责本部门相关职责的同事，其中很多人都针对自身领域建立了自己的模型，并定期对其进行维护和更新，因为他们知道每个月我都会过来敲门给他们出难题。

我相信这一点，因为Joy跟几乎每一条块的运营者一样了解我们业务的每一部分或者甚至更加了解，她是少有的几个既能防守又能主动出击的CFO之一。我见过的几乎每一位CFO做法都是老一套；总是严厉控制开支，采取财务保守主义，对任何大胆的财务事项投以怀疑的眼光。这些Joy做得可以比下一任更好，但在位时她会敦促我们多花点钱，其热...

月度人事报表对HR来说是非常头疼的一件事，尤其是用EXCEL来统计数据的人员，很多人每月要花费不少时间来统计数据，今天教大家如何快速的统计人事月报数据，因各公司需求不同，以员工结构数据为例。

人事月报数据如下：

具体操作步骤如下：

在"插入"选项卡，点击"现有连接"，弹出的窗口中点击"浏览更多"。

在员工信息表存放的位置点击“打开”。

出现的窗口中直接点击“确定”

然后在弹出的窗口中选择“数据透视表”和“新工作表”，点击“属性”。

在“连接属性”窗口中，选择“定义”标签，在“命令文本”的文本框中输入代码：

select 员工编号,部门,入职时间,离职时间,性别,'性别统计' AS 分类 from [数据$] where 员工状态='在职'

union all

select 员工编号,部门,入职时间,离职时间,年龄分段,'年龄统计' AS 分类 from [数据$] where员工状态='在职'

select 员工编号,部门,入职时间,离职时间,工龄分段,'工龄统计' AS 分类 from [数据$] where员工状态='在职'

select 员工编号,部门,入职时间,离职时间,学历,'学历统计' AS 分类 from [数据$] where 员工状态='在职'

select 员工编号,部门,入职时间,离职时间,'入职','入离职情况' AS 分类 from [数据$] where入职时间 between #2017-4-1# and #2017-4-30#

select 员工编号,部门,入职时间,离职时间,'离职','入离职情况' AS 分类 from [数据$] where离职时间 between #2017-4-1# and #2017-4-30#

注意：

SQL语句中各个字段和员工信息表中一致，有单引号的代表新定义的字段。

[数据$]代表存放员工信息表的工作表名。

#2017-4-1# and #2017-4-30#代表统计的时间段，可自行更改。

在出现的窗口中点击确定，最终出现数据透视表的操作界面。

将字段拖拽到各个区域，结果如下：

然后对数据透视表进行设置美化，最终结果如前面所示。

有一部分公司是要求每周提交一份总结报告，每月再根据周报整理成月报，每季度再根据月报整理成季报，最后每年再根据季报整理成年报。

领导喜欢看报告，本身也没错，可是因此导致你经常加班。那有没有办法，既能完成领导的需求，又不用加班，轻轻松松就搞定呢？

今天，我教你如何以最快的速度搞定各种按周、月、季度、年统计。

这是一份记录了好几年的销售明细表。

1.按周统计

数据统计，首先想到的是数据透视表，而数据透视表的组合很强大，有按月、季度、年组合，就是偏偏没有按周组合，这可怎么办？

数据透视表默认情况下没提供，没关系，那就自己用辅助列生成。

在H2输入公式，双击填充。WEEKNUM函数就是判断日期在一年第几周。

=WEEKNUM(A2,2)

当然，如果在周前面添加年，就更清晰了。跨年统计，不管是按周还是按月，都必须加年份。这里有两种形式可供选择。

01 将年跟周合并在一个单元格。

=YEAR(A2)&"年第"&WEEKNUM(A2,2)&"周"

02 将年跟周分开显示在两个单元格。

现在以第2种情况进行统计分析。

Step 01 选择单元格A1，单击插入数据透视表，保持默认不变，确定。

Step 02 将字段拖拉到相应的区域。

Step 03 对年跟周进行筛选，就可以获取相应的数据。

2.按月、季度、年统计

Excel2016版本，操作非常简单，只需将日期拉到行，就能自动按月、季度、年统计。日期自动分组以后，需要统计什么，直接拖拉字段即可。

低版本，可以右键组合（创建组）进行操作，这里不再说明，可以自己动手尝试。

3.按近几个月统计

有一些公司会有这种需求，也就是截止到今天日期，统计近1个月、近2个月、近3个月等等。

假如今天是2018-4-21，日期为2018-4-1就是近1个月的数据。

在数据源增加一个辅助列，输入公式后，将单元格设置为常规格式。

=DATEDIF(A2,TODAY(),"m")+1

DATEDIF函数是计算两个日期相差的月份，相差0个月，也就是近1个月，所以最后得出来的结果再加1。

再根据数据源创建数据透视表，即可完成统计。

Excel统计分析难吗？不难！难在于如何灵活运用，以不变应万变，一个简单的数据透视表，结合函数就可以完成很多意想不到的结果。